Apertus im Unternehmen: wo es heute trägt und wo nicht

Wofür Apertus heute im Betrieb taugt

Für Übersetzungen in den Landessprachen taugt Apertus 1.5 heute, für Agenten, Code und Mathematik liegen laut Teambericht und Anwendern andere offene Modelle vorn. Das offene Modell von ETH Zürich, EPFL und CSCS läuft bei mehreren Schweizer Hostern und auf eigener Hardware.

Das Wichtigste in Kürze

• Beginnen Sie mit Übersetzungen in den Landessprachen. Die Tessiner Firma Artificialy zieht Apertus dafür anderen Modellen oft vor, besonders bei sensiblen Dokumenten (Swissinfo, September 2026).
• Planen Sie keine Agenten auf Apertus 1.5. Bei Abläufen, die das Modell in mehreren Schritten selbständig erledigt, liegt es laut Artificialy noch hinter anderen offenen Modellen.
• Rechnen Sie das Budget in Ihren Sprachen. Der italienische Text der Bundesverfassung braucht mit Apertus 28 Prozent mehr Tokens?TokenDie kleinste Verrechnungseinheit eines Sprachmodells; ein Wort besteht aus etwa ein bis drei Tokens. Anbieter verrechnen pro Million Tokens, getrennt nach Eingabe (Input) und Ausgabe (Output). als der englische, bei gleichem Preis pro Token entsprechend höhere Kosten (Messung Souverana, Oktober 2026).
• Ein erster Test kostet wenig. Infomaniak verlangt für Apertus 1.5 70B 0.70 Franken pro Million Eingabe-Tokens und 2.50 Franken pro Million Ausgabe-Tokens (Stand Oktober 2026).
• Prüfen Sie die ganze Anwendung. In Tests der Zürcher Agentur Liip lag eine falsche Antwort auch an der Suche, die eine veraltete Quelle ausgewählt hatte.

Im März 2026 meldete das Apertus-Team, dass der Kanton Tessin sein Übersetzungswerkzeug für die Verwaltung umstellt: von Mixtral des französischen Anbieters Mistral AI auf Apertus. Die Tessiner Firma Artificialy hat dafür eine angepasste Fassung von Apertus-8B gebaut, dem kleineren Modell mit 8 Milliarden Parametern?ParameterDie gelernten Zahlenwerte eines Sprachmodells. Ihre Anzahl beschreibt die Grösse: «8B» heisst acht Milliarden Parameter. Grössere Modelle können mehr, brauchen aber mehr Grafikspeicher.. Diese Fassung läuft auf Grafikkarten im Rechenzentrum des kantonalen Informatikzentrums CSI. Übersetzt wird unter anderem zwischen Italienisch, Deutsch, Französisch, Spanisch, Rumänisch und Ukrainisch. In einer ersten Phase testen rund 100 Angestellte das Werkzeug.[1]

In einem Test von Artificialy erreichte die angepasste Fassung 94 Prozent. Vor dem Fine-Tuning?Fine-TuningDas Nachtraining eines vortrainierten Modells mit ausgewählten Beispielen, damit es Anweisungen befolgt oder eine Fachaufgabe beherrscht. Auch Post-Training genannt. kam das 8B-Modell auf 90 Prozent, das grössere 70B-Modell ohne Fine-Tuning auf 92 Prozent.[1]

Dieser dritte Teil der Serie «Apertus verstehen» prüft, für welche weiteren Aufgaben sich Apertus eignet. Er geht dafür die drei Ebenen der Serie durch: was das Team im Labor gemessen hat, wer das Modell im Land schon einsetzt und was der Betrieb kostet.

Labor: was das Team für Version 1.5 angibt

Der Bericht zu Apertus 1.5 erschien am 11. Oktober 2026.[2] Alle Werte darin hat das Team selbst erhoben. Unabhängige Vergleiche gibt es bisher nur als Erfahrungsberichte von Anwendern.

Anweisungen befolgen. Unter den vollständig offenen Modellen seiner Klasse liegt das 8B-Modell bei Allgemeinwissen und kulturellem Wissen vorn. Beim Befolgen von Anweisungen übertrifft es laut Bericht alle verglichenen Modelle, auch jene, die nur ihre Gewichte offenlegen (Open Weight?Open WeightModelle, deren Gewichte öffentlich verfügbar sind und selbst gehostet werden dürfen (z.B. Apertus, DeepSeek, Llama). Voraussetzung für souveränen Betrieb ohne Anbieterbindung.).[2] Diese Fähigkeit braucht eine Anwendung, wenn das Modell ein festes Format, einen Tonfall oder eine Länge einhalten soll.

