Künstliche Intelligenz (KI; in diesem Artikel inklusive maschinelles Lernen ML) hat in den letzten Jahren in der Schweiz stark an Bedeutung gewonnen, längst vor dem aktuellen Hype um ChatGPT. Dieser dürfte den KI-Trend jedoch noch weiter beschleunigen, einerseits weil ChatGPT die KI auf einfache Weise für alle verfügbar und verständlicher macht, andererseits weil der fortschrittliche Chatbot aufgrund seiner Fähigkeit, menschenähnliche Texte zu generieren und eine Vielzahl von Aufgaben auszuführen, zahlreiche nützliche Anwendungen erlaubt, sowohl im geschäftlichen als auch im privaten Bereich.

Auch die Schweiz, die in vielen Bereichen der Wissenschaft und Technologie führend ist, hat in den letzten Jahren erhebliche Fortschritte in der KI-Forschung und -Entwicklung gemacht. Es gibt jedoch mehrere Gründe, warum die Schweiz nicht ganz zuoberst im KI-Länderranking steht.

Es ist aber wichtig zu betonen, dass die Schweiz trotz dieser Faktoren eine sehr wichtige Rolle in der KI-Forschung und -Entwicklung spielt und über eine wachsende KI-Industrie verfügt. Das hängt insbesondere mit ihrer generellen Stärke zusammen, wissenschaftliche Forschung mit der praktischen Anwendung verknüpfen zu können. Das ist auf folgende Umstände zurückzuführen:

Dafür, dass die KI in der Schweizer Wirtschaft bereits vielerorts erfolgreich angewandt wird, gibt es zahlreiche Beispiele. Hier sind einige davon:

Das Schweizer Technologieunternehmen ABB mit weltweit rund 105'000 Mitarbeitenden ist insbesondere in den Bereichen Elektrifizierung und Automation tätig. Die Lösungen des Unternehmens verbinden technische Expertise mit Software, um die Art und Weise zu verbessern, wie etwas hergestellt, bewegt, angetrieben und betrieben wird. Um die Effizienz in der Fertigung zu steigern und ­innovative Lösungen für ihre Kunden zu entwickeln, setzt ABB verstärkt auf den Einsatz von KI.

Ein Bereich, in dem ABB KI einsetzt, ist die Qualitätskontrolle. Die Fertigung von Produkten erfordert eine präzise Kontrolle der Produktqualität, um sicherzustellen, dass die Produkte den Anforderungen entsprechen. ABB nutzt hierfür Algorithmen, die auf Basis von Bilderkennung und maschinellem Lernen Defekte in Produkten erkennen können. Die KI-Systeme können dabei grosse Mengen an Bildern in kurzer Zeit verarbeiten und Defekte präzise identifizieren. All dies ermöglicht es ABB, die Genauigkeit der Qualitätskontrolle zu verbessern und die Kosten zu senken.

Ein weiterer Bereich, in dem ABB verschiedene KI-Technologien nutzt, ist die Optimierung von Produktionsprozessen. Die Fertigung von Produkten erfordert die genaue Abstimmung von Maschinen und Prozessen, um den Material- und Energieverbrauch zu minimieren und die Produktionseffizienz zu maximieren. ABB nutzt hierfür Algorithmen, die auf Basis von Echtzeitdaten aus Sensoren und anderen Quellen die Produktionsoptimierung automatisieren. Die KI-Systeme können dabei auch komplexe Zusammenhänge zwischen den Maschinen und den Prozessen erkennen und optimieren. Durch den Einsatz von KI konnte ABB die Produktionskosten senken und die Effizienz erhöhen.

Und auch bei der Produktentwicklung setzt ABB auf KI. Das Unternehmen nutzt hierfür Algorithmen, die auf Basis von Daten aus Sensoren und anderen Quellen die Leistung von Produkten simulieren und optimieren können. Die KI-Systeme können dabei auch komplexe Zusammenhänge zwischen der Produktleistung und dem Material- und Energieverbrauch erkennen und optimieren. Entsprechend hilft die KI ABB dabei, die Entwicklungszeit von Produkten zu verkürzen und die Innovationsgeschwindigkeit zu steigern.

