Company News

München, 24. September 2026 – In vielen Unternehmen wird derzeit über digitale Souveränität diskutiert – vor allem bei KI, weil die Technologie geschäftskritisch ist und oft mit Abhängigkeiten einhergeht. Doch nicht immer ist souveräne KI tatsächlich notwendig oder möglich. HTEC erklärt, welche Fragen sich Unternehmen stellen sollten, bevor sie investieren.

Nicht jeder Use Case erfordert souveräne KI und nicht jede Abhängigkeit ist ein unkalkulierbares Risiko. Letztlich müssen Unternehmen daher nur selten den kompletten KI-Stack selbst hosten und betreiben, sondern sollten zunächst die Anforderungen von Workloads und die Kosten von Infrastrukturen, Betriebsmodellen und Abhängigkeiten abwägen. Die wichtigsten Fragen dabei sind:

1. Welche KI-Workloads verlangen überhaupt nach Souveränität? Ob ein souveräner KI-Stack benötigt wird, hängt vom jeweiligen Anwendungsfall, den zu verarbeitenden Daten sowie den geltenden regulatorischen und risikobezogenen Anforderungen ab. Sensible Informationen, die das Unternehmen oder das Land nicht verlassen dürfen, können eine souveräne Infrastruktur rechtfertigen. Vorschriften wie die DSGVO und DORA verlangen nicht automatisch eine Datenlokalisierung oder eine souveräne Infrastruktur, doch ihre Anforderungen hinsichtlich Datenübertragungen, Sicherheit, Ausfallsicherheit und Risiken durch Dritte können eine stärkere Kontrolle über Daten und Infrastruktur ratsam machen. Ähnliche Überlegungen gelten für KI-Systeme, die in kritischen Infrastrukturen eingesetzt werden, die für das Funktionieren von Staat, Wirtschaft und Gesellschaft wichtig sind.

2. Was kosten Abhängigkeiten im Vergleich zum Eigenbetrieb? Verlangen Regulatorik oder staatliche Interessen nicht nach souveräner KI, ist die Entscheidung vor allem eine wirtschaftliche. Schließlich haben sowohl Abhängigkeiten als auch Souveränität ihren Preis. Entscheidend ist dabei ein langfristiger Blick, denn einerseits können sich Abhängigkeiten im Laufe der Zeit zu einem strategischen Risiko entwickeln, das – wenn es eintritt – deutlich höhere Kosten verursacht als der frühzeitige Wechsel auf souveräne Infrastrukturen. Andererseits dürfen bei den Kosten nicht nur die Preise der Hardware-Ressourcen oder Modelle betrachtet werden. Entscheidend sind die Gesamtbetriebskosten (TCO). Ein System oder ein Modell, das zunächst günstig erscheint, kann deutlich teurer als andere werden, wenn Plattformentwicklung, Datenaufbereitung, Sicherheit, Compliance, Integrationen und Betrieb mit einberechnet werden.

3. Ist es besser, Hardware-Ressourcen zu kaufen oder zu mieten? Der erste Gedanke vieler Unternehmen ist, Hardware für KI anzuschaffen, doch teure GPU-Server, auf denen Modelle von ausländischen Anbietern laufen, schaffen keine Souveränität, sondern generieren nur hohe Stromkosten. In der Regel ist es besser, zunächst GPU-Kapazitäten zu mieten. Unternehmen können dann mit ihren Workloads experimentieren und Latenz, Performance, Kosten und Qualität der Ergebnisse in Ruhe evaluieren. Letztlich gibt es vier Optionen: öffentliche KI-Services, die schnell und einfach genutzt werden können, ein Unternehmen aber an die Preise und Regeln des Anbieters binden. Das Mieten von GPU-Kapazitäten, was mehr Unabhängigkeit bietet, jedoch eine gute Auslastung erfordert, um wirtschaftlich zu bleiben. Eine dedizierte Private Cloud, in denen regulierte Unternehmen ihre KI-Workloads betreiben können, ohne sich selbst um ein Rechenzentrum kümmern zu müssen. Und eigene Infrastrukturen, die vor allem für große Behörden und Betreiber kritischer Infrastrukturen sinnvoll sind. Aus Kostensicht ist öffentliche KI meist die günstigste Variante bei überschaubarem Nutzungsvolumen, bei umfangreicher und gut vorhersehbarer KI-Nutzung ist hingegen eine Private Cloud oder eigene Infrastruktur oft die bessere Wahl.

