Mit Forge verspricht Mistral europäischen Unternehmen eigene KI-Modelle auf eigenen Daten – die ultimative Antwort auf die Abhängigkeit von US-Hyperscalern. Für den deutschen Mittelstand klingt das nach strategischer Selbstbestimmung. Doch zwischen Positionierungsrhetorik und organisatorischer Wirklichkeit klafft eine Lücke, die sich nicht mit Lizenzgebühren schließen lässt.
Wenn ein französisches KI-Unternehmen auf der Nvidia GTC verkündet, Unternehmen könnten fortan eigene Frontier-Modelle auf eigenen Daten trainieren, dann ist das zunächst einmal eine Produktankündigung. Dass Mistral mit Forge aber gleichzeitig eine Souveränitätserzählung mitliefert – eigene Gewichte, eigene Infrastruktur, europäische Wertschöpfung –, macht daraus ein politisches Statement. Und genau hier beginnt das Problem für den deutschen Mittelstand: Die Erzählung passt perfekt zum Diskurs, aber die organisatorischen Voraussetzungen, sie einzulösen, fehlen in den meisten Fällen.
Was Forge verspricht
Forge umfasst den gesamten Modell-Lebenszyklus: Pre-Training auf proprietären Daten, Post-Training für spezifische Aufgaben, Reinforcement Learning zur Prozess-Alignment. Kunden sollen die gleichen Trainingsrezepte nutzen können, mit denen Mistral seine eigenen Modelle entwickelt – inklusive synthetischer Datengenerierung, verteiltem GPU-Training und Unterstützung für dichte wie Mixture-of-Experts-Architekturen. Die Referenzkunden, die Mistral nennt – ASML, Ericsson, die europäische Weltraumagentur ESA –, signalisieren eine klare Zielgruppe: Organisationen mit höchster IP-Sensitivität, regulatorischem Druck und europäischem Kontext.
Das Differenzierungsargument gegenüber OpenAI und Anthropic ist dabei klar konturiert: Während deren Enterprise-Angebote primär auf Fine-Tuning und RAG setzen, also bestehende Modelle adaptieren, verspricht Forge echtes Training von Grund auf. Der Unterschied ist nicht trivial – wer ein Modell auf eigenen Daten trainiert, kontrolliert die Gewichte, nicht nur die Prompt-Ebene.
Die Palantir-Analogie – oder: vom Plattformversprechen zur Beratungslogik
Die interessanteste Struktur hinter Forge liegt allerdings nicht im Produkt, sondern im Geschäftsmodell. Mistral monetarisiert über drei Ebenen: Plattformlizenz, Data-Pipeline-Services und sogenannte „forward-deployed scientists” – eingebettete KI-Forscher, die beim Kunden mitarbeiten. Mistrals Produktchefin Elisa Salamanca betont, kein Wettbewerber biete dieses Modell eingebetteter Wissenschaftler als Teil einer Trainingsplattform.
Das klingt nach Differenzierung, ist aber strukturell ein Eingeständnis: Die Plattform allein reicht nicht. Wer Forge nutzen will, braucht Mistrals Experten, weil die eigene Organisation das Trainingsdesign, die Datenkuratierung und die Optimierung verteilter GPU-Cluster …