Öffentliche KI für die Schweiz: Antworten auf die Interpellation Marti
Nationalrätin Min Li Marti fragt den Bundesrat, wie alle in der Schweiz Zugang zu einer öffentlichen KI erhalten könnten. Wir beantworten ihre sieben Fragen der Reihe nach: Zugang, Abhängigkeit, Träger, Trainingsdaten, Rechenzentren, Finanzierung und Koordination. Die Kosten rechnen wir in einem eigenen Beitrag durch.
Analyse · Veröffentlicht 20.10.2026 · Aktualisiert 22.10.2026 · Joel Barmettler
Worum es geht
Wie könnten alle in der Schweiz eine öffentliche KI nutzen, wer würde sie tragen, und wer bezahlt sie? Nationalrätin Min Li Marti stellt dem Bundesrat dazu sieben Fragen. Unsere Antworten in einem Satz: Technisch ist es machbar, die Kosten liegen im Rahmen anderer Bundesinfrastruktur, und offen sind vor allem Trägerschaft, Rechtsgrundlage und Finanzierung.
Das Wichtigste in Kürze
- Zugang: Eine öffentliche Stelle betreibt App und API, der Login läuft über AGOV und später die E-ID, ein Basisangebot ist kostenlos.
- Abhängigkeit: Bei der Software wird die Schweiz weitgehend unabhängig. Bei den Chips liefert heute NVIDIA unter US-Exportregeln, DeepSeeks Software läuft aber auch auf Huawei Ascend als zweite Bezugsquelle.
- Träger: Das CSCS wäre der kürzeste Weg zum technischen Betrieb. Für einen Dienst an die ganze Bevölkerung braucht es voraussichtlich eine neue Rechtsgrundlage.
- Trainingsdaten: Ein Modell von Grund auf neu zu trainieren (Pretraining) rechnen wir nicht. Ein offenes Modell an Schweizer Anforderungen anzupassen kostet einmalig rund 5 Millionen Franken.
- Rechenzentren: Flüssigkühlung mit Wärmenutzung, geschlossener Kühlkreislauf und netzdienlicher Betrieb sind machbar. Der Dienst würde weniger als 1 Prozent des Stroms heutiger Schweizer Rechenzentren brauchen.
- Finanzierung: In unserer Modellrechnung kostet der Dienst 57 Millionen Franken im Jahr für 7 Millionen Nutzer, davon bleiben 35 Millionen im Land. Denkbar ist eine Mischfinanzierung aus Bundesmitteln, Verrechnung und Selbstkostenpreis.
- Koordination: Urheberrecht und KI-Konvention sind in Bewegung. Der Genfer KI-Gipfel 2027 wäre ein Anlass für Partnerschaften mit anderen Staaten.
Die Interpellation 26.4569 «Künstliche Intelligenz als Infrastruktur» hat Min Li Marti am 2. Oktober 2026 eingereicht.[1] Eine Interpellation ist eine parlamentarische Anfrage, auf die der Bundesrat schriftlich antwortet. Marti argumentiert, KI sei Grundinfrastruktur, liege aber zum grossen Teil in den Händen amerikanischer und chinesischer Unternehmen. Der Bund finanziere zwar Apertus über den ETH-Bereich, überlasse die Zugangsschicht aber einem Markt, der auf US-Modellen laufe. Der Bundesrat hat noch nicht geantwortet.
Dieser Beitrag beantwortet die sieben Fragen aus technischer Sicht, jede in einem eigenen Abschnitt und mit derselben Tiefe. Die Zahlen zu Kapazität und Kosten stammen aus einer eigenen Modellrechnung mit den Betriebszahlen, die DeepSeek am 20. Oktober 2026 veröffentlicht hat.[2] Wie die Modellrechnung aufgebaut ist, steht im Beitrag Was kostet eine nationale KI-Infrastruktur?. Hier nennen wir nur die Ergebnisse.
KI-Grundlagen in Kürze
Ein Sprachmodell besteht aus einer Architektur, dem Bauplan, nach dem es rechnet, und aus Gewichten, einer sehr grossen Datei aus Zahlen. Die Gewichte entstehen im Training: Das Modell liest riesige Textmengen und stellt seine Gewichte so ein, dass es Texte sinnvoll fortsetzen kann. Das braucht einmal sehr viel Rechenzeit. Beim Fine-Tuning wird ein fertig trainiertes Modell danach mit zusätzlichen Beispielen weitertrainiert, etwa mit Fragen und den gewünschten Antworten. Das kostet nur einen Bruchteil des Trainings und verändert das Verhalten des Modells, ohne es von Grund auf neu zu bauen.
Gerechnet wird in einem Rechenzentrum auf GPUs, Chips, die ursprünglich für Grafik gebaut wurden. Jede Antwort kostet Rechenzeit, abgerechnet wird nach Tokens, kleinen Wortstücken: «Harry Potter und der Stein der Weisen» umfasst grob 100’000 davon.
Ein geschlossenes Modell wie OpenAIs GPT-6.1 Sol erreichen Sie nur über den Dienst des Anbieters. Bei einem offenen Modell veröffentlicht der Entwickler die Gewichte, und jeder kann es auf eigener Hardware betreiben. DeepSeek V4.1 Flash steht unter der MIT-Lizenz, die den Betrieb und die Veränderung erlaubt. Das Schweizer Modell Apertus von ETH Zürich, EPFL und dem Nationalen Hochleistungsrechenzentrum der Schweiz (CSCS) ist ebenfalls offen (Beitrag zu Apertus).[3] Wir rechnen mit DeepSeek V4.1 Flash, weil es zu den effizientesten Modellen gehört: Es ist stark genug für die meisten Anwendungen, auch für Agenten, und lässt sich mit den veröffentlichten Betriebszahlen so günstig betreiben, dass ein Angebot für die ganze Bevölkerung finanzierbar wird.
GPT-6.1 Sol dient in der Kostenrechnung als Massstab für ein proprietäres Frontier-Modell, also ein Modell mit maximaler Denkleistung. Es ist stärker als DeepSeek V4.1 Flash und deutlich teurer. Fair ist der Vergleich nur mit Modellen derselben Leistungsklasse wie DeepSeek V4.1 Flash, etwa Claude Haiku 5.5.