Mathematik und Code. Hier führt laut demselben Bericht OLMo 3, ein vollständig offenes Modell des amerikanischen Instituts Ai2.[2] Den Denkmodus?DenkmodusEine Einstellung, bei der das Modell vor der Antwort Zwischenschritte schreibt. Das hilft bei Mathematik und Logik, kostet aber zusätzliche Tokens und Zeit., den der erste Teil der Serie vorstellt, sollten Sie an eigenen Aufgaben prüfen. Beim 70B-Modell hebt er die Werte über alle Tests im Mittel um 6.6 Punkte. In einem Test mit naturwissenschaftlichen Fachfragen (GPQA) schneidet das 70B mit Denkmodus jedoch schlechter ab.

Bilder. Seit Version 1.5 verarbeitet Apertus auch Bilder, es ist also multimodal?MultimodalEin Modell, das neben Text auch Bilder, Audio oder Video als Eingabe verarbeiten kann.. Das 70B-Modell bringt hier laut Bericht wenig mehr als das 8B, obwohl es neunmal grösser ist.[2] Wer Bilder auswerten lassen will, kann deshalb mit dem 8B beginnen. Am schwächsten ist Apertus bei der Texterkennung in Bildern (OCR?OCROptical Character Recognition: die Umwandlung von Dokumenten und Scans (PDF, Bilder) in maschinenlesbaren, strukturierten Text. Der erste und oft schwierigste Schritt, um eigene Dokumente für KI nutzbar zu machen.). Dort liegt es hinter anderen offenen Modellen. Für gescannte Dokumente setzen Sie besser ein eigenes OCR-Modell vor das Sprachmodell.

Kleine Modelle für Endgeräte. Die Modelle der Familie Apertus Mini hat das Team auch in komprimierten Fassungen für Grafikkarten von NVIDIA und für Geräte von Apple veröffentlicht. Dieses Verfahren heisst Quantisierung?QuantisierungKompression eines Modells über geringere Zahlenpräzision der Gewichte (z.B. FP8 oder 4-Bit). Der Betrieb wird deutlich günstiger; ab einem gewissen Grad sinkt die Antwortqualität messbar.. Die komprimierten Dialogmodelle erreichen laut Mini-Bericht 90 bis 104 Prozent der Genauigkeit der unkomprimierten Fassung, gemessen mit wenigen Beispielen im Prompt?PromptDie Eingabe an ein Sprachmodell: Frage, Anweisung und mitgeschickter Text. Was im Prompt steht, bestimmt die Antwort und die Kosten..[3] Aus Beratersicht eignen sich diese kleinen Modelle für Notebooks ohne Netzverbindung und für einfache Aufgaben wie Zusammenfassen und Sortieren.

Land: wer Apertus schon einsetzt

Im Tessin profitiert laut Swissinfo das kantonale Migrationsamt am meisten vom neuen Übersetzungswerkzeug. Das Amt bearbeite persönliche Dokumente in vielen Sprachen und brauche genaue Übersetzungen mit starkem Datenschutz.

Damiano Binaghi leitet bei Artificialy das Deep Learning. «We often prefer Apertus to other models for our clients’ translation tasks, especially when they involve Switzerland’s four national languages or sensitive documents», sagte er im September 2026 gegenüber Swissinfo. Die Wahl begründet er mit der Qualität: «We’re not doing charity. We don’t use Apertus because we have to, but because it’s a good model.»

Vor dem Start von Version 1.5 haben 15 Organisationen die Gewichte des 8B- und des 70B-Modells geprüft, vertreten durch rund 50 Fachleute. Darunter waren das Bundesgericht, Swisscom, Switch, Infomaniak, Liip und Artificialy. Swisscom betreibt das 70B-Modell auf der Swiss AI Platform in einem Schweizer Rechenzentrum.

Auch die Forschung baut auf Apertus. Mit der medizinischen Pipeline MeditronFO der EPFL stieg das 70B-Modell im Mittel von vier medizinischen Tests von 47.2 auf 53.8 Punkte (Bericht der Autoren, arXiv:2605.16215).

In Singapur nutzt AI Singapore Apertus für die Forschung, weil man dort wissen müsse, mit welchen Daten ein Modell trainiert wurde. Den Preis dieser Offenheit benennt Leslie Teo von AI Singapore gegenüber Swissinfo selbst: «Being truly open-source means being unlikely to use some data, and this has consequences on performance and general capabilities.»

