Kaum eine Technologie hat in den letzten Jahren so schnell den Sprung von der Forschung in den unternehmerischen Alltag geschafft, wie Large Language Models. Und kaum etwas ist so verlockend einfach, wie dabei auf die großen US-amerikanischen Anbieter zurückzugreifen. OpenAI, Anthropic, Google DeepMind und Microsoft liefern heute die leistungsfähigsten Modelle der Welt – und sie liefern sie auf dem Silbertablett.
Innerhalb von Minuten lässt sich ein produktionsreifes LLM-Setup einrichten und nahezu beliebig skalieren. OpenAI, Anthropic und Google DeepMind bieten hauseigene API-Instanzen mit den weltweit führenden Modellen. Und über Microsoft 365 Copilot ist die KI nahtlos in die bereits genutzten Office-Produkte integriert, ohne aufwendigen Rollout, mit einer einzigen Add-on-Lizenz und damit einem klaren Argument für die Controlling-Abteilung.
US-Anbieter sind schnell und einfach. Doch wer auf sie setzt geht evtl. gewisse Risiken ein. Welche das im Detail sind und welche Konsequenzen sie für Unternehmen haben können, erklären wir in diesem Artikel.
Zugriff von Drittländern auf unternehmensinterne Daten
Ein entscheidender Punkt beim Cloud-Hosting wird häufig übersehen: Der Standort des Rechenzentrums allein bestimmt nicht, welches Recht auf die gespeicherten Daten zugreifen kann. Maßgeblich ist auch, welchem Rechtsraum der betreibende Anbieter unterliegt. Steht der Server in Frankfurt, gehört aber zu einem US-Unternehmen, können deshalb neben europäischen Vorgaben auch US-amerikanische Zugriffsrechte greifen.
Was das konkret bedeutet, zeigen zwei US-Regelungen. Der CLOUD Act kann US-Unternehmen dazu verpflichten, Daten auf Anordnung einer US-Behörde herauszugeben. Entscheidend ist dabei, ob der Anbieter die Kontrolle über die Daten hat – nicht, wo sie gespeichert sind oder welche Staatsangehörigkeit die betroffenen Personen besitzen. FISA Section 702 erlaubt unter bestimmten Voraussetzungen zudem den Zugriff auf Kommunikationsdaten von Nicht-US-Personen außerhalb der USA, ohne dass jeder Zugriff einzeln richterlich genehmigt werden muss.
Wie kann sich das im Arbeitsalltag auswirken? Stellen Sie sich vor, Ihre Rechtsabteilung teilt Ihnen mit, dass ein Pressebericht darauf hindeutet, US-Behörden hätten Daten bei Ihrem KI-Anbieter angefordert. Der Anbieter kann weder bestätigen noch ausschließen, ob Daten Ihres Unternehmens betroffen sind. Möglicherweise darf er Sie darüber nicht informieren. In seinem System liegen jedoch Supportanfragen, Auszüge aus Quellcode und interne Dokumente. Nun müssen Sie kurzfristig entscheiden, ob Sie den Dienst abschalten, welche Prozesse dadurch ausfallen und ob Kund:innen oder Aufsichtsbehörden zu informieren sind. Gleichzeitig fehlt Ihnen die entscheidende Grundlage: Sie können weder einen Zugriff sicher ausschließen noch dessen Umfang verlässlich nachvollziehen. Aus unserer abstrakten Rechtsfrage wird damit ein konkretes Risiko für Ihre IT-Prozesse.
Ungewollte Übertragung sensibler Daten
Selbst wenn der vertragliche Rahmen sauber geregelt ist, bleibt ein zweites, oft unterschätztes Risiko: die Schatten-IT. Mitarbeitende, die ihre Arbeit gut machen wollen, greifen zu den Werkzeugen, die ihnen den größten Produktivitätsgewinn versprechen und das sind häufig private ChatGPT- oder Claude-Accounts.
Schon 2023 sorgte ein Vorfall bei Samsung für Aufsehen: Mitarbeiter der Halbleitersparte hatten internen Quellcode eines Messprogramms in ChatGPT eingefügt, um Fehler zu analysieren (zum Bloomberg Artikel). Was damals als Einzelfall durch die Presse ging, ist heute Alltag. Der aktuelle AI Adoption and Risk Report von cyberhaven zeigte: Im Schnitt nutzt ein Drittel der Beschäftigten private KI-Accounts am Arbeitsplatz. Zudem betrifft mehr als jede dritte Interaktion sensible Unternehmensdaten.
Verstärkt wird dieser Effekt durch die Funktionsweise der Modelle selbst: Je mehr Kontext man ihnen gibt, desto besser werden die Antworten. Für Mitarbeitende entsteht damit ein permanenter Anreiz, dem Modell immer intimere Details über die eigene Arbeit, Projekte und sogar die eigene Identität preiszugeben. Aus DSGVO-Sicht ist das eine tickende Zeitbombe mit Bußgeldern, die in Prozent vom Konzernumsatz bemessen werden.