Frage 1: Wie erhalten alle Zugang?
«Wie könnten Bevölkerung, Wirtschaft, Forschung, Bildung und Verwaltung niederschwellig Zugang zu einem leistungsfähigen, offenen und sicheren KI-System erhalten?»
Unsere Antwort: Eine öffentliche Stelle betreibt eine App und eine API. Der Login läuft über AGOV und später die E-ID. Ein Basisangebot ist für alle kostenlos, für Verwaltung, Schulen und Forschung gibt es eigene Stufen, und Unternehmen erhalten API-Zugang zum Selbstkostenpreis.
Die Nachfrage ist da: Laut einer Comparis-Umfrage vom März 2026 nutzen 76 Prozent der Erwachsenen regelmässig KI-Chatbots, 2024 waren es 50 Prozent.[4] Die meisten dieser Nutzer greifen heute auf US-Dienste zurück. Ein öffentliches Angebot müsste also keine Nutzer erst gewinnen, sondern ihnen eine Alternative bieten, der sie bei sensiblen Fragen eher vertrauen.
Für den Zugang schlagen wir vier Stufen vor. Die Basisstufe für alle Einwohner ist kostenlos und mengenbegrenzt. Verwaltung, Schulen und Hochschulen erhalten höhere Kontingente und Anbindung an ihre Systeme. Forschung bekommt API-Zugang mit grossen Kontingenten. Unternehmen nutzen die API zum Selbstkostenpreis, also ohne Aufschläge für Vertrieb und Gewinn. Mit dieser Staffelung bleibt das Angebot niederschwellig, und wer viel Last erzeugt, vor allem Agenten in Produkten der Wirtschaft, zahlt entsprechend dafür.
Die Anmeldung lässt sich lösen: AGOV, der Login des Bundes, funktioniert heute. Die E-ID war auf den 1. Dezember 2026 geplant und ist erneut verschoben worden. Ein Start wird jetzt 2027 erwartet.[5, 6] Bis dahin liesse sich ein Pilot mit AGOV betreiben, mit der E-ID könnte danach die ganze Bevölkerung folgen.
Technisch heisst das für 7 Millionen Nutzer: rund 1’300 GPUs, das sind 12 Prozent der Chips von Alps, dem Supercomputer des CSCS. Der Dienst würde rund 0.03 Prozent des Schweizer Stroms verbrauchen. Die Herleitung steht im Beitrag zur Modellrechnung.
Frage 2: Sinkt die Abhängigkeit, und hält der Betrieb in einer Krise?
«Würde das die Abhängigkeit von ausländischen Anbietern senken und den Betrieb in geopolitischen Krisen sichern?»
Unsere Antwort: Bei Software und Daten sinkt die Abhängigkeit deutlich. Offene Gewichte laufen ohne Verbindung nach aussen weiter. Bei den Chips liefert heute NVIDIA, doch DeepSeeks Software läuft auch auf Huawei Ascend: Das ist eine zweite Bezugsquelle, falls die USA die Schweiz von NVIDIA abschneiden. Sinnvoll sind zudem grosse Beschaffungstranchen mit Ersatzteilen und ein portabler Software-Stack.
Bei der Software wäre die Schweiz deutlich unabhängiger. Gewichte unter MIT-Lizenz und eine offene Software zum Betrieb des Modells laufen auf Hardware in der Schweiz, ohne Verbindung nach aussen. Hörte DeepSeek morgen auf zu veröffentlichen, liefe das zuletzt veröffentlichte Modell weiter. Treiber, Firmware und Ersatzteile für die GPUs kämen aber weiter aus dem Ausland. Dass ein Modell aus China stammt, heisst bei einem eigenen Betrieb nicht, dass Daten dorthin fliessen: Das Modell ist eine Datei, die auf Schweizer Hardware läuft. Den Einwand der Zensur und der Verzerrungen im Modell behandeln wir bei Frage 4.
Bei der Hardware ist die Schweiz heute auf US-Hersteller wie NVIDIA angewiesen, und deren Chips unterliegen US-Exportregeln. DeepSeeks Software für den Betrieb (DeepInfer) unterstützt aber auch die KI-Chips von Huawei (Ascend). Das ist ein Gewinn für die Unabhängigkeit: Sperrten die USA die Lieferung von NVIDIA-GPUs an die Schweiz, gäbe es eine zweite Quelle. Beginnen sollte man nicht mit Ascend, denn das US-Handelsministerium warnte im Mai 2025, die Nutzung der Typen 910B, 910C und 910D könne gegen US-Exportkontrollen verstossen.[7] Als Option für den Ernstfall ist sie trotzdem wichtig, gerade um geopolitisch handlungsfähig zu bleiben. Wie gut DeepSeek V4.1 Flash auf Ascend läuft, ist offen. Die Schweiz hat US-Exportbeschränkungen für Chips schon erlebt,[8] und die US-Regeln ändern sich laufend.[9] Anfang 2025 teilten die USA die Länder der Welt in Stufen ein, nach denen sich der Export von KI-Chips richtete («AI Diffusion Rule»), und setzten die Schweiz in die eingeschränkte zweite Stufe. Der Zeitstrahl zeigt, warum die Lieferung von GPUs kein sicherer Posten ist:
Schweiz in der zweiten Stufe
Die USA ordnen die Schweiz in der «AI Diffusion Rule» der eingeschränkten zweiten Stufe zu.
Regel zurückgenommen
Die USA ziehen die AI Diffusion Rule zurück. Das Handelsministerium warnt zugleich vor der Nutzung von Huawei-Ascend-Chips.
Entwurf für neue Regeln
Das Handelsministerium entwirft Regeln, nach denen fast jeder Export von KI-Beschleunigern weltweit eine US-Genehmigung bräuchte.
