München, 13. Oktober 2026 – In der Cloud lassen sich KI-Anwendungen schnell bereitstellen und unkompliziert betreiben, doch nicht jeder Use Case kann oder sollte dort umgesetzt werden. Cloudian, führender Anbieter von Object Storage und zentraler Player bei modernen KI-Infrastrukturen, erklärt, in welchen Szenarien der KI-Einsatz on-premises die bessere Wahl ist.

Geht es darum, KI möglichst schnell produktiv zu nutzen, ist die Cloud eine attraktive Option. Die benötigten IT-Ressourcen können flexibel bezogen werden, ohne dass sich Unternehmen um die Systeme und Plattformen kümmern müssen. Allerdings eignen sich einige Use Cases nicht für die Cloud, weil bestimmte Anforderungen hinsichtlich Antwortzeit, Verfügbarkeit oder Sicherheit und Datenschutz bestehen. Anwendungsfälle, die üblicherweise lokal umgesetzt werden sollten oder müssen, sind unter anderem:

1. Interne Chat- und Wissensbots

KI kann Wissen einfach zugänglich machen, wird aber erst so richtig hilfreich, wenn sie nicht nur über das antrainierte öffentliche Know-how verfügt, sondern auch auf interne Datenquellen zugreifen kann. Dann ist sie in der Lage, unternehmens- und abteilungsspezifische Fragen besser zu beantworten und halluziniert seltener. Viele interne Daten haben jedoch in der Cloud nichts zu suchen, weil sie wertvolles geistiges Eigentum, personenbezogene Informationen oder andere schützenswerte Dinge enthalten. Interne Chat- und Wissensbots sollten daher on-premises realisiert werden – zumal es in der Regel auch wenig sinnvoll ist, Tera- oder Petabyte an Daten in die Cloud zu übertragen, wenn die KI auch einfach datennah in der eigenen Infrastruktur laufen kann.

 2. Videoanalysen

Mit KI-Hilfe lassen sich Videodaten auswerten, um etwa Besucherströme auf Veranstaltungen oder im Einzelhandel zu überwachen, Verkehrsflüsse zu steuern, Abläufe in der Logistik zu optimieren oder um Einbrüche, Sabotage und Brände auf Firmengeländen zu erkennen. Die Videoanalysen sollten dabei meist am Edge stattfinden, sodass keine riesigen Datenmengen in die Cloud übertragen werden müssen. Schließlich liefern moderne 4K- und 8K-Kameras selbst mit Komprimierung mehrere Gigabyte an Videomaterial pro Stunde, was enorme Bandbreiten und Speicherkapazitäten erfordern würde. Für weitergehende Analysen und ein Nachtraining der KI-Modelle mit bislang unbekannten Situationen und Lichtverhältnissen können ausgewählte Sequenzen bei Bedarf ins Rechenzentrum transferiert werden, wo sich Datenschutzanforderungen leichter und ohne Auftragsverarbeitungsverträge einhalten lassen.

3. Fertigungsoptimierung

In Produktionsumgebungen bieten sich zahlreiche Einsatzmöglichkeiten für KI, etwa bei der Überwachung und Anpassung von Fertigungsparametern, um die Produktion von Ausschuss zu verhindern; in der Qualitätskontrolle, wo KI-Algorithmen zuverlässig kleinste Fehler und Unregelmäßigkeiten an Produkten entdecken; oder beim frühzeitigen Erkennen von Verschleißerscheinungen an Maschinen, die zu Produktionsabweichungen und -störungen führen können. Auch die Produktionsplanung erfolgt immer häufiger mit KI-Unterstützung, um Maschinen besser auszulasten, Ressourcen optimal einzusetzen und Durchlaufzeiten zu verringern. All das muss jederzeit zuverlässig funktionieren, möglichst unabhängig von Onlineverbindungen und meist auch ohne Verzögerungen durch Datenübertragungen in die Cloud – denn ohne Echtzeit-Entscheidungen können Roboter, Maschinen und Steuersysteme nicht flexibel auf Situationen und Ereignisse reagieren. Hinzu kommt, dass viele sensible Daten zu Materialien, Verfahren und Modellen verarbeitet werden, die nicht außer Haus gelangen dürfen, weshalb KI-Anwendungen in der Fertigung in der Regel direkt am Edge oder in einem produktionsnahen Rechenzentrum laufen sollten.

4. Medizinische Anwendungen

Viele KI-Anwendungen im Gesundheitswesen arbeiten mit Patientendaten, die einen hohen Schutzbedarf haben, darunter MRT- und CT-Bilder, Laborergebnisse, Befunde, Therapiepläne und Arztbriefe. Werden diese nicht in die Cloud übertragen, sondern lokal ausgewertet, lassen sich Zugriffe besser kontrollieren und auch Datenschutzanforderungen leichter umsetzen. Hinzu kommt, dass viele KI-Anwendungen integraler Bestandteil von klinischen Workflows sind und auch dann noch nutzbar sein müssen, wenn Onlineverbindungen und Cloudservices gestört sind. Bei einigen Anwendungen in Notaufnahmen, Intensivstationen und Operationssälen zählt zudem die Reaktionszeit, etwa wenn lebensbedrohliche Zustände erkannt oder Strukturen bei Eingriffen markiert werden müssen. Hier ist eine Datenverarbeitung am Gerät oder zumindest innerhalb des Krankenhauses sogar Pflicht.

