Künstliche Intelligenz (KI)
Aufbau einer souveränen KI: Grundlagen und Architektur
Regierungen weltweit investieren Milliarden in die Entwicklung von KI, doch der Wettlauf um die Strategien hat ein klares Verständnis davon, was Souveränität tatsächlich erfordert, überdeckt. Ein praktisches Framework hilft, die richtigen Entscheidungen zu fällen.
Save to Folio
Im Jahr 2025 und Anfang 2026 kündigten Länder wie Frankreich, Indien, Saudi-Arabien, Kanada und Singapur umfangreiche Initiativen zur Entwicklung einer eigenen KI an. Dies widerspiegelt den weltweiten Trend zu dem, was politische Entscheidungsträger, Technologieführer und Unternehmensstrategen als „souveräne KI“ bezeichnen. Frankreich verkündete auf seinem KI-Aktionsgipfel im Februar 2025 öffentliche und private Investitionen in Höhe von 109 Milliarden Euro in die KI-Infrastruktur – eine der weitreichendsten Verpflichtungen im Bereich der souveränen KI außerhalb der Vereinigten Staaten und Chinas. Kanada lancierte eine Investition von2 Milliarden kanadischer Dollar in „eine Strategie der KI-Rechenkapazitäten, während Saudi-Arabien seinen Staatsfonds einsetzte, um HUMAIN ins Leben zu rufen, ein staatlich gefördertes Full-Stack-KI-Projekt.
Trotz der Vielzahl der Ankündigungen und Investitionen bleiben grundlegende Fragen offen: Was genau macht souveräne KI aus? Wie souverän kann eine Nation tatsächlich werden? Und welche technische Architektur ist erforderlich, um eine sinnvolle Souveränität zu erreichen?
Souveräne KI ist mehr als nur Gesetze und Richtlinien. Dem Weltwirtschaftsforum zufolge bedeutet sie, dass ein Staat die tatsächliche Kontrolle darüber behält, wie KI innerhalb seiner Grenzen entwickelt, geregelt und eingesetzt wird. Das bedeutet, den gesamten KI-Stack zu besitzen und zu betreiben, von der Datenspeicherung und -verarbeitung bis hin zum Modelltraining und zur Inferenz. Staaten streben nach souveräner KI, um ihre Binnenwirtschaft zu stärken, die nationale Sicherheit zu schützen, geopolitische Schocks abzufedern und sicherzustellen, dass KI-Systeme nationale Werte und die Landessprache widerspiegeln. Souveräne KI ist mehr als nur Gesetze und Richtlinien rund um KI.
In unserer Studie stellen wir Führungskräften in Regierung und Wirtschaft einen praktischen Rahmen zum Verständnis staatlicher KI zur Verfügung.
Wir untersuchen die technischen Anforderungen auf fünf Ebenen: Grundlagen, Infrastruktur, Daten und Modelle, Betrieb sowie strategische Autonomie. Selbst die technologisch fortschrittlichsten Nationen sind von globalen Abhängigkeiten geprägt, und der strategische Wert ergibt sich aus der Kontrolle der Ebenen, die am wichtigsten sind. Das Ziel besteht darin, Entscheidungsträgern dabei zu helfen, zu bestimmen, wie souverän sie sein müssen und auf welchen Ebenen, anstatt nach Absolutheiten zu streben, die praktisch niemand erreichen kann.
Anstatt Souveränität als einen binären Zustand zu betrachten, sollten Organisationen ihre Position über die fünf Ebenen hinweg bewerten. Jede Ebene bringt ihre eigenen technischen Anforderungen mit sich, und eine Lücke in einer einzelnen Ebene kann Souveränitätsansprüche über den gesamten Stack hinweg untergraben.
Layer 1: Grundlagen: umfasst die physische Hardware (GPUs, Servers, Netzwerke) und die Lieferketten dahinter. Praktische Empfehlungen:
- Pflegen Sie Beziehungen zu mehreren Hardware-Anbietern, um das Risiko eines Single-Point-of-Failure zu verringern.
- Richten Sie sichere Beschaffungskanäle mit vertrauenswürdigen Distributoren ein und sorgen Sie für eine lückenlose Dokumentation der Herkunftskette.
- Planen Sie die Vorhaltung von Ersatzteilen und Komponenten ein, um Lieferengpässe von mehreren Monaten zu überstehen.
- Ziehen Sie neben Nvidia auch andere GPU-Anbieter (AMD, Intel) in Betracht, um eine vollständige Anbieterabhängigkeit zu vermeiden.
- Verlangen Sie bereits ab der ersten Bereitstellung eine Firmware-Überprüfung und festgelegte Anforderungen an den Boot-Prozess.