Der Basisfall braucht rund 1’300 GPUs, die alle vier Jahre ersetzt würden. Das ist weltweit gesehen wenig. Zum Vergleich: Die zurückgenommene Regel hätte nach Schätzung von CH++ rund 16’500 Chips pro Jahr erlaubt.[10] Als praktische Absicherungen sehen wir:
- Die Hardware in einer oder zwei grossen Tranchen mit vollständigen Ersatzteilen kaufen und vier bis fünf Jahre betreiben. Ein laufender Cluster braucht voraussichtlich keine weiteren Exportlizenzen. Das wäre rechtlich zu klären.
- Den Software-Stack portabel halten. vLLM und SGLang laufen auf mehr als einer Chipfamilie, und AMD ist ein zweiter US-Lieferant. Ob DeepInfer auf AMD läuft, wissen wir nicht.
- Ascend als zweite Bezugsquelle offenhalten. DeepInfer unterstützt die Chips schon. Ein Pilot könnte früh messen, wie gut das Modell darauf läuft, damit die Option nicht erst im Ernstfall getestet wird.
Frage 3: Wer könnte es tragen?
«Könnten bestehende Institutionen des Service public das tragen, oder braucht es eine neue Organisation, und mit welcher Rechtsgrundlage?»
Unsere Antwort: Das ist keine Rechtsberatung. Das CSCS (Swiss National Supercomputing Centre, der Betreiber von Alps) als technischer Betreiber wäre der kürzeste Weg, weil es die Technik schon betreibt. Für die Versorgung der ganzen Bevölkerung passt der gesetzliche Auftrag des ETH-Bereichs nicht ohne Weiteres. Eine neue oder angepasste Rechtsgrundlage ist wahrscheinlich nötig.
Die Frage hat zwei Teile: Wer betreibt die Technik, und wer verantwortet den Dienst gegenüber der Bevölkerung? Dazu kommt eine rechtliche Seite, die bei der Wahl des Trägers entscheidet. Vier Optionen stehen zur Wahl.
CSCS und der ETH-Bereich. Das CSCS betreibt Alps und stellt Forschenden seit Juli 2026 Apertus 1.5 bereit. Das ETH-Gesetz nennt als Aufgaben unter anderem Ausbildung, Forschung und «wissenschaftliche und technische Dienstleistungen», und die ETH berücksichtigen «die Bedürfnisse des Landes» (Art. 2).[11] Für andere Dienstleistungen gilt Artikel 10: Die ETH können sie erbringen, soweit es mit ihren Aufgaben in Lehre und Forschung vereinbar ist, und bei Leistungen, die ebenso gut die Privatwirtschaft erbringen kann, darf der Wettbewerb nicht verfälscht werden. Der Bundesrat will, dass der ETH-Bereich Forschungsinfrastrukturen betreibt und der ganzen Forschungsgemeinschaft zugänglich macht.[12] Von einem Dienst für die Bevölkerung steht dort nichts. Weil private Schweizer Hoster Apertus schon heute anbieten,[13] wäre auch die Wettbewerbsfrage zu klären. Ob ein Dienst für die Bevölkerung unter Artikel 10 fiele, ist offen.
SWITCH ist eine private, gemeinnützige Stiftung. Der Bund und die damals acht Hochschulkantone haben sie 1987 gegründet, heute gehört sie den Hochschulen, und ihr Zweck ist die Digitalisierung von Lehre und Forschung.[14] Ein Angebot nur für Bildung und Forschung, also für rund 1 Million Nutzer, wäre denkbar. Für einen Dienst für alle passt der Stiftungszweck nicht.
Swisscom gehört mehrheitlich dem Bund und betreibt Rechenzentren. Das wirft Wettbewerbsfragen gegenüber privaten Schweizer Anbietern auf und bindet einen öffentlichen Dienst an ein börsenkotiertes Unternehmen. Rechtlich geprüft haben wir das nicht.
Eine neue öffentlich-rechtliche Institution, mit dem CSCS als technischem Betreiber und einer eigenen Zugangsorganisation, trennt den Auftrag sauber, dauert aber am längsten.
Für die Rechtsgrundlage gibt es in der Bundesverwaltung ein Vorbild: Das Bundesgesetz über den Einsatz elektronischer Mittel zur Erfüllung von Behördenaufgaben (EMBAG) schafft die Rechtsgrundlagen für die digitale Transformation der Bundesverwaltung und die Zusammenarbeit mit Kantonen und Dritten.[15] Ob ein öffentlicher KI-Dienst für die Bevölkerung auf dieser Grundlage stehen könnte oder ein eigenes Gesetz bräuchte, müssten Juristen beantworten. Ein dauerhafter, aus Bundesmitteln finanzierter Dienst für alle, der Daten bearbeitet, braucht voraussichtlich eine ausdrückliche Grundlage.
Das Ausland zeigt, dass es auch kleiner geht: In den Niederlanden haben SURF, das Forensische Institut NFI und TNO mit 13.5 Millionen Euro vom Wirtschaftsministerium GPT-NL entwickelt, ein Modell, das nicht für Privatpersonen gedacht ist, sondern für Organisationen.[16] Das ist ein anderes Ziel als eine KI für alle.
Eine mögliche Aufteilung: Das CSCS betreibt die GPUs und die Engine, also die Software, die das Modell auf den GPUs ausführt. Eine neue oder bestehende öffentliche Stelle verantwortet App, API, Anmeldung und Support. Wer die Anpassung des Modells in Auftrag gibt und abnimmt, sollte nicht der Betreiber sein (mehr bei Frage 4).
Frage 4: Wie entstehen Schweizer Trainingsdaten, und was kostet es?
«Wie lassen sich hochwertige Schweizer Trainingsdaten herstellen und langfristig finanzieren?»
Unsere Antwort: Die Schweiz muss kein Modell von Grund auf neu trainieren. Sie kann ein starkes offenes Modell wie DeepSeek V4.1 Flash mit Schweizer Daten per Fine-Tuning anpassen. Das kostet rund 5 Millionen Franken einmalig pro Modellgeneration und 2 Millionen pro Jahr für neue Versionen. Die Schweizer Daten dafür sollten aus den offenen Datensätzen des Apertus-Teams und aus Kooperationen mit Verlagen, Medienhäusern und SRF kommen.
