Apertus vs. Claude vs. GPT: Welches KI-Modell für Schweizer Unternehmen?

Was Apertus ist und warum es entstanden ist

Stand September 2026. Die Modelllandschaft ändert sich schnell. Die Aussagen in diesem Artikel beschreiben die Lage zum Zeitpunkt der Veröffentlichung.

Apertus ist ein offenes Sprachmodell (LLM) aus der Schweiz. ETH Zürich, EPFL und das Nationale Hochleistungsrechenzentrum der Schweiz (CSCS) haben es im September 2025 im Rahmen der Swiss AI Initiative veröffentlicht. Trainiert wurde es auf dem Supercomputer Alps in Lugano. Apertus gibt es in zwei Grössen, mit 8 und mit 70 Milliarden Parametern.

Der Name ist Programm: «apertus» ist lateinisch für «offen». Anders als bei kommerziellen Modellen sind nicht nur die Modellgewichte frei verfügbar. Die Entwickler haben auch Trainingsdaten, Architektur und Trainingsprozess dokumentiert. Das Modell wurde mehrsprachig trainiert, mit einem hohen Anteil nicht-englischer Daten, darunter Schweizerdeutsch und Rätoromanisch.

Warum ein eigenes Schweizer Modell? Es geht um Unabhängigkeit, Transparenz und Nachvollziehbarkeit. Wer Apertus einsetzt, kann das Modell selbst betreiben, weiss, wie es entstanden ist, und ist nicht an die Preis- und Vertragspolitik eines einzelnen Anbieters gebunden. Für Forschung, Verwaltung und regulierte Branchen ist das ein gewichtiges Argument.

Wie Sie Apertus nutzen können

Wer Apertus als KI im Unternehmen nutzen will, hat drei Wege:

• Eigenbetrieb: Die Modellgewichte werden heruntergeladen und auf eigenen Servern mit Grafikprozessoren betrieben. Das bietet die grösste Kontrolle, erfordert aber Infrastruktur und Betriebswissen. Die kleinere Variante mit 8 Milliarden Parametern stellt deutlich geringere Anforderungen an die Hardware als die grosse.
• Schweizer Hosting: Das Modell läuft bei einem Hosting- oder Cloud-Anbieter in der Schweiz, Sie greifen über eine Schnittstelle darauf zu.
• Gehosteter Dienst: Einzelne Anbieter stellen Apertus als fertigen Dienst bereit, ähnlich wie die APIs der kommerziellen Anbieter.

In allen Fällen gilt: Das Modell allein ist noch keine Lösung. Erst eine Anwendung, die es mit Ihren Daten, Ihren Systemen und Ihren Freigabeprozessen verbindet, schafft Nutzen im Alltag.

Was Claude und GPT auszeichnet

Claude von Anthropic und GPT von OpenAI gehören, Stand September 2026, zu den führenden kommerziellen Frontier-Modellen. Beide werden laufend weiterentwickelt, neue Versionen erscheinen im Abstand weniger Monate. Allgemein zeichnen sie sich aus durch:

• Qualität bei anspruchsvollen Aufgaben: Komplexe Texte verstehen, mehrstufig schlussfolgern, Code schreiben, lange Dokumente zusammenfassen.
• Tool-Use: Zuverlässiges Aufrufen von Werkzeugen und Schnittstellen. Das ist die Grundlage für KI-Agenten, die in Ihren Systemen handeln.
• Grosser Kontext: Sie können sehr umfangreiche Eingaben auf einmal verarbeiten, etwa ganze Vertragswerke oder Codebasen.
• Ökosystem: SDKs, Integrationen, Unterstützung für Standards wie das Model Context Protocol und Business-Verträge mit Datenschutzzusagen.

Welches der beiden Modelle besser ist, hängt stark von der Aufgabe und der jeweiligen Version ab. In unserer Arbeit setzen wir beide ein und entscheiden pro Anwendungsfall. Benchmarks geben eine Orientierung, ersetzen aber keinen Test mit Ihren eigenen Daten.

Kriterien für die Modellwahl

Die Frage «Welches Modell ist das beste?» führt selten weiter. Besser ist: Welches Modell passt zu dieser Aufgabe unter diesen Bedingungen? Sechs Kriterien helfen bei der Entscheidung.

• Aufgabe: Klassifizieren, Daten extrahieren und einfache Zusammenfassungen gelingen auch kleineren Modellen gut. Mehrstufige Agenten, komplexe Analysen und Code profitieren meist von Frontier-Modellen.
• Datenschutz: Welche Daten sieht das Modell? Öffentliche Informationen, interne Dokumente oder besonders schützenswerte Personendaten? Je sensibler, desto wichtiger werden Vertrag, Pseudonymisierung und Datenstandort. Details im Leitfaden KI im Unternehmen und das nDSG.
• Datenhaltung: Muss die Verarbeitung in der Schweiz stattfinden, genügt die EU, oder sind USA-Anbieter mit geeigneten Garantien akzeptabel?
• Kosten: Kommerzielle Modelle rechnen pro Token ab, ohne Fixkosten. Offene Modelle haben keine Lizenzgebühr, brauchen aber Rechenleistung, die auch bei geringer Nutzung bezahlt wird. Bei kleinem Volumen ist die API meist günstiger, bei sehr grossem und gleichmässigem Volumen kann der Eigenbetrieb aufholen.
• Sprache und Schweizerdeutsch: Alle drei verstehen Hochdeutsch, Französisch und Italienisch gut. Bei Schweizerdeutsch und Rätoromanisch lohnt ein gezielter Test, gerade bei Transkripten oder informellen Kundennachrichten.
• Betrieb: Wer betreibt, überwacht und aktualisiert das Modell? Ein API-Dienst nimmt Ihnen das ab. Ein selbst betriebenes Modell braucht GPU-Infrastruktur, Monitoring und Know-how.

