Unzureichende Kontrolle über KI-Abhängigkeiten in Unternehmen

Unterschätzte Abhängigkeiten: Eine Analyse der KI-Souveränität in Unternehmen

Die Integration von Künstlicher Intelligenz (KI) schreitet in Unternehmen rasant voran und verspricht Effizienzsteigerungen sowie innovative Lösungen. Doch mit der zunehmenden Nutzung wächst auch die Komplexität der Abhängigkeiten von externen KI-Dienstleistern, Modellen und der zugrunde liegenden Infrastruktur. Aktuelle Studien deuten darauf hin, dass viele Unternehmen diese Verflechtungen unterschätzen und die damit verbundenen Risiken nicht ausreichend managen. Dies stellt sowohl für CIOs und CTOs als auch für die strategische Ausrichtung von Unternehmen eine erhebliche Herausforderung dar.

Der mangelnde Überblick über KI-Verflechtungen

Eine umfassende Untersuchung, durchgeführt von IBM, offenbart ein klares Bild: Zahlreiche Unternehmen in der Region EMEA (Europa, Naher Osten und Afrika) bekennen sich zwar zur Notwendigkeit der KI-Souveränität, verfügen jedoch nur über unzureichende Kenntnisse ihrer tatsächlichen Abhängigkeiten. Die Studie zeigt, dass lediglich 10 Prozent der befragten Unternehmen in EMEA und 13 Prozent in Deutschland ihre Verflechtungen über Anbieter, Modelle und Infrastruktur hinweg als gut verstanden einschätzen. Dies bedeutet im operativen IT-Alltag, dass viele Organisationen zwar die Existenz von Abhängigkeiten erkennen, aber nicht in der Lage sind, diese präzise zu analysieren, aufzulösen oder abzusichern.

Herausforderungen bei Anbieterwechsel und Datenresidenz

Ein zentraler Indikator für diese mangelnde Souveränität ist die Schwierigkeit beim Wechsel von KI-Anbietern. Laut der IBM-Studie geben 73 Prozent der befragten Führungskräfte in EMEA an, dass ein Wechsel des primären KI-Anbieters oder Modells als schwierig einzustufen wäre. In Deutschland liegt dieser Wert bei 65 Prozent. Diese Zahlen unterstreichen die potenzielle Bindung an einzelne Anbieter, die als "Vendor Lock-in" bekannt ist. Parallel dazu empfinden 70 Prozent der Befragten in EMEA und ebenfalls 70 Prozent in Deutschland die Einhaltung von Anforderungen an Datenresidenz und Datensouveränität über verschiedene Regionen hinweg als anspruchsvoll. Dies impliziert nicht nur Compliance-Risiken, sondern auch praktische Migrationsprobleme, falls Daten nicht flexibel exportiert, repliziert oder lokal gehalten werden können.

Risiken durch KI-Ausfälle und Betriebsunterbrechungen

Die unzureichende Kontrolle über KI-Abhängigkeiten birgt erhebliche betriebliche Risiken. 81 Prozent der Befragten in EMEA und 85 Prozent in Deutschland prognostizieren, dass ein Ausfall des primären KI-Anbieters über einen Zeitraum von sieben Tagen schwerwiegende oder kritische Folgen hätte. Die Unternehmen berichteten im Durchschnitt von sieben KI-bezogenen Betriebsstörungen in den letzten zwei Jahren (Deutschland: sechs). Dabei waren in EMEA Anbieter-Services die häufigste Ursache für Ausfälle, während in Deutschland technische Probleme überwogen. Dies illustriert, dass KI-Ausfälle sowohl aus klassischen Infrastrukturproblemen als auch direkt auf Anbieter- und Modellebene resultieren können und somit eine vielschichtige Bedrohung darstellen.

Multi-Vendor-Strategien ohne klare Steuerung

Obwohl 73 Prozent der Unternehmen ihre KI-Umgebung als bewusst Multi-Vendor-orientiert beschreiben, ist diese Vielfalt oft nicht das Ergebnis einer strategischen Entscheidung. Vielmehr sind laut IBM organisatorische Aufteilung (72 Prozent), geografische Notwendigkeiten (75 Prozent) und die Komplexität historisch gewachsener IT-Strukturen (63 Prozent) die Haupttreiber. Eine reine Multi-Vendor-Strategie führt jedoch nur dann zu mehr Handlungsfreiheit, wenn Unternehmen ihre KI-Umgebung aktiv steuern. Ohne gemeinsame Standards für Daten, Modelle und Sicherheit steigt die Komplexität und der potenzielle Nutzen einer diversifizierten Anbieterlandschaft bleibt ungenutzt. Ein Großteil der Befragten (71 Prozent in EMEA, 79 Prozent in Deutschland) wäre sogar bereit, bis zu 20 Prozent höhere Kosten zu akzeptieren, um strategische Flexibilität zu bewahren.

