Lange Berichte zusammenfassen, Informationen aus Unterlagen herausziehen oder Antwortentwürfe vorbereiten: Solche Aufgaben sind naheliegende Testfälle für Sprachmodelle. Apertus ist eine offene Modellfamilie der Swiss AI Initiative, an der EPFL, ETH Zürich und CSCS beteiligt sind. Die offizielle Projektseite veröffentlicht Informationen zu Modellen, Trainingsverfahren und Nutzung.
Offenheit kann die technische Prüfung und einen selbst verantworteten Betrieb erleichtern. Sie beantwortet aber noch nicht, welches Modell Ihre Dokumente zuverlässig verarbeitet, welche Infrastruktur Sie benötigen oder welche Daten im vorgesehenen Ablauf verwendet werden dürfen.
Modellversion statt pauschalem Produktvergleich
Im Dezember 2025 betrachteten wir die damalige Apertus-Generation mit einem Kontextfenster von 65.536 Tokens. Inzwischen nennt die offizielle Modellkarte zu Apertus v1.5-70B bis zu 262.144 Tokens sowie die Verarbeitung von Bild- und Audioeingaben. Diese Angaben gehören zu der konkret benannten Version, nicht pauschal zu jedem Modell mit dem Namen Apertus.
Tokens sind die Einheiten, in denen ein Modell seine Eingaben verarbeitet. Eine feste Seitenzahl lässt sich daraus nicht zuverlässig ableiten: Sprache, Tabellen, Bilder und Formatierung verändern den Umfang. Ein größeres Kontextfenster ist außerdem kein Beleg dafür, dass jede Information in langen Unterlagen richtig berücksichtigt wird.
Dokumentenarbeit als prüfbaren Ablauf gestalten
Für einen ersten Test empfehlen wir einen überschaubaren Dokumenttyp und ein klar beschriebenes Ergebnis. Statt „Analysiere unsere Unterlagen“ wäre die Aufgabe beispielsweise: „Fasse die offenen Punkte dieses Protokolls zusammen und nenne zu jedem Punkt die Fundstelle.“
- Unterlagen vorbereiten. Prüfen Sie, ob Text, Tabellen und wichtige Anhänge tatsächlich lesbar übernommen werden.
- Aufgabe begrenzen. Legen Sie fest, welche Angaben gesucht werden und wie fehlende Informationen gekennzeichnet werden sollen.
- Quellen mitführen. Lassen Sie Fundstellen oder Dokumentabschnitte zuordnen, damit das Ergebnis kontrollierbar bleibt.
- Ergebnis vergleichen. Eine fachkundige Person prüft die Ausgabe am Original und erfasst notwendige Korrekturen.
Bei größeren Sammlungen kann es sinnvoll sein, zunächst passende Abschnitte zu suchen und nur diese zu verarbeiten. Das Prinzip beschreibt unser Beitrag über RAG und Unternehmenswissen. Auch dabei müssen fehlende Treffer und widersprüchliche Quellen getestet werden.
Was ein eigener Betrieb zusätzlich verlangt
Wer ein Modell selbst betreibt, übernimmt Aufgaben rund um Infrastruktur, Zugänge, Aktualisierung und Überwachung. Vergleichen Sie deshalb nicht nur einen möglichen Nutzungspreis, sondern auch Einrichtung, Betreuung und die Zeit für menschliche Prüfung. Unser Beitrag zu KI-Kosten hilft, diese Positionen auseinanderzuhalten.
Für die gewählte Modellversion sind außerdem die tatsächlichen Lizenz- und Nutzungsbedingungen sowie die vorgesehenen Datenflüsse zu prüfen. Aus offen verfügbaren Modellbestandteilen folgt keine pauschale Freigabe für jede Datenverarbeitung. Dieses technische Überblicksstück ersetzt keine rechtliche Prüfung.
Ein möglicher Baustein, kein fertiges Dokumentenprodukt
Im Dezember 2025 setzte SOULSURF Apertus noch nicht produktiv in Kundenprojekten ein. Daraus lässt sich kein heutiger Einsatzstatus ableiten. Auch der damalige Research-Agent war ein Entwicklungsansatz, keine belegte fertige Produktfunktion.
Die sinnvolle nächste Frage lautet deshalb: Welche konkrete Dokumentenaufgabe soll mit welchem Modell und welchem Prüfaufwand gelöst werden? Wir können diesen Anwendungsfall gemeinsam mit Ihnen eingrenzen.
Über den Autor
Alex Krapp
Alex Krapp entwickelt SOULSURF als Unternehmen weiter, berät Kunden strategisch und schafft die Grundlage für langfristige Partnerschaften. In seinen Beiträgen verbindet er digitale Möglichkeiten mit den Zielen und Abläufen im Unternehmen. Er schreibt über die Einführung von KI, verständliche Inhalte und die Frage, wie aus neuen Technologien sinnvoll eingesetzte Lösungen werden.