Groq

Einleitung

Groq ist ein US-amerikanisches Technologieunternehmen, das sich auf besonders schnelle KI-Inferenz spezialisiert hat. Im Mittelpunkt stehen die von Groq entwickelte LPU und die Plattform GroqCloud, über die Entwicklerinnen und Entwickler Sprachmodelle und andere KI-Modelle per API nutzen können. Dieser aiMOOC erklärt Dir, was Groq ist, wie sich Inferenz von Training unterscheidet, warum Latenz für moderne KI-Anwendungen so wichtig ist und welche Chancen, Grenzen und Fragen mit spezialisierter KI-Hardware verbunden sind.

Groq darf nicht mit Grok verwechselt werden, dem Chatbot von xAI. Groq mit q bezeichnet hier ein Unternehmen und eine technische Plattform für schnelle KI-Inferenz. Das Thema ist für Informatik, Technik, Wirtschaft, Medienbildung und Berufsorientierung relevant, weil es zeigt, wie eng Software, Halbleitertechnik, Cloud Computing, Rechenzentren, Energieeffizienz und Künstliche Intelligenz zusammenhängen.

Lernziele

Nach diesem aiMOOC kannst Du erklären, was Groq ist und warum Inferenz ein zentraler Teil moderner KI-Anwendungen ist. Du kannst den Unterschied zwischen CPU, GPU, TPU und LPU beschreiben, Chancen und Grenzen spezialisierter Spezialchips beurteilen und eigene Ideen entwickeln, wie schnelle KI-APIs in Schule, Ausbildung, Studium oder Beruf sinnvoll, sicher und verantwortungsvoll genutzt werden können.

Grundwissen: Was ist Groq?

Groq, Inc. wurde 2016 gegründet und ist auf Hardware und Cloud-Infrastruktur für KI-Inferenz ausgerichtet. Die technische Grundidee lautet: Für viele KI-Anwendungen ist nicht nur entscheidend, wie leistungsfähig ein Modell ist, sondern auch, wie schnell, zuverlässig und bezahlbar es auf neue Eingaben antwortet. Genau diese Phase nennt man Inferenz. Wenn Du einem Chatbot eine Frage stellst, ein System gesprochene Sprache in Text umwandelt oder eine Anwendung eine Zusammenfassung erstellt, wird ein bereits trainiertes Modell auf neue Daten angewendet.

Groq stellt dafür keine allgemeine CPU und auch keine klassische GPU in den Mittelpunkt, sondern eine spezialisierte Language Processing Unit. Solche Spezialisierung ist ein Beispiel für Hardware-Software-Co-Design: Die Hardware wird so entworfen, dass sie besonders gut zu bestimmten Algorithmen, Datenflüssen und Compiler-Entscheidungen passt. Für Lernende ist daran interessant, dass technische Innovation nicht nur aus einer besseren App entsteht, sondern oft aus dem Zusammenspiel von Chipdesign, Mathematik, Programmierung, Netzwerktechnik und Geschäftsmodell.

Kurzer Steckbrief

Unternehmen: Groq, Inc. ist ein US-amerikanisches Unternehmen im Bereich Künstliche Intelligenz, Halbleiter und Cloud Computing.
Gründung: Groq wurde 2016 gegründet.
Gründer: Als Gründer gilt Jonathan Ross, der zuvor an Googles Tensor Processing Unit beteiligt war.
Produktidee: Die Language Processing Unit ist auf schnelle KI-Inferenz ausgerichtet.
Plattform: GroqCloud bietet einen Cloud-Zugang zu Modellen und Diensten über eine API.
Einordnung: Groq steht beispielhaft für den Trend zu spezialisierter KI-Infrastruktur für Echtzeit-Anwendungen.

Warum ist Inferenz so wichtig?