Ein weiteres Beispiel für den Einsatz von KI bei ABB ist die Automatisierung von Prozessen. Das Unternehmen nutzt hierfür Algorithmen, die bestimmte Schritte in der Produktion automatisieren, wie zum Beispiel die Kontrolle von Maschinen oder das Ausführen von Qualitätskontrollen. Durch Prozessautomatisierung konnte ABB die Effizienz steigern und die Kosten senken.

Die Schweizerischen Bundesbahnen (SBB) setzen seit einigen Jahren ebenfalls verstärkt auf den Einsatz von KI, um den Zugbetrieb zu optimieren, die Pünktlichkeit zu erhöhen und die Wartung von Zügen zu verbessern.

Beispielsweise setzen die SBB KI bei der Fahrplanoptimierung ein. Sie nutzen hierfür Algorithmen, die auf Basis von Daten wie Wetterbedingungen, Zugauslastung und Streckenbedingungen optimale Fahrpläne erstellen. Die KI-Systeme berücksichtigen dabei auch Echtzeitdaten, um auf Verspätungen oder Störungen schnell reagieren zu können und alternative Routen zu finden. Dadurch konnten die SBB die Pünktlichkeit ihrer Züge verbessern und die Zahl der Verspätungen reduzieren.

Ein weiteres Beispiel für den Einsatz von KI bei den SBB ist die Wartung der Züge. Die SBB nutzen Sensoren, die kontinuierlich Daten zu den einzelnen Bauteilen des Zuges sammeln und diese Daten mithilfe von KI analysieren. So können Verschleiss und Defekte früh erkannt und behoben werden, noch bevor es zu grösseren Schäden kommt. Durch die präventive Wartung können Ausfälle minimiert und die Zuverlässigkeit der Züge erhöht werden.

Auch bei der Personalplanung setzen die SBB auf KI-Technologien. Sie verwenden hierfür ein System, das auf Basis historischer Daten und Prognosen den Personalbedarf für die verschiedenen Bereiche der SBB berechnet. Das System berücksichtigt dabei auch Faktoren wie Urlaubszeiten und Krankheitsausfälle. Durch den Einsatz von KI konnten die SBB die Personalplanung optimieren und die Effizienz steigern.

Die Fahrgastinformation ist ebenfalls ein Bereich, in dem die SBB KI einsetzen. Sie verwenden hierfür ein System, das auf Basis von Echtzeitdaten die Fahrgäste über Verspätungen, Anschlussverbindungen und alternative Routen informiert. Das System nutzt auch Daten von Smartphones und anderen mobilen Geräten, um die Informationen möglichst personalisiert bereitzustellen.

Der Lebensmittel- und Getränkekonzern Nestlé hat ebenfalls damit begonnen, KI-Technologien in verschiedenen Bereichen seines Geschäfts einzusetzen. Dies insbesondere, um die Qualität seiner Produkte und den Kundenservice zu verbessern sowie die Nachhaltigkeit zu fördern und neue Produkte zu entwickeln.

Mit «Optifast Connect» hat Nestlé eine Plattform entwickelt, die eine personalisierte Ernährungsberatung bietet. Die Plattform nutzt KI, um Ernährungsempfehlungen auf der Grundlage von Benutzerdaten und Vorlieben zu generieren. Die Nutzerinnen und Nutzer können ihre Mahlzeiten, Aktivitäten und Fortschritte verfolgen und erhalten personalisierte Tipps und Ratschläge. In eine ähnliche Richtung geht die Initiative «Nestle for Healthier Kids». Diese zielt darauf ab, das Bewusstsein für eine gesunde Ernährung bei Kindern zu fördern. Sie nutzt KI, um Ernährungsmuster sowie Trends zu analysieren und bessere Entscheidungen für gesunde Lebensmittel zu treffen.

Nestlé nutzt KI zudem, um die Produktqualität zu verbessern: KI-Systeme analysieren Bilder von Produkten und identifizieren Abweichungen von den Standardspezifikationen. Dies ermöglicht es, fehlerhafte Produkte zu identifizieren und aus dem Verkehr zu ziehen, bevor sie den Kunden erreichen. Und auch in der Produktentwicklung hat die KI Einzug bei Nestlé gefunden: KI-Systeme analysieren die Verkaufsdaten und das Kundenfeedback, um Trends und Vorlieben zu identifizieren. Dies ermöglicht es Nestlé, Produkte zu entwickeln, die besser auf die Bedürfnisse und Wünsche der Kunden abgestimmt sind.

