Viele Unternehmen hinterfragen zunehmend ihre Abhängigkeit von großen US-amerikanischen KI-Anbietern. Steigende Kosten, regulatorische Unsicherheiten und Fragen zur Datensouveränität führen dazu, dass europäische Modelle und eigene KI-Infrastrukturen stärker in den Fokus rücken.
Hintergrund: Die Suche nach mehr Kontrolle über künstliche Intelligenz
Künstliche Intelligenz hat sich in den vergangenen Jahren von einem Experimentierfeld zu einem strategischen Bestandteil vieler Unternehmensprozesse entwickelt. Ob Softwareentwicklung, Kundenservice, Wissensmanagement oder industrielle Optimierung: Immer mehr Unternehmen prüfen, wie KI-Systeme produktiv eingesetzt werden können.
Lange Zeit dominierten dabei vor allem große US-amerikanische Anbieter den Markt. Modelle wie ChatGPT oder Claude wurden aufgrund ihrer Leistungsfähigkeit schnell zu Standardlösungen für viele Unternehmen. Die einfache Verfügbarkeit über Cloud-Plattformen und die hohe Qualität der Ergebnisse machten den Einstieg vergleichsweise unkompliziert.
Doch mit der zunehmenden Integration von KI in kritische Geschäftsprozesse verändern sich die Anforderungen. Unternehmen betrachten nicht mehr ausschließlich die Leistungsfähigkeit eines Modells, sondern zunehmend auch Fragen nach Kosten, Verfügbarkeit, rechtlicher Sicherheit und Kontrolle über eigene Daten.
Die Diskussion um Abhängigkeiten von einzelnen Anbietern hat dadurch an Bedeutung gewonnen. Für viele Unternehmen stellt sich inzwischen die Frage, ob sie ihre gesamte KI-Strategie auf einen einzigen Anbieter ausrichten möchten oder ob mehrere Alternativen notwendig sind.
Dr. Alexander Nichau, Geschäftsführer der niologic GmbH und Experte für Künstliche Intelligenz, sieht darin eine grundsätzliche Entwicklung: „Der Einsatz eines einzigen Anbieters macht Unternehmen abhängig.“ Besonders kritisch sei dies, wenn wichtige Geschäftsprozesse oder sensibles Unternehmenswissen an externe Plattformen gebunden werden.
Drei Wege der KI-Nutzung im Unternehmen
Bei der strategischen Entscheidung für KI-Systeme zeichnen sich aktuell drei unterschiedliche Ansätze ab.
Der erste Weg führt über US-amerikanische KI-Modelle, die häufig über Cloud-Plattformen genutzt werden. Diese Lösungen bieten eine hohe Leistungsfähigkeit und ermöglichen Unternehmen einen schnellen Einstieg, ohne eigene Infrastruktur aufbauen zu müssen.
Der zweite Weg besteht in der Nutzung europäischer KI-Anbieter. Ein Beispiel ist das französische Unternehmen Mistral, das eigene Sprachmodelle entwickelt und dabei innerhalb des europäischen Rechtsrahmens arbeitet.
Der dritte Ansatz ist der Betrieb eigener KI-Systeme auf Basis frei verfügbarer Open-Source-Modelle. Unternehmen betreiben dabei eigene Server oder nutzen spezialisierte Infrastrukturpartner, um mehr Kontrolle über Daten und Modelle zu erhalten.
Welche Lösung sinnvoll ist, hängt laut Nichau stark vom jeweiligen Anwendungsfall ab. Nicht jedes Unternehmen benötigt das leistungsfähigste verfügbare Modell. Häufig sei entscheidender, ein System zu finden, das optimal auf die konkrete Aufgabe zugeschnitten ist.
„Wenn ich beispielsweise im Maschinenbau eine Maschine optimieren möchte, benötige ich vor allem ein spezialisiertes Modell mit Fachwissen – nicht das Wissen des gesamten Internets“, erklärt der KI-Experte.
Kosten, Verfügbarkeit und Datenschutz als neue Entscheidungsfaktoren
Neben technischen Fragen spielen wirtschaftliche Aspekte eine immer größere Rolle. In den vergangenen Monaten haben Preisentwicklungen bei verschiedenen KI-Anbietern dazu geführt, dass Unternehmen ihre bisherigen Strategien überprüfen.