Beim Training lernt ein Modell aus großen Datenmengen Muster, Zusammenhänge und Wahrscheinlichkeiten. Bei der Inferenz wird dieses gelernte Wissen auf neue Eingaben angewendet. In vielen Alltagsanwendungen findet Inferenz ständig statt: Ein Sprachassistent versteht eine Frage, ein Übersetzungssystem überträgt einen Satz, ein Bildklassifikator erkennt ein Objekt oder ein Large Language Model erzeugt eine Antwort.

Für Nutzerinnen und Nutzer zählt dabei die erlebte Geschwindigkeit. Eine Antwort, die nach wenigen Zehntelsekunden beginnt, fühlt sich anders an als eine Antwort, auf die man mehrere Sekunden wartet. Deshalb ist Latenz eine zentrale Kenngröße. Ebenso wichtig sind Durchsatz, Kosten, Verfügbarkeit, Datenschutz, Energieeffizienz und die Qualität der Modellantwort. Groq positioniert sich besonders im Bereich schneller, planbarer und skalierbarer Inferenz.

Training und Inferenz im Vergleich

Bereich	Training	Inferenz
Ziel	Ein KI-Modell lernt aus Daten.	Ein trainiertes Modell reagiert auf neue Eingaben.
Typische Aufgabe	Gewichte und Parameter werden angepasst.	Texte, Bilder, Audio oder Entscheidungen werden erzeugt.
Rechenbedarf	Sehr hoch und oft über lange Zeiträume.	Sehr häufig, oft in Echtzeit und für viele Nutzer gleichzeitig.
Beispiel	Ein Sprachmodell wird mit Textkorpora trainiert.	Ein Chatbot beantwortet eine konkrete Frage.
Zentrale Frage	Wie lernt das Modell gute Muster?	Wie antwortet das Modell schnell, zuverlässig und günstig?

Die LPU: Language Processing Unit

Die Language Processing Unit ist ein spezialisierter KI-Beschleuniger. Während GPUs ursprünglich für parallele Grafikberechnungen entwickelt wurden und später für viele KI-Aufgaben angepasst wurden, ist die LPU auf bestimmte Inferenz-Workloads ausgerichtet. Groq beschreibt dabei eine Architektur mit stark planbarer Ausführung, schnellem On-Chip-Speicher und einem Compiler, der Abläufe im Voraus koordiniert.

Wichtig ist: Eine LPU ist nicht automatisch in jeder Situation besser als eine GPU. GPUs sind sehr flexibel und dominieren viele Bereiche des maschinellen Lernens, besonders beim Training großer Modelle. Eine spezialisierte Architektur kann jedoch in bestimmten Inferenz-Szenarien Vorteile bei Latenz, Durchsatz oder Energieeffizienz bieten. Genau hier liegt die didaktisch spannende Frage: Wann lohnt sich Spezialisierung, und wann ist Flexibilität wichtiger?

Technische Grundideen der LPU

SRAM: Schneller Speicher nahe an den Recheneinheiten kann Datenbewegungen verringern und damit Latenz senken.
Determinismus: Planbare Ausführung bedeutet, dass Abläufe weniger zufällig von Caches, Warteschlangen oder dynamischen Entscheidungen abhängen.
Compiler: Ein spezieller Compiler plant, wann Daten verarbeitet und zwischen Einheiten verschoben werden.
Tensor: KI-Modelle arbeiten mit großen Zahlenfeldern, sogenannten Tensoren, die effizient verarbeitet werden müssen.
Skalierung: Mehrere Chips können verbunden werden, damit größere Modelle und höhere Lasten verarbeitet werden können.

