Vier Millionen Downloads, über 70 dokumentierte Praxiseinsätze und eine neue Version 1.5 – ein Jahr nach dem Start zieht die Schweizer KI-Community Bilanz zu Apertus. Beeindruckende Reichweite trifft dabei auf eine Realität, die nüchterner ausfällt: In zentralen Disziplinen wie Programmierung, Mathematik und agentischen Aufgaben hinkt das offene Schweizer Modell der internationalen Konkurrenz weiterhin hinterher.
Als die ETH Zürich, die EPF Lausanne und das Swiss National Supercomputing Centre (CSCS) vor einem Jahr Apertus vorstellten, war der Anspruch gross: ein vollständig offenes, transparentes und mehrsprachiges KI-Modell, entwickelt im Einklang mit Datenschutzvorgaben und dem EU AI Act. Die Euphorie hielt nicht lange an. Schon wenige Wochen nach dem Launch hagelte es Kritik – einige Nutzerinnen und Nutzer bezeichneten Apertus damals gar als „unbrauchbar“ und unfähig, selbst einfachste Fragen korrekt zu beantworten.
Zwölf Monate später sehen die Zahlen deutlich versöhnlicher aus.
Vier Millionen Downloads – was steckt dahinter?
Auf der KI-Plattform Hugging Face hat Apertus die Marke von vier Millionen Downloads überschritten. Oleg Lavrovsky, der die Apertus-Community leitet, ordnet diese Zahl als repräsentativ für das globale Interesse an Open-Source-KI-Projekten ein.
Downloads allein sagen allerdings noch wenig über die tatsächliche Nutzung aus. Aussagekräftiger ist deshalb, was Lavrovsky aus eigener Beobachtung berichtet: mindestens 70 externe Deployments und mehr als 100 abgeleitete Modellversionen. Darunter das singapurische SEA-LION-Projekt, das Apertus und weitere KI-Modelle eigenständig für zahlreiche südostasiatische Sprachen angepasst hat.
Für Lavrovsky ist das die eigentliche Bestätigung des Konzepts: „Wir wollten ein Foundation Model schaffen. Wenn Leute Apertus optimieren oder anpassen, dann passiert genau das.“ Im Juli erschien mit Apertus 1.5 die bislang wichtigste Weiterentwicklung – mit Bildverständnis, verbessertem logischem Schliessen und weiteren neuen Funktionen. Apertus 2.0 ist laut offizieller Roadmap für 2027 angekündigt.
Lavrovsky macht dabei unmissverständlich klar, wofür Apertus nicht gedacht ist: als Konkurrenz zu ChatGPT. Es handle sich nicht um ein fertiges kommerzielles Produkt, sondern um eine Grundlage, auf der Unternehmen, Institutionen und Forschende aufbauen können. Gleichzeitig räumt er ein, dass offen bleibt, in welchem Umfang sich das Potenzial des Modells tatsächlich in Nutzung und konkretem Mehrwert niederschlägt.
Wo Apertus bereits im Einsatz ist
Einige Unternehmen haben für sich klare Anwendungsfälle gefunden. Das Tessiner Unternehmen Artificialy, spezialisiert auf KI-Lösungen, setzt Apertus nach eigenen Angaben intensiv ein. „Wir betreiben keine Wohltätigkeit. Wir nutzen Apertus nicht, weil wir müssen, sondern weil es ein gutes Modell ist“, sagt Damiano Binaghi, Head of Deep Learning bei Artificialy.
Laut Artificialy ist Apertus für bestimmte industrielle und öffentliche Anwendungen bereits ausgereift genug. Besonders gute Ergebnisse liefere das Modell in internen Tests bei Übersetzungen und mehrsprachigen Konversationen. „Bei Übersetzungsaufgaben für unsere Kundschaft bevorzugen wir Apertus oft gegenüber anderen Modellen – besonders wenn es um die vier Landessprachen der Schweiz oder um sensible Dokumente geht“, so Binaghi.
Ein konkretes Beispiel liefert der Kanton Tessin: Das Migrationsamt migriert die automatisierte Übersetzung von Verwaltungsdokumenten auf Apertus. Gerade dort, wo mit persönlichen Dokumenten in mehreren Sprachen gearbeitet wird und sowohl Genauigkeit als auch starke Datenschutzgarantien gefragt sind, zahlt sich der Ansatz aus. „Die Bedürfnisse des Tessiner Migrationsamts entsprechen fast idealtypisch den Stärken des Modells“, sagt Binaghi.
Auch im medizinischen Bereich hat Apertus Anwendung gefunden: Im Juni stellte die EPF Lausanne mit MeditronFO ein vollständig offenes Framework für klinische KI-Modelle vor, das ebenfalls auf Apertus aufbaut.
Mehrsprachigkeit und Datenschutz als Trumpf
In die Mehrsprachigkeit ist besonders viel Entwicklungsarbeit geflossen – und das zeigt sich. Rund 40 Prozent der Trainingsdaten von Apertus stammen aus anderen Sprachen als Englisch, der Trainingskorpus umfasst über 1’800 Sprachen, darunter auch wenig repräsentierte wie Rätoromanisch und Schweizerdeutsche Dialekte. Zum Vergleich: Schätzungen zufolge stützen sich aktuelle KI-Modelle im Schnitt nur zu rund 10 Prozent auf nicht-englische Daten.