Drei Wege zu einem Schweizer Modell
Wer ein Modell für die Schweiz will, hat drei Wege. Sie unterscheiden sich darin, was man selbst baut: Architektur, Gewichte und Training.
- Alles selbst: eigene Architektur, eigenes Training. So ist Apertus entstanden. ETH Zürich, EPFL und CSCS haben ein Modell mit eigenem Bauplan von Grund auf trainiert und dabei Daten, Pipeline und Zwischenstände veröffentlicht, was kaum ein anderes offenes Modell tut (Beitrag zu Apertus). Das ist eine grosse Leistung und kostete laut NZZ allein im Pretraining rund 7 Millionen Franken.[17] Bei den Fähigkeiten liegt Apertus aber hinter der kommerziellen Konkurrenz zurück.[18]
- Bekannte Architektur, neues Training. Man übernimmt den Bauplan von DeepSeek, wirft die Gewichte weg und trainiert von vorn. Das Training ist der teure und schwierige Teil: Es braucht riesige Datenmengen und viel Erfahrung. Es ist unwahrscheinlich, dass ein Schweizer Team damit in die Nähe von DeepSeeks Leistung kommt.
- Bestehendes Modell, Fine-Tuning. Architektur und Gewichte von DeepSeek bleiben, ein Schweizer Team trainiert nur nach: mit Beispielen, die zeigen, wie sich das Modell in der Schweiz verhalten soll. So bekommt man ein starkes Modell zu einem Bruchteil der Kosten eines Trainings.
Wir rechnen mit Weg 3, weil er am wirtschaftlichsten ist. Apertus bleibt daneben wertvoll: als Beweis, dass die Schweiz ein solches Modell selbst bauen kann, und als Quelle für Daten und Know-how.
Man kann einwenden, DeepSeek habe mit Daten trainiert, die es nicht hätte verwenden dürfen. Das ist möglich, denn womit DeepSeek trainiert hat, ist nicht veröffentlicht. Für die Wahl des Wegs ist das aber nicht die entscheidende Frage: Von fünf verglichenen offenen Modellen legen nur Apertus und OLMo 3 ihre Trainingsdaten offen (Vergleich im Beitrag zu Apertus). Die Frage stellt sich bei den meisten Modellen, die zur Auswahl stehen, und Fine-Tuning mit eigenen, sauber lizenzierten Daten ändert am Basismodell nichts. Ernst zu nehmen ist der Einwand der Zensur und der Verzerrungen, die auf chinesische Vorgaben zurückgehen. Er lässt sich angehen: Die MIT-Lizenz erlaubt es, das Modell zu verändern, und ein Teil der Zensur der gehosteten DeepSeek-Dienste dürfte in der Schicht von API und App liegen, die bei einem eigenen Betrieb entfällt.
Woher die Schweizer Daten kommen
Das Fine-Tuning braucht gute Daten, und hier hat das Apertus-Team viel Vorarbeit geleistet. Es hat Sperrvermerke von Websites (robots.txt) auch rückwirkend beachtet und Inhalte von Domains, die KI-Crawler sperren, aus Crawls von 2013 bis 2024 entfernt.[19] Im Fine-Tuning liess es nur Datensätze mit klarer Lizenz zu.[20] Viele Datensätze liegen offen auf Hugging Face: Schweizer Texte wie Parlamentsgeschäfte (Curia Vista) und Gerichtsentscheide,[21] Rätoromanisch mit Originaltexten, Übersetzungen und synthetischen Daten[22] und eine Mischung von 3.7 Millionen Beispielen für das Fine-Tuning (mit gemischten Lizenzen, vor einer Verwendung zu prüfen).[23] Eine öffentliche KI sollte darauf aufbauen und sich mit dem Apertus-Team abstimmen.
Was fehlt, ist ein laufender Strom hochwertiger, aktueller Schweizer Texte. Dafür schlagen wir Kooperationen vor: mit Verlagen und Medienhäusern, die Archive und Artikel gegen Lizenzgebühr oder öffentliche Finanzierung bereitstellen, und mit SRF, das sich über die Medienabgabe finanziert. Wer ausdrücklich zustimmt, schafft Rechtssicherheit, die eine Widerspruchslösung nicht bietet. Was Verlage und Medienhäuser dafür verlangen würden, haben wir weder gerechnet noch verhandelt. Unsere Kostenrechnung nimmt an, dass die Daten neu erstellt werden. Bestehende Datensätze und Lizenzen könnten den Aufwand senken oder verschieben.
Das Vorbild: Perplexity und R1 1776
Perplexity hat 2025 DeepSeek R1 per Fine-Tuning angepasst, also durch gezieltes Nachtrainieren mit zusätzlichen Beispielen, und als R1 1776 veröffentlicht. Laut Berichten bestimmten Fachleute rund 300 Themen, die die chinesische Zensur betrifft, und stellten daraus 40’000 mehrsprachige Anfragen mit faktischen Antworten zusammen. R1 wurde auf diese Anfrage-Antwort-Paare trainiert. Perplexity meldet, die Leistung in Mathematik und Logik sei fast unverändert geblieben und das Modell nicht mehr zensiert. Wie der Test dafür aufgebaut war und was das Projekt kostete, hat Perplexity nicht offengelegt.[24–26]
Drei Arbeitspakete für ein Schweizer Team
Jedes Paket besteht aus Anfrage-Antwort-Paaren: einer Frage und der gewünschten Antwort, als Trainingsdaten für das Fine-Tuning.
- Zensur und Verzerrungen. Wir übernehmen das Vorgehen von Perplexity: Themenliste, Datensatz, Fine-Tuning. Wir nehmen 40’000 Paare an. Auch US-Modelle werden auf Verzerrungen untersucht. Deshalb sollte eine gemeinsame Testsuite auf Apertus, DeepSeek und das angepasste Modell laufen, vor und nach der Anpassung, mit veröffentlichten Ergebnissen.