CPU, GPU, TPU und LPU im Überblick

Abkürzung	Bedeutung	Typische Stärke	Beispielhafte Einordnung
CPU	Central Processing Unit	Vielseitige Steuerung und allgemeine Programme	Betriebssysteme, klassische Anwendungen, Logik
GPU	Graphics Processing Unit	Massiv parallele Berechnungen	Grafik, Training und Inferenz vieler KI-Modelle
TPU	Tensor Processing Unit	Beschleunigung von Tensoroperationen	Spezialisierte KI-Beschleunigung
LPU	Language Processing Unit	Schnelle und planbare Inferenz	Echtzeitnahe Sprachmodell-Anwendungen

GroqCloud und API-Nutzung

GroqCloud ist die Cloud-Plattform, über die Entwicklerinnen und Entwickler Modelle mit Hilfe einer API ansprechen können. Eine API ist eine Schnittstelle, über die Programme Dienste nutzen. Statt ein großes Modell selbst in einem eigenen Rechenzentrum zu betreiben, kann eine Anwendung eine Anfrage an eine Cloud-Plattform senden und die Antwort weiterverarbeiten.

Aus didaktischer Sicht ist das ein guter Anlass, über Cloud Computing zu sprechen. Cloud-Dienste können Entwicklung beschleunigen, senken aber nicht automatisch alle Risiken. Wer eine externe KI-API nutzt, muss klären, welche Daten übertragen werden, welche Datenschutzregeln gelten, wie Kosten entstehen, wie Nutzungsgrenzen funktionieren und wie Ausfälle abgefangen werden. Besonders wichtig ist: Ein API-Schlüssel darf niemals öffentlich in Quellcode, Screenshots, Repositorien oder Lernmaterialien geteilt werden.

{{#ev:youtube| https://www.youtube.com/watch?v=RbJBXcF3W80 |500|center}}

Typische Einsatzmöglichkeiten

Chatbot: Eine Anwendung beantwortet Fragen in natürlicher Sprache.
Retrieval Augmented Generation: Ein Modell kombiniert eine Nutzerfrage mit gefundenen Dokumenten.
Spracherkennung: Audiodaten werden in Text übertragen.
Zusammenfassung: Lange Texte werden verdichtet.
Programmieren: Ein Assistent erklärt Code, schlägt Tests vor oder hilft bei Fehlersuche.
Kundenservice: Häufige Fragen werden automatisch vorstrukturiert.
Bildklassifikation: Modelle ordnen Bilder Kategorien zu, sofern passende Modelltypen genutzt werden.

Wirtschaftliche und gesellschaftliche Bedeutung

Groq steht für einen größeren Trend: Je mehr Künstliche Intelligenz in Alltagsanwendungen eingebaut wird, desto wichtiger wird die Infrastruktur, die diese Modelle schnell und zuverlässig ausführt. Der Wettbewerb betrifft nicht nur einzelne Chatbots, sondern auch Cloud Computing, Halbleiterindustrie, Rechenzentren, Energieversorgung, Investitionen und Regulierung.

Im Dezember 2025 gaben Groq und Nvidia eine nicht-exklusive Lizenzvereinbarung für Groqs Inferenztechnologie bekannt. Groq erklärte, dass das Unternehmen unabhängig weiterarbeiten und GroqCloud weiterbetrieben werden solle. Solche Vereinbarungen zeigen, wie wertvoll technisches Know-how und erfahrene Teams im KI-Sektor geworden sind. Sie werfen aber auch Fragen auf: Wie viel Wettbewerb bleibt erhalten? Welche Rolle spielen große Plattformunternehmen? Wer kontrolliert die Infrastruktur, auf der KI-Anwendungen laufen?

Im Juni 2026 kündigte Groq weiteres Wachstumskapital an und stellte eine neue Führungsstruktur vor. Für diesen aiMOOC ist daran nicht die Finanznachricht an sich entscheidend, sondern die Strukturfrage: KI ist nicht nur Software. Hinter jeder schnellen Antwort stehen Chips, Strom, Kühlung, Netzwerke, Datenzentren, Lieferketten, Investitionen und politische Rahmenbedingungen.