Genau diese Offenheit war für AI Singapore ausschlaggebend, Apertus als Grundlage für eine Version des SEA-LION-Projekts zu wählen. „Wir haben uns für Apertus entschieden, weil es eines der wenigen wirklich quelloffenen Modelle weltweit ist – das ist für die Forschung entscheidend, besonders wenn man genau wissen muss, welche Daten verwendet wurden und wie trainiert wurde“, erklärt Leslie Teo von AI Singapore.
Die Leistungslücke bleibt bestehen
So positiv die Fortschritte bei Mehrsprachigkeit, Bildverständnis und logischem Schliessen ausfallen – Artificialy sieht bei Apertus 1.5 nach wie vor Nachholbedarf. „Bei agentischen Fähigkeiten ist Apertus trotz erheblicher Fortschritte noch nicht auf dem Niveau anderer offener Modelle“, sagt Binaghi. Gemeint sind damit KI-Modelle, die eigenständig mehrstufige Aufgaben ausführen können – etwa Flüge vergleichen und buchen.
Diese Lücke zeigt sich auch in den vom Apertus-Team selbst veröffentlichten Benchmarks: Das ursprüngliche und grösste Modell mit 70 Milliarden Parametern liegt weiterhin deutlich hinter ähnlich grossen offenen Modellen zurück – besonders bei Programmieraufgaben, Mathematik und logischem Schliessen.
Auch die Zürcher Digitalagentur Liip, die Apertus im Rahmen ihres KI-Suchtools ZüriCityGPT getestet hat, sieht das Modell hinter kommerziellen Angeboten zurückliegen – wenngleich Apertus 1.5 die Lücke verkleinert habe. Josef Kruckenberg, Leiter Generative-KI-Projekte bei Liip, bestätigt: Apertus 1.5 liefere nützlichere Antworten, befolge Anweisungen besser und verweigere eher eine Antwort, wenn die Informationslage unzureichend sei. Beim aus Liips Sicht wichtigsten Kriterium hinke das Modell aber nach wie vor hinterher: der „Faithfulness“, also dem Ausmass, in dem jede Aussage einer Antwort durch die verfügbaren Quellen tatsächlich belegt ist.
„Bislang haben wir Apertus noch nicht in Kundenprojekten eingesetzt. Wir hatten das Gefühl, es sei noch nicht so weit“, so Kruckenberg. Auch mit Apertus 1.5 sei es noch zu früh, um konkrete Einsatzmöglichkeiten für Kunden festzulegen.
Der Preis der totalen Offenheit
Konkurrenzfähige, vollständig offene Modelle zu entwickeln bleibt ein anspruchsvolles Unterfangen mit unvermeidlichen Kompromissen. „Wirklich quelloffen zu sein bedeutet, auf bestimmte Daten wahrscheinlich verzichten zu müssen – und das hat Auswirkungen auf Leistung und allgemeine Fähigkeiten“, sagt Leslie Teo.
Auch Binaghi von Artificialy stimmt zu: Apertus stützt sich auf transparente und überprüfbare öffentliche Daten im Einklang mit dem Urheberrecht – im Unterschied zu proprietären Anbietern, die häufig lizenzierte oder nicht offengelegte Datensätze verwenden. Das könne zu einer leichten Qualitätslücke führen, stärke aber gleichzeitig die digitale Souveränität.
Federico Magnolfi, Head of Natural Language Processing bei Artificialy, schätzt, dass Apertus 1.0 bei seinem Start bereits rund zwei Jahre hinter den besten US-Modellen zurücklag. „Zwei Jahre sind in einer Branche, die sich alle drei Monate weiterentwickelt, enorm“, sagt er. Diese Lücke zu schliessen erfordert neue Trainingszyklen, Rechenkapazität und Investitionen. Als Flaggschiffprojekt der Swiss AI Initiative beansprucht Apertus bereits einen erheblichen Anteil der verfügbaren öffentlichen Rechenressourcen – eine Verteilung, die laut Lavrovsky durchaus umstritten ist.
Nicht alle Schwächen liegen dabei zwangsläufig am Modell selbst. Ein KI-Modell ist nur eine Komponente eines grösseren Systems – auch die Software für Aufgaben wie das Abrufen und Gewichten relevanter Informationen spielt eine wichtige Rolle. Kruckenberg von Liip ist überzeugt, dass die Softwarekomponenten rund um Apertus noch angepasst werden müssen, um optimal zu funktionieren. In Liips Tests etwa ging eine ungenaue Antwort zur Einwohnerzahl von Zürich nicht allein auf Apertus zurück – das Retrieval-System hatte schlicht nicht die aktuellste Quelle ausgewählt.
Für Kruckenberg zeigt das: Ein gutes KI-Modell allein reicht nicht, um konkurrenzfähig zu sein. „Das gesamte Ökosystem drumherum muss ebenfalls auf der Höhe sein.“
Ausblick: Was bringt das zweite Jahr?
Ins zweite Jahr geht Apertus mit zwei grossen Baustellen: der Weiterentwicklung des Modells selbst und der Stärkung des Ökosystems, auf das es angewiesen ist. Beides wird entscheidend sein, wenn die Schweizer KI konkurrenzfähig bleiben und eine breitere reale Anwendung erreichen will. Mit Apertus 2.0, für 2027 angekündigt, steht der nächste grosse Test bereits im Kalender – und mit ihm die Frage, ob es der Schweiz gelingt, den Rückstand auf die grossen US-Modelle spürbar zu verkleinern.
Dieser Artikel basiert auf Recherchen und Interviews von Sara Ibrahim, ursprünglich veröffentlicht bei Swissinfo (swissinfo.ch) am 2. September 2026, sowie auf öffentlich zugänglichen Angaben des Apertus-Teams (apertus-ai.org).
