Was hat KI mit der Schweiz zu tun? 🇨🇭

Seit Jahrhunderten funktioniert die Neutralität der Schweiz. Nicht, indem sie sich der Welt entzieht, sondern indem sie sich weigert, die Welt ihre Entscheidungen treffen zu lassen.

Dieser Unterschied ist wichtig. Neutralität verschaffte der Schweiz Handlungsspielraum. Sie bewahrte ihre Unabhängigkeit und ermöglichte es dem Land, mit konkurrierenden Mächten zusammenzuarbeiten, ohne dauerhaft an eine von ihnen gebunden zu sein.

KI erreicht gerade einen ähnlichen Moment.

Der Markt bewegt sich unglaublich schnell. Modelle verbessern sich ständig. Anbieter tauschen die Plätze. Open-Weight-Systeme werden leistungsfähiger. Harnesses, Tools, Clouds und Infrastruktur entwickeln sich gleichzeitig weiter. Sich zu früh festzulegen, ist nicht unbedingt Disziplin. Es kann zum Nachteil werden.

Das Ziel ist nicht, Verpflichtungen zu vermeiden. Das Ziel ist, unnötige Abhängigkeiten zu vermeiden.

Das ist das Schweiz-Prinzip: frei in der Wahl bleiben, schnell genug für Veränderungen sein und die Kontrolle über das Wesentliche behalten.

KI-Neutralität: Legen Sie sich nicht auf einen Markt fest, der sich noch nicht stabilisiert hat

Während des größten Teils der Technologiegeschichte war Standardisierung sinnvoll. Eine Plattform wählen. Die Zahl der Anbieter reduzieren. Hart verhandeln. Rund um den Gewinner aufbauen.

KI könnte einer der denkbar schlechtesten Märkte sein, um dieses Vorgehen zu früh anzuwenden.

Die Modelle ändern sich laufend – ebenso ihre Preise. Das Gleiche gilt für die Harnesses, die sie nutzbar machen, die Tool-Schichten darum herum, die Clouds und Chips darunter sowie die Bereitstellungs- und Wirtschaftsmodelle für den gesamten Stack.

Wie schnell das gehen kann, zeigte sich im Sommer 2026. OpenAI führte im Juli die GPT-5.6-Familie ein. Bis zum 30. Juli wurde der Preis von Luna um 80 % und der von Terra um 20 % gesenkt. Wenige Wochen später sank auch der Preis von Sol um mehr als 20 %. Die Technologie blieb nicht einmal lange genug stehen, damit das ursprüngliche Preisblatt alt werden konnte.

Das sollte jeden langfristig denkenden Technologieeinkäufer aufhorchen lassen.

Die größere Überraschung ist jedoch, dass das teuerste Frontier-Modell für eine bestimmte Aufgabe möglicherweise nicht einmal die beste Antwort ist.

Composio verglich kürzlich einen Open-Weight-MiniMax-M3-Stack mit Claude Opus 4.8 anhand von 31 realen SaaS-Aufgaben. Beide erledigten 26 von 31 Aufgaben. Die geschätzten Modellkosten pro Fall lagen jedoch bei etwa 0,16 US-Dollar gegenüber 1,90 US-Dollar – also rund dem Zwölffachen –, weil das günstigere Modell mit einer besser geeigneten Tool-Schicht kombiniert wurde.

Gleiche Aufgabe. Gleiche Punktzahl. Völlig andere Wirtschaftlichkeit.

Das bedeutet nicht, dass Open-Weight-Modelle Frontier-Modelle immer schlagen. Es bedeutet etwas Nützlicheres: Vielleicht gibt es nicht den einen Gewinner. Vielleicht gibt es nur die beste Kombination für eine bestimmte Aufgabe zu einem bestimmten Zeitpunkt.

Deshalb ist KI-Neutralität wichtig. Und Neutralität darf nicht beim Modellanbieter enden. Sie muss sich über Anbieter, Modelle, Frontier- und Open-Weight-Systeme, Harnesses, Agenten-Frameworks, Tool-Schichten, Clouds und Infrastruktur erstrecken.

