In den letzten Jahren war der Standardansatz einfach: Wollen Sie mit KI arbeiten? Nutzen Sie eine Cloud-API.
Das ist schnell. Es funktioniert. Und es erfordert minimalen internen Aufbau.
Aber etwas beginnt sich zu ändern, auch in Dänemark.
Immer mehr Unternehmen und öffentliche Organisationen überdenken dieses Modell jetzt. Nicht weil Cloud-KI nicht funktioniert. Sondern weil sie in der Praxis nicht zu den Anforderungen passt, unter denen sie tatsächlich operieren.
Es geht nicht um Prinzipien. Es geht um Kontrolle.
Cloud-first-KI war die naheliegende Wahl
Es ist leicht zu verstehen, warum Cloud zum Standard wurde:
- Keine Infrastruktur
- Schnelle Time-to-Value
- Zugang zu den besten Modellen
- Geringe Anfangsinvestition
Für viele Anwendungsfälle ist das nach wie vor die richtige Lösung.
Aber es ist eine Optimierung für Geschwindigkeit, nicht für den Betrieb. Und genau dort zeigen sich die Probleme.
Problem 1: Daten verlassen Ihre Kontrolle
Wenn Sie Daten an einen externen KI-Dienst senden, geben Sie nicht zwangsläufig das Eigentum auf, aber Sie geben die Kontrolle ab.
Die Fragen werden schnell konkret:
- Wo werden die Daten verarbeitet?
- Werden sie zum Training verwendet?
- Wie dokumentieren Sie das?
- Was sagen Sie einem Kunden oder einer Behörde, die nachfragt?
Im dänischen Kontext ist das nicht theoretisch.
Öffentliche Organisationen und viele private Unternehmen arbeiten mit personenbezogenen sensiblen Informationen, vertraglicher Vertraulichkeit und regulatorischen Anforderungen, oft gleichzeitig.
Selbst wenn der Anbieter gute Antworten gibt, haften trotzdem Sie.
„Wir schicken es an eine API" ist keine ausreichende Antwort, weder gegenüber einer Aufsichtsbehörde noch gegenüber einem Kunden.
Problem 2: Datenresidenz ist keine bloße Formalität
Die EU und Dänemark haben eine klare Richtung: Daten müssen kontrollierbar sein.
Es geht nicht nur darum, wo Daten physisch liegen, sondern um Jurisdiktion, Zugriff und Abhängigkeiten.
Wenn Ihre KI-Lösung von einem US-Anbieter abhängt, ist das nicht nur eine technische Entscheidung. Es ist eine strategische.
Das wird besonders deutlich bei öffentlichen Ausschreibungen, Finanzunternehmen und Unternehmen mit kritischer Infrastruktur. Hier lautet die Frage nicht:
„Funktioniert es?"
Sondern:
„Haben wir auch in drei Jahren noch die Kontrolle?"
Problem 3: Die Kosten skalieren falsch
Cloud-KI sieht anfangs günstig aus.
Aber das Kostenmodell ist darauf ausgelegt, mit der Nutzung zu skalieren: Preis pro Token, Preis pro Anfrage, Preis pro Feature.
Für Experimente ist das in Ordnung. Aber im Betrieb wird es unvorhersehbar.
Ein interner Chatbot mit Tausenden täglichen Anfragen. Dokumentenverarbeitung mit großen Textmengen. Laufende Automatisierung. In Summe kann sich das leicht zu einem fünf- oder sechsstelligen Betrag pro Monat summieren, für etwas, das als PoC begann. Mit lokalen Modellen oder dedizierter Infrastruktur ändert sich die Ökonomie: höhere Vorabkosten, aber niedrige und vorhersehbare Grenzkosten. Das gibt Ihnen die Kontrolle über das Budget und beseitigt die Abhängigkeit von einem Preismodell, das Sie nicht bestimmen.