Chancen

Geschwindigkeit: Schnellere Antworten können interaktive Anwendungen natürlicher wirken lassen.
Kosten: Effizientere Inferenz kann Dienste für mehr Menschen und Organisationen zugänglich machen.
Innovation: Spezialisierte Hardware kann neue Anwendungen ermöglichen, etwa Sprachdialoge mit sehr geringer Wartezeit.
Wettbewerb: Neue Anbieter können etablierte Märkte herausfordern.
Forschung: Neue Architekturen regen Debatten über effizientes Rechnen an.

Grenzen und Risiken

Abhängigkeit: Wer eine externe Cloud-API nutzt, hängt von Preisen, Verfügbarkeit und Regeln des Anbieters ab.
Datenschutz: Eingaben können sensible Informationen enthalten und müssen sorgfältig behandelt werden.
Lock-in-Effekt: Anwendungen können stark an eine Plattform gebunden werden.
Energiebedarf: Auch effiziente KI-Inferenz benötigt Strom, Kühlung und Infrastruktur.
Qualitätssicherung: Schnelle Antworten sind nicht automatisch richtige, faire oder hilfreiche Antworten.
Marktmacht: Lizenzabkommen und Talentübernahmen können Wettbewerb und Innovationspfade beeinflussen.

Groq im Kontext der KI-Infrastruktur

Moderne KI-Infrastruktur besteht aus mehreren Schichten. Ganz unten stehen Halbleiter, Leiterplatten, Speicher und Netzwerke. Darüber liegen Server, Racks, Rechenzentren, Kühlung und Stromversorgung. Auf der nächsten Ebene arbeiten Betriebssystem, Compiler, Treiber, Modellserver und Monitoring. Erst ganz oben sehen Nutzerinnen und Nutzer Anwendungen wie Chatbots, Suchsysteme, Übersetzer oder Agenten.

Groq ist deshalb ein gutes Beispiel für das Denken in Systemarchitektur. Eine gute KI-Anwendung entsteht nicht nur durch ein starkes Modell. Sie braucht auch eine passende Infrastruktur, sichere Datenflüsse, sinnvolles Prompting, transparente Kostenkontrolle, Tests, Monitoring und verantwortungsvolle Nutzung.

{{#ev:youtube| https://www.youtube.com/watch?v=xBMRL_7msjY |500|center}}

Praxisbezug: Wie würdest Du Groq nutzen?

Stell Dir vor, Deine Schule, Dein Ausbildungsbetrieb oder Deine Hochschule möchte einen KI-Assistenten entwickeln. Eine schnelle Inferenzplattform könnte helfen, Fragen zu Lernmaterialien zu beantworten, Zusammenfassungen zu erzeugen oder Programmierübungen zu begleiten. Bevor ein solches Projekt startet, sollten jedoch zentrale Fragen geklärt werden: Welche Daten dürfen verarbeitet werden? Welche Aufgaben soll die KI nicht übernehmen? Wie werden falsche Antworten erkannt? Wer trägt Verantwortung? Wie werden Kosten kontrolliert? Wie können Lernende verstehen, was im Hintergrund passiert?

Ein guter Lernansatz ist daher nicht nur das Ausprobieren einer schnellen API, sondern auch das Erstellen eines Anforderungskatalogs. Darin legst Du fest, welche Ziele, Grenzen, Qualitätskriterien und Datenschutzregeln gelten. Dadurch lernst Du, technische Möglichkeiten mit ethischen, rechtlichen und organisatorischen Anforderungen zu verbinden.