Weiter setzt Nestlé im Bereich Kundenservice KI-Chatbots ein. Einer davon ist «Kim» («Kitchen Intelligence by Maggi»), der Kundenanfragen über Facebook und WhatsApp beantwortet. Der Chatbot nutzt KI, um die Anfragen der Kunden zu verstehen und angemessene Antworten zu generieren. Der Chatbot kann auch personalisierte Empfehlungen für Rezepte und Produkte geben.

Auch die Schweizer Software-Hersteller implementieren zunehmend KI-Funktionalitäten in ihre Produkte. Dies insbesondere, um den Anwenderinnen und Anwendern neue Möglichkeiten zur Verfügung zu stellen, beispielsweise in Bezug auf die Automatisierung, Optimierung und Personalisierung von Geschäftsprozessen.

So setzt beispielsweise der Rothenburger Software-Entwickler Opacc auf KI, um den Nutzen seiner Software für die Kundschaft zu steigern. «Wir arbeiten daran, KI für unsere Kunden einfach zugänglich zu machen, indem wir zentralisierte und konfigurierbare KI-Routinen entwickeln und auf unserer DataScience-Plattform zur Verfügung stellen», erklärt Christian Reiter, CTO von Opacc auf Anfrage. «Unsere OXAS-Plattform ermöglicht es uns, KI-Dienste in der Cloud zu nutzen und eigene Implemen­tierungen umzusetzen.» Der erfolgreiche Einsatz von KI erfordere neben IT-Spezialisten wie Data Scientists auch fundierte Kenntnisse des Anwendungsbereichs. «Um Prozesse effektiv durch KI zu unterstützen, sind zudem zuverlässige Daten in grossen Mengen und hoher Qualität unerlässlich», sagt er. Dank der zentralen Plattform von Opacc, die alle relevanten Daten umfasse, sei es vergleichsweise einfach, diese durch den Einsatz von KI gewinnbringend zu nutzen. «Dies stellt eine natürliche Fortsetzung unserer Vision dar, die wir bereits für unsere Anwendungen verfolgen», so Reiter.

Bereits heute setze Opacc dies mit seinem «Recommender Service» für Online-Shops um. Dabei werden aktuelle Warenkörbe mit vergangenen Kundenbestellungen verglichen und ein Algorithmus schlägt passende Produkte vor, die ergänzend oder als Ersatz infrage kommen. Weitere praktische Anwendungsbeispiele seien Kundenanalysen mit dem Alive Value, Prognosen zukünftiger Verkäufe sowie ein Tool, das der Kundendienstabteilung auf Basis früherer Fälle passende Lösungsvorschläge für Support-Tickets liefert. «Bei Opacc bieten wir unseren Kunden nicht nur einfach die Algorithmen an, sondern sorgen auch für eine einfache, zuverlässige und transparente Nutzung», erklärt Reiter. «Dadurch vereinfachen wir die Anwendung auf sinnvolle Weise. Der Kunde erkennt direkt den Nutzen und muss nicht erst die Funktionsweise verstehen oder sich mit einer komplexen Konfiguration auseinandersetzen.» Sein Unternehmen arbeite eng mit seinen Kunden zusammen, um die passenden Daten auszuwählen und die Ergebnisse der KI richtig zu interpretieren. «Dabei spielt die Feinabstimmung des Systems eine entscheidende Rolle, und dies ist unsere Hauptaufgabe bei der Implementierung», so der Opacc-CTO.

Die Noser Engineering AG mit Sitz in Winterthur, die im Bereich Software- und Hardware-Engineering tätig ist, unterstützt als Teil der weltweit tätigen Noser Group lokale sowie multinationale Unternehmen mit individuellen digitalen Lösungen. Dabei entwickeln die über 200 Consultants und Ingenieure mithilfe neuster Technologien erfolgreich Geschäftsmodelle, Produkte und Dienstleistungen. «Künstliche Intelligenz (KI) ist ein faszinierendes Thema, das schon lange vor ChatGPT die Technologie­experten der Noser Engineering AG beschäftigt hat», sagt Hans Peter Bornhauser, CTO der Noser Engineering AG. «Mit ihrer langjährigen Erfahrung in der Hardware- und Software-Entwicklung unterstützen sie Kunden wie die Migros-Tochter Midor dabei, auf Basis eigener Daten Vorhersagen für die Produktionslinie zu treffen und so plötzliche kurze Unterbrüche in der Produktion zu minimieren und die Lebensmittelverschwendung zu reduzieren.»

