Heute gab Cohere den ersten Abschluss seiner Series-E-Finanzierungsrunde bekannt, die bis zu 7 Mrd. CAD zum Ziel hat. Angeführt wird die Runde von der Schwarz Group, mit Beteiligung neuer und bestehender Investoren wie Bell Ventures, Bullhound Capital, Inovia Capital, NVIDIA, Prosperity7 Ventures und der kanadischen Regierung. Wir werden die Mittel nutzen, um etwas zunehmend Wichtiges im Bereich KI aufzubauen: ein führendes Unternehmen außerhalb der USA und Chinas. Unser Ziel ist es, KI-Modelle der Spitzenklasse zu entwickeln, die mit den besten der Welt mithalten können, eine sichere Plattform, die Institutionen die Kontrolle über die von ihnen genutzte KI gibt, und Cyber-Abwehrsysteme, auf die sich Demokratien verlassen können. Wir müssen uns nicht mit einer Zukunft abfinden, in der KI nur von einigen wenigen kontrolliert wird, und wir sollten das auch nicht wollen.
In wenigen Jahren werden alle Krankenhäuser in Bayern, alle Banken in New York und alle Behörden in Ottawa einen erheblichen Teil ihrer Abläufe mit KI abwickeln. Sie sollten in der Lage sein, zwischen erstklassigen Systemen zu wählen, die unter vertrauenswürdigen Gesetzen entwickelt wurden, mit Technologie, die sie prüfen und anpassen können, in ihren eigenen Umgebungen einsetzen und auf Plattformen nutzen können, die auch in kritischen Situationen zuverlässig verfügbar bleiben. Heute stehen viele Organisationen vor einer schwierigen Wahl: günstige Modelle aus China oder leistungsstarke Modelle, die sie nicht vollständig einsehen oder kontrollieren können. Der Markt hat sich bereits entschieden: Mehr als 70 Prozent der über OpenRouter bereitgestellten Open-Model-Tokens stammten von chinesischen Modellen – ein Anstieg von 3 Prozent vor vierzehn Monaten.
Wir wollen das ändern.
Die Notwendigkeit von Wahlfreiheit und Kontrolle ist kein theoretisches Konstrukt mehr. Die jüngere Vergangenheit hat gezeigt, wie Technologien in den Bereichen Kommunikation, Energie und nationale Sicherheitsinfrastruktur plötzlich von Entscheidungen abhängig sein können, die anderswo getroffen werden. Der Zugang kann sich über Nacht ändern, sei es durch unternehmerische Entscheidungen, Exportkontrollen oder geopolitische Ereignisse – oft ohne echte Alternativen. Jede Situation ist anders, aber die Lehre ist immer dieselbe: Länder benötigen garantierten Zugang zu Technologien, die ihre Sicherheit, Widerstandsfähigkeit und Wettbewerbsfähigkeit gewährleisten. Da verbündete Regierungen mehr Verantwortung übernehmen für ihre eigene Verteidigung, Infrastruktur und technologischen Fähigkeiten, gehört KI auf diese Liste.
Argumente gegen technologischen Fatalismus
Als Kanada und Deutschland Anfang des Jahres in München ihre Allianz für souveräne Technologie gründeten, sagten sie, sie würden sich für den Aufbau entscheiden – genau das wollen auch wir verkörpern. Doch immer mehr sind der Meinung, dass die Zukunft der KI nur zwei Ländern und einer Handvoll Unternehmen gehört und alle anderen sich damit abfinden sollten, Intelligenz von den Siegern zu mieten. Diese Argumentation hört man in Vorstandsetagen, Behörden und Investitionsausschüssen in der gesamten demokratischen Welt, meist von Menschen, die es gut meinen. Ihre Befürworter nennen es Realismus. Wir nennen es technologischen Fatalismus.
Auf die Spitze getrieben ist technologischer Fatalismus ein Plan für den kontrollierten Niedergang. Er fordert Länder auf, Fähigkeiten aufzugeben, die sie über Jahrzehnte aufgebaut haben. Nach Investitionen in Forschung, Talente und Innovation würden sie ihre Wirtschaft, öffentlichen Dienstleistungen und Verteidigungsinfrastruktur auf Technologien aufbauen, die sie nicht kontrollieren, nicht sinnvoll beeinflussen und möglicherweise nicht einmal unbegrenzt nutzen können. Und sie sollten dankbar sein, wenn sie API-Zugriff erhalten.
