Offenes LLM Apertus wurde mit Wasserkraft trainiert: Warum schneidet es schlecht ab im Nachhaltigkeits-Ranking?

Rund ein Jahr nach seiner Veröffentlichung ist Apertus noch immer das größte, vollständig offene Sprachmodell. Sein Training erfolgte mit sauberer Energie, die Kühlung funktioniert mit Wasser aus dem Luganer See und Apertus ist so konzipiert, dass es den Anforderungen des Europäischen AI Acts entspricht. Dabei wird es bereits in echten Institutionen eingesetzt.

Apertus ist zudem kleiner als die führenden kommerziellen Modelle. Es macht daher noch immer grundlegende Fehler in einigen der Sprachen, für deren Unterstützung es entwickelt wurde, und ist laut einem unabhängigen Benchmarkt-Test, der die Nachhaltigkeit großer Sprachmodelle geprüft hat, gar nicht mal so umweltfreundlich, wie sein Training vermuten lässt.

Aber bedeuten die aktuellen Nachteile von Apertus, das wir das Kind mit dem sauberen Schweizer Badewasser ausschütten sollten? Und was sagen uns die Herausforderungen kleinerer KI-Modelle über die Herausforderungen, KI-Modelle als „gut“ oder „schlecht“ einzuordnen?

Offenes Modell für die Forschung und für Unternehmen – nicht für Endverbraucher:innen

Gehen wir noch einmal einen Schritt zurück: Apertus wurde von der EPFL (École polytechnique fédérale de Lausanne), der ETH Zürich und dem Swiss National Supercomputing Centre entwickelt. Erstmals veröffentlicht wurde es im September 2025 unter der Apache 2.0 Lizenz, einer gängigen Open-Source-Lizenz. Seine Gewichte, sozusagen das „Wissen“ des KI-Modells, seine Architektur und sein Trainingsprozess wurden vollständig offengelegt. Das bringt bereits ein Maß an Transparenz, das bei den heutigen Spitzenmodellen ziemlich beispiellos ist. Es gibt zwei Versionen, eine mit 8 Milliarden Parametern und eine mit 70 Milliarden Parametern. Beide wurden auf Texten in mehr als 1.800 Sprachen trainiert, darunter auch Minderheitensprachen wie Rätoromanisch und Schweizerdeutsch. Auch hier zeigt sich eine Besonderheit gegenüber Mainstream-Modellen.

Anders als bei Mainstream-Modellen handelt es sich allerdings nicht um ein Verbraucherprodukt. Es gibt keine dazugehörige App, und Apertus hat nicht den Anspruch, direkt mit Anwendungen wie ChatGPT oder Gemini zu konkurrieren. Stattdessen handelt es sich um ein Basismodell, das in andere Tools integriert werden soll. Etwa, um die KI-Funktionen kommerzieller Tools zu berechnen oder Forscher:innen bei ihren Projekten zu unterstützen. Als Zielgruppe sind vor allem Unternehmen und Institutionen gedacht, die genau wissen müssen, welche Daten in das von ihnen verwendete System eingeflossen sind.

Zu den aktuellen Anwendungsfällen zählt die Übersetzung vertraulicher Regierungsdokumente im Schweizer Kanton Tessin sowie die Aufbereitung lokaler politischer Nachrichten für einen täglichen Newsletter bei einer in Basel ansässigen Online-Nachrichtenredaktion.

Mit 70 Milliarden Parametern ist Apertus deutlich kleiner als GPT-3, das schon im Jahr 2022 mit 175 Milliarden glänzte. Ganz zu schweigen davon, auf welche Größe die inzwischen nicht mehr transparenten Spitzenmodelle angewachsen sind. Unabhängige Tester:innen weisen die Entwickler:innen immer wieder auf ungeschickte Formulierungen und sachliche Ungenauigkeiten in Sprachen hin, die in der Schweiz heimisch sind. Neben dem Rätoromänischen treten laut Online-Bewertungen aber auch in größeren Sprachen wie Niederländisch Fehler auf.

Ein laufendes Projekt

Diese Kritik sollten wir ein wenig einordnen. Denn ein holpriger Start kommt nicht nur bei offen und ethisch trainierten Modellen wie Apertus vor. Auch die Einführung von ChatGPT im Jahr 2022 verlief bekanntermaßen holprig. Selbst jetzt, drei Jahre und etliche Versionen später, kommt es immer noch zu „Halluzinationen“, wobei Antworten generiert werden, die zwar verlässlich klingen, bei genauem Hinsehen aber falsch sind. Anfängliche Unausgereiftheit war in der Vergangenheit also kein verlässlicher Indikator dafür, wie erfolgreich ein Modell sein wird.

Zudem hat das hinter Apertus stehende Konsortium argumentiert, dass die Qualität und die Herkunft der Trainingsdaten wichtiger sind als der reine Umfang. Insbesondere für Institutionen, die nicht riskieren können, dass ihre KI-Dienstleister dabei erwischt werden, urheberrechtlich geschütztes Material zu kopieren oder auf unterbezahlte Datenarbeiter:innen zurückgreifen, wie es bei vielen kommerziellen KI-Laboren der Fall ist.