KI-Neutralität bedeutet nicht, Entscheidungen zu vermeiden. Sie bedeutet, Entscheidungen zu treffen, ohne unnötig die Fähigkeit aufzugeben, die nächste Entscheidung selbst zu treffen.

Für CEOs bedeutet das, zu erkennen, dass der strategische Partner von heute zur strategischen Abhängigkeit von morgen werden kann. Für CIOs bedeutet es zu verstehen, dass jede fest in die Architektur verdrahtete Schicht irgendwann wieder gelöst werden muss. CISOs sollten darauf bestehen, dass Unternehmensrichtlinien einen Wechsel von Modell, Harness oder Cloud überstehen. CFOs sollten bedenken, dass Wettbewerb Verhandlungsmacht schafft – Lock-in überträgt diese Macht an den Anbieter.

Optionalität ist keine Unentschlossenheit. In einem ständig wechselnden Markt ist Optionalität ein Vermögenswert.

KI-Agilität: Das Modell ist nur ein Teil der Gleichung

Hier ist eine Zahl, die jeden CIO oder CFO aufhorchen lassen sollte.

Eine aktuelle Analyse von Tests mit Agenten-Harnesses verglich verschiedene Harnesses bei gleichem zugrunde liegendem Modell und identischen Aufgaben. Eine Konfiguration benötigte etwa 3.500 Token pro gelöster Aufgabe. OpenClaw benötigte etwa 292.000.

Gleiches zugrunde liegendes Modell. Gleiche Aufgaben. Der Unterschied war die Software rund um das Modell.

The New Stack bezifferte die beobachtete Spannweite auf etwa das 70-Fache. Bemerkenswert ist, dass sich die relative Reihenfolge kaum änderte, als das Experiment mit einem zweiten, unabhängigen Modell wiederholt wurde. Das deutet darauf hin, dass ein großer Teil des Unterschieds vom Harness selbst stammt.

Denken Sie über die Konsequenz nach. Ein Unternehmen könnte einen hervorragenden Modellpreis aushandeln und einen Großteil der Einsparungen wieder verlieren, weil sein Harness zu viel Kontext mitführt, unnötige Schritte macht, zu viele Tools aufruft, Arbeit wiederholt oder Speicher schlecht verwaltet.

Deshalb wird die Frage „Welches Modell verwenden wir?“ zunehmend so, als würde man fragen: „Welcher Motor steckt im Auto?“

Wichtig? Absolut. Reicht das, um Leistung, Wirtschaftlichkeit oder Sicherheit des gesamten Systems zu verstehen? Nicht mehr.

Composio zeigte denselben Punkt auf andere Weise. Mit demselben DeepSeek-V4-Flash-Modell für dieselben 30 schwierigen Aufgaben erledigte Pi 20 von 30 zu rund 0,028 US-Dollar pro erfolgreicher Aufgabe, während Claude Code 16 von 30 zu ungefähr 0,195 US-Dollar schaffte.

Gleiches Modell. Anderer Harness. Rund siebenmal höhere Kosten pro erfolgreicher Aufgabe.

Die Lehre ist größer als die Auswahl eines Harnesses. Selbst innerhalb eines Modellanbieters ändert sich die richtige Antwort je nach Workload. Frontier-Intelligenz sollte dort eingesetzt werden, wo sie das Ergebnis tatsächlich verbessert. Günstigere Modelle sollten Aufgaben übernehmen, bei denen zusätzliche Reasoning-Fähigkeit wenig geschäftlichen Mehrwert bringt.

Das ist KI-Agilität.

Es geht nicht um „Multi-Model“ nur um anspruchsvoll zu klingen. Es geht um die Fähigkeit, für jede Aufgabe das richtige Modell, den richtigen Harness, die richtigen Tools und die passende Infrastruktur auszuwählen – und die Mischung zu ändern, sobald eine bessere Lösung verfügbar ist.

Die Optimierungseinheit ist nicht mehr das Modell. Es ist der Workload.

Das ist je nach C-Level-Rolle unterschiedlich relevant. CEOs können von Durchbrüchen profitieren, ohne auf die nächste große Plattformmigration zu warten. CIOs werden zunehmend zu Orchestratoren statt zu Verwaltern eines standardisierten Modells. CISOs können Datengrenzen, Infrastruktur und Autonomiegrade an das tatsächliche Risiko jedes Workloads anpassen. CFOs müssen keine Frontier-Modellpreise mehr für Aufgaben bezahlen, die eine günstigere Kombination ebenso gut erledigt.

