KI-Glossar: Die wichtigsten Begriffe einfach erklärt

In fast jedem Friday Weekly fällt irgendwann ein Begriff, bei dem die Hälfte der Teilnehmenden kurz nickt und die andere Hälfte heimlich nachschlägt. Token, RAG, Agent, Halluzination: Die KI-Welt hat ihre eigene Sprache, und sie wächst schneller als jedes Wörterbuch.

Das Problem dabei ist nicht der Fachbegriff selbst. Das Problem entsteht, wenn alle dasselbe Wort benutzen und etwas anderes meinen. Die Geschäftsleitung spricht von «unserem KI-Agenten», die IT meint einen Chatbot mit Zugriff auf drei Dokumente, und die Datenschutzverantwortliche fragt sich, ob dafür eine Folgenabschätzung nötig ist.

Dieses Glossar schafft eine gemeinsame Sprache. Jeder Begriff ist in zwei bis vier Sätzen erklärt, mit einem Beispiel und, wo es passt, mit dem Bezug zur Schweiz. Die Begriffe sind nach Themen geordnet, damit du zusammen findest, was zusammengehört.

Grundlagen: Was KI überhaupt ist

Bevor es um Modelle und Gesetze geht, lohnt sich ein Blick auf die Grundbegriffe. Sie tauchen in jeder Diskussion auf und werden oft unscharf verwendet.

• Künstliche Intelligenz (KI): Sammelbegriff für Computersysteme, die Aufgaben lösen, für die es bisher menschliches Denken brauchte, etwa Sprache verstehen, Bilder erkennen oder Entscheidungen vorbereiten. Auf Englisch heisst sie Artificial Intelligence (AI). Heute meinen die meisten damit generative KI wie ChatGPT, der Begriff ist aber viel älter und breiter.
• Maschinelles Lernen: Teilgebiet der KI, in dem ein System Regeln nicht programmiert bekommt, sondern aus Beispielen ableitet. Ein Spamfilter lernt aus Tausenden markierter E-Mails, was Spam ist, statt eine fixe Liste von Stichworten abzuarbeiten.
• Neuronales Netz und Deep Learning: Ein neuronales Netz ist ein Rechenmodell aus vielen verknüpften Schichten, lose inspiriert vom Gehirn. Deep Learning bezeichnet Netze mit sehr vielen Schichten. Fast alle heutigen KI-Durchbrüche, von der Bilderkennung bis zu Sprachmodellen, beruhen darauf.
• Generative KI: KI, die neue Inhalte erzeugt: Texte, Bilder, Musik, Videos oder Programmcode. Sie unterscheidet sich von klassischer KI, die vor allem einordnet oder vorhersagt. Laut Bundesamt für Statistik nutzten 2025 bereits 47 Prozent der 16- bis 74-Jährigen in der Schweiz generative KI, mehr dazu auf der Seite KI in der Schweiz in Zahlen.
• Sprachmodell (LLM): Ein Large Language Model ist ein grosses neuronales Netz, das mit riesigen Textmengen trainiert wurde und Sprache verarbeiten und erzeugen kann. Es sagt im Kern immer das wahrscheinlich nächste Textstück voraus. Bekannte Beispiele sind GPT, Claude, Gemini und das Schweizer Modell Apertus.
• Multimodal: Ein Modell ist multimodal, wenn es mehrere Arten von Eingaben verarbeitet, etwa Text, Bilder, Audio oder Video. Du kannst einem multimodalen Modell zum Beispiel ein Foto einer Rechnung geben und fragen, ob die Mehrwertsteuer korrekt ausgewiesen ist.
• Trainingsdaten: Die Daten, aus denen ein Modell lernt. Ihre Qualität und Herkunft bestimmen, was ein Modell kann, welche Sprachen es beherrscht und welche Verzerrungen es übernimmt. Bei den meisten kommerziellen Modellen sind die Trainingsdaten nicht offengelegt.
• Parameter: Die gelernten Stellschrauben eines Modells. Ihre Zahl gibt grob die Grösse an: Ein Modell mit 8 Milliarden Parametern (8B) läuft auf einem guten Notebook, eines mit 70 Milliarden (70B) braucht einen Server. Mehr Parameter heisst oft mehr Können, aber auch mehr Rechenaufwand.
• Token: Die Einheit, in der ein Sprachmodell Text liest und schreibt. Ein Token ist meist ein Wortteil; ein deutsches Wort besteht oft aus mehr als einem Token. Viele Anbieter rechnen ihre Preise pro Million Token ab.
• Kontextfenster: Wie viel Text ein Modell in einem Durchgang berücksichtigen kann, gemessen in Token. Ein grosses Kontextfenster erlaubt es, einen ganzen Vertrag oder ein langes Protokoll auf einmal zu verarbeiten. Was ausserhalb des Fensters liegt, «vergisst» das Modell.
• Halluzination: Wenn ein Modell überzeugend formulierte, aber falsche Angaben macht, etwa eine erfundene Quelle oder ein falsches Datum. Das passiert, weil das Modell wahrscheinliche statt geprüfte Antworten erzeugt. Darum gilt: Fakten, Zahlen und Zitate immer an der Quelle prüfen.
• Bias (Verzerrung): Systematische Schieflage in den Ergebnissen eines Modells, meist übernommen aus den Trainingsdaten. Ein Bewerbungstool, das mit Daten aus einer männlich geprägten Branche trainiert wurde, kann Frauen benachteiligen, ohne dass es jemand beabsichtigt hat.
• Benchmark: Standardisierter Test, mit dem Modelle verglichen werden, etwa in Mathematik, Programmieren oder Allgemeinwissen. Benchmarks sind nützlich, sagen aber wenig darüber, wie gut ein Modell deine konkrete Aufgabe löst. Ein eigener Test mit echten Beispielen aus deinem Alltag ist oft aussagekräftiger.

