31. Juli 2026
Apertus 1.5 für Schweizer Unternehmen: Was das offene Schweizer Modell löst — und was Sie selbst leisten müssen
Seit dem 24. Juli 2026 gibt es Apertus 1.5 von ETH, EPFL und CSCS. Wir ordnen ein, für welche Anwendungsfälle sich das Schweizer Modell eignet, welche drei Bezugswege es gibt und welche Betriebspflichten die Nutzungsrichtlinie auslöst.
Die Nachfrage nach einer «Schweizer Lösung» ist real. Seit dem 24. Juli 2026 gibt es dafür eine ernstzunehmende Grundlage — aber sie beantwortet nur die Hälfte der Frage, die Kundinnen und Kunden stellen.
An diesem Tag haben ETH Zürich, EPFL und das Schweizer Nationale Hochleistungsrechenzentrum CSCS Apertus 1.5 veröffentlicht. Wir werden seither in fast jedem Beratungsgespräch danach gefragt. Dieser Beitrag beantwortet die drei Fragen, die dabei regelmässig aufkommen: Was kann das Modell, wie beziehe ich es, und was muss ich selbst dafür tun.
Was Apertus 1.5 technisch ist
Apertus entsteht in der Swiss AI Initiative und wird auf dem Supercomputer «Alps» des CSCS in Lugano trainiert. Version 1.5 liegt in zwei Grössen vor, mit 8 und 70 Milliarden Parametern, dazu kam eine Reihe kompakter Modelle («Apertus Mini»), die aus dem 8B-Modell destilliert wurden — 16 Varianten für Umgebungen mit knappem Speicher. Gegenüber der ersten Fassung vom September 2025 sind drei Dinge neu: - Multimodalität: Das Modell verarbeitet Bild und Audio zusätzlich zu Text und gibt Text aus. - Denkmodus: Es kann Aufgaben schrittweise durcharbeiten, bevor es antwortet. - Kontextfenster: 262 144 Token, das Vierfache der Vorversion. Das entspricht sehr umfangreichen Dokumentbeständen in einer einzigen Anfrage. Der Unterschied zu anderen offenen Modellen wie Llama, Mistral oder Qwen liegt nicht in der Grösse, sondern in der Offenlegung: Veröffentlicht werden nicht nur die Gewichte, sondern auch Datenpipeline und Trainingsrezepte. Die Herkunft des Modells ist damit prüfbar — bei den meisten «Open-Weight»-Modellen ist sie es nicht.
Die Verwechslung, die fast jedes Gespräch prägt
Wer nach einer Schweizer KI-Lösung fragt, will in aller Regel wissen, wo seine Daten verarbeitet werden. Genau diese Frage beantwortet ein Modell nicht. Ein Modell ist eine Datei. Es hat keinen Standort und verarbeitet nichts, solange niemand es betreibt. Der Ort der Datenverarbeitung entsteht erst durch den Betreiber — und diese Entscheidung ist von der Modellwahl vollständig unabhängig. Zwei Konsequenzen, die in der Praxis überraschen: Sie können Apertus auf AWS SageMaker oder in Microsoft Azure betreiben; die offizielle Anbieterseite führt beide Wege auf. Dann läuft ein Schweizer Modell auf US-Infrastruktur — und die Ausgangslage, die vermieden werden sollte, besteht unverändert fort. Umgekehrt kann ein kommerzielles Modell wie Claude oder GPT mit sauberem Auftragsverarbeitungsvertrag und europäischer Verarbeitung die datenschutzrechtlich bessere Konstruktion sein als ein schlecht konfiguriertes Apertus-Self-Hosting. Die relevante Frage lautet deshalb nicht «Schweizer Modell oder nicht?», sondern: Wer verarbeitet, unter welchem Recht, mit welchem Vertrag? Was ein Schweizer Modell zusätzlich beiträgt, ist trotzdem substanziell — nur ist es etwas anderes: Unabhängigkeit von den Lizenz- und Preisentscheiden eines einzelnen Anbieters, Betriebsfähigkeit über Jahre hinweg, und die Möglichkeit, das Modell auf eigene Daten anzupassen, ohne diese Daten herzugeben.