Ein weiteres beeindruckendes Beispiel sei der Einsatz von KI in Blaulichtorganisationen, wo eine Anwendung zur Erkennung von Objekten auf Bildern und in Videos die Trefferquote von 40 auf erstaunliche 95 Prozent gesteigert habe, was einen wichtigen Beitrag zur Aufklärung von Straftaten leiste. Auch der Kunde Clevergie nutze das enorme Potenzial von Deep Neural Networking, um aus den gesammelten Daten von Photovoltaikanlagen die Vorhersagewahrscheinlichkeit der Stromproduktion auf erstaunliche 92 Prozent zu steigern. «Dies ermöglicht den Betreibern genaue Prognosen für die kommenden Tage und optimiert ihre Produktionsplanung», so der CTO. Weiter würden die Experten von Noser Engineering KI auch erfolgreich einsetzen, um Codezeilen automatisiert zu generieren oder von Menschen erstellten Code zu prüfen, was zu schnelleren und qualitativ hochwertigeren Ergebnissen führe und den Kunden enorm zugutekomme.

Bornhauser betont: «KI-Technologien werden in vielen Branchen immer wichtiger, um intelligente Lösungen und Automatisierung zu ermöglichen. Diese Trends und Technologien bieten unseren Kunden schon heute enorme Möglichkeiten zur Verbesserung ihrer Produkte und Dienstleistungen, sei es in Bezug auf Predictive Maintenance, Lastoptimierung, Lagermanagement oder Qualitätskontrolle, um nur einige Beispiele zu nennen.» KI trage dazu bei, dass Unternehmen in der sich ständig weiterentwickelnden technologischen Landschaft wettbewerbsfähig bleiben.

Wie Michael Maurer und Cedric Klinkert, KI-Experten beim Zürcher Software- und Beratungsunternehmen bbv, sagen, biete die KI ein beeindruckend vielfältiges Spektrum an Möglichkeiten. Sie helfe bei der Automatisierung von Aufgaben, die repetitiv sind oder ein hohes Mass an Präzision erfordern, oder bei der Datenanalyse. Zudem unterstütze sie Unternehmen dabei, bessere Entscheidungen zu treffen, Ressourcen zu optimieren und Kosten zu senken. «KI ermöglicht Anwendungen, die zuvor mit herkömmlichen Methoden kaum realisierbar waren», erklärt Maurer. «Dies liegt unter anderem auch an der neusten Generation von KI-Tools, mit der sich Sprachen erkennen, Bilder analysieren und Inhalte wie Texte, Fotos und Videos von Grund auf neu generieren lassen.» KI werde deshalb in Zukunft in allen Branchen, egal ob Transport, Gesundheitswesen, Bildung, Industrie oder Landwirtschaft, eine zentrale Rolle spielen.

Diese Vielfalt spiegle sich auch in den Einsatzgebieten der beiden bbv-Experten wider: «Für unsere Kunden optimieren wir bestehende Prozesse, zum Beispiel durch die vorausschauende Wartung von Maschinen, auch Predictive Maintenance genannt», so Klinkert. «Oder aber wir entwickeln gemeinsam neue Anwendungsmöglichkeiten, so zum Beispiel für die Prognose von Bestellmengen auf Basis historischer Daten.» Die beiden KI-Experten fügen an: «Obschon grosse Datenmengen ein Pluspunkt sind, ist es heute möglich, KI im eigenen Unternehmen ohne eigene Daten einzusetzen. KI-Dienste und Modelle, die bestehende Prozesse verbessern und intelligenter machen, sind beispielsweise kommerziell oder als Open Source verfügbar.» Diese erlaube Unternehmen, ihren Kunden einen eigenen Chatbot anzubieten, der Fragen zu einer Maschine beantworte. Die dafür notwendigen Informationen würden dabei aus einer Bedienungsanleitung ausgelesen und aufbereitet.