Das Konzept der selektiven Souveränität

Angesichts dieser Herausforderungen schlägt die IBM-Studie das Konzept der "selektiven Souveränität" vor. Dies bedeutet keinen vollständigen Rückzug aus proprietären Umgebungen, sondern die Etablierung gezielter Kontrolle an den Stellen, die geschäftlich von hoher Relevanz sind. Eine differenzierte Betrachtung ist hierbei entscheidend: Ein einfacher Transkriptionsdienst erfordert beispielsweise eine andere Risikobewertung und Kontrolltiefe als ein KI-Modell, das Kreditrisiken, Produktionsentscheidungen oder sicherheitsrelevante Prozesse steuert. IBM unterteilt Systeme in drei Kategorien:

- Geschäftskritische Systeme (Tier-1): Hier sind schnelle Datenmigration, austauschbare Modelle und getestete Ausweichpfade essenziell. - Wichtige, aber nicht differenzierende Funktionen: Bei diesen Funktionen genügt es, Abhängigkeiten bewusst zu steuern und klare Vertrags- sowie Architekturgrenzen zu definieren. - Commodity-Dienste: Für einfache Standarddienste kann eine stärkere Anbieterbindung aus wirtschaftlicher Sicht sinnvoll sein.

Unternehmen, die fortschrittliche Kontrollfunktionen implementieren, können laut IBM ihren operativen Gewinn im Falle von KI-bedingten Störungen um 55 Prozent besser schützen. Weltweit erreichen jedoch nur 7 Prozent der befragten Organisationen dieses Niveau.

Herausforderungen bei Daten- und Modellportabilität

Die Portabilität von Daten und Modellen bleibt eine der größten Hürden. Die Studie zeigt, dass die Verschiebung von KI-Trainings- und Betriebsdaten in eine andere Umgebung durchschnittlich 145 Tage in Anspruch nimmt. Dies verdeutlicht die Notwendigkeit von standardisierten Schnittstellen und Prozessen für den Datenexport und -import. Ähnlich komplex ist der Modellwechsel: 57 Prozent der Befragten geben an, dass der Austausch eines Kernmodells erhebliche Entkopplung oder sogar einen kompletten Neuaufbau erfordern würde. Ein solcher Wechsel betrifft nicht nur das Modell selbst, sondern auch Aspekte wie Prompting, Fine-Tuning, RAG-Pipelines (Retrieval-Augmented Generation), Evaluierung, Sicherheitsfilter und Monitoring. Was zunächst als kleiner Austausch erscheint, kann sich schnell zu einem umfassenden Architekturprojekt entwickeln.

Infrastrukturabhängigkeiten und die Notwendigkeit von Resilienz

Auch die Infrastruktur spielt eine entscheidende Rolle bei der KI-Abhängigkeit. 56 Prozent der Befragten schätzen, dass es mindestens sechs Monate dauern würde, zentrale KI-Systeme und -Anwendungen zu einem anderen Anbieter zu verlagern. Für die IT-Verantwortlichen bedeutet dies, dass Souveränität nicht durch ein einzelnes Produkt oder einen Vertrag entsteht, sondern durch eine Kombination aus Portabilität, klaren Schnittstellen und regelmäßig getesteten Ausweichszenarien. Unternehmen, die diese Grundlagen nicht schaffen, sind bei Preisänderungen, Modellabkündigungen oder Nutzungsbeschränkungen schnell in einer defensiven Position und können ihre Geschäftskontinuität nicht gewährleisten.

Die vorliegenden Erkenntnisse unterstreichen die dringende Notwendigkeit für Unternehmen, ihre KI-Abhängigkeiten umfassend zu analysieren und proaktive Strategien zur Steigerung der KI-Souveränität zu entwickeln. Dies erfordert nicht nur technische Lösungen, sondern auch eine strategische Neuausrichtung und ein tiefgreifendes Verständnis der Risiken und Potenziale, die mit der Nutzung Künstlicher Intelligenz verbunden sind.

Bibliography

- Förster, Moritz. "Firmen unterschätzen ihre KI-Abhängigkeiten massiv | heise online". heise online, 19. Juni 2026. - "Firmen unterschätzen ihre KI-Abhängigkeiten massiv | 19.06.26 | finanzen.at". finanzen.at, 19. Juni 2026. - Kauz, Carmen-Doreen. "IBM-Studie: Unternehmen fehlt der Überblick über KI-Abhängigkeiten". midrange.de, 18. Juni 2026. - "Studie von Red Hat zeigt Abhängigkeit deutscher Unternehmen von globalen KI-Anbietern". Red Hat, 21. April 2026. - "Firmen unterschätzen ihre KI-Abhängigkeiten massiv | heise online". LinkedIn, 19. Juni 2026. - "Digitale Souveränität: Unternehmen sehen Abhängigkeit bei KI und Software". ZEW – Leibniz-Zentrum für Europäische Wirtschaftsforschung, 14. November 2025. - "Firmen unterschätzen ihre KI-Abhängigkeiten massiv - IT | Cloud Computing News". de.headtopics.com, 19. Juni 2026. - Kolaric, Davor. "KI-Kontrolle: Warum CIOs und CTOs überfordert sind". All About Security, 8. Juni 2026. - Bitkom e.V. "KI-Nutzung boomt – aber die Angst vor Abhängigkeit vom Ausland ist groß". Bitkom e.V., 5. Mai 2025. - "iX Magazin: "Firmen unterschätzen ihre KI-Abhängigkeiten massiv"". Heise Medien on Mastodon, 19. Juni 2026. - IBM. "The State of AI Sovereignty". IBM, (Veröffentlichungsdatum nicht explizit genannt, aber im Kontext der anderen Quellen als aktuell anzusehen).