Drei Bezugswege — mit sehr unterschiedlichem Aufwand
Weg 1: Managed API aus der Schweiz. Swisscom bietet Apertus über die Swiss AI Platform an, Infomaniak als Schnittstelle mit Abrechnung pro Token, Phoenix Technologies als Model-as-a-Service; das CSCS betreibt einen eigenen Inferenzdienst. Der Aufwand entspricht dem einer gewöhnlichen API-Anbindung, die Verarbeitung bleibt in der Schweiz, den Betrieb übernimmt der Anbieter. Für die überwiegende Mehrheit der Anwendungsfälle ist das der richtige Einstieg. Konditionen verhandeln Sie direkt mit dem Anbieter — publizierte Preislisten haben wir für die Schweizer Angebote nicht durchgängig verifizieren können und geben deshalb hier keine an. Weg 2: Öffentlich testen. Über die Public-AI-Plattform ist Apertus frei zugänglich. Zum Ausprobieren und für erste Qualitätseindrücke geeignet, für Firmendaten nicht — hier gelten dieselben Vorbehalte wie bei jedem öffentlichen Dienst. Weg 3: Selbst betreiben. Volle Kontrolle, im eigenen Rechenzentrum oder bei einem Schweizer Hoster. Der Betrieb ist der eigentliche Kostenblock — nicht die Hardware, sondern Personal, Modellpflege und Bereitschaft. Wann sich das rechnet, haben wir in unserem Beitrag Lokale LLMs für KMU an Zahlen durchgerechnet; die dortige Schwellenlogik gilt für Apertus unverändert.
Wofür sich Apertus aus unserer Sicht eignet
- Verwaltungsnahe und regulierte Umgebungen, in denen die Herkunft des Modells Teil der Begründung ist. Der Kanton Tessin setzt Apertus für die Übersetzung von Behördendokumenten ein. - Fachspezifische Weiterentwicklung. Die EPFL nutzt Apertus als Grundlage ihres medizinischen Modells Meditron. Wer ein Modell auf eigene Fachsprache anpassen will, braucht offene Gewichte — mit einer geschlossenen API geht das nicht. - Mehrsprachige Aufgaben im Landeskontext, insbesondere über die Landessprachen hinweg. - Anwendungen mit langer Betriebsdauer. Ein Modell unter Apache-2.0-Lizenz kann Ihnen niemand abschalten oder verteuern. Bei kommerziellen Anbietern ist die Abkündigung eines Modellstands ein reales Betriebsrisiko. - Redaktionelle Anwendungen mit Transparenzanspruch. Das Basler Medium Bajour setzt Apertus im Newsroom für politische Analysen ein.