- Schweizer Werte. Was Schweizer Werte für ein Modell bedeuten, ist eine politische Frage: Wer legt fest, was gemeint ist? Zur Wahl stehen das Parlament per Gesetz, der Bundesrat per Verordnung, ein Fachgremium nach Vernehmlassung oder die Trägerorganisation. Schon die Wahl der Stelle, die das festlegt, ist eine politische Entscheidung. Es braucht eine öffentlich verabschiedete Spezifikation und eine veröffentlichte Testsuite, sonst ersetzt man eine Verzerrung durch eine andere. Wenn der Staat das Verhalten eines öffentlichen Modells festlegt, entsteht zudem ein eigenes Risiko für die Informations- und Meinungsfreiheit. Darum muss die Spezifikation öffentlich debattiert werden. Wir nehmen 20’000 Paare an.
- Rätoromanisch. Das Apertus-Team hat Rätoromanisch-Datensätze veröffentlicht.[3, 22] Wie gut Apertus die Sprache beherrscht, wissen wir nicht. Für DeepSeek müssten Fachleute zusätzlich Fine-Tuning-Daten in Rumantsch Grischun und den fünf Idiomen schreiben und prüfen. Wir nehmen 20’000 Paare an. Ob Fine-Tuning allein genügt, ist offen: Hat das Foundation Model die Sprache im Pretraining kaum gesehen, stösst das Fine-Tuning an Grenzen. Das wäre im Pilot zu messen.
Was die Anpassung kostet
Im Basisfall kostet die Erstanpassung 5.0 Millionen Franken (Spanne: tief 2.7, hoch 10.1). Vier Fünftel davon entfallen auf Personal und Daten, nur 0.3 Millionen auf Rechenzeit. Dazu kommt die Nachführung bei neuen DeepSeek-Versionen mit rund 2.0 Millionen im Jahr. Erstanpassung und Nachführung zusammen machen über vier Jahre verteilt 3.3 Millionen Franken pro Jahr aus, das sind 6 Prozent der gesamten Jahreskosten im Basisfall. Die Herleitung steht im Beitrag zur Modellrechnung.
Was die Anpassung nicht leistet
Das Fine-Tuning verändert das Verhalten bei den abgedeckten Themen. Ob danach noch Verzerrungen übrig sind, zeigt nur die Testsuite. Abgesichert wird so: Die Testsuite wird veröffentlicht, mit Ergebnissen vor und nach der Anpassung, bei jeder neuen Version läuft sie erneut, und Apertus bleibt als zweites Modell daneben. Ob die Anpassung Fähigkeiten des Modells verschlechtert, zeigt ebenfalls nur eine Messung. Perplexity meldet für R1 1776 fast unveränderte Benchmarks, eine unabhängige Prüfung kennen wir nicht.
Frage 5: Was müssten Rechenzentren erfüllen?
«Was müssten Rechenzentren für öffentliche KI bei Abwärmenutzung, Kühlung, Wasser und Lastflexibilität erfüllen?»
Unsere Antwort: Flüssigkühlung mit Wärmenutzung, ein geschlossener Kühlkreislauf mit Obergrenze für den Wasserverbrauch, ein PUE von höchstens 1.15, netzdienliche Stapelarbeit und zwei Standorte mit mindestens 50 Kilometern Abstand.
Die Server und GPUs des Basisfalls brauchen 2.6 Megawatt Leistung. Das passt in eine einzige Halle eines bestehenden Schweizer Rechenzentrums. Nach Angaben des Bundes verbrauchten Schweizer Rechenzentren 2024 zusammen 2.1 Terawattstunden, 3.6 Prozent des Landesverbrauchs, und keines dieser Rechenzentren ist für das Training grosser Modelle gebaut.[27] Der Dienst würde 17.2 Gigawattstunden Strom pro Jahr verbrauchen, das sind 0.8 Prozent dessen, was Schweizer Rechenzentren heute schon brauchen.
Warum diese Auflagen? Neue Rechenzentren in der Schweiz stehen unter Druck bei Strom, Wasser und Abwärme. Wer die Anforderungen schon in der Ausschreibung festlegt, macht den Dienst für Gemeinden und Netzbetreiber zum Gewinn statt zur Belastung. Diese Auflagen könnte der Bund in die Ausschreibung schreiben:
- Direkte Flüssigkühlung, weil die Racks für Decode (NVL72) sie ohnehin verlangen. Rücklaufwasser mit 40 bis 60 °C kann direkt oder über eine Wärmepumpe ein Fernwärmenetz speisen. Rund 15 der 17 Gigawattstunden Strom pro Jahr lassen sich als nutzbare Wärme zurückgewinnen. Mit 12 Megawattstunden pro Wohnung und Jahr (Annahme) reicht diese Wärme für rund 1’250 Wohnungen.
- Geschlossener Kühlkreislauf mit Trockenkühlern. Verdunstungskühlung nur als Reserve an heissen Tagen, mit einer im Vertrag festgelegten Obergrenze für den Jahresverbrauch an Wasser.
- PUE von höchstens 1.15 im Jahresmittel, gemessen und veröffentlicht. Der PUE setzt den gesamten Stromverbrauch ins Verhältnis zum Strom der Chips selbst, der Rest geht in Kühlung und Betrieb.
- Lastflexibilität in zwei Stufen. Interaktive Anfragen lassen sich nicht verschieben, Stapelarbeit (grosse Aufträge, bei denen niemand auf die Antwort wartet, etwa nächtliche Auswertungen) schon. Bei DeepSeek schaltet eine Steuerung, der Autoscaler, die Prefill- und Decode-GPUs je nach Last bereits innert Minuten zu oder ab.[28] Eine Regel, dass Stapelaufträge den Regelenergie-Signalen von Swissgrid folgen, würde 30 bis 50 Prozent der nächtlichen Last netzdienlich machen.
- Zwei Standorte mit mindestens 50 Kilometern Abstand, damit der Ausfall eines Standorts den Dienst nicht stoppt. Den Ausfall einzelner GPUs oder Racks behandelt DeepSeeks Aufbau ohnehin als Normalfall und leitet Anfragen um. Die Kosten des zweiten Standorts sind in den Tabellen nicht enthalten.
