FHNW und Giotto.ai forschen an effizienteren KI-Modellen
Das High-Performance-Computing-Labor der FHNW und das Lausanner KI-Labor Giotto.ai wollen gemeinsam Rechenaufwand und Inferenzkosten von KI-Modellen senken, ohne Leistung einzubüssen. Im Fokus: Serving-Engines, Deployment-Profile und Hardware-Beschleuniger.
Pascal Eugster
GRÜNDER & ENTWICKLER
1. AUGUST 2026
1 MIN. LESEZEIT
in
PARTNER · INOO GMBH
Wie viel KI verträgt dein Betrieb? In 30 Minuten Klartext.
Kostenloses Erstgespräch — herstellerneutral, direkt aus dem Rheintal.
Gespräch buchen →
DAS WICHTIGSTE IN KÜRZE
Die Schweiz forscht mit am Branchentrend Effizienz statt Grösse: kompakte KI-Modelle, die günstig auf selbst gewählter Infrastruktur laufen – statt immer grösserer Rechencluster.
Zwei Schweizer Player spannen zusammen: Das High-Performance-Computing-Labor der FHNW und das Lausanner KI-Labor Giotto.ai haben eine Forschungskooperation gestartet. Gemeinsam wollen sie den Rechenaufwand und die Inferenzkosten von KI-Modellen senken – also die Kosten, die beim Ausführen eines fertig trainierten Modells anfallen –, ohne dabei Leistung einzubüssen. Untersucht werden unter anderem die Optimierung von Serving-Engines, verschiedene Deployment-Profile und Konfigurationen von Hardware-Beschleunigern. Auf FHNW-Seite koordiniert Prof. Tomasz Kacprzak vom Institute for Data Science das Programm.
Giotto.ai machte zuletzt mit Spitzenresultaten beim Reasoning-Benchmark ARC-AGI von sich reden – erzielt mit einem vergleichsweise winzigen Modell. Die These hinter der Kooperation passt dazu: Bessere KI braucht nicht zwingend grössere Modelle.
«Computational efficiency is becoming as critical as model capability», sagt Wallyson Lemes, Chief AI von Giotto.ai.
Konkret heisst das: Die Schweiz forscht vorne mit, wenn die Branche gerade von «immer grösser» auf «immer effizienter» umschwenkt.
