Wie die Schweiz ihre KI-Infrastruktur besser koordinieren kann

Sabine Süsstrunk, Präsidentin des Schweizerischen Wissenschaftsrats und Dekanin der Fakultät für Informatik und Kommunikations­wissenschaften, EPFL. (Source: zVg)

Sabine Süsstrunk, Präsidentin des Schweizerischen Wissenschaftsrats und Dekanin der Fakultät für Informatik und Kommunikations­wissenschaften, EPFL. (Source: zVg)

Welche Aufgaben hat der Schweizerische Wissenschaftsrat?

Sabine Süsstrunk: Der Schweizerische Wissenschaftsrat ist eine ausserparlamentarische Kommission, die den Bundesrat in Fragen der Bildung, Forschung und Innovation berät. Wir befassen uns insbesondere mit den Rahmenbedingungen, die diese Bereiche fördern können. Einige Studien erstellen wir im Auftrag des Bundes, bei anderen wählen wir die Themen selbst aus – etwa Quantencomputing oder aktuell KI.

Warum haben Sie sich mit den Infrastrukturen für KI befasst?

Bei künstlicher Intelligenz gilt es, zwei Dinge auseinanderzuhalten: Es gibt Forschung an KI und Forschung mit KI. Die Anforderungen sind unterschiedlich. Forschende, die neue KI-Modelle entwickeln, benötigen unter Umständen enorme Rechenkapazitäten. Andere Wissenschaftlerinnen und Wissenschaftler nutzen KI als Werkzeug in ihrem eigenen Fachgebiet. Auch sie brauchen Ressourcen, aber nicht unbedingt von Anfang an die leistungsfähigsten Infrastrukturen. Deshalb haben wir uns mit einem mehrstufigen Modell befasst. Auf der obersten Stufe stehen sehr grosse Recheninfrastrukturen. Einige davon befinden sich in der Schweiz, etwa der Supercomputer Alps am Schweizerischen Hochleistungsrechenzentrum (CSCS) in Lugano, auf dem unter anderem das in der Schweiz entwickelte, offene Sprachmodell Apertus trainiert wurde. Weitere grosse Recheninfrastrukturen sind über internationale Kooperationen zugänglich. Die meisten Forschenden müssen aber nicht gleich auf dieser obersten Stufe einsteigen. Sie sollten auch Zugang zu mittleren Rechenkapazitäten erhalten, selbst wenn ihre eigene Institution keine grosse Infrastruktur betreibt.

Die Schweiz verfügt doch bereits über beträchtliche ­Ressourcen. Wo liegt das Problem?

Die Schweizer KI-Infrastruktur ist zu stark fragmentiert und zu wenig koordiniert. Das ist besonders problematisch, weil die Budgets unter Druck stehen, während Rechenleistung immer teurer wird. Wenn jede Institution ihre Infrastruktur unabhängig von den anderen ausbaut, entstehen Doppelspurigkeiten. Koordination allein reicht allerdings nicht. Wir müssen auch sicherstellen, dass die Systeme miteinander kompatibel sind. Stellen wir uns vor, jemand beginnt ein Forschungsprojekt auf einer lokalen Infrastruktur an der Universität Genf und stellt später fest, dass mehr Rechenleistung nötig ist. Ein Wechsel auf Alps sollte dann nicht bedeuten, dass die gesamte Softwareumgebung neu aufgesetzt oder sämtliche Protokolle neu geschrieben werden müssen. Das Ziel ist, dass sich Workloads möglichst einfach von einer Infrastruktur auf eine andere verlagern lassen. Ausserdem braucht es einen einfacheren Zugang und interoperable Systeme. Diese Kompatibilität sollte sich nicht auf die Wissenschaft beschränken. Wenn Forschungsergebnisse in die Industrie übertragen werden, nutzen Unternehmen häufig die Infrastrukturen privater Hyperscaler. Deshalb sollte das öffentliche Ökosystem offen genug bleiben, um auch mit diesen Umgebungen zusammenarbeiten zu können.

Sie betonen auch, dass zur Infrastruktur mehr gehört als GPUs und Rechenzentren.

Absolut. Zur Infrastruktur gehören Rechner und Netzwerke, aber auch Menschen. Das ist besonders wichtig für die Forschung mit KI. Wir können nicht jede Historikerin, jeden Historiker oder jede Fachperson aus einer anderen Disziplin zu einer KI-Fachkraft machen. Dabei verfügen diese Forschenden mitunter über enorme Datenmengen und könnten mithilfe von KI neue wissenschaftliche Fragen beantworten. Deshalb braucht es Fachleute, die Forschungsfragen in technische Anforderungen übersetzen können: Welche Werkzeuge eignen sich? Wie muss die Datenverarbeitung programmiert werden? Wie viel Rechenleistung ist nötig? Diese fachliche Unterstützung sollte in der Nähe der Forschenden verfügbar sein. Sie muss nicht an jeder einzelnen Institution angeboten werden, sondern könnte regional organisiert werden. Ein Team könnte beispielsweise mehrere Einrichtungen in verschiedenen Kantonen unterstützen und ihnen helfen, eine nationale Infrastruktur zu nutzen. Es geht also ebenso um den Zugang zu Fachwissen und Unterstützung wie um die IT-Infrastruktur.