Frage 6: Welche Finanzierung bräuchten Entwicklung und Betrieb?
«Welche Finanzierung bräuchten Entwicklung und Betrieb?»
Unsere Antwort: Der Betrieb für 7 Millionen Nutzer kostet im Basisfall 57 Millionen Franken im Jahr, dazu kommen 85 Millionen einmalig für die Hardware, die in den Jahreskosten über vier Jahre abgeschrieben ist. Naheliegend ist eine Mischfinanzierung: Bundesmittel für das Basisangebot, interne Verrechnung für Verwaltung, Schulen und Forschung, Selbstkostenpreis für Unternehmen.
Was es kostet
Der Betrieb kostet pro Einwohner CHF 6.29 im Jahr, rund CHF 0.68 pro Nutzer und Monat. Personal ist mit 26 Millionen der grösste Posten, dann die Hardware-Abschreibung mit 22 Millionen, die Modell-Anpassung mit 3.3 Millionen, das Rechenzentrum mit 3.1 und der Strom mit 2.6 Millionen. Wer die Annahmen ändern will, findet im Beitrag zur Modellrechnung einen Rechner dafür.
Zur Einordnung: Für die E-ID, die ebenfalls die ganze Bevölkerung betrifft, rechnet der Bund mit 182 Millionen Franken für Entwicklung und Aufbau und ab 2029 mit rund 25 Millionen im Jahr für den Betrieb.[29] Der Informatikaufwand des Bundes lag 2024 bei 883 Millionen Franken,[30] die 57 Millionen entsprächen also rund 6.5 Prozent davon. Das niederländische GPT-NL kostete im Aufbau 13.5 Millionen Euro, ist aber kleiner angelegt.[16]
Was dieselbe Menge im Ausland kosten würde
Dieselbe Menge an Text (gemessen in Tokens), die 7 Millionen Menschen verbrauchen, würde bei anderen Anbietern zum Listenpreis Folgendes kosten:
| Vergleich | Millionen Franken pro Jahr |
|---|---|
| Eigenbetrieb (DeepSeek V4.1 Flash) | 57 |
| Gleiche Leistungsklasse: DeepSeeks API oder Claude Haiku 5.5 | 104 |
| Frontier-Modell: GPT-6.1 Sol | 1’750 |
| Abos: ChatGPT Plus (CHF 20 im Monat) für die 6.2 Millionen leichten und Power-Nutzer, Agenten über die API | 2’140 |
Gegenüber Modellen derselben Leistungsklasse ist der Eigenbetrieb rund 45 Prozent günstiger. GPT-6.1 Sol ist ein stärkeres Modell. Die Zahl zeigt die Grössenordnung und ist keine Prognose der Ausgaben, denn bei diesen Preisen würde die Schweiz nicht dieselbe Menge verbrauchen. Auch mit Abos ändert sich die Grössenordnung nicht: Zahlen die leichten und Power-Nutzer ein Plus-Abo, kostet es rund 2.1 Milliarden Franken im Jahr. Listenpreise sind zudem die Obergrenze, und Selbstkosten sind keine Preise. Details und Einschränkungen stehen im Beitrag zur Modellrechnung.
Was im Land bleibt
Von den 57 Millionen Franken bleiben 35 im Land, als Löhne, Strom, Rechenzentrumsfläche und Modell-Anpassung. 22 Millionen gehen als Hardware-Abschreibung ans Ausland. Beim Eigenbetrieb bleibt das Geld, das sonst an ausländische Anbieter ginge, in der Schweizer Wertschöpfungskette. Ob die Nutzer die Differenz sparen oder anders ausgeben, ist ihre Sache.
Der Effekt wächst mit der Nutzung. Je mehr Unternehmen KI einsetzen, desto grösser wird ihre Technologiekostenposition, vor allem für Tokens. Bei einem ausländischen Anbieter ist das eine Abgabe an einen US-Konzern, bei einem Betrieb in der Schweiz werden daraus Löhne, Aufträge und Gewinne im Land, die sich hier versteuern lassen. Günstige KI aus dem Inland hilft der Wirtschaft ausserdem, schneller «AI first» zu werden, und weil sie vollständig in der Schweiz läuft, können auch Branchen wie Banken sie rasch einführen.
Wer könnte es finanzieren?
Die Interpellation fragt nach der Finanzierung, nicht nur nach den Kosten. Eine fertige Antwort gibt es nicht, aber die Bausteine einer Finanzierung lassen sich benennen:
- Einmalige Hardware (85 Millionen): am ehesten ein Verpflichtungskredit des Bundes, weil die Hardware über mehrere Jahre genutzt wird. Ein Pilot (Schätzung rund 3 Millionen) bräuchte nur einen kleinen Betrag und könnte auf vorhandener Infrastruktur laufen.
- Basisangebot für alle: Bundesmittel, wie bei anderer Grundinfrastruktur. Die Pro-Kopf-Kosten von CHF 6.29 im Jahr sind überschaubar, die Betriebskosten der E-ID liegen in vergleichbarer Grössenordnung.
- Verwaltung, Schulen, Hochschulen und Forschung: interne Verrechnung oder gemeinsame Finanzierung mit Kantonen, soweit sie Kontingente nutzen. Welcher Anteil auf wen fiele, ist nicht berechnet.
- Unternehmen: API-Zugang zum Selbstkostenpreis. Dieser deckt die Kosten der Nutzung durch Unternehmen, schafft aber keinen Überschuss. Ob sich die nachts ungenutzte Rechenleistung für zeitunkritische Aufträge gegen Entgelt verkaufen liesse, ist nicht geprüft.
Offen bleibt, ob ein solcher Betrieb auch ein Geschäft sein darf. Der Selbstkostenpreis ist ein politischer Entscheid: Wer mehr verlangt, konkurriert mit privaten Schweizer Hostern, wer weniger verlangt, subventioniert.
Frage 7: Wie passt das zum Rest der Politik?
