Da GenAI-Systeme zunehmend von experimentellen Pilotprojekten zu unternehmensweiten Implementierungen übergehen, gewinnt eine Architekturentscheidung erheblich an Bedeutung: Wie wird Ihr Unternehmen laufzeitbasierte Funktionen bereitstellen?
Unabhängig davon, ob Sie mit Open-Source-Modellen arbeiten, die auf Ihrer eigenen Infrastruktur gehostet werden, oder APIs eines großen Anbieters wie OpenAI oder Anthropic integrieren: Die Entscheidung zwischen Self-Hosting und Models-as-a-Service hat sehr unterschiedliche Auswirkungen auf die Sicherheit. Für viele sind diese Auswirkungen möglicherweise nicht sofort erkennbar – doch sie bilden die Grundlage für ein langfristiges KI-Risikomanagement.
Geschwindigkeit vs. Kontrolle: Zwei Wege zur Bereitstellung
Der Model-as-a-Service-Ansatz bietet klare Vorteile: einfache Implementierung, schnelle Skalierung und kontinuierlichen Zugriff auf Aktualisierungen. Mit nur minimalem internem Fachwissen können Teams nahezu sofort damit beginnen, KI in Produkte und Arbeitsabläufe zu integrieren.
Doch dieser Komfort hat seinen Preis: weniger Transparenz, eine stärkere Offenlegung von Daten und eine wachsende Abhängigkeit von der Infrastruktur Dritter. Die Bindung an einen Anbieter und schwer kalkulierbare Kosten sind dabei nur der Anfang. Noch schwerwiegender ist, dass Sicherheitsteams weitgehend im Dunkeln tappen und weder das Verhalten der Modelle noch die vorhandenen Schutzmaßnahmen oder den möglichen Umgang mit ihren Daten vollständig beurteilen können.
Andererseits bieten selbst gehostete Modelle ein Höchstmaß an Kontrolle. Unternehmen können sensible Daten in ihren eigenen Umgebungen aufbewahren, Modellkonfigurationen anpassen und Bereitstellungen gezielt auf individuelle Leistungs- oder Compliance-Anforderungen abstimmen. Für Unternehmen in regulierten Branchen – oder solche mit besonders wertvollem geistigem Eigentum – ist diese Autonomie äußerst attraktiv.
Doch das ist nicht ohne Komplexität. Self-Hosting erfordert spezialisiertes KI- und Sicherheits-Know-how sowie die operativen Kapazitäten, um Updates zu verwalten, Sicherheitslücken zu schließen und neu auftretende Bedrohungen zu erkennen. Die Verantwortung für die Sicherheit verlagert sich nicht einfach – sie liegt vollständig beim Unternehmen.
Einen Weg wählen, ohne blind zu entscheiden
Fest steht, dass beide Bereitstellungsmodelle – Model-as-a-Service und selbst gehostet – praktikabel sind. Doch keines von beiden ist risikofrei. Bei der Entscheidung geht es nicht nur um Leistung oder Beschaffung, sondern darum, wo Ihre Verantwortung beginnt und wo sie endet.
Zunehmend gibt es darauf keine eindeutige Entweder-oder-Antwort. Viele Unternehmen setzen auf hybride Ansätze, bei denen sie Cloud-Dienste für allgemeine Anwendungen nutzen und selbst gehostete Umgebungen sensiblen Anwendungsfällen vorbehalten. Doch auch hybride Strategien erfordern ein klares Verständnis davon, wo Risiken liegen und wie entsprechende Kontrollmechanismen gestaltet werden müssen.
Unser Whitepaper „Sicherheitsrisiken beim Betrieb generativer KI“ beleuchtet diesen Zielkonflikt eingehender, schlüsselt die Sicherheitsaspekte der einzelnen Bereitstellungsmodelle auf und hilft Führungskräften in Unternehmen, fundierte Entscheidungen zu treffen.
Über den Autor
Ähnliche Blogbeiträge
Kubernetes-native WAF für das Gateway-Zeitalter: F5 WAF for NGINX lässt sich jetzt in F5 NGINX Gateway Fabric integrieren
F5 erweitert WAFs, um mit F5 NGINX Gateway Fabric und F5 NGINX Ingress Controller einen konsistenten, skalierbaren Schutz über Cluster und Umgebungen hinweg bereitzustellen.
Von Regeln zu Risiken: Die Entwicklung von WAFs und der Aufstieg KI-gestützter Ergebnisse
WAF-Programme geraten oft an einem bekannten Punkt ins Stocken: Der Blockierungsmodus wird verzögert aktiviert, weil die Feinabstimmung aufwendig ist.
Erklärbarkeit: Licht ins Dunkel der KI-Blackbox bringen
Einblicke von James White, CTO bei CalypsoAI: Dank GenAI verstehen wir inzwischen gut, wie Antworten generiert und an uns zurückgegeben werden. Vereinfacht gesagt basiert KI auf einer Transformer-Architektur – sie wählt die beste Vorhersage für das nächste Wort und den nächsten Satz aus und liefert anhand der ihr vorliegenden Informationen die wahrscheinlichste Antwort […]
Die neue KI-Risikolandschaft: unsichtbar, autonom und bereits im Unternehmen
James White, VP Engineering, F5 Zur Jahresmitte 2025 ist es an der Zeit, eine Momentaufnahme der KI-Nutzung in Unternehmen und des aktuellen Stands der KI-Sicherheit zu erstellen. Der Einsatz generativer KI ist in Unternehmen mittlerweile Standard Unternehmen verfügen inzwischen durchweg zumindest über ein grundlegendes Verständnis von generativer KI. Sie wissen, was sie ist und wo sie […]
Die KI-Grenzen sichern: Strategien zur Bekämpfung von Datenexfiltration
Da Unternehmen zunehmend Modelle der generativen KI (GenAI) und große Sprachmodelle (LLMs) in ihre digitalen Systeme integrieren, sind sie mit neuen und erhöhten Risiken konfrontiert. Wenig überraschend stehen dabei Risiken im Zusammenhang mit Datenexfiltration – der unbefugten Übertragung von Daten aus einem Unternehmen an ein externes Ziel – meist ganz oben auf der Prioritätenliste der Sicherheitsteams. Ein Verständnis […]
Everest Group-Bericht: Aktuelle Trends und Zukunftsaussichten bei der Einführung von GenAI in der Industrie
Wir freuen uns, einen wesentlichen Beitrag zu einem wegweisenden neuen Bericht der Everest Group, einem weltweit führenden Forschungsunternehmen, geleistet zu haben. Der Bericht mit dem Titel „Generative AI Adoption – Examining Real-world Use in Horizontal Functions and Future Outlook“ bietet eine eingehende Analyse der Einführung generativer KI (GenAI) in verschiedenen Branchen. Dem Bericht zufolge ist die IT […]