Interaktive Aufgaben

Quiz: Teste Dein Wissen

Worauf spezialisiert sich Groq besonders? (KI Inferenz mit spezialisierter Hardware) (!Soziale Netzwerke für Kurzvideos) (!Betriebssysteme für Smartphones) (!Drucker und Bürogeräte)

Wofür steht LPU im Zusammenhang mit Groq? (Language Processing Unit) (!Local Power Utility) (!Learning Program Unit) (!Logic Planning User)

Was bedeutet Inferenz bei einem KI Modell? (Anwendung eines trainierten Modells auf neue Eingaben) (!Sammeln aller Trainingsdaten im Internet) (!Löschen der Modellparameter) (!Herstellung eines Computerchips)

In welchem Jahr wurde Groq gegründet? (2016) (!2006) (!2020) (!1998)

Welche Person gilt als Gründer von Groq? (Jonathan Ross) (!Alan Turing) (!Tim Berners Lee) (!Ada Lovelace)

Was ist GroqCloud? (Eine Cloudplattform für KI Inferenz) (!Ein soziales Netzwerk für Fotos) (!Ein Dateiformat für Audiodaten) (!Ein Betriebssystem für Laptops)

Warum ist geringe Latenz bei Chatbots wichtig? (Antworten wirken schneller und natürlicher) (!Modelle benötigen dann keine Daten) (!Datenschutz wird automatisch gelöst) (!Jede Antwort wird dadurch garantiert richtig)

Welche Aussage beschreibt eine API am besten? (Eine Schnittstelle zwischen Programmen) (!Ein Bildschirm für Grafikdesign) (!Ein Kabel für Stromversorgung) (!Ein Gesetz für Urheberrecht)

Welche Aussage ist beim Umgang mit API Schlüsseln richtig? (API Schlüssel geheim halten) (!API Schlüssel in öffentliche Repositorien schreiben) (!API Schlüssel in Screenshots teilen) (!API Schlüssel als Quizantwort veröffentlichen)

Welche Aussage zu schneller KI Inferenz ist richtig? (Sie ersetzt keine Qualitätsprüfung) (!Sie macht alle Antworten automatisch wahr) (!Sie macht Datenschutz überflüssig) (!Sie verhindert jede Form von Fehlern)

Memory

Inferenz	Anwendung eines trainierten Modells
LPU	Prozessor für Sprachmodell-Inferenz
GroqCloud	Plattform für API-Zugriff
SRAM	schneller On-Chip-Speicher
Latenz	Wartezeit bis zur Antwort
Compiler	Übersetzer für Maschinenbefehle
Token	Texteinheit für Modelle
ASIC	Spezialchip für bestimmte Aufgaben

Drag and Drop

Ordne die richtigen Begriffe zu.	Thema
Training	Modell lernt Muster aus Daten
Inferenz	Modell antwortet auf neue Eingaben
Tokenisierung	Text wird in Einheiten zerlegt
Prompting	Anfrage wird gezielt formuliert
Ausgabeprüfung	Antwort wird kritisch bewertet

Kreuzworträtsel

Inferenz	Wie heißt die Anwendung eines trainierten Modells auf neue Eingaben?
Latenz	Wie heißt die Wartezeit bis zur Antwort eines Systems?
Compiler	Welches Werkzeug übersetzt und plant Programme für Hardware?
Token	Wie heißt eine Texteinheit, die ein Sprachmodell verarbeitet?
ASIC	Wie nennt man einen Spezialchip für bestimmte Aufgaben?
Cloud	Wo werden API Dienste häufig über das Internet bereitgestellt?

LearningApps

Lückentext

Groq ist ein Unternehmen, das sich besonders auf schnelle

für KI Anwendungen konzentriert. Die Abkürzung LPU steht für

. Bei der Inferenz wird ein bereits

Modell auf neue Eingaben angewendet. Eine niedrige

ist wichtig, damit Dialoge mit KI Systemen flüssig wirken. Über GroqCloud können Anwendungen Modelle per

ansprechen. Ein API Schlüssel muss aus Sicherheitsgründen

bleiben. Schnelle Antworten ersetzen keine fachliche

, weil KI Modelle Fehler machen können. Groq zeigt, dass moderne KI nicht nur aus Software, sondern auch aus

besteht.