Gerade bei einer intensiven Nutzung von KI-Anwendungen können Kosten schnell zu einem relevanten Faktor werden. Gleichzeitig benötigen Unternehmen eine verlässliche Verfügbarkeit und konstante Leistung.
Nach Einschätzung von Nichau stoßen auch Cloud-basierte KI-Angebote bei bestimmten Anwendungen an Grenzen. Einige Modelle oder KI-Agenten könnten mit zunehmender Nutzung langsamer werden, wenn die zugrunde liegende Infrastruktur nicht entsprechend angepasst werde.
Für Unternehmen, die einen bestimmten Durchsatz benötigen – beispielsweise bei automatisierten Prozessen oder großen Datenmengen –, entsteht dadurch ein Bedarf nach garantierter Leistung und besser planbaren Ressourcen.
Ein weiterer zentraler Punkt ist der Datenschutz. Unternehmen müssen zunehmend bewerten, welche Informationen sie externen KI-Systemen zur Verfügung stellen können und welche Daten das Unternehmen nicht verlassen dürfen.
Besonders relevant wird dies bei Geschäftsgeheimnissen, Produktionswissen oder langfristigen Vertragsdaten. Während allgemeine Informationen häufig problemlos verarbeitet werden können, stellt sich bei unternehmensspezifischem Wissen die Frage nach Kontrolle und Schutz.
Datensouveränität als strategisches Thema
Mit der zunehmenden Nutzung künstlicher Intelligenz gewinnt der Begriff der Datensouveränität an Bedeutung. Gemeint ist dabei nicht nur die sichere Speicherung von Daten, sondern auch die Fähigkeit eines Unternehmens, selbst über deren Nutzung und Verarbeitung zu entscheiden.
Aus Sicht von Nichau ist ein Unternehmen dann nicht vollständig datensouverän, wenn es keine Kontrolle darüber hat, wo Daten gespeichert werden und unter welchen Bedingungen KI-Modelle betrieben werden.
Eine besondere Rolle spielt dabei der rechtliche Unterschied zwischen Europa und den USA. US-amerikanische Cloud-Anbieter unterliegen beispielsweise dem US Cloud Act, der amerikanischen Behörden unter bestimmten Bedingungen Zugriffsmöglichkeiten auf gespeicherte Daten einräumt.
Diese Situation führt dazu, dass einige Unternehmen europäische Alternativen prüfen. Der Vorteil europäischer Anbieter liegt nach Ansicht von Nichau vor allem darin, dass sie innerhalb eines gemeinsamen europäischen Rechtsrahmens agieren.
„Wenn Unternehmen selbst über die Nutzung und den Schutz ihrer Firmengeheimnisse entscheiden wollen, bietet ein europäischer Anbieter den Vorteil eines gemeinsamen Rechtsrahmens“, erklärt er.
Dabei geht es nicht ausschließlich um Datenschutz, sondern auch um die langfristige Kontrolle über strategisches Wissen. Besonders für Unternehmen mit starkem technischem Know-how oder eigenen Produktionsprozessen kann der Schutz von Informationen ein entscheidender Faktor sein.
Risiken durch die Nutzung von Unternehmenswissen in KI-Systemen
Die Einbindung eigener Unternehmensdaten gehört zu den wichtigsten Faktoren für den praktischen Nutzen von KI-Systemen. Erst durch internes Wissen können Modelle spezifische Antworten liefern, Prozesse unterstützen und auf die individuellen Anforderungen eines Unternehmens eingehen.
Ein Produktionsunternehmen kann beispielsweise technische Dokumentationen, Wartungsdaten oder Prozessinformationen einbinden, um KI-gestützte Analysen und Optimierungen zu ermöglichen. Versicherungen können interne Vertragsinformationen nutzen, um Arbeitsabläufe effizienter zu gestalten. Der Mehrwert entsteht also gerade durch die Verbindung von allgemeinem KI-Wissen mit unternehmensspezifischen Informationen.
Gleichzeitig entsteht dadurch ein neues Risiko: Sobald sensible Daten außerhalb der eigenen Infrastruktur verarbeitet werden, müssen Unternehmen darauf vertrauen, dass technische und vertragliche Schutzmaßnahmen tatsächlich greifen.
