Uganda bringt der KI das Zuhören bei

TLDR

Die gemeinnützige Organisation Sunbird AI aus Kampala hat mit Sunflower v2 offene KI-Modelle für 67 afrikanische Sprachen veröffentlicht, inklusive Spracherkennung, Sprachausgabe und einer Variante, die vollständig offline auf dem Smartphone läuft. Bei Übersetzungen in afrikanische Sprachen erreicht das System in den veröffentlichten Tests das Niveau von Gemini 3.1 Pro und liegt vor GPT-5.1 und Claude Sonnet 4.5. Die Erkenntnis reicht weit über Afrika hinaus: Wer die passenden Daten hat, braucht nicht das grösste Modell.

Die Sprache entscheidet über den Zugang

Künstliche Intelligenz ist nur so nützlich wie die Sprache, in der man mit ihr spricht. Für rund 3,4 Milliarden Menschen ist das heute eine Grenze. Sie sprechen Sprachen, die in den grossen Modellen kaum vorkommen. Ein System, das auf Englisch Programmcode schreibt und mathematische Beweise führt, scheitert an einem einfachen Satz auf Luganda, der Sprache, in der jemand in Kampala sein Geschäft führt.

Der Grund liegt in der Art, wie Sprachmodelle lernen. Sie lernen aus dem, was digital vorliegt. Von den rund 7'000 Sprachen der Welt gilt nur ein kleiner Teil als ausreichend dokumentiert. Viele afrikanische Sprachen leben mündlich: auf dem Markt, im Radio, in der Kirche, im Klassenzimmer. Im Internet hinterlassen sie wenige Spuren.

Mehr Rechenleistung ändert daran nichts. Ein grösseres Modell liest dieselben Texte nur gründlicher. Was nie aufgeschrieben wurde, lernt es nicht. So entsteht ein sich selbst verstärkender Kreislauf: Je weniger eine Sprache online präsent ist, desto schlechter versteht die KI sie. Je schlechter sie verstanden wird, desto seltener wird KI in dieser Sprache genutzt. Und desto weniger neue Daten entstehen. Mit jeder Modellgeneration wächst der Abstand, statt zu schrumpfen.

Sunbird dreht die Reihenfolge um

Sunbird AI ist eine gemeinnützige Forschungsorganisation in Kampala. Ihr Ansatz beginnt nicht beim Modell, sondern bei den Daten. Das Team erschliesst Schulmaterialien, Radiotranskripte, Kulturarchive und Beiträge aus lokalen Gemeinschaften. Für die Spracherkennung mischt es Umgebungsgeräusche aus ugandischen Städten in die Trainingsdaten, damit das System auch auf der Strasse funktioniert und nicht nur im Tonstudio.

Erst danach kommt die Technik. Sunbird baut kein Modell von Grund auf. Das Team nimmt offene Basismodelle wie Qwen, Whisper und Gemma und trainiert sie mit diesen Daten gezielt weiter. Die teure Grundausbildung hat jemand anderes finanziert. Die eigene Leistung liegt in der Spezialisierung.

Die Wirkung lässt sich beziffern. Das Basismodell Qwen 3.8-27B erreicht im Übersetzungstest 29,7 Punkte auf der chrF-Skala, einem zeichenbasierten Mass für Übersetzungsqualität. Nach dem Training durch Sunbird sind es 46,2 Punkte. Der grösste Teil der Leistung stammt also nicht aus dem Ausgangsmodell, sondern aus den lokalen Daten und dem Wissen, wie man sie einsetzt.