Gewichten Sie die Kriterien, bevor Sie Modelle testen. Ein Spital gewichtet Datenhaltung anders als ein Onlinehändler, ein Softwareunternehmen die Qualität beim Programmieren anders als eine Gemeindeverwaltung. Wer die Gewichtung vorher festlegt, vermeidet, dass am Ende das Modell mit der besten Werbung gewinnt.

Wann ein offenes Schweizer Modell die richtige Wahl ist

Apertus oder ein anderes offenes Modell passt besonders, wenn:

• Daten die Schweiz oder Ihre eigene Infrastruktur nicht verlassen dürfen, etwa bei Gesundheits-, Finanz- oder Behördendaten.
• Nachvollziehbarkeit gefordert ist: Sie wollen wissen, mit welchen Daten ein Modell trainiert wurde.
• Die Aufgaben klar umrissen sind: Klassifikation, Extraktion, Zusammenfassung, Übersetzung, einfache Assistenten.
• Sie Abhängigkeit von einem einzelnen US-Anbieter reduzieren wollen.
• Das Volumen hoch und gleichmässig ist, sodass sich eigene Rechenleistung auslastet.
• Sie das Modell mit eigenen Daten weiter anpassen wollen (Fine-Tuning), was bei offenen Gewichten möglich ist.

Zu beachten ist: Ein offenes Modell ist nicht automatisch datenschutzkonform. Auch hier braucht es Zugriffskontrollen, Protokollierung und saubere Prozesse. Und der Betrieb kostet Aufwand, der bei einem API-Dienst entfällt.

Wann ein Frontier-Modell die richtige Wahl ist

Claude, GPT und vergleichbare kommerzielle Modelle sind die bessere Wahl, wenn:

• Die Aufgabe anspruchsvoll ist: mehrstufige Agenten, komplexe Dokumentenanalyse, Programmierung, Schlussfolgerungen über viele Quellen.
• Zuverlässiger Tool-Use entscheidend ist, weil der Agent in mehreren Systemen handelt.
• Sie schnell starten wollen, ohne eigene Infrastruktur.
• Das Volumen schwankt oder noch unklar ist und Sie nur bezahlen wollen, was Sie nutzen.
• Die Daten mit Business-Vertrag, Datenschutzzusagen und gegebenenfalls Pseudonymisierung ausreichend geschützt sind.

Viele Unternehmen unterschätzen, wie viel sich mit Pseudonymisierung und passenden Verträgen erreichen lässt. Oft ist ein Frontier-Modell auch bei sensiblen Themen vertretbar, wenn die heiklen Daten gar nicht erst beim Modell ankommen.

Hybrid: Routing zwischen Modellen

In der Praxis ist die Antwort oft nicht «entweder, oder». Eine hybride Architektur leitet jede Anfrage an das passende Modell weiter:

• Nach Sensibilität: Anfragen mit besonders schützenswerten Daten gehen an ein Modell in der Schweiz, alles andere an ein Frontier-Modell.
• Nach Schwierigkeit: Einfache Schritte wie Klassifikation oder Extraktion übernimmt ein kleines, günstiges Modell. Nur schwierige Entscheidungen gehen an das grosse Modell. Das senkt die Kosten spürbar.
• Als Rückfallebene: Fällt ein Anbieter aus oder ändert seine Bedingungen, übernimmt ein anderes Modell.

Voraussetzung ist eine Architektur, die nicht fest an einen Anbieter gebunden ist: einheitliche Schnittstellen, anbieterunabhängige Prompts wo möglich und eine Testsammlung, mit der sich jedes Modell gleich prüfen lässt. So können Sie auch künftige Modelle ohne Neuentwicklung einsetzen.

Praxis: so testen Sie in zwei Wochen

Eine fundierte Modellwahl braucht keine Monate. Ein strukturierter Test in zwei Wochen reicht meist:

1. Tage 1 bis 2, Aufgabe festlegen: Eine konkrete Aufgabe aus Ihrem Alltag wählen, etwa das Beantworten von Kundenanfragen oder das Auslesen von Verträgen.
2. Tage 3 bis 4, Testfälle sammeln: 50 bis 100 echte, anonymisierte Beispiele mit dem erwarteten Ergebnis. Mischen Sie Standardfälle, schwierige Fälle und, falls relevant, schweizerdeutsche Eingaben.
3. Tage 5 bis 8, Modelle vergleichen: Dieselben Fälle mit Apertus, Claude und GPT durchspielen, jeweils mit einem sorgfältig formulierten Prompt.
4. Tage 9 bis 10, bewerten: Qualität, Fehlerarten, Antwortzeit und Kosten pro Fall gegenüberstellen. Fachpersonen bewerten die Ergebnisse, nicht nur die Technik.
5. Entscheid: Ein Modell, ein Routing oder ein weiterer Test mit angepasster Aufgabe.

Wir begleiten solche Vergleiche im Rahmen unserer KI-Beratung und setzen das Ergebnis anschliessend als produktive Lösung um. Wenn Sie wissen wollen, welches Modell für Ihren Anwendungsfall passt, vereinbaren Sie ein kostenloses Erstgespräch.