Die Fatalisten haben in einem Punkt recht: Die Arbeit an der technologischen Grenze ist schwierig. Sie erfordert Kapital, Rechenleistung und Forschungstalent in einem Ausmaß, das nur wenige Organisationen aufbringen können. Falsch ist jedoch die Annahme, es gäbe nur einen Weg, um wettbewerbsfähig zu sein.
Es gibt viele Grenzen
Viel Verwirrung entsteht dadurch, dass über „die Grenze“ der KI-Modelle gesprochen wird, als gäbe es nur eine. Dabei gibt es unzählige Domänengrenzen: die bestmögliche Leistung bei einer bestimmten Klasse wertvoller Probleme – von der Erkennung von Software-Schwachstellen über die Analyse von Informationen in Dutzenden Sprachen bis hin zur Compliance-Arbeit einer Bank. Forscher der Harvard Business School bezeichnen diese Unebenheit als "jagged technological frontier." In vielen Domänen hängt der Erfolg nicht nur vom Modell selbst ab, sondern auch vom System drumherum: Wie wird Kontext zusammengestellt? Wie wird der Zustand verfolgt? Wie wird die Schlussfolgerung überprüft? Und wie werden die Ergebnisse bewertet? Diese Realität schafft Raum für mehr Entwickler:innen. Und es gibt Dimensionen der unebenen technologischen Grenze, bei denen Eigentum statt Kauf entscheidend für die eigene Souveränität ist.
Der Beweis: Cybersicherheit
Cybersicherheit ist eine der wichtigsten Domänengrenzen von heute. Anthropics Claude Mythos Preview hat das Potenzial fortschrittlicher Modelle zur Entdeckung zuvor unbekannter Schwachstellen demonstriert, während Project Glasswing diese Arbeit auf Betreiber kritischer Infrastrukturen in über 15 Ländern ausweitete. Diese Fortschritte sind wichtig. Sie fanden jedoch größtenteils hinter verschlossenen Türen statt, mit Zugang nur für eine kleine Gruppe von Partnern und unter den Bedingungen eines einzelnen Anbieters – ein Spiegelbild der Konzentration, die die gesamte KI-Landschaft prägt. Wichtiger noch: Sie beweisen nicht, dass die Führung in der Cyberabwehr ausschließlich dem Unternehmen gehören wird, das das stärkste Allzweckmodell entwickelt.
AISLE, das bald zu uns stoßen wird und als Cohere Cyber firmieren wird, bietet eine andere Perspektive. Das Unternehmen beschreibt die Entdeckung von Schwachstellen als Produktionsfunktion mit zwei Eingaben: Intelligenz pro Token und Token pro Dollar. In der Praxis bedeutet das: Modellfähigkeit ist nur ein Teil der Gleichung. Ein gut gestaltetes System kann effiziente Modelle nutzen, um mehr Möglichkeiten zu erkunden, mehr Tests durchzuführen und mehr Ergebnisse zu validieren. Rohintelligenz ist wichtig, aber auch die Fähigkeit, diese Intelligenz in Ergebnisse umzusetzen.
Die Beweise sind überzeugend. Im August berichtete der Gründer von curl, Daniel Stenberg, dass Mythos, OpenAIs Codex Security und ZeroPath in seinem Code nichts weiter gefunden hatten. AISLEs System identifizierte anschließend 18 der 24 Schwachstellen, die in der Oktober-Version von curl behoben wurden. Eine spezialisierte Cyberplattform und ein Allzweckmodell sind nicht direkt vergleichbar. Genau das ist aber der Punkt. Organisationen setzen Modelle nicht isoliert ein, sondern Systeme, Produkte und Workflows. Entscheidend ist letztlich die Leistung des gesamten Systems.
Cybersecurity bietet auch etwas Einzigartiges für die KI-Entwicklung: die Ground Truth. Verdächtige Schwachstellen können reproduziert, von Maintainern validiert und gegen vorgeschlagene Fixes getestet werden. Dies macht Cybersecurity nicht nur zu einem kritischen Bereich an sich, sondern auch zu einer idealen Umgebung, um die zugrunde liegenden Modelle zu verbessern.