Offene Aufgaben

Leicht

Begriffskarte Groq: Erstelle eine Karte mit den wichtigsten Begriffen Groq, LPU, Inferenz, API, Token und Latenz. Formuliere jeden Begriff in eigenen Worten.
Alltagsbeispiele Inferenz: Sammle fünf Beispiele aus Deinem Alltag, bei denen ein trainiertes KI Modell auf neue Eingaben reagiert. Erkläre jeweils, warum es Inferenz ist.
Groq oder Grok: Gestalte ein kurzes Infoblatt, das Groq mit q und Grok mit k unterscheidet. Achte auf sachliche Sprache und überprüfbare Aussagen.
API Sicherheit: Entwirf ein Warnplakat für Lernende, das erklärt, warum API Schlüssel geheim bleiben müssen.

Standard

Vergleich CPU GPU LPU: Erstelle eine Vergleichstabelle zu CPU, GPU, TPU und LPU. Ergänze je ein Beispiel, eine Stärke und eine Grenze.
Latenz Experiment: Miss bei verschiedenen KI Anwendungen, wie lange die erste Antwort ungefähr dauert. Beschreibe, wie sich Wartezeit auf Deine Nutzung auswirkt.
Anforderungskatalog KI Assistent: Entwickle zehn Anforderungen für einen schulischen KI Assistenten, der schnell, sicher und hilfreich sein soll.
Kosten und Nutzen: Recherchiere ein fiktives Nutzungsszenario und überlege, welche Kostenarten bei einer Cloud API entstehen können.

Schwer

Systemarchitektur GroqCloud: Zeichne eine Systemskizze vom Nutzerprompt bis zur Modellantwort. Markiere Client, API, Modellserver, LPU, Monitoring und Ausgabeprüfung.
Ethik der Inferenz: Schreibe eine Stellungnahme zur Frage, ob sehr schnelle KI Antworten das kritische Denken stärken oder schwächen können.
Marktmacht KI Infrastruktur: Analysiere, warum Lizenzvereinbarungen zwischen großen Chipunternehmen und spezialisierten Startups gesellschaftlich relevant sein können.
Prototyp Konzept: Plane einen kleinen KI Dienst für ein Lernproblem. Beschreibe Zielgruppe, Daten, Datenschutz, Qualitätsprüfung, Ausfallstrategie und Grenzen.

type=create break=no preload=CHAT GPT TEXT HIER EINFÜGEN default= width=30 placeholder= Dein MOOC Titel buttonlabel=MOOC erstellen </inputbox>

Lernkontrolle

Transfer KI Infrastruktur: Erkläre an einem selbst gewählten Beispiel, warum eine KI Anwendung nicht nur aus einem Modell besteht, sondern aus einer ganzen Infrastruktur.
Entscheidungsszenario: Eine Schule möchte einen KI Chatbot mit externer API einsetzen. Entwickle Kriterien, nach denen die Schule entscheiden sollte, ob das verantwortbar ist.
Technikvergleich: Beurteile, in welchem Szenario eine flexible GPU sinnvoller sein könnte als ein spezialisierter Inferenzchip und wann die Spezialisierung Vorteile bringen kann.
Fehleranalyse: Ein sehr schneller KI Assistent liefert eine falsche, aber überzeugend formulierte Antwort. Entwickle ein Verfahren, wie Nutzerinnen und Nutzer solche Risiken verringern können.
Nachhaltigkeit: Diskutiere, warum Energieeffizienz bei KI Inferenz wichtig ist, auch wenn einzelne Anfragen für Nutzerinnen und Nutzer unsichtbar im Hintergrund verarbeitet werden.
Wirtschaft und Wettbewerb: Erkläre, wie Investitionen, Lizenzvereinbarungen und Cloud Plattformen beeinflussen können, welche KI Werkzeuge Lernende und Unternehmen nutzen.