Die nächste Schrems-Klage steht bereits im Raum
Die rechtliche Grundlage für den Datentransfer in die USA ist alles andere als stabil. Mit Schrems I und Schrems II wurden bereits zwei Abkommen, Safe Harbor und Privacy Shield, von dem Europäischen Gerichtshof (EuGH) gekippt. Das aktuell gültige EU-US Data Privacy Framework (DPF) steht auf einem ähnlich wackeligen Fundament und ist bereits Gegenstand neuer Klagen.
Sollte es zu einer Schrems-III-Entscheidung kommen, müssten Unternehmen praktisch über Nacht ihre Datenflüsse neu organisieren. Wer seine KI-Workloads tief in die Infrastruktur eines US-Hyperscalers integriert hat, steht dann vor einer Migration, die schnell, teuer und unter erheblichem Compliance-Druck erfolgen muss – keine Position, in die man sich freiwillig manövrieren sollte.
Vendor Lock-in
Selbst ohne regulatorischen Druck wird ein Anbieterwechsel mit jeder Integrationsstufe schwieriger. Die proprietären JSON-Strukturen der APIs, die hauseigenen SDKs, die Funktionsaufrufkonventionen und Tool-Definitionen sind beim Anbieter angesiedelt und unterscheiden sich zwischen den großen Playern in entscheidenden Details. Was als pragmatische Entscheidung für „die beste API am Markt" beginnt, wird über Monate zu einer organisch gewachsenen Abhängigkeit, die sich durch Dutzende Services und Microservices zieht.
Und das ist erst der Anfang des Schmerzes. Hinzu kommen die Text-Embeddings, mit denen ganze Wissensdatenbanken vektorisiert wurden, sowie das gesammelte Prompt-Engineering, das auf die Eigenheiten eines bestimmten Modells optimiert ist. All das muss bei einer Migration neu erstellt, neu indexiert und neu evaluiert werden. Die Wechselkosten steigen damit überproportional zur Nutzungsdauer. Aber dennoch wächst möglicherweise der Druck einer Migration: Unter steigendem Profitdruck erhöhen die Anbieter oft die Preise, während die Servicequalität sinkt.
Fazit: Digitale Souveränität ist kein Nischenthema mehr
Die hier aufgeführten Risiken sind keine theoretischen Konstrukte, sondern in den Vorstandsetagen angekommen. Die aktuelle Lünendonk-Studie zeigt, dass eine deutliche Mehrheit der befragten Unternehmen den Wert digitaler Souveränität bereits klar erkannt hat und ihr in den kommenden Jahren strategische Priorität einräumt. Die Dynamik rund um dieses Thema nimmt weiter Fahrt auf und schlägt sich bereits in Großprojekten nieder. Ein prominentes Beispiel dafür ist der neu eröffnete Campus Bad Friedrichshall der Schwarz-Gruppe.
Gleichzeitig gilt es, die Risiken realistisch zu bewerten. Jede Entscheidung erfordert eine Abwägung: Wie verhalten sich die Kosten einer Migration zu den möglichen Folgen von Compliance-Verstößen? Welche Wartungs- und Betriebskosten verursacht eine souveräne Lösung im Vergleich zum Hyperscaler-Angebot? Für den nächsten Schritt stehen verschiedene Wege offen, etwa europäische Cloud-Anbieter (bspw. Stackit, T-Cloud, etc.), On-Premises-Lösungen oder hybride Setups. Besonders bei den Cloud-Anbietern gibt es bereits ein umfangreiches Angebot an LLM-Hosting Möglichkeiten. Sei es Stackit AI Model Serving für eigene Modelle, IONOS AI Model Hub für einen schnellen Wechsel, oder T Cloud Public AI Foundation Services für hohe Compliance Ansprüche.
Welche Variante am besten passt, hängt von der eigenen Risikolage und IT-Strategie ab. Unternehmen sind ihrer aktuellen Abhängigkeit jedoch nicht ausgeliefert: Sie können ihre Cloud-Strategie gezielt und schrittweise verändern.
Und bei genau diesen Fragenstellungen unterstützen wir Sie tatkräftig. Von der Risikoanalyse über die Auswahl souveräner Hosting-Optionen bis hin zur konkreten Migration und dem Betrieb Ihrer LLM-Anwendungen begleiten wir Sie auf dem Weg zu einer KI-Infrastruktur, die nicht nur leistungsfähig, sondern auch zukunftssicher und souverän ist.
Sprechen Sie uns an. Wir freuen uns auf den Austausch.