Die Trainingsdaten von Apertus stammen nämlich ausschließlich aus öffentlichen, rechtmäßig lizenzierten Quellen. Es handelt sich zudem um das erste groß angelegte Modell, das so konzipiert wurde, dass es die Anforderungen des europäischen AI-Acts bezüglich Transparenz und die Rückverfolgbarkeit der Daten erfüllt. Und das, obwohl es in einem Land trainiert wurde, das nicht Teil der EU ist.

Für europäische Institutionen, die nach einem KI-Anbieter suchen, dem sie ihre wertvollsten Daten anvertrauen, kann diese Konformität also wichtiger sein, als ein paar zusätzliche Leistungspunkte in einem Benchmark-Test. Insbesondere dann, wenn diese Institutionen hauptsächlich mit Englisch oder anderen weit verbreiteten Sprachen arbeiten.

Nachhaltigkeit ist komplexer als ein „umweltfreundlicher Trainingslauf“

Uns bei RESET interessiert natürlich vor allem der Nachhaltigkeitsaspekt neuer großer Sprachmodelle. Insbesondere dann, wenn sie den Anspruch erheben, „grün“ trainiert worden zu sein. Apertus wurde auf „Alps“, dem Supercomputer des CSCS in Lugano trainiert. Die Betreiber:innen beschreiben, dass er mit klimaneutralem Strom betrieben wird und sich bekanntermaßen mit Wasser aus dem Luganer See kühlt. Das sind Besonderheiten im Vergleich zu herkömmlichen Methoden, die Grundwasser und fossile Energie verbrauchen.

Den gesamten Lebenszyklus im Blick: Wie können wir Künstliche Intelligenz nachhaltig gestalten?

Alles, was wir über Apertus schreiben, können wir auf andere Sprachmodelle übertragen. Denn das LLM ist ein interessanter Anstoß, um darüber nachzudenken, wie wir über den Einsatz von KI entscheiden.

Die erste Frage wird in der Eile, KI einzuführen, meist übersprungen: Benötigt diese Aufgabe tatsächlich ein großes Modell, oder würde eine einfache Suche oder ein kleineres Tool den Zweck genauso gut erfüllen?

Die ökologischen und sozialen Auswirkungen nehmen zudem mit der Modellgröße zu. Es ist also selten die nachhaltigere Wahl, immer zum größten verfügbaren System zu greifen. Wo KI tatsächlich das richtige Werkzeug ist, lohnt es sich, über die reinen Trainingsangaben hinaus auf das Gesamtbild zu blicken: Wie wurde das Modell aufgebaut, wer hat die Daten unter welchen Bedingungen annotiert, wo läuft es und was passiert mit der Hardware, wenn sie ausgemustert wird?

Allein das sind schon recht ungewöhnliche Angaben in einer Branche, die ihren Energieverbrauch üblicherweise lieber verschweigt. Die Verantwortlichen haben zudem eine konkrete Zahl genannt: Sie geben an, dass der für das Training von Apertus benötigte Strom in etwa dem entspricht, den ein Zug der Schweizerischen Bundesbahn bei dreimonatigem Dauerbetrieb verbrauchen würde. Eine unabhängige Recherche der Neuen Züricher Zeitung ergab jedoch einen höheren Wert: Alps habe für das Training mehr als 5 Gigawattstunden gebraucht. Das entspricht etwa dem jährlichen Stromverbrauch von etwa 1.500 Schweizer Haushalten und Kosten von rund 1,5 Millionen Franken, also rund 1,6 Millionen Euro.

Schon die Transparenz und Nachvollziehbarkeit des Energieverbrauchs ist bei Apertus besonders. Obwohl OpenAI keine transparenten Daten veröffentlicht, schätzen Expert:innen, dass die Verarbeitung einer einzigen E-Mail mit 100 Wörtern durch Chat-GPT in etwa so viel Energie verbraucht wie der Betrieb von 14 LED-Glühbirnen, die eine Stunde brennen. Zudem sollen die für die Kühlung benötigten Anlagen für dieselbe Anfrage rund eine kleine Wasserflasche an Frischwasser verdampfen.

Ein enttäuschendes Nachhaltigkeitsergebnis

Ein gut dokumentierter Trainingslauf ist jedoch nur ein Teil eines potenziell nachhaltigen Sprachmodells. Mitte 2026 veröffentlichte die deutsche Bundesdruckerei ein Benchmarking-Tool für Sprachmodelle namens MÖVE. Das ist kurz für „Modelle für die öffentliche Verwaltung evaluieren“ und gibt uns erstmals die Möglichkeit, LLMs anhand standardisierter, praxisnaher Tests zu vergleichen.

Anstelle der üblichen Ranglisten, die sich auf die Ergebnisse von Sprachtests konzentrieren, bewertet MÖVE mehr als 50 Sprachmodelle also anhand einer Reihe von Kennzahlen, darunter Leistung, Nachhaltigkeit und Übereinstimmung mit demokratischen Werten. Agenturen und Behörden können also die Kriterien gewichten, die für sie tatsächlich von Bedeutung sind.