„Kritisch wird es, wenn dieses Wissen das eigene Unternehmen verlässt“, erklärt Nichau. Entscheidend sei dann die Frage, ob die verwendeten Systeme ausreichend schützen, dass vertrauliche Informationen nicht anderweitig genutzt oder weiterverarbeitet werden.
Eine besondere Herausforderung entsteht bei der Nutzung von KI-Systemen durch externe Dienstleister. Beispielsweise können Freelancer oder Beratungsunternehmen für bestimmte Aufgaben Unternehmensdaten verarbeiten. Werden dabei private KI-Konten ohne entsprechende Datenschutzvereinbarungen verwendet, besteht das Risiko, dass Informationen nicht ausreichend geschützt sind.
Gerade bei Geschäftsgeheimnissen kann dies langfristige Folgen haben. Technisches Wissen über Produktionsprozesse, Optimierungsmöglichkeiten oder interne Abläufe stellt für viele Unternehmen einen wichtigen Wettbewerbsvorteil dar.
Problematisch ist außerdem, dass die Herkunft einzelner Informationen bei großen Datenmengen schwer nachvollziehbar sein kann. Wenn sensible Unternehmensdaten in Trainingsprozesse von KI-Systemen gelangen, kann es schwierig werden, deren spätere Verwendung vollständig zu kontrollieren.
Der europäische Rechtsrahmen schafft hier aus Sicht von Nichau wichtige Voraussetzungen, um den Schutz von Unternehmenswissen zu gewährleisten. Gleichzeitig müssen Unternehmen auch intern klare Regeln definieren, welche Daten in KI-Systeme eingebunden werden dürfen und welche Informationen geschützt bleiben müssen.
Eigener Betrieb von KI-Modellen: Mehr Kontrolle, aber höhere Anforderungen
Eine Möglichkeit, maximale Kontrolle über Daten und Modelle zu behalten, ist der Betrieb eigener KI-Infrastruktur. Dabei werden KI-Modelle auf eigenen Servern oder speziell dafür vorgesehenen Systemen betrieben.
Dieser Ansatz bietet Vorteile bei Datenschutz und Kontrolle, bringt jedoch auch technische und wirtschaftliche Herausforderungen mit sich. KI-Modelle benötigen leistungsfähige Hardware, insbesondere spezialisierte Rechenkapazitäten für Training und Betrieb.
Die Anforderungen verändern sich zudem kontinuierlich. Neue Modelle benötigen häufig leistungsfähigere Hardwaregenerationen, wodurch regelmäßige Investitionen notwendig werden können.
„KI-Modelle sind auf bestimmte Hardware-Generationen abgestimmt – die Infrastruktur muss also zum jeweiligen Modell passen“, erläutert Nichau.
Für Unternehmen bedeutet dies, dass eine eigene KI-Infrastruktur nicht automatisch die beste Lösung ist. Entscheidend sei zunächst die genaue Definition des Anwendungsfalls. Häufig könnten kleinere Modelle und weniger umfangreiche Hardware bereits ausreichen, wenn die Aufgabe klar abgegrenzt ist.
Die Herausforderung liegt daher weniger darin, die größtmögliche technische Leistung bereitzustellen, sondern die wirtschaftlich sinnvollste Kombination aus Modell, Infrastruktur und Anwendung zu finden.
Aus diesem Grund kann externe KI-Beratung eine wichtige Rolle spielen. Während klassische IT-Dienstleister häufig die technische Infrastruktur betrachten, geht es bei KI-Projekten zusätzlich um Modellauswahl, Datenstrategie und die Anpassung an konkrete Geschäftsprozesse.
Regulierung: Warum europäische Regeln nicht nur als Einschränkung gesehen werden
Die zunehmende Bedeutung von KI führt auch zu neuen regulatorischen Anforderungen. Mit dem EU AI Act schafft die Europäische Union einen rechtlichen Rahmen, der den Einsatz künstlicher Intelligenz nach unterschiedlichen Risikoklassen bewertet.
Für Unternehmen bedeutet dies, dass sie künftig stärker dokumentieren und bewerten müssen, wie KI-Systeme eingesetzt werden. Zusätzlich gelten bereits bestehende Datenschutzanforderungen, insbesondere bei der Verarbeitung personenbezogener Daten.
Auf den ersten Blick können diese Vorgaben als zusätzliche Belastung wahrgenommen werden. Aus der praktischen Umsetzungsperspektive sieht Nichau jedoch auch Vorteile.
