Für den "Pioneer of the Year" nominiert ist Imanol Schlag, Forscher im ETH AI Center. Als Leiter der Entwicklung des Schweizer KI-Modells Apertus leistet er einen entscheidenden Beitrag zu einer transparenten Künstlichen Intelligenz sowie zur digitalen Souveränität und Sicherheit der Schweiz. Mit seinem Engagement verkörpert er den Forschungsstandort Schweiz im Digital- und KI-Bereich wie kaum ein anderer.

Imanol Schlag: Zuerst Freude, dann der Gedanke ans Team. Apertus ist die Arbeit von Dutzenden Forschenden sowie Ingenieurinnen und Ingenieuren der ETH Zürich, der EPFL, des CSCS und weiterer Schweizer Hochschulen. Und mir wurde einmal mehr bewusst, wie privilegiert wir sind, in diesem Umfeld arbeiten zu dürfen. Ein Projekt wie Apertus braucht mehr als gute Ideen: einen Supercomputer wie Alps, Institutionen, die langfristig an Forschung und Innovation glauben, und den Mut, sich auf eine neue Technologie einzulassen, bevor klar ist, wohin sie führt. Dass die Schweiz all das bietet, ist keine Selbstverständlichkeit.

Mich treibt die Überzeugung an, dass generative KI die prägende Technologie unserer Zeit ist und einen grossen Teil unserer Wissensarbeit verändern wird. Gleichzeitig verstehen wir erstaunlich wenig darüber, warum diese Modelle so gut funktionieren. Dieses Verständnis kann man nicht einkaufen, man muss die Modelle selbst bauen. Das ist für mich der eigentliche Antrieb hinter Apertus: Forschung, die der Schweiz und Europa erlaubt, diese Technologie zu verstehen und mitzugestalten, statt sie nur zu nutzen.

Als wir 2024 mit Apertus starteten, haben wir uns ein klares Ziel gesetzt: ein Modell, das mit den besten offenen Modellen der grossen US-Technologiekonzerne mithalten kann. Ausserhalb des Teams hielten das nur wenige für realistisch, denn keine Hochschule hatte je ein Modell dieser Grössenordnung trainiert, und wir wollten es zusätzlich mit vollständig offenen Daten und im Einklang mit Schweizer und europäischem Recht tun. Wir haben das Ziel erreicht. Darauf bin ich stolz, weil es alles andere als selbstverständlich war. In einem Feld, das sich so schnell bewegt wie kaum ein anderes, haben wir zudem begonnen, eigene Wege zu gehen: Apertus wird unter anderem mit Verfahren trainiert, die in Forschungsgruppen der ETH Zürich und der EPFL entstanden sind.

An Apertus 2. Wir wollen das grösste Modell trainieren, das unser Schweizer Supercomputer Alps effizient zulässt, und dabei konsequent auf eigene Innovationen setzen, statt nur nachzubauen, was andere vorgemacht haben. Das Modell ist ein Fundament: Anbieter, die es in ihren Rechenzentren betreiben, sowie Entwicklerinnen und Entwickler, die darauf die Produkte und Dienste von morgen bauen, brauchen eine Basis, die leistungsfähig und zugleich vertrauenswürdig ist. Genau das wollen wir liefern. Und wir sehen darin einen ersten Schritt zu etwas Grösserem: Technologie, die die Forschung in der Schweiz selbst beschleunigt, von der Medizin bis zur Klimawissenschaft.

Modelle, die nach dem Training weiterlernen. Heutige Sprachmodelle sind nach dem Training eingefroren: Was sie in einem Gespräch dazulernen, ist danach wieder weg. Ein System, das dauerhaft aus Erfahrung lernt, wäre ein grundlegend anderes Werkzeug. Daran habe ich in meiner Doktorarbeit geforscht, und Varianten meiner Methode Deltanet stecken heute in den leistungsfähigsten offenen Modellen, weil sie dem Mechanismus, der 2017 die KI-Revolution auslöste, in wichtigen Punkten überlegen sind. Wenn Modelle einmal wirklich lernen können, wird KI zur Kollegin, die Hypothesen aufstellt, Experimente plant und die Forschung in allen Disziplinen mitträgt.