Betrieb: Erfahrungen, Preise und eigene Hardware

Was Anwender bemängeln

Die Agentur Liip hat Apertus in ZüriCityGPT getestet, einer KI-Suche, die Fragen der Bevölkerung zur Stadt Zürich beantwortet. Laut Josef Kruckenberg, der bei Liip die Projekte mit generativer KI leitet, gibt Version 1.5 nützlichere Antworten, befolgt Anweisungen besser und verweigert eher eine Antwort, wenn ihr Informationen fehlen. Beim Kriterium, das Liip am wichtigsten ist, liegt Apertus aber zurück. Es heisst Faithfulness, auf Deutsch Quellentreue: Jede Aussage einer Antwort muss durch die gefundenen Quellen gedeckt sein. «So far, we haven’t used Apertus in client projects. We felt it wasn’t ready yet», sagte Kruckenberg im September 2026 gegenüber Swissinfo.[4]

An einem Fehler aus diesen Tests war auch die Suche beteiligt. Auf eine Frage zur Einwohnerzahl Zürichs antwortete das System falsch, und die Suche hatte nicht die aktuellste Quelle ausgewählt. Bei einer Anwendung, die Antworten aus eigenen Dokumenten erzeugt (RAG?RAGRetrieval-Augmented Generation: das Modell erhält vor der Antwort passende Auszüge aus Ihren eigenen Dokumenten und antwortet belegt statt aus dem Gedächtnis.), prüfen Sie deshalb Suche und Modell getrennt.

Auch Artificialy sieht Grenzen. Bei agentischen?AgentischKI-Anwendungen, die mehrstufig und selbstständig arbeiten: Sie planen, rufen Werkzeuge auf und wiederholen Schritte, bis die Aufgabe erledigt ist. Dabei senden sie denselben Kontext viele Male. Fähigkeiten sei Apertus trotz beträchtlicher Fortschritte noch nicht auf dem Niveau anderer offener Modelle, sagt Binaghi. Gemeint sind Abläufe, die das Modell in mehreren Schritten selbständig erledigt. Federico Magnolfi leitet bei Artificialy die Sprachverarbeitung. Laut Swissinfo schätzt er, dass Version 1.0 beim Start rund zwei Jahre hinter den besten amerikanischen Modellen lag.[4]

Wo Apertus läuft und was es kostet

Auf seiner Liste vom September 2026 nennt das Apertus-Team sieben Schweizer Anbieter. Swisscom, Infomaniak, PHOENIQS und Safe Swiss Cloud hosten das 70B-Modell, stepping stone das 8B. OnPrem.ai installiert komprimierte Fassungen auf Servern des Kunden. Für die Schweizer Cloud Exoscale gibt es eine Anleitung, mit der Sie beide Grössen selbst betreiben.[5] Die Hoster bieten das Modell über eine Programmierschnittstelle (API?APIEine Programmierschnittstelle, über die Software ein Sprachmodell direkt anspricht, ohne Chat-Oberfläche. Abgerechnet wird meist pro Token.) an, an die Sie Ihre eigene Anwendung anschliessen.

Anbieter	Modell	Eingabe pro 1 Mio. Tokens	Ausgabe pro 1 Mio. Tokens
PHOENIQS (kvant)	Apertus 1.5 70B	CHF 0.6195	CHF 2.2201[6]
Infomaniak	Apertus 1.5 70B	CHF 0.70	CHF 2.50[7]
Swisscom	Apertus 70B	kein öffentlicher Preis	kein öffentlicher Preis

Stand: Oktober 2026, öffentliche Preislisten der Anbieter.

Aus einem Preis geht nicht hervor, in welcher Präzision?Präzision (BF16, FP8)Mit wie vielen Bits ein Modell seine Zahlen speichert. Weniger Bits sparen Speicher und Rechenzeit, können aber die Qualität senken. das Modell läuft. Fragen Sie danach, denn eine stark komprimierte Fassung kann schlechter antworten.

Auch das lange Kontextfenster?KontextfensterDie Textmenge in Tokens, die ein Sprachmodell in einer Anfrage gleichzeitig berücksichtigen kann, Eingabe und Antwort zusammen. Was darüber hinausgeht, sieht das Modell nicht. hat einen Preis. Apertus 1.5 verarbeitet bis zu 262’144 Tokens auf einmal.[2] Beim 70B belegt ein Gespräch dieser Länge in voller Präzision (BF16) rund 86 GB Zwischenspeicher (KV-Cache?KV-CacheDer Zwischenspeicher, in dem ein Modell den bisherigen Gesprächsverlauf hält. Er wächst mit der Textlänge und mit jedem gleichzeitigen Nutzer und belegt oft mehr Grafikspeicher als das Modell selbst.). Das ist mehr, als eine Rechenzentrumskarte mit 80 GB fasst.