Was Sunflower v2 leistet

Die erste Version stellte Ugandas ICT-Ministerium im Oktober 2025 vor. Sie deckte 31 ugandische Sprachen ab und übertraf in der Entwicklerevaluation ChatGPT und Gemini 2.5 Pro bei 24 dieser Sprachen. Am 24. September 2026 folgte die zweite Generation, eine Familie aus fünf Modellen:

• Zwei Textmodelle mit 27 und 9 Milliarden Parametern für Übersetzung, Textverständnis und Schlussfolgern in 67 afrikanischen Sprachen
• Spracherkennung für 51 Sprachen, trainiert mit über 7'400 Stunden Audio aus 3,8 Millionen Aufnahmen
• Sprachausgabe mit 20 Stimmen, jede davon von einer realen Person, die der Nutzung zugestimmt hat
• Ein kompaktes Modell, das gesprochene Fragen direkt auf einem Android-Smartphone verarbeitet, ohne Server und ohne Internetverbindung

Im Übersetzungstest erreicht das grosse Modell 46,2 Punkte. Claude Sonnet 4.5 kommt auf 38,9, GPT-5.1 auf 38,0, das stärkste andere offene Modell auf 32,3. Gemini 3.1 Pro liegt insgesamt mit 48,5 vorne. Bei Übersetzungen in afrikanische Sprachen, der schwierigeren und praktisch wichtigeren Richtung, liegen Sunflower und Gemini gleichauf. Bei den 31 ugandischen Sprachen führt Sunflower mit über vier Punkten Vorsprung.

Das kleinere 9B-Modell erreicht 45,8 Punkte, bei einem Drittel der Grösse. In komprimierter Form umfasst es knapp 8 GB und läuft auf einer einzelnen handelsüblichen Grafikkarte. Bei der Spracherkennung für Luganda liegt die Wortfehlerrate bei 16 Prozent, das nächstbeste System kommt auf 31,5 Prozent.

Sunbird demonstriert die Offline-Variante in einer Lern-App für Schulen: Eine gesprochene Frage auf Luganda oder Acholi geht hinein, eine gesprochene Antwort kommt zurück. Keine Daten verlassen das Gerät.

Die Grenzen gehören zur Geschichte

Sunbird veröffentlicht seine Schwächen gleich mit. 19 der 68 getesteten Sprachen erreichen weniger als 35 Punkte, hier sollen Sprecher:innen jede Ausgabe prüfen, bevor man sich darauf verlässt. Gemini bleibt insgesamt stärker, vor allem bei Übersetzungen ins Englische. Das 9B-Modell eignet sich für Übersetzungen, nicht für komplexes Schlussfolgern. Und sämtliche Zahlen stammen aus der eigenen Evaluation, eine unabhängige Überprüfung steht aus.

Diese Offenheit erhöht die Glaubwürdigkeit. Wer genau zeigt, wo ein System schwach ist, zeigt damit auch, wo man sich darauf verlassen kann. Die Qualität folgt dabei einer einfachen Regel: Je mehr Text und Sprachaufnahmen für eine Sprache existieren, desto besser funktioniert das Modell. Die Datenlücke bleibt die Grenze, Sunbird hat sie nur deutlich verschoben.

Alle Modelle und Trainingsdaten stehen unter offener Lizenz auf Hugging Face, zusätzlich gibt es eine gehostete Schnittstelle. Drei Tage vor dem Release unterzeichnete Sunbird gemeinsam mit 59 weiteren Organisationen, darunter Anthropic, Google, Microsoft, Mistral und die OpenAI Foundation, eine Verpflichtung mit einem klaren Ziel: Innerhalb von fünf Jahren sollen die 3,4 Milliarden Menschen mit unterrepräsentierten Sprachen KI in ihrer eigenen Sprache und Stimme nutzen können.

Was das für Entscheider:innen bedeutet

In vielen Unternehmen lautet die erste Frage: Welches ist das beste Modell? Sunflower legt eine andere Frage nahe: Welches Modell, für welche Aufgabe, mit welchen Daten? In klar abgegrenzten Aufgaben schlägt ein spezialisiertes Modell Systeme, die um ein Vielfaches grösser sind. Der Vorsprung entsteht durch Passung, nicht durch Grösse.

Die Schweiz kennt das Thema im Kleinen. Schweizerdeutsch wird gesprochen, aber kaum geschrieben. Und jede Branche hat ihre eigene kleine Sprache: die Treuhand, die Pflege, das Baugewerbe. Diese Fachsprachen stecken in Offerten, Protokollen und Kundenkorrespondenz, nicht im offenen Internet. Wer sie besitzt und aufbereitet, hält denselben Hebel in der Hand wie Sunbird.