 5. Betrugserkennung

Auch KI-Anwendungen in der Finanz- und Versicherungsbranche müssen häufig Entscheidungen in Echtzeit treffen, um Abläufe nicht zu verzögern und eine optimale User Experience sicherzustellen. Hierzu zählt beispielsweise die Betrugserkennung bei Zahlungsvorgängen im Einzelhandel und E-Commerce, bei der verschiedenste Parameter binnen Millisekunden bewertet werden müssen, bevor eine Zahlung freigegeben wird. Diese Echtzeitanforderungen, wie sie auch beim Realtime Trading und der Online-Kreditvergabe entstehen, lassen sich am Edge oder in einem lokalen Rechenzentrum meist besser erfüllen. Bei anderen Use Cases in der Finanz- und Versicherungsbranche sind es hingegen die sensiblen Kundendaten, die für eine lokale Datenverarbeitung sprechen, etwa bei der Bearbeitung von Schadensfällen, wo inzwischen immer häufiger KI-Algorithmen eingereichte Schadensbilder auswerten, um Schäden automatisiert zu bewerten und gefakte oder manipulierte Bilder zu identifizieren.

6. Autonome Fahrzeuge und Roboter

Ganz besonders zeitkritisch ist die Auswertung von Sensordaten mittels KI bei autonomen Fahrzeugen und Robotern. Schließlich müssen diese in Sekundenbruchteilen auf ihre Umgebung reagieren können – andernfalls drohen Unfälle mit Sach- und Personenschäden. Die Verarbeitung erfolgt daher immer auf Systemen im Fahrzeug oder Roboter. Später können die Telemetriedaten in ein Rechenzentrum übertragen und für ein weiterführendes Training der KI-Modelle für die Umgebungserkennung genutzt werden. Wegen der riesigen Datenmengen von dutzenden Gigabyte oder sogar einigen Terabyte, die pro Stunde und System anfallen, ist eine Verarbeitung in der Cloud häufig äußerst kostenintensiv. Zumal bestimmte Daten wie Betriebszeiten, Bewegungsmuster und Aufnahmen mit Personen, Kennzeichen und anderen sensiblen Informationen lokal ohnehin besser aufgehoben sind.

7. KI in kritischen Infrastrukturen

Organisationen und Einrichtungen, die wichtig für das Funktionieren des Staates und des Gemeinwesens sind, müssen hohe Sicherheits- und Verfügbarkeitsanforderungen erfüllen. Das betrifft unter anderem Versorger, TK-Anbieter, Unternehmen im Personen- und Güterverkehr, Krankenhäuser und Banken, aber auch Behörden und militärische Einrichtungen. Mit eigenen lokalen Infrastrukturen für KI und andere Anwendungen können sie diese Anforderungen am besten erfüllen. Sie behalten alle Daten und Systeme unter voller Kontrolle und bleiben unabhängig von Onlineverbindungen und Clouds; sie können die Infrastrukturen bei Bedarf sogar vollständig abschotten und air-gapped betreiben.

„Auch wenn es verlockend sein kann, KI in der Cloud einzusetzen, sollten Unternehmen genau abwägen, ob sie die zu analysierenden Daten tatsächlich aus der Hand geben wollen und ob sich ihre spezifischen Verfügbarkeits-, Sicherheits- und Datenschutzanforderungen dort wirklich erfüllen lassen“, erklärt Sascha Uhl, Director Technical Alliances bei Cloudian. „Lokale Systeme sind oft die bessere Wahl – nicht zuletzt, weil dort auch viele Anforderungen aus dem EU AI Act hinsichtlich Transparenz und Nachvollziehbarkeit besser umsetzbar sind. Mit modernen Objektspeicher-Plattformen lassen sich große Datenmengen sicher, effizient und kostengünstig verwalten und der KI mit der benötigten Latenz und Performance zur Verfügung stellen. Per Object Lock können die Daten dabei vor der Verschlüsselung durch Ransomware geschützt werden, aber auch vor versehentlichen Veränderungen – was wichtig für die Einhaltung von Transparenz- und Archivierungsvorgaben ist.“ 

Über Cloudian

Cloudian ist ein führender Anbieter softwaredefinierter Objektspeicherlösungen. Die Exabyte-skalierbare, KI-fähige HyperStore-Plattform kombiniert native S3-API-Kompatibilität, Security auf Enterprise-Niveau, Geo-Verteilung und Multi-Tenancy für maximale Flexibilität in On-Premises- und Hybrid-Cloud-Umgebungen. Durch Integrationen mit AWS, Google Cloud und Microsoft Azure vereinfacht Cloudian das Datenmanagement und beschleunigt KI-, Analytics-, Backup- und Archiv-Workloads bis hin zu Bioinformatik und Edge-Szenarien. Unternehmen erschließen so das volle Potenzial ihrer Daten – sicher, effizient und in jeder Größenordnung.

Weitere Informationen gibt es unter https://cloudian.com/de/. 

Pressekontakt

PR-COM GmbH
Franziska Fricke
Sendlinger-Tor-Platz 6
80336 München
franziska.fricke@pr-com.de