4. Welche Modelle werden gebraucht? Ebenso wie kein Mitarbeiter alle Aufgaben im Unternehmen bewältigen kann, kann kein KI-Modell alle KI-Aufgaben bewältigen. Unternehmen benötigen also mehrere Modelle, die optimal zu den Aufgaben und dem jeweils erforderlichen Level an Souveränität passen. Dokumente der Personalabteilung werden beispielsweise von einem lokal laufenden Modell ausgewertet, Finanzdokumente von einem Modell in einer kontrollierten Unternehmensumgebung analysiert und allgemeine Anfragen an das Frontier-Modell in der Cloud geschickt, das sie am besten beantworten kann. Allerdings verändert sich der Markt schnell, sodass ein Modell, das heute das am besten geeignete ist, morgen schon obsolet sein kann. In der KI-Architektur sollten Unternehmen daher eine Routing-Ebene implementieren, die Anfragen an verschiedene Modelle weiterleiten kann und dabei Souveränitätsanforderungen, Eignung und Kosten berücksichtigt.

5. Bietet KI-Souveränität auch geschäftliche Vorteile? Unabhängigkeit von einzelnen Anbietern, Diensten, Modellen und Lösungen ist kein Selbstzweck. Es geht darum, flexibel zu bleiben und Kosten sowie Risiken kontrollieren zu können. Diese Kontrolle erleichtert die Verarbeitung sensibler Daten, die Ende-zu-Ende-Automatisierung von Prozessen, die Produktentwicklung und vieles mehr. Richtig umgesetzt, ist souveräne KI somit nicht nur ein Schutzschild gegen Abhängigkeiten, sondern ein Motor für mehr Effizienz und höhere Qualität.

„Die Grenzen zwischen souverän und nicht souverän verlaufen nicht immer eindeutig und nicht immer lassen sich Abhängigkeiten vollständig auflösen“, betont Bojan Sukalo, Industry Managing Partner, Telecom bei HTEC. „Deshalb sollten Unternehmen bei ihren Überlegungen zu souveräner KI nicht nur auf regulatorische Anforderungen schauen, sondern auch betriebliche Risiken und die Wirtschaftlichkeit im Blick behalten.“

Über HTEC

HTEC ist ein weltweit tätiges Technologie- und Engineering-Unternehmen mit Hauptsitz im Silicon Valley. Mit AI-First- und Full-Stack-Lösungen unterstützt HTEC Unternehmen dabei, den Weg von der Strategie bis zur Umsetzung erfolgreich und skalierbar zu gestalten. Durch die Verbindung von Engineering-Kompetenz mit Expertise in den Bereichen digitale Strategie, Design und Venture Building begleitet HTEC den gesamten Produktlebenszyklus – von der ersten Idee bis zur Implementierung.

Mit mehr als 15 Jahren Erfahrung im Einsatz von Künstlicher Intelligenz und Machine Learning in Unternehmen verfügt HTEC über umfassende Expertise entlang des gesamten Technologie-Stacks – von Halbleitern und Embedded-Systemen bis hin zu Datenplattformen, Modelloptimierung und KI-Anwendungen. So stellt HTEC sicher, dass neue Technologien zu messbarem Geschäftserfolg und nachhaltigem Wachstum führen. Indem HTEC die Lücke zwischen Vision und Umsetzung schließt, unterstützt das Unternehmen weltweit führende Unternehmen dabei, Innovationen erfolgreich in die Praxis zu bringen und zu skalieren. 

Pressekontakt

PR-COM GmbH
Melissa Gemmrich
Senior Account Manager
Sendlinger-Tor-Platz 6
80336 München
Telefon +49 89 59997-759
melissa.gemmrich@pr-com.de