Was Apertus nicht löst — vier Punkte, die vor der Entscheidung gehören
1. Apache 2.0 heisst nicht «ohne Pflichten». Die Gewichte stehen unter Apache 2.0, kommerzielle Nutzung eingeschlossen. Die Repositories auf Hugging Face sind jedoch zugangsbeschränkt: Registrierung, Kontaktdaten und Zustimmung zu einer Nutzungsrichtlinie sind Voraussetzung. Aus dieser Richtlinie ergibt sich Dreierlei — Sie verarbeiten Personendaten als eigenständig Verantwortlicher («independent controller»), Sie stellen ETH Zürich und EPFL von Ansprüchen Dritter aus Ihrer Nutzung frei, und Löschbegehren zu Personendaten im Modell werden über eine Hashwert-Datei abgebildet, die Sie selbst als Ausgabefilter anwenden. Die Empfehlung lautet, diese halbjährlich zu erneuern. Das ist kein Installationsschritt, sondern ein dauerhafter Betriebsprozess mit Verantwortlichem und Termin. 2. Belastbare Vergleichszahlen fehlen derzeit. Die Modellkarten verweisen für die Benchmarks auf einen technischen Bericht, der noch nicht erschienen ist. Wer heute behauptet, Apertus 1.5 liege vor oder hinter GPT-5.6, Claude Sonnet 5 oder Gemini 3.1 Pro, kann das nicht mit veröffentlichten Zahlen belegen. Die einzige Bewertung, die derzeit trägt, ist die an Ihren eigenen Aufgaben. 3. Die «1000 Sprachen» sind eine Trainingszahl. Die Projektseite nennt über 1000 Sprachen, die FAQ sogar mehr als 1800 — dieselbe FAQ hält jedoch fest, das Modell sei in einigen Dutzend Sprachen wirklich gesprächsfähig. Für Sie zählen ohnehin die Landessprachen und die Qualität in Schweizer Hochdeutsch, und das klären Sie an eigenen Texten, nicht an Sprachlisten. 4. Modellpflege ist Ihre Aufgabe, sobald Sie selbst betreiben. Zwischen der ersten Fassung im September 2025 und Version 1.5 liegen zehn Monate. Jeder Versionswechsel will evaluiert, getestet und ausgerollt werden. In einer Managed API ist dieser Aufwand im Preis enthalten, im Self-Hosting nicht.
Die Entscheidungslogik in vier Fragen
Ist der Verarbeitungsort vertraglich oder regulatorisch vorgegeben? Wenn nein, ist Apertus eine Option unter mehreren und muss fachlich gewinnen. Wenn ja, kommen nur Schweizer Betriebswege in Frage — mit Apertus oder einem anderen offenen Modell. Müssen Sie das Modell auf eigene Daten anpassen? Wenn ja, brauchen Sie offene Gewichte. Das ist das stärkste inhaltliche Argument für Apertus. Ist die Nachvollziehbarkeit der Modellherkunft Teil Ihrer Begründung gegenüber Dritten — Aufsicht, Kundschaft, Öffentlichkeit? Dann ist die offengelegte Datenpipeline ein Argument, das kein kommerzieller Anbieter bieten kann. Haben Sie jemanden, der die Betriebspflichten aus der Nutzungsrichtlinie übernimmt? Wenn nicht, führt der Weg über eine Managed API — dort können Sie einen Teil dieser Pflichten vertraglich adressieren.
Unsere Empfehlung
Für die meisten Schweizer KMU lautet der pragmatische Weg: Beginnen Sie mit einer Managed API aus der Schweiz und evaluieren Sie Apertus an drei bis fünf echten Aufgaben aus Ihrem Betrieb — nicht an Demo-Beispielen. Erst wenn diese Prüfung besteht, stellt sich die Frage nach Anpassung oder Eigenbetrieb. Was wir ausdrücklich nicht empfehlen: Apertus als Datenschutz-Argument einzusetzen, ohne den Verarbeitungsweg geklärt zu haben. Die Herkunft des Modells ist ein gutes Argument — sie ist nur nicht das, was Ihre Daten schützt. Wie die datenschutzrechtliche Seite systematisch anzugehen ist, beschreiben wir in nDSG-Compliance für KI-Systeme; die Fragen an einen Anbieter finden Sie im Pflichtenheft für die KI-Anbieterauswahl. Wir begleiten diese Evaluation als Mandat: Anforderungsklärung, Auswahl des Bezugswegs, Testaufbau an Ihren eigenen Aufgaben und die Bewertung des Ergebnisses. Sprechen Sie uns an. Dieser Beitrag beschreibt den Stand vom 31. Juli 2026 und stützt sich auf die Veröffentlichungen des ETH AI Center, die Modellkarten auf Hugging Face, die Acceptable Use Policy des Swiss National AI Institute sowie die Angaben auf apertus-ai.org. Er ersetzt keine Rechtsberatung.