Digitale Souveränität: Entscheidungsfähig bleiben in der KI-Lieferkette

Stellen Sie sich vor: Eine geschäftskritische KI-Anwendung fällt aus – ausgerechnet dann, wenn eine Entscheidung nicht warten kann. Im Team wächst der Druck. Wer kann den Dienst ersetzen? Und wie schnell? Plötzlich ist digitale Souveränität kein abstrakter Begriff mehr. Sie zeigt sich daran, ob ein Unternehmen in diesem Moment handlungsfähig bleibt.

Auf der diesjährigen AccsoCon war Digitale Souveränität das zentrale Thema. Schließlich beschäftigt es uns als IT-Dienstleister in Deutschland ebenfalls: Unternehmen bauen auf Cloud-Plattformen, Modelle, Datenservices und Entwicklungswerkzeuge, die sie nicht vollständig kontrollieren. Zugleich müssen geschäftskritische Anwendungen sicher und verlässlich funktionieren. Digitale Souveränität bedeutet in diesem Spannungsfeld nicht, alles selbst zu entwickeln. Sie bedeutet, die entscheidenden Optionen zu kennen und im Ernstfall tatsächlich nutzen zu können.

Eigentum bringt noch keine Handlungsfähigkeit

Ein eigenes Rechenzentrum macht ein Unternehmen nicht automatisch unabhängig. Wenn Know-how für Betrieb, Sicherheitsupdates oder Wiederherstellung fehlt, bleibt die Kontrolle auf dem Papier. Das gilt ebenso für Open Source: Zugriff auf Quellcode ist wertvoll, aber erst mit der Fähigkeit, ihn zu prüfen, anzupassen und zuverlässig zu betreiben.

Umgekehrt kann ein externer Dienst eine gute Entscheidung sein. Voraussetzung ist, dass Anforderungen vertraglich durchsetzbar sind, Daten und Prozesse verstanden werden und ein Wechsel technisch wie organisatorisch möglich bleibt. Souveränität ist deshalb weniger eine Frage von „selbst machen oder einkaufen“ als eine Frage der Entscheidungsfähigkeit: Welche Abhängigkeiten geht ein Unternehmen bewusst ein? Und welche davon lassen sich bei Bedarf verändern?

Auch KI hat eine Lieferkette

Bei klassischen Anwendungen gehören Softwarebibliotheken, Infrastruktur und Dienstleister zur Lieferkette. Ein KI-System hat eine ebenso konkrete, oft schwerer erkennbare Lieferkette: Basismodelle, Rechenleistung, Schnittstellen, Datenhaltung, Identitätsdienste, Suchsysteme und Werkzeuge für Entwicklung und Betrieb.

Diese Bausteine sind nicht beliebig austauschbar. Ein anderes Sprachmodell kann dieselbe Anfrage anders verstehen, ein anderes Ergebnisformat liefern oder bei fachlichen Spezialfällen schlechter abschneiden. Auch zwei vermeintlich unabhängige Angebote können vom selben Cloud-Provider oder Basismodell abhängen. Die bloße Anzahl von Anbietern sagt daher wenig über die tatsächliche Ausfallsicherheit aus.

Ein sinnvoller erster Schritt ist eine Dependency Map für die wichtigsten KI-Anwendungen. Sie beantwortet vier Fragen:

1. Welche Komponenten braucht die Anwendung, um zu funktionieren?
2. Welche davon sind für Qualität, Sicherheit oder Verfügbarkeit besonders kritisch?
3. Welche Anbieter und technischen Grundlagen teilen sich diese Komponenten?
4. Was wäre bei Ausfall, Preisänderung oder geänderten Nutzungsbedingungen die realistische Alternative?

Die vierte Frage ist die entscheidende. Eine Exportfunktion oder ein zweites Modell ist noch kein belastbarer Ausweichweg. Erst ein Test zeigt, ob Daten vollständig übernommen werden können, Ergebnisse die nötige Qualität erreichen und der Wechsel innerhalb eines vertretbaren Zeitfensters gelingt. Souveräne Architektur reduziert Fragilität, aber sie verspricht keine absolute Unabhängigkeit.