Das erfolgreiche Unternehmen ist vielleicht nicht das, das einmal die beste KI auswählt. Sondern das, das immer wieder die beste KI für die jeweilige Aufgabe findet.

Alpha-Kontrolle: Wenn alle dieselbe Intelligenz kaufen können – worin liegt dann Ihr Vorteil?

Das könnte die wichtigste Frage bei Unternehmens-KI sein.

Frontier-Modelle sind außergewöhnlich. Aber auch Ihre Wettbewerber können sie nutzen. Das gilt ebenso für Open-Weight-Modelle, Clouds, Agenten-Frameworks und zunehmend leistungsfähige Tools.

Wenn alle vergleichbare Intelligenz mieten können, kann die Intelligenz selbst nicht der gesamte Wettbewerbsvorteil sein.

Palantir-CEO Alex Karp verwendet den Begriff „Alpha“ für etwas, über das Unternehmen intensiv nachdenken sollten: proprietäres Wissen, Daten, Prozesse und operative Vorteile, die ein Unternehmen von einem anderen unterscheiden.

Löst man sich von der Anbieterpositionierung, bleibt eine sehr gute Kernfrage: Was sollte ein Unternehmen mieten – und was sollte es niemals aus der Hand geben?

Sie können ein Modell mieten. Sie können einen Harness wechseln. Sie können Infrastruktur verlagern. Sie können ein Tool ersetzen. Doch der Kontext Ihres Unternehmens ist einzigartig.

Ihre Kundenbeziehungen sind anders. Ihre proprietären Daten sind anders. Ihre Betriebsabläufe, Preislogik, institutionelles Wissen, Berechtigungen und Entscheidungen sind anders. Auch die Art, wie Ihre besten Mitarbeitenden Aufgaben erledigen, ist anders.

Dort beginnt Alpha zu entstehen.

Selbst die Anbieter von Frontier-Modellen erkennen diesen Wandel zunehmend an. OpenAIs Enterprise-Sicht deutet auf eine Welt hin, in der der Engpass immer weniger die Modellintelligenz selbst ist, sondern vielmehr die Art, wie Agenten rund um Geschäftskontext, Berechtigungen, Speicher und auditierbare Aktionen aufgebaut, gesteuert und betrieben werden.

Dieser Unterschied wird umso wichtiger, je mehr Agenten nicht nur antworten, sondern handeln. Sie können Informationen lesen, Entscheidungen treffen, Tools aufrufen, Systeme verändern, Workflows auslösen und in manchen Umgebungen Geld ausgeben oder reale Aktionen ausführen.

Dann lautet die entscheidende Frage: Wer entscheidet, was sie tun dürfen?

Das ist Alpha-Kontrolle.

Das Modell kann wechseln. Die Kontrollschicht sollte es nicht.

Für den CEO geht es nicht nur um Zugang zu derselben Intelligenz wie alle anderen. Es geht darum, Intelligenz so einzusetzen, dass Wettbewerber dies nicht einfach nachahmen können. Für den CIO bedeutet es, den KI-Stack austauschbar zu machen und gleichzeitig die Betriebsschicht beständig zu halten. Für den CISO dürfen Identität, Autorität, Datengrenzen, Runtime-Richtlinien und Nachweise nicht jedes Mal mitwandern, wenn das Modell wechselt. Für den CFO gilt: Wenn das Unternehmen nicht erkennen kann, welche KI Wert schafft, welche Token verschwendet und wo Kosten entstehen, kontrolliert es seine Wirtschaftlichkeit nicht wirklich.

Mieten Sie die Intelligenz. Behalten Sie den Vorteil.

Das Schweiz-Prinzip in der Praxis

OmniTrust entwickelt seit Jahrzehnten Vertrauensinfrastrukturen für Umgebungen, in denen Fehler reale Folgen haben – von Silizium und Embedded-Systemen über Kryptografie, Identität und Cloud bis hin zu KI.