Lernnachweis

Für einen überzeugenden Lernnachweis zu Groq solltest Du zeigen, dass Du nicht nur Begriffe auswendig kennst, sondern Zusammenhänge erklären und kritisch beurteilen kannst. Wichtig sind ein korrektes Verständnis von Inferenz, Training, LPU, GPU, API, Latenz, Cloud Computing, Datenschutz und KI-Infrastruktur. Außerdem solltest Du ein eigenes Anwendungsszenario entwickeln, Chancen und Risiken abwägen, technische Entscheidungen begründen und Maßnahmen zur Qualitätssicherung formulieren können.

Fachbegriffe: Du nutzt zentrale Begriffe korrekt und erklärst sie in eigenen Worten.
Systemverständnis: Du beschreibst den Weg von der Nutzeranfrage bis zur Modellantwort.
Kritische Bewertung: Du beurteilst Geschwindigkeit, Kosten, Datenschutz, Abhängigkeit und Qualität.
Transferleistung: Du überträgst das Thema auf ein eigenes schulisches, berufliches oder gesellschaftliches Beispiel.
Produkt: Du reichst eine Skizze, Präsentation, Analyse, Tabelle, Stellungnahme oder einen Prototyp-Plan ein.
Reflexion: Du benennst Grenzen Deines Ergebnisses und erklärst, welche Informationen Du zusätzlich prüfen müsstest.

OERs zum Thema

Quellen und weiterführende Informationen

GroqDocs: Offizielle Dokumentation zu GroqCloud, API und unterstützten Modellen: https://console.groq.com/docs/overview
Groq API Quickstart: Einstieg in die Nutzung der Groq API: https://console.groq.com/docs/quickstart
Groq LPU Architektur: Informationen zur Language Processing Unit: https://groq.com/lpu-architecture
Groq Newsroom: Unternehmensinformationen, Lizenzvereinbarungen und Finanzierungsmeldungen: https://groq.com/newsroom
Reuters: Nachrichten und Einordnung zu Groq, Nvidia, Finanzierung und KI Inferenz: https://www.reuters.com/
Wikimedia Commons: Freie Medien zu Groq, Logo und LPU: https://commons.wikimedia.org/wiki/Category:Groq