Dazu kommt die Frage der Souveränität. Ein Modell, das vollständig auf dem eigenen Gerät läuft, löst Datenschutzfragen technisch statt vertraglich. Offene Modellgewichte erlauben es, ein System selbst zu betreiben, statt von einem Anbieter abhängig zu sein. Für ein Non-Profit in Kampala ist das eine Notwendigkeit. Für ein KMU in Zürich ist es eine Option, die vor zwei Jahren noch nicht existierte.

Die nützlichste KI entsteht nicht dort, wo am meisten gerechnet wird, sondern dort, wo jemand genau zuhört.

Die wichtigsten Punkte

• Sprachmodelle lernen nur, was digital vorliegt. Mündliche Sprachen fallen dadurch systematisch heraus, und mehr Rechenleistung schliesst diese Lücke nicht.
• Sunbird AI beginnt bei den Daten statt beim Modell und trainiert offene Basismodelle gezielt mit lokalem Sprachmaterial weiter.
• Das Training hebt die Übersetzungsleistung von 29,7 auf 46,2 chrF-Punkte. Der Vorsprung stammt aus den Daten, nicht aus dem Ausgangsmodell.
• Ein spezialisiertes 9B-Modell erreicht fast dieselbe Qualität wie das dreimal grössere 27B-Modell und läuft auf einer einzelnen Grafikkarte.
• Die Qualität ist ungleich verteilt: Für 19 von 68 Sprachen braucht es menschliche Prüfung, und alle Werte sind Eigenevaluationen.
• Für Unternehmen gilt dasselbe Prinzip: Eigene Fachsprache und eigene Daten sind ein grösserer Hebel als die Wahl des grössten Modells.

Disclaimer

Dieser Artikel wurde nach meinem eigenen Wissen und dann mit Recherchen mit KI (Perplexity.Ai und Gemini.Google.com) manuell zusammengestellt und mit Deepl.com/write vereinfacht. Der Text wird dann nochmals von zwei Personen meiner Wahl gelesen und kritisch hinterfragt. Das Bild stammt von KI-generierter Bildgebung. Dieser Artikel ist rein edukativ und erhebt keinen Anspruch auf Vollständigkeit. Die genannten Leistungswerte stammen aus der Evaluation des Entwicklers und sind nicht unabhängig geprüft. Bitte melde dich, wenn Du Ungenauigkeiten feststellst, danke.

Und darum bin ich nach wie vor überzeugt: Die Zukunft gehört nicht mehr dem Tippen und Klicken, sondern dem gemAInsamen Arbeiten mit intelligenten Systemen. Und diese Systeme werden dort am besten, wo sie die Sprache der Menschen sprechen, die sie nutzen, im Dorf in Uganda genauso wie in der Fachabteilung in Zürich. Also wenn Du reden willst, und wenn Du mit mir zusammenarbeiten willst: melde Dich gerne www.rogerbasler.ch

Quellen

Gates Foundation. (2026, 21. September). Global organizations announce five-year goal to help more than 3 billion people use AI in their own language and voice [Pressemitteilung]. https://www.gatesfoundation.org/ideas/media-center/press-releases/2026/09/ai-language-partnership

Ministry of ICT and National Guidance Uganda. (2025, Oktober). Uganda launches an artificial intelligence (AI) language model. https://ict.go.ug/media/news/uganda-launches-an-artificial-intelligence-ai-language-model

Namara, N. J. (2026, 24. September). Introducing Sunflower v2: An open-source AI suite for African languages. Sunbird AI. https://sunbird.ai/introducing-sunflower-v2-an-open-source-ai-suite-for-african-languages/

Sunbird AI. (2026). Sunflower-Qwen3.5-9B [Modelldokumentation]. https://salt.sunbird.ai/models/sunflower-qwen3.5-9b/

Sunbird AI. (2026). Sunflower-Qwen3.8-27B [Model Card]. Hugging Face. https://huggingface.co/Sunbird/Sunflower-Qwen3.8-27B

Sunbird AI. (o. D.). Sunflower. https://sunbird.ai/sunflower/