«Wie passt das zur Urheberrechtsrevision, zur KI-Konvention des Europarats, zur KI-Strategie des Bundes und zum Genfer KI-Gipfel 2027?»[1]
Unsere Antwort: Die drei Vorhaben im Inland sind noch im Entwurf oder in Bewegung, und keines regelt heute, wie ein öffentliches Modell trainiert werden darf. Der Genfer KI-Gipfel 2027 wäre ein Anlass, die Beschaffung und die Prüfung von Modellen gemeinsam mit anderen Staaten anzugehen.
Urheberrecht. Die laufende Revision betrifft das Leistungsschutzrecht für Medien, nicht das Training von KI. Der Ständerat hat sie am 17. Juni 2026 ohne Gegenstimme an den Bundesrat zurückgewiesen, der Nationalrat hatte ihr im März mit 157 zu 29 Stimmen zugestimmt. Der Bundesrat soll prüfen, welche Folgen KI für Plattformen und Suchmaschinen hat. Bundesrat Jans sprach von etwa zwei Jahren Verzögerung für die Revision, und das Institut für Geistiges Eigentum hat bereits begonnen, eine Motion umzusetzen, die urheberrechtlich geschützte Inhalte vor missbräuchlicher KI-Nutzung schützen soll.[31] Für ein öffentliches Modell heisst das: Die Rechtslage beim Training mit urheberrechtlich geschützten Inhalten ist nicht geklärt. Bei der Anpassung des Modells (Frage 4) trainieren wir mit eigens erstellten Daten. Das Risiko ist dort klein. Was im Pretraining des Basismodells steckt, können wir nicht beurteilen.
KI-Konvention des Europarats. Der Bundesrat hat das EJPD am 12. Februar 2025 beauftragt, eine Vernehmlassungsvorlage vorzubereiten, die Transparenz, Datenschutz, Nichtdiskriminierung und Aufsicht regelt. Das UVEK soll bis Ende 2026 weitere Massnahmen ohne Gesetzesänderung vorschlagen. Damit soll die Schweiz die Konvention ratifizieren können.[32] Eine Vernehmlassung ist nach den Angaben des Bundesamts für Justiz noch nicht eröffnet. Die Konvention gilt auch für staatliche Stellen, ein öffentlicher KI-Dienst wäre also selbst von ihr betroffen. Die veröffentlichte Testsuite und die Transparenz über das Modellverhalten (Frage 4) passen zu dem, was die Konvention verlangt.
KI-Strategie des Bundes. Über die Beschlüsse zur Konvention hinaus haben wir keine Strategie gefunden, die eine öffentliche KI vorsieht oder ausschliesst. Eine Einordnung wäre Sache des Bundesrats.
Genfer KI-Gipfel 2027. Das UVEK bereitet den Gipfel vor, unterstützt vom EDA und in Abstimmung mit Indien, dem Gastgeber des Gipfels 2026. Die Finanzierung ist laut Bund gesichert, aus dem bestehenden Budget und mit Beiträgen Dritter.[33] Der Gipfel könnte Partnerschaften anstossen, und zwar mit anderen mittelgrossen Staaten, die wie die Schweiz von US-Exportbeschränkungen für GPUs betroffen sein können (Frage 2). Gemeinsam könnten sie Hardware beschaffen und Modelle prüfen. Die Beschaffung von rund 1’300 GPUs ist für einen einzelnen Staat ein grosses Vorhaben. Im Verbund liesse sie sich leichter aushandeln. Auch die Anpassung des Modells und die zugehörige Testsuite könnten sich mehrere Staaten teilen.
Wie ein Start aussehen könnte
Die Tabelle zeigt, in welchen vier Schritten der Betrieb von einem Pilot auf die 7 Millionen Nutzer des Basisfalls wachsen könnte und was jeder Schritt an Hardware und Geld braucht. Das ist ein Vorschlag, gerechnet mit den Annahmen der Modellrechnung und als Illustration gedacht. Termine und Pilotbetrag sind Schätzungen. Die jährlichen Kosten enthalten die Modell-Anpassung.
| Phase | Wann | Was | Nutzer | Hardware | Kosten |
|---|---|---|---|---|---|
| 0. Pilot | 1. Halbjahr 2027 | DeepInfer mit V4.1 Flash auf einem reservierten Teil von Alps, neben dem bestehenden Apertus-Dienst. Die von DeepSeek nicht veröffentlichten Teile bauen: Cache-Verwaltung und Load Balancing. Spezifikation und Testsuite für die Modell-Anpassung entwickeln | 10’000 Testnutzer aus der Bundesverwaltung und der ETH | Bestehende GH200-Knoten.[34, 35] | Vor allem Personal, Schätzung rund CHF 3 Mio. |
| 1. Service public | 2027 bis 2028 | Verwaltung, Schulen, Hochschulen. Erstanpassung des Modells. Ausschreibung für flüssiggekühlte Hallenfläche mit Wärmenutzung | rund 1 Mio. | 2 NVL72-Racks, 8 Prefill-Server | CHF 14 Mio. Hardware plus rund 5 Mio. Erstanpassung einmalig, CHF 16.8 Mio. pro Jahr |
| 2. Öffnung für die Bevölkerung | 2028 bis 2029 | E-ID-Login, kostenloses Basisangebot und Stapelarbeit in der Nacht | rund 5 Mio. | 7 Racks, 36 Server, zweiter Standort | CHF 52 Mio. einmalig, CHF 38 Mio. pro Jahr |
| 3. Nationale Infrastruktur | ab 2029 | API-Zugang für Schweizer Unternehmen zum Selbstkostenpreis, Partnerschaften aus dem Genfer KI-Gipfel 2027 | 7 Mio. | 11 Racks, 63 Server | CHF 85 Mio. einmalig, CHF 57 Mio. pro Jahr |
Die Hardware in Phase 3 wäre eine Generation neuer als die B300, mit der wir rechnen. Der Durchsatz pro GPU steigt meist mit jeder Generation. Die GPU-Zahl läge also voraussichtlich unter den Werten der Tabelle.