Wie sich die Bereiche gegenseitig befruchten
Man könnte erwarten, dass ein Unternehmen, das sich auf bestimmte Bereiche konzentriert, bei allgemeinen Modellen zurückbleibt. In der Praxis ist die Arbeit an spezifischen Bereichen jedoch eine der besten Methoden, um allgemeine Modelle zu verbessern. An der Grenze eines Fachgebiets zu arbeiten, bedeutet, die bestmöglichen Ergebnisse für eine bestimmte Art von Problem anzustreben – sei es durch ein spezialisiertes Modell, ein allgemeines Modell mit den richtigen Tools und Anweisungen oder ein vollständiges System, das auf mehreren Modellen basiert.
Einige der größten jüngsten Fortschritte beim logischen Schlussfolgern von Modellen stammen aus der verstärkenden Lernmethodik in spezifischen Bereichen, in denen ein Computer die Antwort überprüfen kann – etwa, ob ein Beweis gültig ist, ein Test besteht oder ein Bug reproduziert wird. Die Fähigkeiten, die Modelle innerhalb dieser Bereiche erlernen, übertragen sich auf verwandte Kontexte und treiben so neben domänenspezifischen Verbesserungen auch die allgemeine Modelloptimierung voran.
Die Zusammenarbeit mit Kunden an realen Aufgaben zeigt uns auch, wo heutige Modelle Defizite aufweisen, die öffentliche Benchmarks selten erfassen. Jeder Fehler zeigt uns, was das nächste Modell besser machen muss. Kunden machen uns auch deutlich, welche Fähigkeiten am wichtigsten sind. Kunden aus dem öffentlichen Sektor fragen in der Regel zuerst nach einer starken Analyse in vielen Sprachen sowie der Fähigkeit, Bilder und Dokumente neben Text zu lesen – dieselben Fähigkeiten, die eine Bank, ein Telekommunikationsunternehmen oder ein Krankenhaus von einem KI-Agenten erwarten.
Alle diese Verbesserungen fließen zurück in unsere allgemeinen Modelle. Und bessere allgemeine Modelle machen alles, was wir darauf aufbauen, leistungsfähiger. So profitiert ein Kunde in einem Bereich von dem, was wir in einem anderen gelernt haben. Dieser Kreislauf ist der Grund, warum wir gleichzeitig an all diesen Grenzen arbeiten. Diese Finanzierungsrunde soll ihn beschleunigen.
Europa hat das schon einmal geschafft
Ob ein Herausforderer auf diese Weise mit einem anderen Ansatz und Verbündeten an seiner Seite etablierte Giganten angreifen kann, ist eine Frage, die Europa bereits beantwortet hat. Vor einem halben Jahrhundert kam die Antwort aus der kommerziellen Luftfahrt.
Ende der 1960er Jahre dominierten amerikanische Hersteller den Markt für Strahlflugzeuge. Die europäischen Flugzeugbauer waren einzeln zu klein, um mit ihnen zu konkurrieren. Die britische Regierungzog sich aus dem Projekt zurück, das 1969 zu Airbus wurde. Frankreich und Deutschland machten weiter. Airbus versuchte nicht, Boeing Flugzeug für Flugzeug zu übertreffen, sondern setzte auf ein anderes Design: die A300, das weltweit erste Großraumflugzeug mit zwei Triebwerken. Der kommerzielle Erfolg ließ Jahre auf sich warten. Der Durchbruch kam 1977, als Eastern Air Lines unter der Leitung des ehemaligen Apollo-8-Kommandanten Frank Borman zustimmte,vier A300 zu testen und später weitere zu bestellen. Ein Jahrzehnt später brachte die A320Fly-by-Wire-Steuerungen in die Luftfahrt. 2025 lieferte Airbus793 Flugzeuge aus, Boeing 600.
Die Lehre daraus ist, dass ein scheinbar gefestigter Markt durch einen ernsthaften Wettbewerber mit geduldigen Investitionen, einem differenzierten Ansatz und Partnern bewegt werden kann, die bereit sind, mitzubauen. Airbus baut Flugzeuge in Mobile, Alabama, undgibt jährlich über 15 Milliarden US-Dollar bei über 2.000 amerikanischen Zulieferern aus. Seine A220entstand als Bombardiers C Series, entwickelt in Quebec. Viele seiner Triebwerke stammen vonCFM International, einem Joint Venture von GE und dem französischen Unternehmen Safran, dessen LEAP-Triebwerk auch Boeings 737 MAX antreibt. Das macht Airbus nicht weniger europäisch. Wettbewerb beim Rumpf und Partnerschaft beim Triebwerk haben beide Seiten des Atlantiks gestärkt.
