Die Swiss AI Factory hält sensible KI-Daten in der Schweiz

|Autor: QUASA-Redaktion|4 Min. Lesezeit| 2
Die Swiss AI Factory hält sensible KI-Daten in der Schweiz

T-Systems Schweiz hat die Swiss AI Factory mit der Ankündigung vom 11. November 2026 lanciert; Geschäftsführer Olivier Bandle sagt darin: «Ein Schweizer Serverstandort allein macht KI noch nicht souverän.» Die Plattform soll Unternehmen mit sensiblen Daten ermöglichen, KI-Anwendungen und Agenten in Schweizer Rechenzentren zu entwickeln und zu betreiben. Kunden sollen auch über die eingesetzten Modelle und den Ort der Datenverarbeitung entscheiden können.

Zum Angebot gehören GPU-Kapazitäten in der Schweiz, offene Sprachmodelle und ein AI-Gateway für den Modellzugriff. Für besonders rechenintensive Aufgaben lässt sich zusätzlich Infrastruktur in Deutschland nutzen. Der Schweizer Betrieb ist damit eine wählbare Konfiguration der Swiss AI Factory: Ob sensible Eingaben, Wissensbestände und Verarbeitung tatsächlich im Land bleiben, hängt von den gewählten Modellen, Verbindungen und Rechenressourcen ab.

Was in den Schweizer Rechenzentren läuft

GPU-Kapazität der Swiss AI Factory in einem Schweizer Rechenzentrum von T-Systems.

Die lokale Grundlage bilden GPU-Kapazitäten in eigenen Schweizer Rechenzentren; GPU-as-a-Service gehört ebenfalls zum Angebot. Unternehmen können darauf KI-Modelle auswählen, eigene Modelle einbinden und Anwendungen für bestehende Geschäftsprozesse aufbauen. Der angekündigte Funktionsumfang reicht von der Bereitstellung der Rechenleistung bis zum Betrieb von Anwendungen und Agenten. Das ist für Firmen mit Standortvorgaben relevant, weil Rechenleistung und Modellzugang innerhalb derselben Schweizer Betriebsumgebung liegen können.

Für die Anpassung nennt das Angebot Fine-Tuning und Retrieval Augmented Generation (RAG). Beim Fine-Tuning wird ein Modell für bestimmte Aufgaben weitertrainiert; RAG stellt einer Anwendung Informationen aus einem angebundenen Wissensbestand für die jeweilige Antwort bereit. Die Produktseite der Swiss AI Factory beschreibt dafür eigene Wissensquellen und APIs zur Verbindung mit Anwendungen und Prozessen. Ein Dokumentenbestand, der per RAG abgefragt wird, stellt andere Anforderungen an Speicherort und Zugriffsrechte als Daten, die zum Training eines Modells verwendet werden.

Diese Unterscheidung ist auch für die Datensouveränität entscheidend. Der Speicherort des Ausgangsmaterials sagt für sich genommen noch nicht, wo eine Modellanfrage berechnet wird oder welche Auszüge aus dem Material in einer Eingabe landen. Bei einer RAG-Anwendung bilden die Wissensquelle, die Suche nach passenden Inhalten, das angesprochene Modell und die Protokollierung einen zusammenhängenden Datenweg. Die Plattform bietet Bausteine für diesen Weg; seine konkrete Ausgestaltung hängt von der angebundenen IT und dem gewählten Betriebsmodell ab.

Wie das AI-Gateway den Modellzugriff begrenzt

Das AI-Gateway ist die zentrale Schicht zwischen Anwendungen und verschiedenen KI-Modellen. Es soll Zugriffe steuern und Funktionen für Anonymisierung, Zugriffskontrollen und Audit-Logs bereitstellen. Damit lassen sich zwei Fragen voneinander trennen: Wer darf welches Modell ansprechen, und welche Informationen gehen bei einer Anfrage mit? Ein Schweizer Rechenstandort beantwortet diese Fragen nicht automatisch, wenn eine Anwendung zusätzlich interne Systeme oder deutsche Rechenkapazität nutzt.

Anonymisierung kann schützenswerte Angaben behandeln, bevor sie für eine Modellanfrage verwendet werden; Zugriffskontrollen regeln Berechtigungen für Anwendungen und Nutzer. Audit-Logs sollen Zugriffe nachvollziehbar machen. Diese Funktionen beschreiben Möglichkeiten des Gateways, keine für alle Kunden identische Voreinstellung. Welche Felder anonymisiert werden, welche Rollen Zugriff erhalten und welche Ereignisse im Protokoll stehen, ergibt sich erst aus der jeweiligen Implementierung.

Bei Agenten kommt eine weitere Ebene hinzu: Sie können über angebundene Anwendungen Arbeitsschritte auslösen, statt lediglich Text zu erzeugen. Deshalb ist der kontrollierte Modellzugriff nur ein Teil ihrer Berechtigung. Ebenso wichtig ist, welche verbundenen Systeme der Agent verwenden darf und welche Daten diese Systeme zurückgeben. Die angekündigte Integration mit bestehenden Cloud-, Sicherheits- und Integrationsdiensten macht solche Verbindungen möglich, legt deren einzelne Rechte aber nicht pauschal fest.

Wann die deutsche Rechenkapazität ins Spiel kommt

Die deutsche Industrial AI Cloud ergänzt die getrennt betriebene Schweizer KI-Infrastruktur.

Die Netzwoche-Meldung vom 12. November 2026 beschreibt neben den Schweizer GPUs den Zugang zur Industrial AI Cloud in Deutschland mit mehr als 10'000 GPUs. Vorgesehen ist diese zusätzliche Kapazität für rechenintensive Anwendungen und das Training eigener Modelle; erreichbar ist sie über das AI-Gateway. Die Zahl bezeichnet die deutsche Infrastruktur und nicht die GPU-Ausstattung der Schweizer Rechenzentren.

Für einen Betrieb mit verbindlicher Schweizer Datenverarbeitung ist die Trennung der Standorte die wichtigste Grenze. Eine Anwendung kann auf der Schweizer Infrastruktur laufen, während eine andere Aufgabe die deutsche Kapazität nutzt. Wird ein Trainingslauf oder eine Modellanfrage dorthin verlagert, ist für die betreffende Aufgabe entscheidend, welche Eingaben, Trainingsdaten, Zwischenergebnisse und Protokolle die Standortgrenze berühren. Aus dem zusätzlichen Zugang folgt keine automatische Verlagerung sämtlicher Kundenanwendungen.

Die öffentliche Beschreibung nennt bislang weder Preise noch einen vollständigen Modellkatalog, garantierte Leistungswerte oder eine verbindliche Zuordnung einzelner Datenarten zu den beiden Standorten. Erst solche Angaben zeigen, welche produktiven Anwendungen eine ausschliesslich Schweizer Datenverarbeitung erfüllen können und welche Kosten und Antwortzeiten mit der jeweiligen Rechenroute verbunden sind.

Lesen Sie auch:

Teilen:

Newsletter abonnieren

Erhalten Sie die neuesten Nachrichten zu Web3, KI und Krypto direkt in Ihren Posteingang.

0