In der Gesamtwertung von MÖVE erreicht Apertus 70B – also das Modell mit 70 Milliarden Parametern – beachtliche 69,9 Punkte. Damit liegt es insgesamt auf Platz 11, während Googles „Gemma4 26b“ mit 73,4 Punkten auf Platz 1 liegt.

In der Nachhaltigkeitsbewertung schafft es Apertus allerdings nur auf 53,8 Punkte und liegt damit deutlich hinter der Googles Modell mit 76,2 Punkten. Wobei wir Googles Angaben zur Nachhaltigkeit seiner eigenen Modelle vielleicht nicht vollkommen glauben sollten.

Zudem steht das Ergebnis keineswegs im Widerspruch zu der Behauptung, das Modell sei mit sauberer Energie trainiert worden. Der Nachhaltigkeitswert von MÖVE berücksichtigt nämlich nicht, wie ein Modell trainiert wurde. Er misst lediglich die Inferenz. Also die Energie, die ein Modell zur Generierung jeder Antwort verbraucht, umgerechnet in CO2-Äquivalente unter der Annahme von Standard-Netzstrom, unabhängig davon, womit das Modell in der Produktion tatsächlich betrieben wird.

Die Wasserkraft und die Seekühlung von Alps fließen in diese Berechnung schlichtweg nicht ein. Ein Modell kann also genauso umweltfreundlich trainiert werden wie Apertus und dennoch hier schlechter abschneiden, wenn es anschließend weniger effizient bei der Beantwortung alltäglicher Anfragen ist.

MÖVE beschreibt sich selbst als einen „lebendigen“ Benchmark, der aktiv weiterentwickelt wird. Es handelt sich also eher um eine Momentaufnahme als um ein endgültiges Urteil. Die Momentaufnahme zeigt allerdings, wie komplex die Bewertung von Sprachmodellen aktuell noch ist.

Noch in Arbeit, in jeder Hinsicht

All das ist also kein Grund, Apertus abzuschreiben. Wenn überhaupt, dann ist es ein guter Hinweis darauf, wo das Projekt noch steht. Joshua Tan, leitender Betreuer der gemeinnützigen Organisation „Public AI Inference Utility“, hat Apertus als den bislang stärksten Beweis dafür bezeichnet, dass KI als „öffentliche Infrastruktur, wie Autobahnen, Wasserleitungen oder Stromnetze“ betrieben werden kann. Aufgebaut von öffentlichen Institutionen im öffentlichen Interesse und nicht von einer Handvoll kommerzieller Labore.

Das ist natürlich eine ehrgeizige Behauptung und zugleich ein hochgestecktes Ziel: Infrastruktur muss zuverlässig und gut nachvollziehbar sein, und Apertus arbeitet noch daran, beides zu erreichen. Die Ecken und Kanten – holprige Übersetzungen, ein Nachhaltigkeitswert, der nicht unbedingt die eigenen Angaben widerspiegelt – sind objektiv gesehen kein Ausschlusskriterium. Sie sind genau das, was man von einer ersten, offen entwickelten Version erwarten würde, bei der die Mängel gerade deshalb sichtbar sind, weil nichts verborgen wird.

Wie geht es also weiter?

Die nächste Trainingsrunde von Apertus wird mit 20 Millionen CHF (rund 21 Millionen Euro) aus Bundesmitteln finanziert und erneut auf dem Supercomputer „Alps“ durchgeführt. Die Entwickler:innen haben stärkere öffentliche Investitionen gefordert und argumentieren, dass die Schweiz derzeit weniger dafür ausgibt als andere Länder. Dadurch bestünde die Gefahr, die „digitale Selbstbestimmung“ an eine Handvoll ausländischer Labore abzugeben.

Eine KI, die möglichst sparsam genutzt werden will?

Während wir noch darauf warten, dass eine komerzielle Plattform Apertus einbindet, gibt es andere Möglichkeiten, KI möglichst sparsam zu nutzen.

Das Bergwaldprojekt zeigt mit der Plattform aim2balance.ai, wie der eigene Umgang mit Künstlicher Intelligenz sparsamer werden kann.

Darüber hinaus haben wir vor einiger Zeit mit einem Experten über „Sustainable Prompting“ gesprochen.

Ob sich diese Investitionen auszahlen, lässt sich jetzt möglicherweise leichter beurteilen als noch vor einem Jahr. Apertus muss GPT-4o oder Gemini nicht in puncto reiner Leistungsfähigkeit übertreffen, um förderungswürdig zu sein. Doch mit Tools wie MÖVE wird das Unternehmen seine Nachhaltigkeits- und Governance-Ansprüche zunehmend mit Zahlen und nicht nur mit Absichtserklärungen untermauern müssen. Das ist eine höhere Messlatte als „offen und mit erneuerbaren Energien betrieben“ – und eine Herausforderung, der sich bald jeder KI-Anbieter, nicht nur Apertus, stellen muss.