Dieses Modell haben wir bei KI im Sinn. Wir schaffen eine zweite Option für die demokratische Welt, von der die USA ebenso profitieren wie Kanada, Deutschland und andere Verbündete. Die USA sollten den Wettbewerb mit China nicht allein bestreiten müssen. Der Ausbau der Innovationskraft in der demokratischen Welt stärkt das gesamte Bündnis.
Zwei Jahrzehnte Aufbauarbeit
Die Grundlage für diese Ambitionen ist bereits vorhanden. KI war schon immer ein internationales Projekt, und Kanada und Deutschland haben wichtige Beiträge geleistet. 2004, als neuronale Netze fast überall aus der Mode gekommen waren, unterstützte das Canadian Institute for Advanced Research ein KI-Programm unter der Leitung von Geoffrey Hinton, das ihn mit Yoshua Bengio und Yann LeCun zusammenbrachte. Die drei Forscher wurden später für Deep Learning mit dem Turing Award ausgezeichnet. Das Transformer-Paper, 2017 bei Google veröffentlicht, wurde von acht Forschern mit Wurzeln in sieben Ländern verfasst. Einer war ein Student der University of Toronto, der später Mitbegründer von Cohere wurde. Im selben Jahr wurde Kanada das erste Land mit einer nationalen KI-Strategie, getragen vom Vector Institute, Mila und Amii.
Die öffentlichen Investitionen wurden fortgesetzt. Seit 2017 hat Ottawa mehr als 5 Mrd. CAD in KI investiert: etwa 742 Mio. CAD für die pan-kanadische Strategie, ein Paket über 2,4 Mrd. CAD im Haushalt 2024, das die Sovereign AI Compute Strategy über 2 Mrd. CAD enthielt, und mindestens 2 Mrd. CAD mehr in der im Juni verabschiedeten KI-Strategie für alle. Das hat sich in Innovation und Talent ausgezahlt. Mit etwa einem halben Prozent der Weltbevölkerung ist Kanada die Heimat von rund 10 Prozent der weltweit führenden KI-Forscher. Deutschland hat eine parallele Wette abgeschlossen und seit 2018 5 Mrd. Euro in seine nationale KI-Strategie investiert und das Cyber Valley in Tübingen zu einer der größten KI-Forschungskooperationen Europas ausgebaut.
Forschung und Talente sind die Grundlage. Der nächste Schritt besteht darin, Unternehmen aufzubauen, die diese in bahnbrechende Fähigkeiten umwandeln, Forschern Möglichkeiten bieten, vor Ort zu entwickeln, und Systeme bereitstellen, die Institutionen nutzen können. Dafür ist diese Finanzierungsrunde gedacht. Investoren, Forschungseinrichtungen, Infrastrukturpartner und Kunden auf beiden Seiten des Atlantiks bauen mit uns, weil sie glauben, dass die Zukunft der KI wettbewerbsfähiger sein sollte und nicht dem Fatalismus überlassen werden darf. Unsere Series E ist die größte Finanzierungsrunde, die jemals von einem privaten kanadischen Unternehmen gesammelt wurde, und sie führt zwei Jahrzehnte öffentlicher und privater Investitionen in ein neues Kapitel.
Was wir aufbauen werden
Modelle für jeden Preis, bis zur Spitzenklasse. Die Spitzenklasse ist vielschichtig, und die Kosten für nützliche Funktionen sinken rasant. Wir werden weiterhin in Spitzenmodelle investieren, aber auch kleinere, effizientere Modelle für Aufgaben entwickeln, die nicht die größten verfügbaren Systeme erfordern. Kunden benötigen sowohl Zugang zu fortschrittlichen Funktionen als auch die Flexibilität, das richtige Modell für jede Aufgabe basierend auf Leistung, Kosten, Latenz und Bereitstellungsvoraussetzungen auszuwählen. Das Ziel ist nicht ein Modell für alle Aufgaben, sondern ein Portfolio an Funktionen, das es Kunden ermöglicht, KI nach ihren eigenen Bedingungen einzusetzen. Wir werden weiterhin mit Partnern aus den Bereichen Forschung, souveräne Infrastruktur, Unternehmensbereitstellung und Cloud-Dienste zusammenarbeiten, um das gesamte Spektrum der Kundenbedürfnisse zu erfüllen.