Diese Erfahrung prägt unsere Sicht auf den heutigen Moment. Technologie kann sich schnell entwickeln, doch Vertrauen muss weiterhin nachweisbar sein. Autorität muss weiterhin kontrolliert werden. Und das Unternehmen muss weiterhin wissen, was in seinem Namen handelt.

KI nähert sich einer folgenreicheren Phase. Modelle werden leistungsfähiger, Agenten beginnen zu handeln statt nur zu antworten, und die Branche diskutiert bereits ernsthaft über AGI und Superintelligenz. Unsere Kunden stellen eine praktische Frage: Wie behalten wir den Innovationsvorsprung, ohne die Kontrolle aufzugeben, die unser Geschäft zu unserem Geschäft macht?

In den vergangenen vier Jahren – vom GPT-Moment bis zur heutigen agentischen Ära – haben wir beobachtet, wie sich der Markt entwickelt, statt so zu tun, als könne jemand seine endgültige Form vorhersagen. Modelle haben einander überholt. Open-Weight-Systeme wurden besser. Harnesses sind zu einem wichtigen Treiber von Leistung und Kosten geworden. Die Auswahl an Infrastruktur ist gewachsen. Die Wirtschaftlichkeit hat sich schnell verändert.

Die Lehre ist einfach: Verdrahten Sie Ihr Unternehmen nicht fest mit etwas, das sich noch verändert.

Bleiben Sie neutral gegenüber Anbietern, Modellen, Harnesses und Infrastruktur. Bleiben Sie agil genug, um Workloads zu verschieben, wenn bessere Kombinationen entstehen. Behalten Sie eine konsistente Kontrollschicht für Identität, Richtlinien, Daten, Runtime, Berechtigungen, Wirtschaftlichkeit und Audit.

Die drei Ideen verstärken sich gegenseitig. KI-Neutralität bewahrt die Optionen. KI-Agilität ermöglicht dem Unternehmen, diese Optionen zu nutzen. Alpha-Kontrolle hält den daraus entstehenden Vorteil im Unternehmen.

Für Führungsteams, die sowohl die unmittelbare Chance als auch den weiteren Horizont betrachten, ist der praktische Rat ebenso einfach. Bewegen Sie sich schnell, aber machen Sie wichtige Entscheidungen reversibel. Optimieren Sie auf Ergebnisse statt auf Anbietertreue. Gehen Sie davon aus, dass sich der Stack weiter verändern wird. Und stellen Sie sicher, dass die Dinge, die Ihnen gehören sollten – Ihre Daten, Autorität, Wirtschaftlichkeit und institutionellen Vorteile – auch bei Ihnen bleiben.

OmniTrust ist dafür besonders gut aufgestellt, weil es sich um dasselbe Vertrauensproblem handelt, das wir seit Jahren lösen – nur jetzt mit KI-Geschwindigkeit. Halo setzt diese Linie mit einem neutralen Control-Plane-Ansatz fort, der die Wahl von Modell und Anbieter bewahrt und zugleich Runtime-Durchsetzung, Datenschutz, Identität, Richtlinien und Kosten-Governance oberhalb des sich verändernden Stacks konsistent hält.

Die Zukunft wird sich weiter verändern. Ihre Freiheit zu wählen sollte es nicht.

Von der Strategie zu vertrauenswürdiger KI im großen Maßstab

OmniTrust AI Lifecycle Management vereint Strategie, eine Trust-native Architektur, erfahrenes Engineering und die Halo AI Control Plane, damit Unternehmen Daten, Modelle, Identität, Runtime, Infrastruktur und Kosten über eine einheitliche Schicht steuern können.

Das Ziel ist nicht, die Einführung von KI zu verlangsamen. Es geht darum, Organisationen die Neutralität, operative Agilität und souveräne Kontrolle zu geben, die sie benötigen, um KI und autonome Systeme aufzubauen, bereitzustellen und zu skalieren, ohne das aus der Hand zu geben, was das Unternehmen wertvoll macht.

Laden Sie diesen Artikel als Whitepaper herunter – OmniTrust und das Schweiz-Prinzip – für Ihr Team oder erfahren Sie mehr über OmniTrust ALM und Halo unter www.OmniTrust.com/ALM