Bei Chatbots kann die Schweiz nicht mit Amerika mithalten – trotzdem kann sie zur KI-Grossmacht werden

Als Angela Merkel das Internet 2013 als «Neuland» bezeichnete, war der Spott gross. Heute, im Zeitalter der künstlichen Intelligenz, wirkt die Debatte erstaunlich vertraut. Wieder dominieren Unsicherheit, Regulierungsfragen und die Sorge, den Anschluss nicht zu verlieren.

Doch wer jetzt in reine Defensivhaltung verfällt, übersieht, dass vermeintliche Standortnachteile kein Hindernis für spätere Innovationssprünge sein müssen. Die Schweizer Wirtschaftsgeschichte führt das eindrücklich vor Augen. Über Jahrhunderte war die Schweiz weder Technologie- noch Innovationsstandort. Sie war ein agrarisch geprägter Kleinstaat ohne Zugang zum Meer, ohne nennenswerte Rohstoffe und ohne industrielle Grosszentren. Heute hingegen verteidigt sie regelmässig Spitzenplätze in internationalen Innovationsrankings und zählt zu den wettbewerbsfähigsten Volkswirtschaften der Welt.

Nirgendwo zeigt sich dieses Prinzip «Aufholen durch kluge Abweichung» so deutlich wie in der wohl bekanntesten Schweizer Erfolgsgeschichte: der Uhrmacherei. Kaum ein Gewerbe wird heute so sehr mit der Schweiz in Verbindung gebracht. Erfunden wurde es jedoch anderswo. Das Handwerk gelangte im 16. Jahrhundert mit hugenottischen Flüchtlingen nach Genf und breitete sich von dort in die Westschweiz und die Juraregion aus. Noch über zwei Jahrhunderte hinweg lag das Zentrum der Branche jedoch nicht in der Schweiz, sondern in England. Die Schweiz holte den Rückstand auf ihre eigene Weise auf. Sie verzichtete darauf, zu den Bedingungen der Konkurrenz anzutreten. Während die Engländer grössere Werkstätten bauten, wurden die Schweizer kleiner, präziser und spezialisierter. Um die Mitte des 19. Jahrhunderts hatten sie Grossbritannien als führende Uhrennation abgelöst.

Das Muster dahinter ist typisch schweizerisch: spät in den Markt eintreten, sich auf Qualität und Spezialisierung konzentrieren und Wertschöpfung dort schaffen, wo andere vor allem auf Masse setzen. Diese Strategie prägte den Wirtschaftsstandort Schweiz lange vor der Gründung des Bundesstaates.

Diese Strategie funktionierte zwei Jahrhunderte lang, weil sich die Technologie langsam genug veränderte. Eine Taschenuhr von 1750 glich der von 1850. Die Schweiz hatte Zeit. Heute hat sie das nicht. Ein neues, innovatives KI-Modell ist nach achtzehn Monaten bereits eine Fussnote. Bis die Schweiz ihr eigenes GPT baut, hat sich der Stand der Technik zweimal geändert.

Gerade deshalb ist der helvetische Reflex, auf Tiefe statt Breite zu setzen, aktueller denn je. Nur auf der falschen Ebene: beim Wettbewerb um Basismodelle. Dort gewinnt nicht der mit dem meisten Spezialwissen, sondern der mit der grössten Rechenleistung und den meisten Daten.

Zwei Ebenen, eine Debatte

Wer in der Schweiz über KI redet, muss zwei Ebenen trennen: die Workflow-Ebene für Büro und Alltag und die Intelligence-Ebene für Industrie und Wissenschaft. Fast niemand tut das. Ohne diese Unterscheidung fliessen Milliarden in die Basismodelle – dort kann die Schweiz nicht gewinnen. Mit der Unterscheidung entsteht ein Weg, nicht durch Nachahmung, sondern durch Spezialisierung.

Beginnen wir mit der Ebene, die kein Schweizer Alleinstellungsmerkmal ist: der Workflow-Ebene. Sie umfasst die Werkzeuge, die jeder kennt: ChatGPT, Microsoft Copilot, Google Gemini. KI-Agenten, die E-Mails entwerfen, Dokumente zusammenfassen, Code generieren. Diese Ebene ist beeindruckend und nützlich, doch sie wird in rasantem Tempo zur austauschbaren Massenware. OpenAI, Google, Anthropic und Meta bauen alle die gleiche Klasse grosser Sprachmodelle, trainiert auf dem gleichen Internet, zugänglich über die gleiche API. Der Preis pro Token sinkt jedes Quartal. In drei Jahren ist Workflow-KI so unspektakulär wie eine Suchmaschine.