Warum nicht das Fachwissen und die Rechenkapazitäten auf nationaler Ebene zentralisieren?

Weil wir dem Föderalismus Rechnung tragen müssen. Nicht alles lässt sich zentralisieren. Die Kantone finanzieren einen grossen Teil des Hochschulsystems und wollen bei Entscheidungen verständlicherweise weiterhin mitbestimmen. Ich sehe eher eine Aufgabenteilung. Bei den grössten Infrastrukturen sehe ich vor allem den Bund in der Verantwortung, während mittlere oder regionale Kapazitäten auch von den Kantonen finanziert werden können. Entscheidend ist, dass alles aufeinander abgestimmt wird. Schon heute verfügen wir über zahlreiche KI-Infrastrukturen, doch sie sind stark fragmentiert. Wenn diese Fragmentierung dazu führt, dass mehrere Akteure dieselben Ressourcen unabhängig voneinander beschaffen, steigen die Kosten. 

Der Schweizerische Wissenschaftsrat geht in seinem ­Bericht auch auf eine nutzungsabhängige Abrechnung ein. Warum halten Sie dieses Modell für sinnvoll?

Weil Rechenleistung genauso zu den Forschungskosten gehört wie andere Geräte und Anlagen. Natürlich muss man zunächst investieren, um die Infrastruktur aufzubauen. Danach kann eine nutzungsabhängige Abrechnung dazu beitragen, die Geräte regelmässig zu erneuern, denn ihre Lebenszyklen sind vergleichsweise kurz. Ein solches Modell kann auch einen effizienteren Umgang mit den Ressourcen fördern. Wenn die Nutzung der leistungsfähigsten Infrastruktur für die Forschenden völlig kostenlos ist, liegt es für die Nutzenden nahe, die grössten Kapazitäten zu beantragen – selbst wenn sie diese gar nicht benötigen. Mit einem mehrstufigen System lassen sich die Forschenden dagegen an die Infrastruktur verweisen, die ihren Bedürfnissen entspricht, statt immer die leistungsfähigsten Ressourcen zu nutzen.

Diese Debatte berührt auch die digitale Souveränität. Wie viel Unabhängigkeit sollte die Schweiz anstreben?

Wir werden in der Schweiz nie alles selbst machen können. Es ist unrealistisch, nationale Infrastrukturen aufzubauen, die den gesamten Bedarf der Industrie, des Bundes, der Kantone, der Forschung, der Spitäler und aller anderen Akteure decken. Private Hyperscaler werden deshalb weiterhin eine Rolle spielen. Für mich ist aber nicht allein entscheidend, ob eine Infrastruktur öffentlich oder privat ist. Entscheidend ist vor allem, um welche Daten es geht. Je sensibler diese sind, desto wichtiger wird die Souveränität. Das gilt besonders für medizinische Daten, Behörden- und Steuerdaten sowie ganz allgemein für Daten, anhand derer sich Personen identifizieren lassen. Hier braucht es besonders weitreichende Garantien. Offen bleibt, ob dafür eine rein schweizerische Lösung nötig ist oder ob die europäische Ebene der geeignetere Rahmen wäre.

Ist Souveränität also vor allem eine geopolitische Frage?

Ja. Wir sprechen immer von vertrauenswürdigen Partnern. Die Erfahrung zeigt aber, dass ein Partner, der heute als zuverlässig gilt, sehr schnell nicht mehr vertrauenswürdig sein kann. Souveränität betrifft deshalb nicht nur die Vertraulichkeit oder den Speicherort von Daten. Es geht auch um Geopolitik und die Frage, wem wir vertrauen können. ­Vollständige Unabhängigkeit bleibt für die Schweiz allerdings unrealistisch. Insbesondere die Energiekosten setzen uns Grenzen. Deshalb werden wir auch künftig auf Partner angewiesen sein, vor allem auf europäischer Ebene.

Sollte die Schweiz ihre Rechenkapazitäten angesichts der Kosten und des Energiebedarfs bestimmten Forschungsbereichen vorbehalten?

Ich finde nicht, dass die verfügbare Rechenleistung darüber entscheiden sollte, in welchen Bereichen die Schweiz forscht. Dahinter steckt ein Stück weit die Annahme, dass sämtliche Berechnungen zwingend in der Schweiz stattfinden müssten. Wenn die Daten nicht besonders sensibel sind, können Berechnungen aber auch anderswo durchgeführt werden – vorausgesetzt, man kann die benötigten Ressourcen bezahlen. Welche Forschungsschwerpunkte die Schweiz setzt, hängt stärker von den hier vorhandenen Fachkräften und unserer Industrielandschaft ab. Wir werden beispielsweise weiterhin im Pharmabereich zu KI forschen, weil wir in diesem Sektor über eine starke Industrie verfügen. Solche Faktoren sind aus meiner Sicht wichtiger als die Rechenkapazitäten, die innerhalb der Landesgrenzen zur Verfügung stehen.