Was die Landessprachen an Tokens kosten

Ein Sprachmodell rechnet in Tokens ab. Sein Tokenizer?TokenizerDas Programm, das einen Text in Tokens zerlegt, bevor ein Sprachmodell ihn verarbeitet. Jedes Modell hat seinen eigenen; derselbe Text ergibt darum je nach Modell unterschiedlich viele Tokens. zerlegt jeden Text zuerst in solche Stücke, je nach Sprache unterschiedlich fein. Gemessen haben wir das an der Bundesverfassung, die in allen vier Landessprachen und auf Englisch vorliegt. Die ganze Messung mit sechs Tokenizern steht im Beitrag über Apertus und die digitale Souveränität↗Apertus verstehen · Teil 2Apertus und die Schweiz: Werte, Sprachen, SouveränitätWer in der Schweiz ein Sprachmodell einsetzt, zahlt je nach Landessprache mehr: Dieselbe Bundesverfassung braucht mit Apertus auf Rätoromanisch 60 Prozent mehr Tokens als auf Englisch. Dazu kommen eine öffentliche Charta für das Verhalten des Modells und eine Finanzierung bis 2028. Alles davon lässt sich nachlesen oder nachmessen.Beitrag lesen. Hier geht es um die Folgen für Rechnung und Kontextfenster.

Für den deutschen Text braucht Apertus 17 Prozent mehr Tokens als für den englischen, für den französischen 21 und für den italienischen 28 Prozent mehr.[8] Wer ein Budget mit englischen Testtexten rechnet und danach auf Deutsch arbeitet, unterschätzt die Tokenmenge um diesen Aufschlag. Auch ins Kontextfenster passt weniger: Vom deutschen Verfassungstext fasst es rund 15 Prozent weniger als vom englischen. Die Zahlen gelten für einen juristischen Text. E-Mails oder Chats können andere Verhältnisse ergeben.

Auch die Wahl des Modells verändert die Menge. Für den deutschen Text braucht Llama 3.3 von Meta 27 Prozent mehr Tokens als gpt-oss von OpenAI, das in dieser Messung auf Deutsch am wenigsten brauchte. Bei gleichem Preis pro Token wäre die Rechnung mit Llama 3.3 um 27 Prozent höher.[8]

Was ein Token kostet, legt jeder Anbieter selbst fest, und Modelle verbrauchen für dieselbe Aufgabe unterschiedlich viele Tokens. Wie diese Grössen zusammenwirken, zeigt unser Beitrag zu den Kosten pro Token↗Inferenz einkaufen · Teil 1Was LLMs wirklich kosten: Der Preis pro Token täuschtIn jedem dritten Modellvergleich war das günstiger angeschriebene Modell in der Praxis das teurere (Studie, Mai 2026). Was Sie wirklich zahlen, steht nicht in der Preisliste.Beitrag lesen. Für die Modellwahl heisst das: Zählen Sie die Tokens Ihrer eigenen Texte in Ihren Sprachen und rechnen Sie erst danach mit dem Preis des Anbieters.

Apertus auf eigener Hardware

Das 8B-Modell der Version 1.0 lief in unserer Messung vom August 2026 auf einer einzelnen Grafikkarte (GPU?GPUGrafikprozessor. Sprachmodelle laufen fast nur auf GPUs, weil diese sehr viele Rechenschritte gleichzeitig ausführen.), einer RTX 4090 mit 24 GB. Gemessen haben wir eine typische RAG-Last: Acht Nutzer stellten gleichzeitig Fragen zu denselben 8’000 Tokens Kontext. Die Server-Software vLLM verarbeitet den gemeinsamen Anfang aller Anfragen auf Wunsch nur einmal und speichert ihn zwischen. Diese Funktion heisst Prefix-Caching?Prefix-CachingDie Server-Software speichert bereits verarbeitete Anfänge von Anfragen. Beginnt die nächste Anfrage gleich, rechnet sie nur den neuen Teil. Das verkürzt die Wartezeit stark.. Mit ihr fiel die Wartezeit bis zum ersten Zeichen (Time to first token?Time to first tokenDie Wartezeit zwischen dem Absenden einer Anfrage und dem ersten Wort der Antwort. Bei langen Eingaben bestimmt sie der Prefill, deshalb verkürzt Prompt Caching sie direkt.) von 17.9 auf 0.9 Sekunden.[9]

Kennzahl

17.9 → 0.9 s

Quelle: Eigene Messung, August 2026

Bei Apertus funktioniert Prefix-Caching, weil das Modell nur aus einer Art von Schichten besteht. Bei Hybridmodellen, die verschiedene Schichttypen mischen, schaltet vLLM das Prefix-Caching ab. Die ganze Messreihe steht in unserem Vergleich der Server-Software↗Lokale Inferenz · Teil 4Ollama, llama.cpp oder vLLM: die richtige Engine wählenBei vier gleichzeitigen Nutzern auf derselben Karte mit demselben Modell wartet der vierte unter Ollama 62, unter llama.cpp 8 Sekunden. Zwei Fragen entscheiden, welche Software zu Ihnen passt: Wie viele Menschen arbeiten gleichzeitig darauf, und wie viel Grafikspeicher haben Sie im Verhältnis zum Wunschmodell?Beitrag lesen.