Kurz zusammengefasst: Ein Sprachmodell ist eine sehr gute Wahrscheinlichkeitsmaschine für Text. Daraus folgen seine Stärken und seine typischen Fehler.

Modelle: Was hinter den Werkzeugen steckt

Wer KI-Werkzeuge vergleicht, stösst schnell auf Begriffe rund um die Modelle selbst. Sie entscheiden, wo deine Daten verarbeitet werden und wie viel Kontrolle du hast.

• KI-Modell mit allgemeinem Verwendungszweck: So nennt der EU AI Act Modelle wie GPT oder Claude, die für viele verschiedene Aufgaben einsetzbar sind (englisch General Purpose AI, GPAI). Für ihre Anbieter gelten in der EU seit dem 2. August 2025 eigene Pflichten, etwa zur technischen Dokumentation.
• Open Weights: Die trainierten Gewichte eines Modells sind öffentlich und können heruntergeladen werden. Du kannst das Modell also selbst betreiben, weisst aber nicht unbedingt, womit es trainiert wurde. Beispiele sind Llama von Meta oder Mistral.
• Vollständig offenes Modell: Neben den Gewichten sind auch Trainingsdaten, Code und Methoden offengelegt. Damit lässt sich nachvollziehen, wie das Modell entstanden ist. Das Schweizer Modell Apertus gehört zu den wenigen Modellen, die so weit gehen.
• Apertus: Das vollständig offene, mehrsprachige Sprachmodell der Swiss AI Initiative von ETH Zürich, EPFL und dem Nationalen Hochleistungsrechenzentrum CSCS. Version 1.0 erschien am 2. September 2025, Version 1.5 im Juli 2026. Trainiert wurde es mit über 1800 Sprachen, darunter Schweizerdeutsch und Rätoromanisch.
• Reasoning-Modell (Thinking Mode): Ein Modell, das vor der Antwort Zwischenschritte durchdenkt. Das kostet mehr Zeit und Rechenleistung, liefert aber bei Aufgaben mit mehreren Schritten, etwa Berechnungen oder Planungen, deutlich bessere Ergebnisse.
• Fine-Tuning (Feinabstimmung): Ein bestehendes Modell wird mit eigenen Beispielen weiter trainiert, damit es einen bestimmten Stil oder ein Fachgebiet besser beherrscht. Für die meisten Firmen ist das aufwendiger als nötig; oft reicht ein gutes Prompting oder RAG.
• Inferenz: Der Moment, in dem ein fertig trainiertes Modell eine Antwort berechnet. Training passiert einmal und kostet viel, Inferenz passiert bei jeder Anfrage. Bei Cloud-Diensten bezahlst du in der Regel die Inferenz.
• Lokales Modell: Ein Modell, das auf deinem eigenen Gerät oder Server läuft, ohne dass Daten das Haus verlassen. Werkzeuge wie Ollama oder LM Studio machen das auch ohne Programmierkenntnisse möglich. Welche Modelle auf welcher Hardware laufen, zeigt der Vergleich KI-Modelle.
• Quantisierung: Ein Verfahren, das ein Modell verkleinert, indem es seine Zahlen mit weniger Genauigkeit speichert. Ein Bild dazu: Statt jede Zahl mit zehn Nachkommastellen zu notieren, rundest du auf zwei. Das Modell wird kleiner und schneller und verliert dabei meist nur wenig Qualität.

