KI-Förderung, erledigt.
KI ist neuartige Modellarchitektur, Dateninfrastruktur und ML-Systeme, die über das hinausgehen, was Standardwerkzeuge leisten können. Wir sichern die nicht-verwässernde Förderung für das Engineering auf Forschungsniveau, nicht für die Routine-Integration.
Engineering auf Forschungsniveau, starker Förder-Fit
F&E im Bereich KI ist förderfähig, wo sie über die Standardanwendung hinausgeht: neue Modellarchitekturen, Trainings- und Inferenzmethoden und Dateninfrastruktur, die unter technischer Unsicherheit aufgebaut wird. Die routinemäßige Integration eines bestehenden Modells qualifiziert sich nicht, die Entwicklung neuartiger Methoden schon. Nicht-verwässernde Förderung deckt den forschungsintensiven Aufbau ab.
Warum F&E-Förderung zu KI passt
Vier Gründe, warum KI-Unternehmen für die deutsche F&E-Förderung gut aufgestellt sind.
Laufende, förderfähige F&E
Modellforschung, Training und Retraining sind kontinuierliche F&E, kein einmaliges Vorhaben. Die Forschungszulage unterstützt diese Arbeit Jahr für Jahr.
Rechenleistung und Hardware zählen auch
Seit 2024 kann die Abschreibung auf GPU-Server und Rechenhardware, die direkt in einem F&E-Projekt genutzt wird, in die förderfähige Basis einbezogen werden, was bei trainingsintensiver Arbeit ins Gewicht fällt.
Forscherlastige Teams
Die Förderung baut auf F&E-Lohnkosten auf, und KI-Teams sind voll von den ML-Forschern, Daten- und Infrastrukturingenieuren, die diese Kosten abdecken.
Starker digitaler Sog
Der Horizon-Europe-Cluster für Digitales, Industrie und Weltraum (Cluster 4) und der EIC fördern aktiv KI-Deep-Tech und geben Teams zusätzlich zu den nationalen Instrumenten einen Weg zu größeren Zuschüssen.
Welche KI-Aktivitäten sich qualifizieren
Vier Kategorien von KI-F&E, die durchgängig förderfähig sind. Der rote Faden ist die technische Unsicherheit.
Modellarchitektur und Methoden
- Neue Modellarchitekturen oder Trainingsmethoden jenseits der Standard-Baselines
- Optimierungs-, Destillations- oder Effizienzmethoden unter Unsicherheit
- Ansätze, bei denen etablierte Modelle das Problem nicht lösen
Dateninfrastruktur und Pipelines
- Datensysteme, gebaut für neuartige Trainings- oder Inferenzanforderungen
- Von Grund auf entwickelte Labeling-, Augmentation- oder Synthetic-Data-Methoden
- Durchsatz- und Zuverlässigkeits-Engineering unter neuen Randbedingungen
Angewandtes ML unter Unsicherheit
- Modelle für Domänen, in denen Standardmethoden die nötige Genauigkeit noch nicht erreichen
- Bewertungs- und Validierungsmethoden für ein neuartiges Modell
- Robustheits-, Drift- und Sicherheitsarbeit, die technische Unbekannte auflöst
Entwicklertools und -systeme
- Tooling, Frameworks oder Runtimes mit neuartiger Architektur
- Inferenz-, Serving- oder Orchestrierungssysteme, die unter technischem Risiko entstehen
- MLOps-Methoden dort entwickelt, wo keine Standardlösung existiert
Die Linie, die über einen Antrag entscheidet
Die Linie, die über einen Antrag entscheidet, ist technische Unsicherheit. Eine kurze Orientierung für KI:
Qualifiziert sich in der Regel
- Neue Modellarchitekturen oder Trainingsmethoden jenseits der Standard-Baselines
- Daten- oder Serving-Systeme, die unter echtem technischem Risiko gebaut wurden
- Bewertungs- und Validierungsmethoden für ein neuartiges Modell
In der Regel nicht
- Ein bestehendes Modell in eine Anwendung integrieren
- Standard-Softwareentwicklung, Testen und Debugging
- Konfiguration, Bereitstellung und Datenmigration
Wie viel KI-Unternehmen typischerweise erhalten
Indikative Spannen basierend auf Größe und Intensität des F&E-Teams. Die tatsächlichen Zahlen hängen von den förderfähigen Kosten und der Entscheidung des Fördergebers ab.
Überwiegend die Forschungszulage auf ein Kern-Forschungs- und Engineering-Team.
Die Forschungszulage kombiniert mit einem ZIM-Zuschuss auf einem definierten Entwicklungsprojekt.
Bis an die Obergrenze der Forschungszulage, plus gestapelte ZIM- und Horizon-Europe-Digitalförderung.
* Indikative Werte. Der tatsächliche Betrag hängt von der Unternehmensgröße, den förderfähigen Kosten und den Programmen ab, für die du qualifiziert bist.
Die Art von KI-Arbeit, die sich qualifiziert
Wenn es echtes technisches Risiko und Neuheit trägt, zählt es meist. Ein paar Beispiele:
Neue Architekturen und Trainingsmethoden, die Standard-Baselines schlagen.
Pipelines und Datensysteme, gebaut für neuartige Anforderungen.
Modelle für Domänen, die Standardmethoden noch nicht lösen können.
Tooling- und Serving-Systeme mit echter technischer Neuheit.
Passgenaue Förderung für KI
Meist kombinieren wir zwei oder drei davon für die größte Gesamtsumme.
Forschungszulage
25-35 % der F&E-Kosten als Cash zurück, rückwirkend bis 2022.
Programm entdecken →Zuschuss + BeteiligungEIC Accelerator
2,5 Mio. € Zuschuss + bis zu 10 Mio. € Beteiligungskapital für KI-Deep-Tech.
Programm entdecken →ZuschussEurostars
~50 %, bis zu 500.000 € pro Partner für internationale F&E.
Programm entdecken →ZuschussHorizon Europe
bis zu 100 % für kollaborative digitale F&I-Konsortien.
Programm entdecken →KI-Förderung, beantwortet
Die neuartige Arbeit rund um sie kann qualifizieren: neue Architektur, Trainingsmethoden oder Systeme, die echte technische Unsicherheit auflösen. Die Standardintegration eines bestehenden Modells zählt nicht. Wir helfen dir, beides zu trennen.
Ja. Die Forschungszulage wird auch ohne Gewinn ausgezahlt, was zur F&E-intensiven Frühphase passt, die für KI typisch ist.
Seit 2024 kann die Abschreibung auf Hardware, die ausschließlich und unmittelbar in einem F&E-Projekt genutzt wird, in die förderfähige Basis einfließen. Wir prüfen, welche deiner Hardware qualifiziert.
Ja. Auftragsforschung ist zu 70 % der Kosten förderfähig – die Zusammenarbeit mit einer Universität oder einem Institut schließt dich also nicht aus, sie erweitert die förderfähige Basis.
Die Forschungszulage und ZIM decken die nationale Basis ab, während Horizon Europe (Cluster 4) und der EIC größere, ambitioniertere Programme fördern. Wir gestalten den Stack so, dass sie sich gegenseitig verstärken.
Frag uns alles
Erzähl uns von deinem Projekt und wir prüfen deinen Fall von Hand. Keine Vorbereitung, keine Verpflichtung. Lieber reden?