Sie sprechen die Fachkräfte an. Bereitet Ihnen der Wettbewerb mit der Privatwirtschaft um KI-Talente Sorgen?

Ja, sehr. Für besonders gefragte Fachkräfte bieten manche Unternehmen im KI-Bereich heute Löhne, die weit über dem üblichen Niveau liegen. Da können die Hochschulen schlicht nicht mithalten. Ich glaube allerdings, dass wir es gerade mit einer Hochphase zu tun haben. Ähnliche Entwicklungen gab es bereits in anderen Technologiebereichen. Ich glaube nicht, dass sich das derzeitige Lohnniveau unbegrenzt halten lässt. Irgendwann müssen die Unternehmen zeigen, dass ihre Geschäftsmodelle langfristig tragfähig sind. Gleichzeitig werden immer mehr leistungsfähige Foundation Models zu deutlich geringeren Kosten verfügbar, insbesondere aus China. Das könnte die wirtschaftlichen Rahmenbedingungen der Branche verändern. Die Abwanderung von Fachkräften ist derzeit also ein ernstes Problem. Ich bin mir aber nicht sicher, ob diese Situation von Dauer ist.

Finden die Empfehlungen des Schweizerischen Wissenschaftsrats zur KI-Infrastruktur bereits Gehör?

Wir konnten den Bericht Bundesrat Guy Parmelin vorstellen, dem Vorsteher des Eidgenössischen Departements für Wirtschaft, Bildung und Forschung. Wir werden ihn auch der Schweizerischen Hochschulkonferenz präsentieren, in der unter anderem die Kantone auf höchster Entscheidungsebene vertreten sind. Es braucht allerdings noch viel Überzeugungsarbeit und vor allem Koordination. Die verschiedenen Akteure haben ihre eigenen Interessen und Strukturen. Der ETH-Bereich hat seine Prioritäten, Swissuniversities ebenfalls. Bei der Erarbeitung des Berichts haben wir zahlreiche Gespräche geführt. In einem Punkt herrschte weitgehend Einigkeit: Das bestehende System muss besser koordiniert werden. Es geht also weniger darum, ob gehandelt werden muss, sondern darum, wie sich dieser neue Ansatz konkret umsetzen lässt. Diese Diskussion müssen wir jetzt führen.

Sie sind auch Dekanin der Fakultät für Informatik und Kommunikationswissenschaften der EPFL. Was sind derzeit Ihre wichtigsten Prioritäten?

Eine der grossen Fragen betrifft die Lehre. KI hat die Arbeit in der Informatik bereits grundlegend verändert. Deshalb müssen wir uns fragen, welches Grundlagenwissen Studierende künftig noch benötigen und wie wir es vermitteln sollen. Vor drei Jahren hat sich niemand gefragt, wie man mit Claude programmiert. Heute gehört der Einsatz solcher Werkzeuge zum Alltag. Mit agentischer KI eröffnen sich noch viel weiterreichende Möglichkeiten. Das wirft eine grundlegende Frage auf: Was macht künftig eine Informatikingenieurin oder einen Informatikingenieur aus? Die EPFL plant unter anderem einen Bachelorstudiengang in KI. Es geht aber nicht nur um die Inhalte des Studiengangs. Wir müssen auch darüber nachdenken, wie wir unterrichten, damit künftige Generationen von Ingenieurinnen und Ingenieuren die Probleme lösen können, vor denen sie stehen werden.

Muss man noch programmieren lernen, wenn KI selbst Code schreiben kann?

Genau solche Fragen müssen wir klären. Wir beschäftigen uns sowohl damit, was Studierende über KI lernen müssen, als auch damit, wie sich KI in der Lehre einsetzen lässt. Allgemeine Fähigkeiten bleiben wichtig: selbstständig arbeiten, mit anderen zusammenarbeiten und kritisch denken. Aber welche technischen Kompetenzen müssen wir noch vermitteln, um die Studierenden auf künftige Herausforderungen vorzubereiten? Die Antwort darauf verändert sich heute viel schneller als früher. Besonders überrascht hat uns das Tempo des Wandels. Einen universitären Studiengang anzupassen, braucht Zeit, während sich die Werkzeuge extrem schnell weiterentwickeln. Das ist zweifellos eine grosse Herausforderung, aber wir werden gute Lösungen finden.

Zur Person

Sabine Süsstrunk ist seit September 2025 Dekanin der Fakultät für Informatik und Kommunikationswissenschaften der EPFL und seit 2021 Präsidentin des Schweizerischen Wissenschaftsrats. Seit 1999 ist sie an der EPFL tätig, wo sie als Professorin das Image and Visual Representation Lab leitet. Ihre Forschungsschwerpunkte sind computergestützte Fotografie und Bildgebung, künstliche Intelligenz sowie Bildqualität und -ästhetik.