Mit Apertus kommt erstmals ein vollständig offenes Foundation-Model aus der Schweiz, gebaut von EPFL, ETH Zürich und dem Supercomputing-Zentrum CSCS. Offen heißt hier nicht nur kostenlos, sondern komplett nachvollziehbar: Gewichte, Trainingsdaten und Trainingscode liegen offen. Für Entscheider im DACH-Mittelstand verschiebt das die Debatte um Datenhoheit von der Theorie in den Maschinenraum.
drweb.de als bevorzugte Quelle auf Google hinzufügenQualitätsgeprüfte Inhalte direkt in Google News & DiscoverJetzt hinzufügenEin souveränes KI-Modell aus Europa galt lange als Wunsch ohne Substanz. Apertus füllt diese Lücke und betreibt sich auf eigener Hardware, ohne Daten an einen US-Anbieter abzugeben. Kommt Ihnen die Sorge um Kundendaten in fremden Clouds bekannt vor?
Das Wichtigste in Kürze
- Apertus stammt von EPFL, ETH Zürich und CSCS und ist in zwei Größen mit 8 und 70 Milliarden Parametern verfügbar.
- Offengelegt sind Gewichte, Trainingsdaten und Trainingscode, der Betrieb läuft auf eigenen Servern (on-prem).
- Das Modell respektiert Opt-outs rückwirkend, filtert personenbezogene Daten und zielt auf den EU AI Act.
- In reinen Benchmarks liegt Apertus nicht vorn, der Wert steckt in Transparenz und Datenhoheit.
Was macht Apertus zu souveräner KI?
Souveräne KI bedeutet bei Apertus volle Nachvollziehbarkeit und On-prem-Betrieb: Offen liegen Gewichte, Trainingsdaten und Trainingscode, sodass deutsche, österreichische und Schweizer Unternehmen das Modell auf eigener Hardware betreiben, ohne Daten an einen US-Anbieter zu geben.
Den Unterschied trägt die Datenbasis. Anders als bei Llama oder Mistral, deren Trainingskorpus weitgehend verschlossen bleibt, dokumentiert die Swiss AI Initiative jede Stufe. Das Team trainierte das Modell auf dem Alps-Supercomputer in Lugano, über 10 Millionen GPU-Stunden auf 4.096 Grafikprozessoren.
Bemerkenswert ist die Sprachvielfalt. Apertus deckt mehr als 1.800 Sprachen ab, von Schwiizerdütsch bis Rätoromanisch, und 40 Prozent der 15 Billionen Trainings-Token stammen aus nicht-englischen Quellen. Damit sitzt der DACH-Sprachraum nicht am Katzentisch, wie es bei vielen US-Modellen der Fall ist. Eine Einordnung der Modelllandschaft bietet unser LLMs-Ratgeber.
Apertus zeigt, dass Datenhoheit und KI-Leistung kein Widerspruch sind. Für den Mittelstand ist nicht der nächste Benchmark-Rekord entscheidend, sondern die Frage, wer die Trainingsdaten kennt und wo das Modell rechnet.
— Markus Seyfferth, Chefredakteur Dr. Web
Warum ist Apertus für den DACH-Mittelstand relevant?
Für den Mittelstand zählt der On-prem-Betrieb plus Compliance: Apertus läuft auf eigener Hardware unter DSGVO-Bedingungen und erfüllt die Transparenz- und Urheberrechtspflichten aus Artikel 53 des EU AI Act, die seit dem 2. August 2025 für KI-Basismodelle gelten.
Hier liegt eine Erkenntnis, die auf der Produktseite fehlt. Apertus erschien wenige Wochen nach dem Inkrafttreten der GPAI-Pflichten und ist von der Datenstufe an darauf ausgelegt: Das Modell respektiert maschinenlesbare Opt-outs auch rückwirkend, entfernt personenbezogene Daten und nutzt ausschließlich offene Quellen. Diese Bauweise verschiebt die Haftungslast vom Betreiber, der bei vielen US-Modellen die undurchsichtige Datenherkunft mitträgt. Was Compliance konkret kostet, ordnet unsere KI-Kategorienseite ein.
Eine nüchterne Einordnung gehört dazu. In Benchmarks liegt Apertus nicht vorn, bei der Instruktionstreue schlagen Qwen und OLMo die Schweizer. Der Wert steckt nicht im Spitzenwert, sondern in der Kombination aus Transparenz, Mehrsprachigkeit und Betrieb im eigenen Rechenzentrum. Reicht klassische Toolauswahl 2026 noch, lohnt der Blick in unseren GEO-Ratgeber.
Prüfen Sie Apertus dort, wo Daten das Haus nicht verlassen dürfen, etwa bei internen Wissensassistenten in Kanzleien, Praxen oder Industrie. Das Modell steht über den Partner Swisscom, Hugging Face und das Public-AI-Netz bereit, die Details stehen auf der Apertus-Seite der Swiss AI Initiative.
Mehr Newshunger?