Layer 2: Infrastruktur Infrastrukturelle Souveränität erfordert inländische Rechenzentren mit angemessener physischer Sicherheit, Stromversorgungssicherheit und Netzwerkisolierung. Wichtige Überlegungen dazu:
- Standort und rechtliche Kontrolle über Rechenzentrumsanlagen
- Stromversorgungs- und Kühlinfrastruktur mit angemessenen Ausfallsicherheitsstufen
- Sichere Zoneneinteilung zur Trennung von klassifizierten und nicht klassifizierten Workloads innerhalb derselben Anlage
- Netzwerkarchitektur mit privatem DNS, strengen Ausgangskontrollen und Segmentierung nach Datenklassifizierung
- Regionale Inferenzknoten und kontrolliertes Peering für latenzempfindliche Anwendungen
- Offline-Aktualisierungsmechanismen und kontrollierte Patch-Pipelines für Air-Gapped-Umgebungen
Layer 3: Daten und Modelle Dies ist die Ebene, auf die die meisten Souveränitätsbemühungen gerichtet sind und wo die kostspieligsten Fehler passieren können.
Unternehmen sollten entscheiden, ob sie Open-Source-Modelle verwenden, kommerzielle Modelle lizenzieren oder Modelle von Grund auf selbst trainieren möchten. Open-Source-Modelle (wie beispielsweise die aus der Llama-Familie von Meta oder Mistral) bieten mehr Kontrolle erfordern jedoch umfangreiches Fachwissen für die Feinabstimmung und den Betrieb. Kommerzielle Modelle haben zwar möglicherweise eine bessere Leistung, führen jedoch zu einer Abhängigkeit von externen Anbietern, die ausländische Gerichtsbarkeit unterliegen.
Eine Strategie mit mehreren Modellen reduziert das Risiko der Abhängigkeit von einem Hersteller. Der übliche Einwand dagegen lautet, dass ein Multimodell-Ansatz eine Zuständigkeit über mehrere Gerichtsbarkeiten hinweg impliziert und die Souveränität untergräbt.
Layer 4: Betrieb: Bei der operativen Souveränität geht es darum, wer die KI-Systeme im Tagesgeschäft betreibt und wartet. In der Praxis sind es eher Vorschriften als Grundsätze, die die meisten Organisationen dazu veranlassen, in diese Kontrollmechanismen zu investieren. Dazu gehören sowohl das Personal (Datenwissenschaftler, ML-Ingenieure, Sicherheitsspezialisten und Betreiber) als auch die Organisationsstrukturen, die diese regeln. Organisatorische Überlegungen:
- Teams für Plattform-Engineering und Machine Learning Operations (MLOps) mit entsprechenden Sicherheitsfreigaben für die Datenklassifizierung
- Mitarbeiter des Security Operations Center (SOC), die für die Erkennung von KI-Bedrohungen geschult sind
- Risikokontrollen für die Belegschaft, einschließlich Aufgabentrennung und Verwaltung privilegierter Zugriffe
- Bereitschaft zur Reaktion auf Vorfälle mit KI-spezifischen Playbooks, die im Rahmen von Tabletop-Übungen getestet wurden
- Programme zum Wissenstransfer, die sicherstellen, dass kritische Kompetenzen nicht bei einer einzigen Person liegen
Layer 5: Strategische Autonomie: Die höchste Stufe der Souveränität ist die Fähigkeit, trotz geopolitischer Turbulenzen weiterzuarbeiten und die Unabhängigkeit gegenüber äußerer Kontrolle zu wahren. Dies bedeutet freie Rechenkapazität, die Möglichkeit Anbieter zu wechseln, ohne die gesamte Plattform neu aufsetzen zu müssen, sowie dokumentierte Ausstiegspläne für jede kritische Abhängigkeit. Der Test: Wenn eine wichtige Geschäftsbeziehung morgen durch eine Übernahme, Sanktionen oder politische Veränderungen endet – kann der Betrieb dann weiterlaufen?
Strategische Autonomie erfordert eine ehrliche Einschätzung der Abhängigkeiten auf allen Ebenen.
Fazit
Aus dieser Untersuchung lassen sich mehrere zentrale Themen ableiten:
- Souveräne KI basiert auf einem Spektrum von Fähigkeiten, die im Laufe der Zeit aufgebaut werden, und ist kein absoluter Zustand, den es zu erreichen gilt.
- Sinnvolle Souveränität erfordert einen systematischen Ansatz für die fünf Ebenen des Rahmens für souveräne KI.
- Die Datenlokalisierung allein garantiert keine echte Souveränität. Der physische Standort ist notwendig, reicht aber für Souveränitätsansprüche nicht aus.
Strategische Entscheidungen in Bezug auf Kontrolle, Schutz und Abhängigkeiten definieren souveräne KI. Lesen Sie die vollständige Studie, um mehr zu erfahren.