Kurz zusammengefasst: Je offener ein Modell ist, desto mehr Kontrolle hast du über Betrieb und Daten. Je grösser es ist, desto mehr Rechenleistung braucht es.

Anwendung: Wie KI im Alltag arbeitet

In der Praxis begegnest du KI selten als nacktem Modell, sondern als Werkzeug mit Oberfläche, Anbindung und Regeln. Diese Begriffe beschreiben, wie das zusammenspielt.

• Chatbot und KI-Assistent: Eine Anwendung, mit der du in natürlicher Sprache mit einem Modell sprichst, etwa ChatGPT, Claude, Copilot oder Le Chat. Welche Schweizer Alternativen es gibt und wo deren Daten liegen, zeigt der Vergleich Schweizer KI-Chats.
• Prompt: Die Eingabe, mit der du einem Modell sagst, was es tun soll. Ein guter Prompt nennt Rolle, Aufgabe, Kontext und gewünschtes Format. «Fasse zusammen» liefert etwas, «Fasse das Protokoll für die Geschäftsleitung in fünf Punkten zusammen, mit offenen Entscheiden zuerst» liefert etwas Brauchbares.
• Systemprompt: Eine Anweisung, die vor jedem Gespräch mitgeschickt wird und das Verhalten eines Assistenten festlegt, etwa Tonalität, erlaubte Themen oder Sprache. Nutzerinnen und Nutzer sehen ihn meist nicht.
• RAG (Retrieval Augmented Generation): Ein Verfahren, bei dem das Modell zuerst in deinen eigenen Dokumenten sucht und dann mit den gefundenen Stellen antwortet. So beantwortet ein Chatbot Fragen zu deinem Personalreglement, ohne dass das Modell neu trainiert werden muss. Der Assistent auf swissai.ch arbeitet nach diesem Prinzip.
• Embedding und Vektordatenbank: Ein Embedding übersetzt einen Text in eine Zahlenreihe, die seine Bedeutung abbildet. Texte mit ähnlicher Bedeutung liegen dann nahe beieinander. Eine Vektordatenbank speichert diese Zahlenreihen und findet damit passende Stellen für RAG.
• KI-Agent: Ein System, das ein Ziel in mehreren Schritten selbstständig verfolgt: planen, Werkzeuge nutzen, Zwischenergebnisse prüfen, weitermachen. Ein Agent kann zum Beispiel Offerten vergleichen, eine Tabelle erstellen und einen E-Mail-Entwurf vorbereiten. Je mehr er selbst darf, desto wichtiger sind klare Grenzen und Kontrollen.
• Tool-Nutzung (Function Calling): Die Fähigkeit eines Modells, externe Funktionen aufzurufen, etwa eine Websuche, einen Kalender oder ein CRM. Erst damit kann KI nicht nur Text schreiben, sondern in Systemen handeln.
• MCP (Model Context Protocol): Ein offener Standard, den Anthropic im November 2024 vorgestellt hat und den inzwischen viele Anbieter unterstützen. Er regelt, wie KI-Assistenten an Werkzeuge und Datenquellen angeschlossen werden. Ein Bild dazu: MCP ist für KI, was USB für Computer ist, ein gemeinsamer Stecker.
• Human in the Loop: Ein Mensch prüft und genehmigt wichtige Schritte, bevor sie wirksam werden. Bei heiklen Entscheiden, etwa im Personalwesen oder bei Zahlungen, ist das die wichtigste Schutzmassnahme.
• Deepfake: Mit KI erzeugtes oder verändertes Bild, Video oder Audio, das echt wirkt und echte Personen, Orte oder Ereignisse zeigt. Seit dem 2. August 2026 müssen Deepfakes in der EU als KI-erzeugt offengelegt werden; in der Schweiz gibt es dafür noch keine eigene Regel.
• Wasserzeichen und Kennzeichnung: Technische Markierungen, die KI-generierte Inhalte erkennbar machen, sichtbar oder unsichtbar in den Daten. Der EU AI Act verlangt sie für generative Systeme; bestehende Systeme haben dafür eine Übergangsfrist bis zum 2. Dezember 2026.
• Schatten-KI: KI-Werkzeuge, die Mitarbeitende ohne Wissen oder Freigabe der Firma nutzen, oft mit privaten Konten. Verbote helfen erfahrungsgemäss wenig. Wirksamer sind eine klare Richtlinie und freigegebene Werkzeuge, die gut genug sind, dass niemand ausweichen will.