Die Einschätzung nach Aufgabe

Die Tabelle fasst zusammen, wofür wir Apertus 1.5 heute einsetzen würden. Die letzte Spalte nennt, worauf die Einschätzung beruht.

Aufgabe	Einschätzung	Beleg
Übersetzung in den Landessprachen	geeignet	Anwender: Artificialy, Kanton Tessin
Feste Formate und Vorgaben einhalten	geeignet	Bericht des Teams
Vertrauliche Daten auf eigener Hardware	geeignet, 8B auf einer Karte	eigene Messung (Version 1.0)
Fragen zu eigenen Dokumenten (RAG)	mit eigener Prüfung	Anwender: Liip; eigene Messung
Bilder auswerten	mit eigener Prüfung, 8B genügt, Scans mit OCR-Modell	Bericht des Teams
Mathematik	nur mit Denkmodus und eigener Prüfung	Bericht des Teams
Agenten	noch nicht	Anwender: Artificialy
Code	nein	Bericht des Teams

Antwortet das Modell direkt Ihren Kunden, prüfen Sie zusätzlich, ob seine veröffentlichte Werte-Charta zu Ihren eigenen Richtlinien passt.

So setzen Sie Apertus ein

Für den Einstieg empfehlen wir drei Schritte.

1. 01

   Eine Aufgabe wählen

   Nehmen Sie eine begrenzte Aufgabe in mehreren Landessprachen, bei der die Herkunft der Trainingsdaten zählt, etwa die Übersetzung interner Dokumente oder Antworten aus einem Handbuch.

2. 02

   Gegen ein starkes offenes Modell vergleichen

   Lassen Sie Apertus und ein starkes Modell mit offenen Gewichten dieselben zehn Testfälle aus Ihrem Alltag lösen, mit Ihren eigenen Dokumenten und in Ihren Sprachen. Bewerten Sie Suche und Antwort getrennt und notieren Sie die Tokens pro Sprache.

3. 03

   Den Wechsel einplanen

   Bauen Sie die Anwendung so, dass das Modell hinter einer Standardschnittstelle steht. Dann wechseln Sie später mit einer geänderten Einstellung auf Apertus 2.0 oder auf ein anderes Modell.

Quellen

Prüfen Sie gerade, ob sich das Schweizer Sprachmodell Apertus für Ihren Betrieb eignet?

Der Kanton Tessin hat laut Swissinfo entschieden, Verwaltungsdokumente künftig mit Apertus zu übersetzen. Das Werkzeug läuft auf einem feinjustierten Apertus-8B im Rechenzentrum der kantonalen Informatik, in einer ersten Phase testen es rund 100 Angestellte. Schweizer Hoster bieten Version 1.5 mit 70 Milliarden Parametern an, Infomaniak zum Beispiel für 0.70 Franken pro Million Eingabe-Tokens (Stand Oktober 2026).

Wir haben den Bericht des Teams, die Erfahrungen von Liip und Artificialy und unsere eigenen Messungen nach Aufgaben geordnet. Für Übersetzungen in den Landessprachen zieht Artificialy Apertus anderen Modellen oft vor, besonders bei sensiblen Dokumenten. Bei Agenten liegt es nach Einschätzung derselben Firma noch hinter anderen offenen Modellen, bei Mathematik und Code laut dem Bericht des Teams hinter OLMo 3.

Unser Schluss: Apertus lohnt sich heute für einzelne Aufgaben in den Landessprachen, bei denen Sie belegen müssen, womit das Modell trainiert wurde.

Im Beitrag stehen die Schweizer Hoster mit ihren Preisen, was ein deutscher Text gegenüber einem englischen an Tokens kostet, unsere Messung mit Apertus-8B auf einer einzelnen Grafikkarte und ein Arbeitsblatt mit zehn Testfällen für den Vergleich an eigenen Daten. Link in den Kommentaren.

#Apertus #KI #Schweiz #Datensouveränität #OpenSource