Die zweite Ebene ist folgenreicher und weit weniger diskutiert: die Intelligence-Ebene. Es sind Modelle, die nicht mit allgemeinen Internetdaten trainiert werden, sondern mit den eigenen proprietären Daten eines Unternehmens, jenseits von Sprache: jahrzehntelange Messreihen aus der Produktion, technische Zeichnungsarchive, klinische Studiendatenbanken. Diese Modelle beantworten keine allgemeinen Fragen. Sie beantworten Fragen, die kein Konkurrent beantworten kann, weil kein Konkurrent die Daten hat.

Die Workflow-Ebene macht Mitarbeiter schneller. Die Intelligence-Ebene macht Organisationen schlauer. Die eine ist ersetzbar. Die andere ist ein dauerhafter Wettbewerbsvorteil – und genau dorthin muss die Schweiz investieren.

Die erste Ebene hat Amerika bereits gewonnen

Wer ernsthaft über ein europäisches Gegenstück zu GPT-6 nachdenkt, führt den falschen Krieg. Die USA haben dieses Rennen gewonnen. Die Tech-Giganten haben jahrelang Milliarden in Recheninfrastruktur, Forschungstalente und Modellarchitekturen gesteckt – das kann Europa im grossen Stil nicht replizieren.

Das ist kein Grund zur Verzweiflung. Es ist ein Fakt, der die richtige Schlussfolgerung verlangt: aufhören zu imitieren, anfangen zu differenzieren.

Die Intelligence-Ebene ist ein grundlegend anderer Wettbewerb. Sie läuft nicht mit allgemeinen Daten, sondern mit den Daten, die Schweizer Industrieunternehmen über Jahrzehnte aufgebaut haben: fünfzig Jahre klinische Forschung in der Pharmabranche, vierzig Jahre Materialeigenschaften in der Chemie, dreissig Jahre Produktionsdaten im Maschinenbau. Kein amerikanisches Modell hat Zugriff darauf. Kein chinesisches. Niemand.

Das ist das eigentliche KI-Kapital der Schweiz. Und derzeit liegt der grösste Teil davon brach – verteilt auf tausende Festplatten, in unstrukturierten Dateiverzeichnissen, unzugänglich für unternehmensweite KI-Modelle.

Digitale Souveränität braucht eine neue Definition

Die politische Debatte über KI-Souveränität konzentriert sich fast ausschliesslich auf Infrastruktur: Wo werden die Daten gespeichert? Welcher Cloud-Anbieter? Welcher Regulierungsrahmen? Diese Fragen sind nicht falsch. Sie sind nur unzureichend.

Ein Unternehmen, das seine Kundendaten auf einem Schweizer Server mit einem europäischen Cloud-Anbieter speichert, aber sämtliche KI-Inferenzen über eine Schnittstelle in San Francisco abwickelt, ist nicht souverän. Es hat die Daten lokalisiert, aber die KI ausgelagert. Das ist wie das Tagebuch zu Hause aufzubewahren, aber einen Fremden alle Schlüsse daraus ziehen zu lassen. Digitale Souveränität bedeutet: Wer eine KI mit seinen eigenen Daten baut, muss diese KI auch kontrollieren können. Nicht weil ein Gesetz es verlangt, sondern weil sonst ein anderer die Kontrolle hat.

Die Abhängigkeit von amerikanischen Grundmodellen ist real. Heute ist sie unsichtbar, weil die technischen Schnittstellen funktionieren, die Preise fallen und die Bequemlichkeit verlockend ist. Aber jede Organisation, die ihre industrielle Intelligenz an eine externe Schnittstelle auslagert, gibt mit der Zeit ihr wichtigstes Wettbewerbsgut auf: die Fähigkeit, schneller als jeder andere aus ihren eigenen Daten zu lernen.

Schweizer Präzision als KI-Strategie

Was hat die Schweiz tatsächlich, das sie auszeichnet? Nicht Grösse. Nicht billige Energie. Nicht einen grossen Binnenmarkt. Sie hat Präzision, institutionelles Vertrauen und Daten.

Seit Jahrzehnten sind Schweizer Unternehmen in Branchen tätig, in denen Präzision nicht verhandelbar ist: Pharmaforschung, Präzisionsfertigung, wissenschaftliche Instrumente, Finanzdienstleistungen, Uhrmacherei. In jedem dieser Bereiche sind über Jahre und Jahrzehnte proprietäre Datenbestände entstanden: Testprotokolle, Messaufzeichnungen, technische Spezifikationen, Schadenverläufe. Diese Bestände gibt es nirgendwo sonst auf der Welt. Sie sind der Rohstoff der Intelligence-Ebene. Und sie warten darauf, genutzt zu werden.