Kurz zusammengefasst: Der Nutzen entsteht selten im Modell allein, sondern in der Verbindung mit deinen Daten, Werkzeugen und Abläufen.

Recht und Datenschutz: Was in der Schweiz gilt

Die Schweiz hat noch kein eigenes KI-Gesetz. Trotzdem gelten bereits viele Regeln, die du kennen solltest. Eine ausführliche Einordnung findest du im Beitrag KI-Gesetz Schweiz.

• Datenschutzgesetz (DSG): Das revidierte Bundesgesetz über den Datenschutz gilt seit dem 1. September 2023 und ist technologieneutral formuliert. Es gilt damit auch für KI, sobald Personendaten bearbeitet werden. Oft ist dafür noch die Abkürzung nDSG für «neues DSG» im Umlauf.
• EDÖB: Der Eidgenössische Datenschutz- und Öffentlichkeitsbeauftragte ist die Aufsichtsbehörde für den Datenschutz bei Privaten und beim Bund. Er hat im November 2023 festgehalten, dass das geltende Datenschutzgesetz direkt auf KI anwendbar ist.
• Personendaten und besonders schützenswerte Personendaten: Personendaten sind alle Angaben, die sich auf eine bestimmte oder bestimmbare Person beziehen. Besonders schützenswert sind etwa Gesundheitsdaten, religiöse Ansichten oder biometrische Daten. Für sie gelten strengere Regeln, auch wenn du sie in ein KI-Werkzeug eingibst.
• Auftragsbearbeitung: Wenn ein Anbieter Personendaten in deinem Auftrag bearbeitet, etwa ein KI-Dienst in der Cloud, brauchst du einen Vertrag, der Zweck, Sicherheit und Unterauftragnehmer regelt. Bei Business-Versionen der grossen Anbieter ist er meist Teil der Bedingungen, bei Gratis-Versionen fehlt er oft.
• Bekanntgabe ins Ausland: Personendaten dürfen nur in Länder mit angemessenem Datenschutz übermittelt werden oder mit zusätzlichen Garantien wie Standardvertragsklauseln. Für die USA gilt seit dem 15. September 2024 das Swiss-U.S. Data Privacy Framework, allerdings nur für zertifizierte Unternehmen.
• Datenschutz-Folgenabschätzung: Eine vorgeschriebene Prüfung, wenn eine Bearbeitung ein hohes Risiko für die betroffenen Personen mit sich bringen kann. Beim Einsatz von KI mit Personendaten, etwa zur Bewertung von Bewerbungen, ist sie häufig nötig.
• KI-Konvention des Europarats: Das erste verbindliche internationale Abkommen zu KI, Menschenrechten, Demokratie und Rechtsstaat. Die Schweiz hat es am 27. März 2025 unterzeichnet. Der Bundesrat will es ratifizieren und dafür Gesetze möglichst sektoriell anpassen.
• Vernehmlassung: Das Verfahren, in dem Kantone, Parteien, Verbände und Interessierte zu einem Gesetzesentwurf des Bundes Stellung nehmen können, bevor er ans Parlament geht. Zur Umsetzung der KI-Konvention ist die Vernehmlassung laut Planung des Bundesrats für das erste Halbjahr 2027 vorgesehen. Den aktuellen Stand verfolgt unser Beitrag zur Vernehmlassung zur KI-Regulierung.
• EU AI Act: Die KI-Verordnung der EU, seit dem 1. August 2024 in Kraft und schrittweise wirksam. Sie gilt auch für Schweizer Firmen, wenn deren KI-Systeme in der EU angeboten oder deren Ergebnisse dort verwendet werden. Was das konkret heisst, erklärt der Beitrag EU AI Act für Schweizer Unternehmen.
• Hochrisiko-KI: Kategorie des EU AI Act für KI in sensiblen Bereichen wie Personalauswahl, Bildung, Kreditvergabe oder kritischer Infrastruktur. Für sie gelten strenge Pflichten zu Risikomanagement, Dokumentation und menschlicher Aufsicht, nach dem Digital Omnibus ab Dezember 2027 bzw. August 2028.
• Digital Omnibus: Die Verordnung (EU) 2026/1744, seit dem 27. Juli 2026 in Kraft. Sie vereinfacht den AI Act und verschiebt vor allem die Fristen für Hochrisiko-KI.
• KI-Kompetenz: Das Wissen und die Fähigkeiten, KI sachkundig und verantwortungsvoll einzusetzen, auf Englisch AI Literacy. Nach Art. 4 des EU AI Act müssen Anbieter und Betreiber Massnahmen ergreifen, um sie bei ihrem Personal zu fördern. Passende Angebote findest du in der Übersicht der KI-Weiterbildungen.
• FINMA-Aufsichtsmitteilung 08/2024: Die Erwartungen der Finanzmarktaufsicht an Banken, Versicherungen und weitere Institute beim Einsatz von KI, veröffentlicht im Dezember 2024. Sie betrifft unter anderem Governance, Inventar der KI-Anwendungen, Datenqualität, Tests und Erklärbarkeit.
• Urheberrecht und KI: In der Schweiz ist offen, ob und wie geschützte Werke für das Training von KI genutzt werden dürfen. Das Parlament hat die Motion Gössi (24.4596) zum Schutz geistigen Eigentums vor KI angenommen; wie sie umgesetzt wird, ist offen. Geschützt sind nach geltendem Recht nur geistige Schöpfungen von Menschen; rein KI-generierte Inhalte gelten darum in der Regel nicht als Werke.