„Was zunächst bürokratisch und einschränkend klingt, ist aus meiner Projekterfahrung eher ein Enabler“, sagt er. Wenn rechtliche Fragen frühzeitig geklärt würden, könnten Unternehmen anschließend innerhalb eines definierten Rahmens schneller arbeiten.
Ein klarer regulatorischer Rahmen könne dadurch sogar Innovation unterstützen. Entwickler und Projektteams hätten mehr Sicherheit darüber, welche Anforderungen erfüllt werden müssen und welche Lösungen eingesetzt werden können.
Gleichzeitig entsteht für europäische KI-Anbieter eine besondere Herausforderung. Während US-Unternehmen teilweise mit sehr großen Datenmengen trainieren können, müssen europäische Anbieter stärker darauf achten, dass Trainingsdaten rechtlich abgesichert sind und keine Urheberrechte verletzen.
Diese Anforderungen können kurzfristig einen Wettbewerbsnachteil darstellen. Gleichzeitig schaffen sie langfristig mehr Rechtssicherheit für Unternehmen, die KI-Lösungen einsetzen möchten.
Von maximaler Leistung zu gezielter Anwendung
Die Bewertung von KI-Systemen verändert sich zunehmend. Während in den vergangenen Jahren vor allem die Leistungsfähigkeit großer Modelle im Mittelpunkt stand, gewinnen inzwischen weitere Faktoren an Bedeutung.
Unternehmen fragen nicht mehr nur: „Welches Modell liefert die besten Ergebnisse?“, sondern zunehmend auch: „Welches Modell passt zu unserem konkreten Anwendungsfall und unseren Anforderungen?“
Gerade im Unternehmensumfeld ist maximale Größe nicht immer entscheidend. Ein spezialisiertes Modell, das über relevantes Fachwissen verfügt und sicher innerhalb der eigenen Infrastruktur betrieben werden kann, kann für bestimmte Aufgaben wertvoller sein als ein allgemeines Modell mit Zugriff auf eine wesentlich größere Wissensbasis.
Diese Entwicklung könnte dazu führen, dass sich der Markt stärker ausdifferenziert. Neben großen Cloud-Modellen werden kleinere spezialisierte Modelle, europäische Anbieter und Open-Source-Lösungen eine größere Rolle spielen.
Nach Einschätzung von Nichau wird die Kombination aus Leistungsfähigkeit, Kostenkontrolle und Datenhoheit künftig zu einem strategischen Faktor für Unternehmen.
„Diese Abwägung zwischen Leistungsfähigkeit, Kosten und Datenhoheit wird zunehmend zum Wettbewerbsvorteil“, erklärt der KI-Experte.
Unternehmen, die ihre KI-Strategie gezielt an ihren Geschäftsprozessen ausrichten, könnten dadurch effizienter arbeiten und gleichzeitig Risiken reduzieren.
Die Entwicklung des KI-Marktes zeigt, dass Unternehmen zunehmend differenzierter an die Auswahl ihrer Systeme herangehen. Die Entscheidung für eine bestimmte Technologie hängt nicht mehr allein von der Qualität einzelner Modelle ab, sondern von einer Kombination aus wirtschaftlichen, rechtlichen und strategischen Faktoren.
US-amerikanische KI-Anbieter bleiben aufgrund ihrer Leistungsfähigkeit weiterhin wichtige Akteure. Gleichzeitig wächst jedoch das Interesse an europäischen Alternativen und eigenen Infrastrukturen.
Für viele Unternehmen wird die Zukunft daher nicht in einer einzigen Lösung liegen, sondern in einer Kombination verschiedener Ansätze: leistungsfähige externe Modelle für bestimmte Anwendungen, europäische Anbieter für sensible Prozesse und eigene Systeme für besonders geschützte Daten.
Die zentrale Frage wird damit weniger sein, welches KI-Modell grundsätzlich das beste ist. Entscheidend wird vielmehr, welches System für welchen Zweck die richtige Balance zwischen Nutzen, Kontrolle und Sicherheit bietet.
Künstliche Intelligenz entwickelt sich damit von einem reinen Technologieprojekt zu einer strategischen Unternehmensentscheidung. Wer Daten, Prozesse und Risiken frühzeitig berücksichtigt, kann KI nicht nur effizienter einsetzen, sondern auch langfristig souveräner damit umgehen.