Links

Groq

aiMOOC-Projekte

Schulfach+

Prüfungsliteratur 2026
Bundesland	Bücher	Kurzbeschreibung
Baden-Württemberg	Abitur Der zerbrochne Krug - Heinrich von Kleist Heimsuchung - Jenny Erpenbeck Mittlere Reife Der Markisenmann - Jan Weiler oder Als die Welt uns gehörte - Liz Kessler Ein Schatten wie ein Leopard - Myron Levoy oder Pampa Blues - Rolf Lappert	Abitur Dorfrichter-Komödie über Wahrheit/Schuld; Roman über einen Ort und deutsche Geschichte. Mittlere Reife Wahllektüren (Roadtrip-Vater-Sohn / Jugendroman im NS-Kontext / Coming-of-age / Provinzroman).
Bayern	Abitur Der zerbrochne Krug - Heinrich von Kleist Heimsuchung - Jenny Erpenbeck	Abitur Lustspiel über Machtmissbrauch und Recht; Roman als Zeitschnitt deutscher Geschichte an einem Haus/Grundstück.
Berlin/Brandenburg	Abitur Der zerbrochne Krug - Heinrich von Kleist Woyzeck - Georg Büchner Der Biberpelz - Gerhart Hauptmann Heimsuchung - Jenny Erpenbeck	Abitur Gerichtskomödie; soziales Drama um Ausbeutung/Armut; Komödie/Satire um Diebstahl und Obrigkeit; Roman über Erinnerungsräume und Umbrüche.
Bremen	Abitur Nach Mitternacht - Irmgard Keun Mario und der Zauberer - Thomas Mann Emilia Galotti - Gotthold Ephraim Lessing oder Miss Sara Sampson - Gotthold Ephraim Lessing	Abitur Roman in der NS-Zeit (Alltag, Anpassung, Angst); Novelle über Verführung/Massenpsychologie; bürgerliche Trauerspiele (Moral, Macht, Stand).
Hamburg	Abitur Der zerbrochne Krug - Heinrich von Kleist Das kunstseidene Mädchen - Irmgard Keun	Abitur Justiz-/Machtkritik als Komödie; Großstadtroman der Weimarer Zeit (Rollenbilder, Aufstiegsträume, soziale Realität).
Hessen	Abitur Der zerbrochne Krug - Heinrich von Kleist Woyzeck - Georg Büchner Heimsuchung - Jenny Erpenbeck Der Prozess - Franz Kafka	Abitur Gerichtskomödie; Fragmentdrama über Gewalt/Entmenschlichung; Erinnerungsroman über deutsche Brüche; moderner Roman über Schuld, Macht und Bürokratie.
Niedersachsen	Abitur Der zerbrochene Krug - Heinrich von Kleist Das kunstseidene Mädchen - Irmgard Keun Die Marquise von O. - Heinrich von Kleist Über das Marionettentheater - Heinrich von Kleist	Abitur Schwerpunkt auf Drama/Roman sowie Kleist-Prosatext und Essay (Ehre, Gewalt, Unschuld; Ästhetik/„Anmut“).
Nordrhein-Westfalen	Abitur Der zerbrochne Krug - Heinrich von Kleist Heimsuchung - Jenny Erpenbeck	Abitur Komödie über Wahrheit und Autorität; Roman als literarische „Geschichtsschichtung“ an einem Ort.
Saarland	Abitur Heimsuchung - Jenny Erpenbeck Furor - Lutz Hübner und Sarah Nemitz Bahnwärter Thiel - Gerhart Hauptmann	Abitur Erinnerungsroman an einem Ort; zeitgenössisches Drama über Eskalation/Populismus; naturalistische Novelle (Pflicht/Überforderung/Abgrund).
Sachsen (berufliches Gymnasium)	Abitur Der zerbrochne Krug - Heinrich von Kleist Woyzeck - Georg Büchner Irrungen, Wirrungen - Theodor Fontane Der gute Mensch von Sezuan - Bertolt Brecht Heimsuchung - Jenny Erpenbeck Der Trafikant - Robert Seethaler	Abitur Mischung aus Klassiker-Drama, sozialem Drama, realistischem Roman, epischem Theater und Gegenwarts-/Erinnerungsroman; zusätzlich Coming-of-age im historischen Kontext.
Sachsen-Anhalt	Abitur (keine fest benannte landesweite Pflichtlektüre veröffentlicht; Themenfelder)	Abitur Schwerpunktsetzung über Themenfelder (u. a. Literatur um 1900; Sprache in politisch-gesellschaftlichen Kontexten), ohne feste Einzeltitel.
Schleswig-Holstein	Abitur Der zerbrochne Krug - Heinrich von Kleist Heimsuchung - Jenny Erpenbeck	Abitur Recht/Gerechtigkeit und historische Tiefenschichten eines Ortes – umgesetzt über Drama und Gegenwartsroman.
Thüringen	Abitur (keine fest benannte landesweite Pflichtlektüre veröffentlicht; Orientierung am gemeinsamen Aufgabenpool)	Abitur In der Praxis häufig Orientierung am gemeinsamen Aufgabenpool; landesweite Einzeltitel je nach Vorgabe/Handreichung nicht einheitlich ausgewiesen.
Mecklenburg-Vorpommern	Abitur (Quelle aktuell technisch nicht abrufbar; Beteiligung am gemeinsamen Aufgabenpool bekannt)	Abitur Land beteiligt sich am länderübergreifenden Aufgabenpool; konkrete, veröffentlichte Einzeltitel konnten hier nicht ausgelesen werden.
Rheinland-Pfalz	Abitur (keine landesweit einheitliche Pflichtlektüre; schulische Auswahl)	Abitur Keine landesweite Einheitsliste; Auswahl kann schul-/kursbezogen erfolgen.