Kurz zusammengefasst: Wer KI mit Personendaten einsetzt, bewegt sich bereits heute in einem geregelten Rahmen. Neu kommen vor allem Transparenzpflichten und, über den AI Act, Regeln für Hochrisiko-Anwendungen dazu.

Die Schweizer KI-Landschaft

Einige Begriffe sind typisch schweizerisch oder werden hier oft verwechselt. Sie helfen, Meldungen und Angebote richtig einzuordnen.

• Swiss AI Initiative: Die gemeinsame Initiative von ETH Zürich und EPFL mit weiteren Schweizer Hochschulen, die offene KI-Modelle für Wissenschaft, Wirtschaft und Gesellschaft entwickelt, darunter Apertus. Sie nutzt die Rechenleistung des Supercomputers Alps. Mehr dazu auf der Seite Swiss AI Initiative und Apertus.
• swissAI: Der unabhängige Schweizer Verband für Künstliche Intelligenz, früher KImpact. swissAI ist nicht Teil der Swiss AI Initiative, unterstützt aber ihre Ziele. Wer dahinter steht, zeigt die Seite Organisation.
• CSCS und Alps: Das Nationale Hochleistungsrechenzentrum der Schweiz in Lugano betreibt den Supercomputer Alps, eine der leistungsfähigsten Anlagen Europas für KI. Auf Alps wurde Apertus trainiert.
• Digitale Souveränität: Die Fähigkeit eines Landes, einer Organisation oder einer Person, über die eigenen Daten, Systeme und digitalen Abhängigkeiten selbst zu bestimmen. Bei KI geht es konkret um die Frage, ob Modelle, Rechenleistung und Daten unter eigener Kontrolle oder bei wenigen ausländischen Konzernen liegen.
• Datenstandort Schweiz: Ein Dienst verarbeitet und speichert die Daten in Rechenzentren in der Schweiz. Das ist ein wichtiges Kriterium, ersetzt aber nicht die Prüfung, wer Zugriff hat und welchem Recht der Anbieter untersteht.

Arbeit und Weiterbildung

Zum Schluss die Begriffe, die in Firmen und bei der eigenen Weiterbildung am häufigsten fallen.

