Kommentar von Benedikt Bonnmann, Adesso So gelingt Souveränität bei Künstlicher Intelligenz

Anbieter zum Thema

adesso SE

Fsas Technologies GmbH

INFOMOTION GmbH

QUNIS GmbH

Künstliche Intelligenz (KI) entfaltet ihr Potenzial erst, wenn Unternehmen Architektur, Modelle und Software gezielt aufeinander abstimmen. Wer die drei Ebenen des KI-Stacks versteht, kann flexibel agieren. So entsteht eine neue Qualität im Umgang mit KI – jenseits von Aktionismus und Abhängigkeit.

Der Hype flacht ab, jetzt beginnt die echte Arbeit. Nach und nach kommt generative Künstliche Intelligenz (GenAI) in den Prozessen an: Der Chatbot in der Personalabteilung erklärt geduldig Details zur Gehaltsabrechnung. Der Vertriebsassistent identifiziert abwanderungswillige Kundinnen und Kunden vollautomatisch. Und in der Sachbearbeitung schreiben sich Schadensberichte wie von selbst. Das ist der Moment, in dem GenAI-Anwendungen ihre volle Wirkungskraft entfalten. Es geht um höhere Geschwindigkeit, um weniger Fleißarbeit und mehr Skalierung in Unternehmen und Behörden.

Wer möchte sich angesichts dieser verlockenden Möglichkeiten schon mit den „langweiligen“ Hausaufgaben wie Digitaler Souveränität beschäftigen? Wer nimmt sich die Zeit für eine umfassende Anbieteranalyse? Wer analysiert die Details technologischer Abhängigkeiten? Die Antwort ist ernüchternd: offensichtlich viel zu wenige Verantwortliche. Das belegt der aktuelle „Index Digitale Souveränität“, den Adesso gemeinsam mit dem Handelsblatt Research Institute im Oktober 2025 veröffentlichte.

Die Zahlen sprechen eine deutliche Sprache. Der Index beleuchtet die Souveränität in sechs zentralen Dimensionen, von Hardware über Cloud bis Cybersecurity. Während Themen wie Cybersicherheit (88 Prozent) und Datenmanagement (85 Prozent) mittlerweile fest in den Köpfen der Verantwortlichen verankert sind, sieht es bei der Künstlichen Intelligenz düster aus. Nur 64 Prozent achten bei ihren KI-Initiativen auf die nötige Selbstbestimmung. Damit landet die KI auf dem unrühmlichen letzten Platz.

Dieser blinde Fleck ist kein Schönheitsfehler, sondern ein strategisches Risiko. Wer das Thema Digitale Souveränität ignoriert, steuert KI-Projekte geradewegs in den Kontrollverlust und langfristige Lock-in-Effekte. Mangelnde Souveränität wird so zur Bremse für den erfolgreichen KI-Einsatz.

Diese Bremse lässt sich lösen. Dazu müssen Verantwortliche jedoch bereit sein, direkt zu Beginn die richtige Planung aufzusetzen.

Balance statt Bunkermentalität

Doch bevor es an die Lösung geht, muss klar sein, worüber gesprochen wird. Den folgenden Überlegungen liegt diese Definition zugrunde: Digitale Souveränität bezeichnet die Fähigkeit von Organisationen, mit ihren Technologien und Daten selbstbestimmt zu agieren.

Das bedeutet konkret:

• Selbstbestimmung: Unternehmen müssen jederzeit kontrollieren können, auf welcher technologischen Basis sie operieren und wie stark sie von Dritten abhängig sind.

• Balance: Digitale Souveränität bedeutet ausdrücklich nicht Autarkie. Es geht nicht darum, sich im Keller zu verbarrikadieren oder sich abzuschotten. Vielmehr steht eine smarte Balance zwischen Unabhängigkeit auf der einen und Wirtschaftlichkeit auf der anderen Seite im Fokus.

• Flexibilität: Verantwortliche müssen die Freiheit haben, Technologien so zu wählen, dass sie zum gewünschten Souveränitätsgrad passen. Und: Ein Wechsel des Anbieters muss mit vertretbarem Aufwand machbar sein.

Souveränität ist also keine politische Floskel („USA gegen EU“), sondern das Ergebnis einer souveränen Architekturentscheidung. Eine Architektur, die es erlaubt, die Abhängigkeit bei Daten und Modellen selbst zu definieren.