Eine Plattform, die Kunden kontrollieren. Wenn Modelle austauschbar sind, ist das langfristige Asset die Schicht, die die Daten und Workflows einer Institution steuert, und diese Schicht sollte dem Kunden gehören. North, unsere agentische KI-Plattform, ist genau dafür entwickelt. Sie läuft in der eigenen Cloud, im Rechenzentrum oder in isolierten Umgebungen des Kunden und bleibt modellunabhängig, sodass Organisationen Cohere-Modelle neben anderen Modellen ihrer Wahl nutzen können. Die Workflows, Daten und Kontrollen bleiben beim Kunden, und kein externer Anbieter kann sie abschalten. Reliant AI, das uns Anfang dieses Jahres beigetreten ist, erweitert die Fähigkeiten von North in den Bereichen Biopharma und Gesundheitswesen. Wir werden diesen Ansatz auf weitere Branchen ausdehnen und Weltklasse-Modelle mit zweckgebauten Produkten kombinieren, die für den Einsatz in der realen Welt konzipiert sind.
Spitzenklasse im Bereich Cybersicherheit. Im Bereich Cyber ist die Domain-Frontier-These bereits bewiesen, und zuverlässiger Zugang ist hier am wichtigsten. Durch unsere geplante Übernahme von AISLE, das in seinem ersten Jahr mehr als 500 CVEs identifiziert hat, entwickeln wir Cohere Cyber: ein System der Spitzenklasse, das Verteidiger dabei unterstützt, Schwachstellen zu finden, zu validieren und zu beheben, bevor Angreifer sie ausnutzen können. Es läuft lokal, hinter der Firewall oder in vollständig isolierten Umgebungen, sodass sensibler Quellcode das Gebäude nie verlässt. Da es auf vom Kunden gehosteten Modellen basiert, kann kein externer Anbieter den Zugriff drosseln oder ausschalten, wenn es am wichtigsten ist. Vor allem ist es für die Verteidigung konzipiert. Sein Zweck besteht darin, Schwachstellen zu identifizieren und zu beheben, bevor sie zu Vorfällen werden, und so fortschrittliche Cyber-Fähigkeiten in die Hände von Verteidigern zu legen, ohne das Risiko für alle anderen nennenswert zu erhöhen.
Die nächsten zwölf Monate. Wir werden die Fusion mit Aleph Alpha und die Übernahme von AISLE abschließen, Cohere Cyber für isolierte und klassifizierte Umgebungen auf den Markt bringen, die nächste Generation unserer Modelle veröffentlichen und mit verbündeten Partnern die Schulung im Grenzbereich beginnen. Jeder Schritt dient derselben Strategie: stärkere Modelle, bessere Systeme drumherum und mehr Kontrolle für die Institutionen, die auf beides angewiesen sind.
Gemeinsam bauen
KI wird Teil der Betriebsinfrastruktur von Volkswirtschaften, öffentlichen Dienstleistungen und der nationalen Verteidigung werden. Wer sie baut, unter welchem Recht und mit welcher Rechenschaftspflicht, wird die Wahlmöglichkeiten jedes Landes prägen, das sie übernimmt. Kein Land muss jeden Teil dieser Infrastruktur allein aufbauen. Aber die demokratische Welt braucht mehr Länder und Unternehmen, die dazu beitragen können.
Kanada und Deutschland haben sich für den Aufbau entschieden – und wir auch. Wenn Sie eine Regierung, ein Betreiber kritischer Infrastruktur, ein Forscher oder ein amerikanischer Partner sind, der glaubt, dass das Bündnis stärker ist, wenn mehr seiner Mitglieder aufbauen können, möchten wir mit Ihnen zusammenarbeiten. Die Grenzen sind nicht auf eine feste Anzahl von Ländern oder Unternehmen beschränkt. Sie gehören denen, die bereit sind, sie voranzutreiben.