• KI-Richtlinie: Interne Regeln, welche KI-Werkzeuge wofür genutzt werden dürfen, welche Daten tabu sind und wer was freigibt. Sie ist die Grundlage gegen Schatten-KI und ein Baustein der KI-Kompetenz im Sinn des AI Act.
• KI-Strategie: Der Plan, wo KI im Unternehmen Nutzen stiftet, in welcher Reihenfolge Anwendungen umgesetzt werden und was es dafür braucht. Laut EY sehen erst 9 Prozent der Befragten in der Schweiz KI als festen Teil der Strategie. Einen strukturierten Einstieg bietet das KI-Strategie-Paket.
• Eidgenössischer Fachausweis in KI: Ein neuer eidgenössischer Abschluss der höheren Berufsbildung für Fachleute, die KI in Unternehmen einsetzen. Er wird von der Branche getragen und vom Bund anerkannt; swissAI unterstützt den Aufbau. Einen Überblick über diesen und weitere Wege gibt der Beitrag KI-Kurse und Lehrgänge in der Schweiz.
• CAS (Certificate of Advanced Studies): Eine berufsbegleitende Weiterbildung an einer Hochschule mit mindestens 10 ECTS-Punkten, also rund 300 Stunden Aufwand. Viele Fachhochschulen und Universitäten bieten CAS zu KI, Data Science oder KI im Marketing an.
• Zertifizierte KI-Trainerin, zertifizierter KI-Trainer: Fachleute, die nach den Standards von swissAI praxisnah zu generativer KI schulen. Das Verzeichnis findest du unter KI-Trainer:innen.

Häufige Fragen

Was ist der Unterschied zwischen KI und generativer KI?

KI ist der Oberbegriff für Systeme, die Aufgaben mit scheinbar menschlicher Intelligenz lösen. Generative KI ist ein Teil davon: Sie erzeugt neue Inhalte wie Texte, Bilder oder Code, während klassische KI vor allem einordnet und vorhersagt.

Was ist ein Token?

Ein Token ist die kleinste Einheit, in der ein Sprachmodell Text verarbeitet, meist ein Wortteil. Länge von Eingaben, Kontextfenster und Preise werden in Token gemessen.

Was bedeutet RAG?

RAG steht für Retrieval Augmented Generation. Das Modell sucht zuerst in hinterlegten Dokumenten und formuliert die Antwort dann auf Basis der gefundenen Stellen. So antwortet ein Chatbot mit eigenem Firmenwissen, ohne neu trainiert zu werden.

Gibt es in der Schweiz ein KI-Gesetz?

Noch nicht. Es gelten aber bereits das Datenschutzgesetz, das Lauterkeits- und das Urheberrecht sowie Branchenregeln. Der Bundesrat will die KI-Konvention des Europarats ratifizieren; die Vernehmlassung zu den nötigen Gesetzesänderungen ist für das erste Halbjahr 2027 geplant.

Was ist der Unterschied zwischen swissAI und der Swiss AI Initiative?

Die Swiss AI Initiative ist ein Forschungsprogramm von ETH Zürich, EPFL und weiteren Hochschulen, das unter anderem das Sprachmodell Apertus entwickelt. swissAI ist der unabhängige Verband für Künstliche Intelligenz, der Menschen und Firmen beim Einsatz von KI vernetzt und weiterbildet.

Fazit

Ein gemeinsames Vokabular ist die einfachste KI-Massnahme, die eine Firma umsetzen kann. Wer weiss, was ein Kontextfenster ist, versteht, warum der Chatbot den Anfang des Vertrags vergessen hat. Wer RAG von Fine-Tuning unterscheidet, wählt den günstigeren Weg. Und wer die Begriffe des Datenschutzes kennt, stellt die richtigen Fragen, bevor Daten in ein Werkzeug fliessen.

Kurz zusammengefasst:

• Sprachmodelle sagen wahrscheinliche Fortsetzungen voraus; daraus folgen Stärken und Halluzinationen.
• Token und Kontextfenster bestimmen, wie viel ein Modell auf einmal verarbeitet und was es kostet.
• RAG verbindet ein Modell mit eigenem Wissen, ohne es neu zu trainieren.
• Agenten handeln in mehreren Schritten und brauchen darum klare Grenzen und menschliche Kontrolle.
• In der Schweiz gilt für KI heute vor allem das Datenschutzgesetz, ein eigenes KI-Gesetz ist in Vorbereitung.
• Der EU AI Act betrifft Schweizer Firmen, sobald ihre KI in der EU genutzt wird.

Fehlt dir ein Begriff? Schreib uns an human@swissai.ch oder bring ihn ins Friday Weekly mit. Wir ergänzen das Glossar laufend.

Stand: 6. Oktober 2026.

Quellen: Datenschutzgesetz auf Fedlex · EDÖB zu KI und Datenschutz · KI-Verordnung der EU auf EUR-Lex · Digital Omnibus auf EUR-Lex