«Wir brauchen mehr Mut bei KI-Projekten»

Wir setzen bewusst auf angewandte KI statt auf theoretische Forschung im Elfenbeinturm. Unser Fokus liegt auf konkreten Anwendungsfällen und Wertschöpfung für die regionale Wirtschaft. Das Applied AI Center bündelt alle KI-Aktivitäten des Departements Informatik der Hochschule Luzern: von Studienprogrammen über Weiterbildung bis hin zur angewandten Forschung. Unser Ziel ist es, den regionalen Unternehmen zu helfen, mit neuen KI-Technologien wettbewerbsfähig zu bleiben. 

Die meisten der Projekte unterliegen der Geheimhaltung, aber einige können wir erwähnen. Im Finanzbereich haben wir unter Professor Marc Pouly eine KI gestützte Jugendplattform für Schweizer Kantonalbanken entwickelt. Das System erkennt Debitkarten-Transaktionen, die für Cashback-Deals berechtigt sind, und zahlt entsprechend aus. Wir haben zusätzlich ein transaktionsbasiertes Empfehlungssystem entwickelt, das auf diesem Datenfluss aufbaut. Im öffentlichen Sektor arbeiten wir eng mit dem Kanton Luzern zusammen. Gemeinsam haben wir die Local AI Community (LAC) gegründet. Das ist eine gemeinnützige Vereinigung, die vorhandene KI Fähigkeiten für öffentliche und private Akteure in der Region nutzt und beschleunigt. Wir bieten Weiterbildungen in KI für verschiedene öffentliche Stellen an und organisieren strategische Workshops wie unsere erfolgreiche AI Breakfast Serie.

Die Industrie wurde durch den Erfolg der Large Language Models geblendet und übersieht, dass KI viel mehr ist als Chat mit Daten. Diese Projekte gehören sogar zu den weniger interessanten Anwendungsfällen, die wir entwickeln. Viel spannender wird es, wenn Unternehmen mutig genug sind, KI in ihren Kernprodukten und -dienstleistungen einzusetzen. Wir haben bereits hunderte angewandte KI-Projekte erfolgreich umgesetzt: ein KI-gestütztes Vertragsmanagementsystem für eine grosse Schweizer Anwaltskanzlei, eine Schadenmanagement-Engine für eine Versicherung, eine algorithmische Handelslösung für ein japanisches Energieunternehmen oder eine KI-gestützte Situationsanalyse für einen Hörgerätehersteller.
 

Die Eintrittsbarrieren bei Frontier-Modellen sind enorm. Weder die Schweiz noch die EU sitzen am Tisch, wenn es um den Infrastrukturaufbau in Nordamerika und China geht – von Energie über Daten bis hin zu Rechenkapazitäten. Diese Entwicklungen untergraben unsere digitale Souveränität erheblich. Wir senden seit Jahren unsere Daten, unser Geld und unsere Leute in die USA. Meiner Ansicht nach werden uns zwei Trends helfen: Open Source und das Gesetz der beschleunigten Technologierenditen. Open Source ermöglicht es uns, Modelle wie Llama oder Deep-Seek unabhängig zu hosten und zu nutzen. Die besten Open Source Modelle von heute sind besser als die besten privaten Modelle von vor 18 Monaten. Der zweite Trend: Bessere Modelle führen zu kleineren Modellen. Das bringt die Technologie wieder in die Reichweite europäischer Forschung und Entwicklung.

Das ist ein kniffliges Thema. Wenn KI eine medizinische Diagnose stellt oder einen Hypothekenkreditantrag ablehnt, wollen wir wissen, warum. Doch die Deep-Learning-Modelle, die den meisten modernen KI-Systemen zugrunde liegen, sind inhärent Black-Box-Systeme und strukturell für Erklärbarkeit ungeeignet. Wir haben also ein Dilemma: Sehr mächtige KI-Systeme, die bei vielen gesellschaftlichen und wirtschaftlichen Problemen helfen könnten, aber wir haben keine guten Werkzeuge, um zu verstehen, wie sie zu ihren Schlussfolgerungen kommen. Die europäischen Regulatoren sagen zu Recht Nein bei Hochrisikoanwendungen. Das ändert jedoch nichts daran, dass Unternehmen weltweit KI überall dort einsetzen, wo sie mehr Effizienz herausholen können.

Kurzfristig erwarte ich eine Marktkorrektur. Es fühlt sich an wie 2000: viel Hype und Überinvestitionen ohne die versprochenen Erträge. Die schwache Veröffentlichung von ChatGPT-5 liess viele an den Skalierungsgesetzen zweifeln. Aber das ändert nichts daran, dass wir einen Wandel in den Fähigkeiten moderner KI-Systeme erlebt haben. Entwicklungen bei Video- und Bildgenerierung oder Robotik in dieser Qualität und mit diesem Tempo waren vor fünf Jahren undenkbar. Ich wage zwei Prognosen: Kleine Sprachmodelle werden KI in den nächsten drei bis fünf Jahren demokratisieren und von den Hyperscalern weg dezentralisieren. Und in zehn Jahren werden Haushaltsroboter keine Neuheit mehr sein. Ob von Apple, Tesla oder einem anderen Anbieter entwickelt.