Den Harness verstehen und gestalten

Bei KI fällt der Blick häufig zuerst auf das Modell. Für den produktiven Einsatz ist jedoch auch seine Umgebung entscheidend: der sogenannte Harness. Damit ist die Architektur gemeint, die dem Modell Kontext gibt, Werkzeuge anbietet, Zustände verwaltet und seine Ergebnisse prüft. Hier wird festgelegt, welche Schritte automatisiert werden dürfen und wann Menschen eingreifen müssen.

Ein Beispiel: Ein KI-Assistent soll eine Kundenanfrage bearbeiten. Das Modell kann einen Antwortvorschlag formulieren. Ob dieser Vorschlag auf aktuellen Informationen beruht, ob er sensible Daten preisgibt und ob er ohne Freigabe versendet werden darf, entscheidet sich aber nicht allein im Modell. Dafür braucht es passende Datenzugriffe, Prüfregeln, nachvollziehbare Zwischenschritte und eine verständliche Oberfläche.

Gerade hier lohnt sich eigenes Engineering-Verständnis. Wer den Harness beherrscht, kann Anforderungen präziser formulieren und Modellanbieter besser vergleichen. Ein Modellwechsel bleibt anspruchsvoll, wird aber planbarer, wenn Datenzugriffe, Qualitätsprüfungen und Prozesslogik nicht untrennbar an einen einzelnen Anbieter gebunden sind.

Auch „Human in the Loop“ ist keine Garantie für Kontrolle. Eine Freigabe hilft nur, wenn die verantwortliche Person erkennen kann, was die KI tun möchte, auf welcher Grundlage sie das vorschlägt und wo Unsicherheit besteht. Gute Bedienbarkeit und klare Wiederherstellungspfade sind daher Teil einer souveränen Architektur.

Mehr Kontrolle kostet – weniger Kontrolle auch

Eigene Infrastruktur, alternative Modelle und ein selbst gestalteter Harness brauchen Fachwissen, Zeit und langfristige Pflege. Wer Open-Weight-Modelle selbst betreibt, gewinnt Spielraum bei Betrieb und Anpassung. Gleichzeitig übernimmt das Team Verantwortung für Modellartefakte, Bibliotheken, Zugriffsschutz, Sicherheitsupdates und die Serving-Infrastruktur.

Die Entscheidung sollte deshalb die Gesamtkosten über die Nutzungsdauer berücksichtigen: Lizenzen und Token ebenso wie Personal, Betrieb, Sicherheit, Integration, Migration und Wiederherstellung. Ein günstiger Einstieg kann teuer werden, wenn später ein Wechsel nötig ist. Eine zusätzliche Alternative kann wiederum unnötig viel Komplexität schaffen, wenn der betreffende Anwendungsfall wenig kritisch ist.

Es gibt keinen souveränsten Technologie-Stack für alle Fälle. Für manche Workloads ist ein gut abgesicherter externer Dienst die richtige Wahl. Für andere lohnt sich mehr eigene Kontrolle. Entscheidend sind Schutzbedarf, wirtschaftliche Folgen eines Ausfalls und die Fähigkeit des Teams, die gewählte Architektur dauerhaft zu betreiben.

Own the Cognition

Digitale Souveränität im KI-Zeitalter heißt nicht „alles besitzen“. Sie heißt: verstehen, wo Entscheidungen getroffen werden, welche Abhängigkeiten daraus entstehen und ob eine Organisation ihre Optionen auch unter Druck wahrnehmen kann. Das Modell ist ein wichtiger Baustein. Die Kompetenz, daraus ein überprüfbares, sicheres und nützliches System zu machen, sollte nicht verloren gehen.

Ein konkreter Einstieg ist die Prüfung eines geschäftskritischen KI-Anwendungsfalls. Dafür werden seine Abhängigkeiten erfasst und die gravierendsten Ausfallszenarien benannt. Anschließend lässt sich eine Alternative unter realistischen Bedingungen testen: Welche Ergebnisqualität erreicht sie, welche Kosten entstehen und wie lange dauert der Wechsel? Die Antworten bieten eine bessere Grundlage für Entscheidungen als jede pauschale Forderung nach maximaler Autarkie.

Souveränität zeigt sich nicht erst in der Krise, sondern in den Entscheidungen davor. Nehmen Sie die Frage nach der kritischsten Abhängigkeit mit und machen Sie sich Gedanken, welche Szenarien Sie schützen möchten.