Problem 4: Latenz und Stabilität
Cloud-KI führt eine Abhängigkeit ein, die Sie nicht steuern: Netzwerk, Rate Limits, API-Änderungen, Ausfallzeiten beim Anbieter.
Für nicht kritische Anwendungsfälle ist das akzeptabel.
Aber wenn KI Teil von Kernprozessen wird, wie Fallbearbeitung, Kundenservice und internen Entscheidungswerkzeugen, sieht es anders aus. Sie können keine stabilen Systeme auf etwas aufbauen, das Sie nicht kontrollieren können.
Problem 5: Strategische Abhängigkeit
Der am meisten übersehene Faktor ist Lock-in.
Sobald Sie erst einmal Workflows, Integrationen, Prompts und Datenmodelle um einen Anbieter herum aufgebaut haben, ist ein Wechsel teuer. Nicht technisch schwierig, aber organisatorisch aufwendig.
Und im europäischen Kontext wird die Frage zunehmend unausweichlich:
Soll ein zentraler Teil unseres Geschäfts von einem externen KI-Anbieter abhängen?
Immer mehr dänische Organisationen beginnen, mit „nein" zu antworten, oder zumindest mit „nicht allein".
Was es konkret bedeutet, KI zurückzuholen
Die Kontrolle über die eigene KI-Infrastruktur zu übernehmen bedeutet nicht zwangsläufig, dass alles im eigenen Rechenzentrum laufen muss oder dass man eigene Modelle von Grund auf baut.
Es bedeutet mehr Kontrolle über den Datenfluss, die Möglichkeit zu wählen, wo die Berechnung stattfindet, und Flexibilität in der Architektur.
Typischerweise sieht man hybride Setups: lokale Modelle für sensible Daten, Cloud-Modelle für allgemeine Aufgaben und klare Grenzen zwischen beiden. Das ist nicht ideologisch. Es ist pragmatisch, und genau diese Art von Architektur helfen wir bei Liviate aufzubauen und zu betreiben.
Wo es in Dänemark Sinn ergibt
Diese Bewegung ist besonders deutlich in drei Segmenten:
Öffentlicher Sektor
Dokumentationspflichten, hohe Sensibilität bei Daten, politische und rechtliche Verantwortung.
Finanzen und Versicherung
Compliance, Audit, Risikomanagement. Und jetzt DORA, das explizite Anforderungen an die Kontrolle von Drittanbietern stellt.
Größere private Unternehmen
Interne Datenmengen, Integrationsbedarf und langfristige strategische Kontrolle.
Der gemeinsame Nenner ist nicht Technologie. Es ist Verantwortung.
Der richtige Ansatz ist kein Entweder-oder
Es ist leicht, daraus eine ideologische Entscheidung zu machen: „Cloud ist die Zukunft" oder „Alles muss lokal sein." Beides ist zu stark vereinfacht.
Der richtige Ansatz ist architektonisch:
- Welche Daten dürfen die Organisation verlassen?
- Welche Anwendungsfälle erfordern niedrige Latenz?
- Wo sind die Kosten kritisch?
- Wo ist Abhängigkeit akzeptabel?
Wenn Sie diese Fragen beantworten, wird die Lösung deutlich.
Fazit
Cloud-KI war und ist ein wichtiger Beschleuniger.
Aber sie ist nicht zwangsläufig die richtige langfristige Lösung für alle.
In Dänemark erkennen immer mehr Organisationen, dass Kontrolle wichtiger ist als Geschwindigkeit, dass Vorhersehbarkeit wichtiger ist als Flexibilität, und dass Verantwortung nicht ausgelagert werden kann.
Das bedeutet nicht, die Cloud aufzugeben. Es bedeutet, die Architektur ernst zu nehmen.
KI ist nicht nur ein Feature. Sie ist Infrastruktur.
Und Infrastruktur wählt man danach aus, wofür man geradestehen kann, nicht nur danach, was heute funktioniert.