Souveränität ist vielschichtig

Ein Proof of Concept (PoC) ist oft täuschend einfach aufgebaut. Der Prompt ist schnell geschrieben, das LLM ist schnell ausgewählt. Doch der Schein trügt. Die eigentliche Komplexität zeigt sich erst, wenn der Übergang in den Produktivbetrieb erfolgt. Plötzlich müssen Unternehmen Skalierbarkeit, massive Sicherheitsrisiken, Regulatorik und den enormen Wartungsaufwand (LLMOps) bewältigen. Dazu kommen die Integration in die bestehende IT-Landschaft, das Training der Teams und das Change-Management. Wer dauerhaft profitieren will, muss den gesamten Technologie-Stack beherrschen. Nur wer alle drei Ebenen analysiert, kann die Souveränitätsfrage seriös beantworten.

1. Der Maschinenraum: Hardware und Infrastruktur

Ohne Rechenleistung passiert nichts. Leistungsstarke GPUs sind der Treibstoff für komplexe KI. Die Gretchenfrage lautet hier: Wo läuft das ganze System? On-premises, in der Private Cloud oder in der Public Cloud? Diese Entscheidung hat nicht nur Auswirkungen auf die Kosten und die Skalierbarkeit, sondern definiert auch den Autonomiegrad der Anwendung grundlegend.

2. Das Gehirn: Foundational Models

Auf der Hardware laufen die Modelle. Es muss nicht immer das monolithische LLM für alles sein. Unternehmen benötigen einen Mix aus leistungsfähigen LLMs, spezialisierten multimodalen Modellen oder effizienten Small Language Models (SLMs). Die Wahl des Modells bestimmt Präzision und Betriebskosten. Zudem entscheidet sie mit darüber, wer die Hoheit über das intellektuelle Kapital der KI besitzt und wie eigenständig Unternehmen agieren können.

3. Das Nervensystem: Software

Die Software-Ebene verknüpft die Modelle und das Business. Hier befinden sich die Tools für Orchestrierung, Security, Evaluierung und Datenmanagement. Erst diese Schicht macht aus einem rohen Modell eine funktionale, robuste und sichere Unternehmenslösung.

Nur wenn diese drei Ebenen strategisch ineinandergreifen, wird aus Technologie eine Business-Lösung. Verantwortliche können inzwischen aus dem Vollen schöpfen, denn der Markt rund um KI-Technologien ist riesig. Für jeden Aspekt des Stacks haben Unternehmen heute die Wahl zwischen Tools von Hyperscalern, Closed-Source-Spezialisten oder leistungsstarken Open-Source-Alternativen.

One Size Fits None

Die wahre Kunst liegt nicht in pauschalen Vorgaben, sondern in der intelligenten Nuancierung. Unternehmen müssen für jeden Anwendungsfall die Balance zwischen gewünschter Kontrolle und notwendiger Effizienz neu austarieren.

Ein Beispiel zur Verdeutlichung: Ein Tool, das Entwürfe für LinkedIn-Posts generiert, ist im Risiko kaum vergleichbar mit einer KI, die laufende Patentklagen und interne Rechtsrisiken für die Rechtsabteilung analysiert. Im ersten Szenario ist ein günstiges, schnell skalierbares Hyperscaler-Angebot mit einem Standard-LLM oft völlig ausreichend und wirtschaftlich sinnvoll. Bei juristischen Fragestellungen hingegen, wo Systeme hochsensible Daten und Strategien verarbeiten, lohnt sich das Investment in eine On-prem-Lösung, auf der ein individuell angepasstes Open-Source-Modell läuft.

Der Drei-Punkte-Plan

Wie gelingt der Wechsel vom eher passiven Anwender zum souveränen Gestalter? Um bei der GenAI-Implementierung nicht nur auf Sicht zu fahren, sondern die strategische Weitsicht zu wahren, sind drei Schritte wichtig:

• 1. Inventur: Bestandsaufnahme aller Komponenten des Tech-Stacks und Definition des für jeden Workload notwendigen Souveränitätsgrades.

• 2. Entwickeln: Designen eines Target Operation Models, das speziell auf den KI-Betrieb ausgelegt ist und die Souveränitätsziele stützt.

• 3. Bauen: Erstellung eines Fahrplans, der die technischen und organisatorischen Maßnahmen benennt und orchestriert.

Dieser Ansatz beseitigt den operativen Tunnelblick und das Prinzip Hoffnung durch klares, architektonisches Kalkül.

Das Fundament muss stimmen

Wer heute bei KI nur auf bunte Use Cases schaut und nicht auf die Architektur, programmiert die Abhängigkeiten von morgen gleich mit.

Unternehmen dürfen sich weder abschotten noch die Augen verschließen. Sie müssen handeln. Das Ziel ist eine smarte Architektur, mit der sich der Abhängigkeitsgrad bei Daten und Modellen selbst steuern lässt. Das ist der wahre Geschäftswert der Digitalen Souveränität: Sie ist das Fundament für den sicheren und gewinnbringenden Einsatz von KI in allen Unternehmensbereichen.

(ID:50652743)