«Ein Schweizer Industrieunternehmen führt Microsoft Copilot ein, um E-Mails zusammenzufassen, und nennt das seine KI-Strategie. Dabei liegt auf seinen eigenen Servern ein Datensatz, der, richtig modelliert, die Produktentwicklungszyklen halbieren könnte.»

Dass der Schweizer Datenschatz nicht genutzt wird, ist ein Muster, das sich quer durch alle Branchen zeigt. Ein Schweizer Industrieunternehmen führt Microsoft Copilot ein, um E-Mails zusammenzufassen, und nennt das seine KI-Strategie. Dabei liegt auf seinen eigenen Servern ein Datensatz, der, richtig modelliert, die Produktentwicklungszyklen halbieren könnte.

Eine KI-Strategie entscheidet sich nicht an der Wahl eines Modells, sondern an der Frage: Welche eigenen Daten werden genutzt? Und wer besitzt das Wissen, das daraus entsteht? Wer diese Fragen nicht beantworten kann, mietet KI. Wer sie beantwortet, baut sie mit den eigenen Daten, mit Modellen, die die eigenen Stärken vertiefen statt nivellieren. Nur die zweite Form ist eine nachhaltige KI-Strategie. Die erste ist ein Abonnement, das jeder Konkurrent ebenfalls abschliessen kann.

Die Schweiz braucht kein eigenes GPT. Sie braucht keine Milliarden für Rechenzentren, die mit amerikanischer und chinesischer Infrastruktur konkurrieren. Seien wir ehrlich: Kein Schweizer Unternehmen wird je bessere Hyperscale-Rechenzentren bauen als Amazon, Microsoft oder Google – auch in fünf Jahren nicht. Was die Schweiz braucht, ist eine koordinierte Wette auf der richtigen Flughöhe: sowohl Top-down als auch Bottom-up.

Top-down braucht es eine politische Debatte, die die Schweiz bisher vermieden hat. Die zentrale Frage lautet nicht, wie sich künstliche Intelligenz möglichst umfassend regulieren lässt. Sie lautet, wie die Schweiz Zugang zu den notwendigen Rechenkapazitäten erhält und gleichzeitig die Hoheit über ihre Daten und ihr Wissen bewahrt. Das ist kein Widerspruch, sondern die realistische Strategie einer kleinen, offenen Volkswirtschaft. Der Bund sollte deshalb nicht primär neue Vorschriften erlassen, sondern als strategischer Partner auftreten. Er muss mit den grossen Cloud-Anbietern und Infrastrukturbetreibern verhandeln, auf deren Rechenleistung die Schweizer Wirtschaft angewiesen sein wird, und Rahmenbedingungen schaffen, die Innovation ermöglichen und zugleich die Kontrolle über Schweizer Daten sichern.

«Nicht die Grösse ist die Stärke der Schweiz, sondern ihre Fähigkeit zur Spezialisierung.»

Handlungsbedarf besteht aber auch Bottom-up: In Schweizer Sitzungszimmern kreist die Debatte häufig um die Einführung eines KI-Chatbots für den Kundendienst. Das mag sinnvoll sein, ist aber keine Strategie. Der Fokus liegt damit auf dem Werkzeug, nicht auf dem eigentlichen Wettbewerbsvorteil: Welche besseren Entscheidungen könnte ein Unternehmen treffen, wenn es seine eigenen Daten systematisch auswerten und für die Unternehmenssteuerung nutzbar machen würde? Wie gesagt: Jedes Schweizer Industrieunternehmen verfügt über einen Datenschatz, den kein Konkurrent kopieren kann. Doch nur wenige nutzen ihn konsequent. Statt aus ihren Daten eigene Erkenntnisse, Prognosen und Wettbewerbsvorteile zu gewinnen, beschränken sie sich oft auf den Einsatz standardisierter KI-Werkzeuge.

Der entscheidende Gedanke fehlt in vielen Schweizer KI-Debatten: Die Schweiz muss das Silicon Valley nicht kopieren. Sie muss ihre eigenen Stärken ausspielen. Nicht die Grösse ist die Stärke der Schweiz, sondern ihre Fähigkeit zur Spezialisierung. Wer nicht über die grössten Datenzentren verfügt, muss über das tiefste Branchenwissen, die besten Daten und die überzeugendsten Anwendungen verfügen.

Die Daten dafür sind längst vorhanden. Die Infrastruktur lässt sich beschaffen. Was fehlt, ist der Wille, in jene Ebene zu investieren, auf der nachhaltige Wertschöpfung entsteht.