Was wir nicht prüfen konnten
- Die Fragen der Interpellation geben wir gekürzt wieder. Den vollen Wortlaut finden Sie in der Quelle unten.[1]
- Unsere Antworten auf die Rechtsfragen (Frage 3, Frage 7) sind eine Einschätzung und keine Rechtsberatung. Ob ein öffentlicher KI-Dienst unter das ETH-Gesetz oder das EMBAG fiele oder ein eigenes Gesetz bräuchte, haben wir nicht geklärt.
- Die Kosten sind eine Modellrechnung. Auf welchen Annahmen die Rechnung beruht und wo sie unsicher ist, steht im Beitrag zur Modellrechnung.
- Wie viel Schweizer Unternehmen und Verwaltung zusammen zur Finanzierung beitragen könnten, haben wir nicht gerechnet.
- Die Vergleichszahlen zu E-ID, Bundesinformatik und GPT-NL stammen aus Medienberichten. Wir haben sie nicht gegen die Originaldokumente geprüft.
Was Sie daraus mitnehmen
Technisch ist eine öffentliche KI für die Schweiz machbar: rund 1’300 GPUs, 57 Millionen Franken im Jahr für 7 Millionen Nutzer, mit offenen Modellen und Software, die im Land läuft. Der grössere Gewinn liegt bei den Daten, bei der Verfügbarkeit und bei der Arbeit, die hier bleibt, weniger beim reinen Preis.
Offen sind drei Dinge, die keine Rechnung beantwortet. Wer trägt den Dienst, und auf welcher Rechtsgrundlage? Wer bezahlt ihn, und was kostet er die Unternehmen? Und wer legt fest, was ein öffentliches Modell sagen darf? Das sind politische Entscheide. Die Zahlen sind ein Massstab für diese Debatte, keine Offerte.
Quellen
Für die Geschäftsleitung
Dieses Dossier als PDF
Den vollständigen Beitrag plus eine kompakte Management-Zusammenfassung und Checkliste, als PDF zum Speichern und Weiterleiten.
Sie erhalten das PDF sofort. Mit dem Absenden stimmen Sie zu, dass Souverana Sie zu diesem Thema kontaktieren darf. Verarbeitung in der Schweiz/EU, keine Weitergabe an Dritte, Widerruf jederzeit (revDSG).
Häufige Fragen
- Wie könnten alle in der Schweiz Zugang zu einer öffentlichen KI erhalten?
- Eine öffentliche Stelle betreibt eine App und eine Schnittstelle (API). Der Login läuft über AGOV und später die E-ID. Ein Basisangebot ist für alle kostenlos, Verwaltung, Schulen und Forschung erhalten eigene Stufen, Unternehmen API-Zugang zum Selbstkostenpreis.
- Macht eine öffentliche KI die Schweiz unabhängig von ausländischen Anbietern?
- Bei der Software weitgehend: Offene Modellgewichte laufen auf Schweizer Hardware ohne Verbindung nach aussen. Bei den Chips liefert heute NVIDIA unter US-Exportregeln, DeepSeeks Software läuft aber auch auf Huawei Ascend als zweite Bezugsquelle. Zusätzlich helfen grosse Beschaffungstranchen samt Ersatzteilen und portable Software.
- Wer könnte eine öffentliche KI in der Schweiz tragen?
- Als technischer Betreiber wäre das CSCS der kürzeste Weg. Das ETH-Gesetz richtet den ETH-Bereich auf Lehre und Forschung aus, ein Dienst für die ganze Bevölkerung dürfte deshalb eine eigene oder angepasste Rechtsgrundlage brauchen. Das ist eine Einschätzung, keine Rechtsberatung.
- Was kostet es, ein offenes Modell an die Schweiz anzupassen?
- Rund CHF 5 Millionen einmalig pro Modellgeneration plus 2 Millionen pro Jahr für die Nachführung. Personal und Daten machen den grössten Teil aus, die Rechenzeit ist die kleinste Position.
- Welche Anforderungen sollte ein Rechenzentrum für öffentliche KI erfüllen?
- Flüssigkühlung mit Wärmenutzung, geschlossener Kühlkreislauf mit Obergrenze für den Wasserverbrauch, PUE von höchstens 1.15 im Jahresmittel, verschiebbare Stapelaufträge, die dem Stromnetz folgen, und zwei Standorte mit mindestens 50 Kilometern Abstand.
- Was kostet eine öffentliche KI, und wer könnte sie finanzieren?
- In unserer Modellrechnung kostet der Betrieb für 7 Millionen Nutzer rund 57 Millionen Franken im Jahr (CHF 6.29 pro Einwohner), plus 85 Millionen einmalig für Hardware. Denkbar ist eine Mischfinanzierung: Bundesmittel für das Basisangebot, interne Verrechnung für Verwaltung und Bildung, Selbstkostenpreis für Unternehmen.
Diesen Beitrag teilen
Fertig formatierte Grafiken und ein Textvorschlag für Ihren LinkedIn-Post: herunterladen, kopieren, posten.
Textvorschlag
Wie könnten alle in der Schweiz eine öffentliche KI nutzen, wer würde sie tragen, und wer bezahlt sie? Nationalrätin Min Li Marti stellt dem Bundesrat dazu sieben Fragen (Interpellation 26.4569, eingereicht am 2. Oktober 2026, der Bundesrat hat noch nicht geantwortet). Wir haben alle sieben beantwortet. Zugang liesse sich über AGOV und später die E-ID lösen, bei der Software wird die Schweiz weitgehend unabhängig, bei den Chips hilft eine zweite Bezugsquelle (Huawei Ascend). Als Betreiber wäre das CSCS der kürzeste Weg, für einen Dienst an die ganze Bevölkerung braucht es voraussichtlich eine neue Rechtsgrundlage. Der Betrieb für 7 Millionen Nutzer kostet in unserer Modellrechnung rund 57 Millionen Franken im Jahr, davon bleiben 35 Millionen im Land. Im Beitrag: die Anforderungen an Rechenzentren, ein Fahrplan vom Pilot bis zur nationalen Infrastruktur und, was bei Koordination, Urheberrecht und KI-Konvention offen ist. Die Rechnung dahinter steht in einem eigenen Beitrag. Link in den Kommentaren. #KI #Schweiz #Infrastruktur #Datensouveränität #Politik