Kurzfassung

Führende KI-Forscherinnen und Forscher argumentieren zunehmend, dass künstliche Intelligenz zu einer essentiellen Technologie geworden ist und nicht länger den grossen Tech-Konzernen überlassen werden darf. Statt auf wenige dominante Anbieter zu setzen, fordern sie den Aufbau öffentlicher KI-Infrastrukturen, die kleineren Modellen und lokalen Innovationen Raum geben. Länder wie die Schweiz mit dem Projekt Apertus und Finnland mit LUMI zeigen, wie staatliche Investitionen den Zugang zu KI-Technologie demokratisieren können.

Personen

Themen

  • Demokratisierung von KI-Technologie
  • Öffentliche KI-Infrastruktur
  • Open-Source-KI-Modelle
  • Datensicherheit und Datenschutz
  • Regionale KI-Spezialisierung

Detaillierte Zusammenfassung

Dominanz der Tech-Giganten und Gegenbewegung

Derzeit dominieren wenige Grosskonzerne wie OpenAI und Google den KI-Markt. Die notwendigen finanziellen und technologischen Ressourcen zum Training grosser Sprachmodelle sind für kleine Unternehmen unerreichbar. Dies führt jedoch zu einer wachsenden Gegenbewegung: Wissenschaftlerinnen und Wissenschaftler argumentieren, dass KI als transformative Technologie in öffentlicher Hand – zumindest teilweise – besser aufgehoben ist.

Kleinere Modelle als Lösung

Yejin Choi betont, dass kleinere, spezialisierte KI-Modelle völlig ausreichend und oft sogar wirtschaftlicher sind. Diese könnten kostengünstiger entwickelt werden und adressieren gleichzeitig kritische Datenschutzbedenken – besonders in sensiblen Bereichen wie dem Gesundheitswesen. Kleinere Open-Source-Modelle ermöglichen es Organisationen, KI-Lösungen lokal zu kontrollieren, ohne heikle Daten an grosse Tech-Konzerne weitergeben zu müssen.

Schweizer Initiative: Apertus

Die ETH Zürich entwickelte Apertus, ein offenes KI-Modell, das seit Sommer 2025 kostenlos verfügbar ist und seine Trainingsdaten transparent offenlegt. Professor Andreas Krause betont, dass öffentliche Institutionen nicht selbst kommerzielle Produkte entwickeln sollten, aber einen innovativen Nährboden schaffen können – eine Basis, auf der Schweizer Startups und Unternehmen aufbauen können.

Finnlands LUMI-Projekt

Finnland geht noch einen Schritt weiter. Das Projekt LUMI schafft eine staatliche KI-Infrastruktur mit einem hochleistungsfähigen Supercomputer – stärker als der ETH-Supercomputer Alps in Lugano. Dies ermöglicht es kleinen Startups, Zugang zu Rechenressourcen zu erhalten, die sie sich selbst niemals leisten könnten.

Europäische Strategie: Spezialisierung statt Superintelligenz

Petri Myllymäki von LUMI argumentiert gegen das Ziel einer universellen Superintelligenz. Stattdessen sollte Europa Tausende spezialisierte KI-Modelle für konkrete Probleme entwickeln – für Medikamentenentwicklung, Stromnetze, Gesundheitsdatenanalyse. LUMI ist eines von 19 ähnlichen Projekten in der Europäischen Union, die Europa auf den richtigen Weg bringen sollen.


Kernaussagen

  • KI als öffentliches Gut: KI ist zu wichtig, um vollständig in privaten Händen zu liegen.
  • Kleine Modelle sind praktikabel: Spezialisierte, kleinere KI-Modelle sind kostengünstiger und datenschutzfreundlicher.
  • Öffentliche Infrastruktur ist zentral: Staatliche Investitionen in KI-Infrastruktur demokratisieren den Zugang zu Technologie.
  • Regionale Spezialisierung: Europa sollte nicht versuchen, eine generische „Superintelligenz" zu bauen, sondern spezialisierte Lösungen für lokale Herausforderungen.
  • Schweiz und Finnland als Vorreiter: Projekte wie Apertus und LUMI zeigen, dass kleine bis mittlere Länder innovativ vorgehen können.

Stakeholder & Betroffene

Wer ist betroffen?Wer profitiert?Wer verliert?
Gesellschaft, kleine/mittlere Unternehmen, öffentliche InstitutionenStartups, lokale Ökosysteme, Datenschutz, WettbewerbTech-Giganten (monopolistische Marktposition)

Chancen & Risiken

ChancenRisiken
Reduktion von Tech-MonopolenHöhere öffentliche Investitionen nötig
Besserer Datenschutz durch lokale KontrolleFragmentierung in Hunderte unkompatible Modelle
Innovation in regionalen ÖkosystemenTechnologische Abhängigkeit von Infrastruktur-Betreibern
Spezialisierte, problemorientierte KI-LösungenGeopolitische Spannungen (USA vs. Europa)
Transparenz und NachvollziehbarkeitSicherheitsrisiken bei Open-Source-Modellen

Handlungsrelevanz

Entscheidungsträger sollten:

  1. Öffentliche KI-Infrastrukturen finanzieren – ähnlich wie nationale Forschungszentren.
  2. Open-Source-Initiativen unterstützen – durch Forschungsförderung und Zugang zu Rechenressourcen.
  3. Datenstandards definieren – um Sicherheit und Kompatibilität zu gewährleisten.
  4. Regionale Spezialisierung fördern – statt globaler Wettkampf um „Super-KI".
  5. Regulatorische Rahmenbedingungen schaffen – die kleine, spezialisierte Modelle nicht überfordern.

Qualitätssicherung & Faktenprüfung

  • [x] Zentrale Aussagen und Zahlen überprüft
  • [x] Zitate direkt aus dem Quelltext extrahiert
  • [x] Projekte (Apertus, LUMI, Alps) verifiziert
  • [x] Keine unbestätigten Daten eingefügt
  • [ ] ⚠️ Veröffentlichungsdatum WEF Davos 2026 basierend auf Artikel-Metadaten

Ergänzende Recherche


Quellenverzeichnis

Primärquelle:
KI als öffentliches Gut – Ist KI zu wichtig, um sie den Tech-Konzernen zu überlassen? – Sandro Della Torre, SRF (26.01.2026)
https://www.srf.ch/wissen/kuenstliche-intelligenz/ki-als-oeffentliches-gut-ist-ki-zu-wichtig-um-sie-den-tech-konzernen-zu-ueberlassen

Ergänzende Quellen:

  1. ETH Zürich – Apertus: Offenes KI-Modell (2025)
  2. LUMI Supercomputing-Projekt – Europäische KI-Infrastruktur (EuroHPC, Finnland)
  3. WEF Davos 2026 – Diskussionsprogramm zu KI und öffentlichen Gütern

Verifizierungsstatus: ✓ Fakten geprüft am 26.01.2026


Fusszeile (Transparenzhinweis)


Dieser Text wurde mit Unterstützung von Claude erstellt.
Redaktionelle Verantwortung: clarus.news | Faktenprüfung: 26.01.2026