Oft bestehe der Eindruck, dass KI vor allen in neuen Use Cases zum Einsatz komme. «Bei bbv sind wir aber überzeugt, dass auch sehr grosses Potenzial von KI darin besteht, bestehende Lösungen intelligenter und effizienter zu machen. KI befähigt Mitarbeitende und Maschinen, wertvollere Arbeit zu leisten und gleichzeitig die Produktivität zu steigern», sagen Maurer und Klinkert.

Laut Wilhelm Kleiminger, Head of Data Science der Zürcher Software-Firma Ergon Informatik, verstehe diese unter KI verschiedene Methoden, um Maschinen intelligent zu nutzen: «Das geht über die aus den Medien bekannten Ansätze wie ChatGPT, Midjourney und Co. hinaus», erklärt er. «So haben wir kürzlich einen klassischen KI-Ansatz, nämlich Mixed Integer Linear Programming, genutzt, um die Luft in den Kartons von Digitec Galaxus um 28 Prozent zu reduzieren.» In einem ähnlichen Projekt habe Ergon ein «SmartOrdering»-System entwickelt, das dafür sorge, dass Verbindungsteile wie Schrauben oder Muttern zuverlässig dann an Lager sind, wenn sie benötigt werden: «Das System reduziert kostspielige Express-Lieferungen um 70 Prozent, ohne den Lagerbestand zu erhöhen.» Obwohl diese KI-Ansätze im Grunde genommen bereits über 50 Jahre alt seien, böten sie doch vielen Firmen eine echte Chance, ihr Geschäft nachhaltig zu optimieren.

Wenn sich die Funktionalität der Software nicht mehr programmatisch beschreiben lasse, setze Ergon auf ML, so zum Beispiel mit der Komponente «Anomaly Shield» im Sicherheitsprodukt Airlock Gateway. «Das System lernt selbstständig, auffälliges Verhalten zu erkennen und zu blockieren», erklärt Kleiminger. «Ähnlich wie bei unserer Fraud-Detection-Lösung: Hier setzen wir ML ein, um betrügerische Zahlungen schnell und zuverlässig zu erkennen.» Bei beiden Systemen erfolge das Training der Modelle direkt auf den produktiven Systemen, ohne dass dabei Personendaten an andere Systeme übermittelt werden. 

Besonderes Potenzial sieht Ergon im Bereich von Voice User Interfaces (VUIs). «Hier entwickeln wir eine ML-basierte domänenspezifische Spracherkennung, welche die Nachteile von «Commercial off-the-shelf (COTS)»-Hardware, wie zum Beispiel ein Smartphone mit Touchscreen ohne haptisches Feedback, unter erschwerten Bedingungen, etwa im Aussenbereich, wettmacht», so Kleiminger. Dafür seien qualitative Daten aus dem Feld notwendig. «Im Moment sehen wir daher viele Möglichkeiten im Bereich Data-centric AI», sagt er. «Der Fokus wandert von komplexen Modellen und der Big-Data-Schatzsuche hin zu einer Sammlung von weniger, aber dafür hochqualitativen Trainingsdaten.» Dieser Paradigmenwechsel bedinge auch zunehmend eine Professionalisierung der Datensammlung und Modellentwicklung mithilfe von ­DataOps- und MLOps-Konzepten. «Firmen, die bereits DataOps und MLOps nutzen, konnten dadurch erhebliche Verbesserungen erzielen, wie zum Beispiel eine höhere Produktivität durch eine verbesserte Zusammenarbeit und eine geringere Time-to-Market», erklärt Kleiminger.

Auch die Chatbot-Lösungen, die das Zürcher IT-Unternehmen Elca für seine Kunden entwickelt, basieren teilweise auf KI. «Ein gutes Beispiel dazu ist der Chatbot GG, der von Neosis – einem Tochterunternehmen von Elca – zusammen mit der Caisse Cantonale Vaudoise de Compensation (CCVD) entwickelt wurde, um Fragen der Nutzer im spezifischen Bereich der Sozialversicherungen zu beantworten», teilt die ebenfalls in Zürich domizilierte Firma auf Anfrage mit. «Wir beobachten mit Interesse die neusten Entwicklungen im Bereich der künstlichen Intelligenz, die vor allem durch Big Data angetrieben werden.» Es gebe viele verschiedene potenzielle Anwendungen, aber die mit der Spracherkennung verbundenen Anwendungen erachte Elca mittelfristig als die vielversprechendsten.