Wenn die Daten nicht raus dürfen, kommt die KI eben rein

Vier GPUs im Keller

Letzte Woche sprach ich mit dem Geschäftsführer eines mittelständischen Unternehmens im Gesundheitswesen. Sensible Patientendaten, strenge regulatorische Auflagen, ein IT-Team von überschaubarer Größe.

Seine AI-Strategie? Vier Nvidia H100 im Serverraum. Vor einem halben Jahr waren es noch eine.

Nicht weil er Geld zu verschenken hat. Sondern weil ihm seine Regulierung keine andere Wahl lässt. Patientendaten in die Cloud zu einem amerikanischen LLM-Anbieter schicken? Keine Option. Nicht aus Angst, sondern aus Compliance.

Also hat er entschieden: Wenn die Daten das Haus nicht verlassen dürfen, kommt die Rechenleistung ins Haus.

Ist das die eleganteste Lösung? Nein. Es ist eine Notlösung. Aber es ist die einzige Lösung, die ihm erlaubt, jetzt anzufangen, statt weitere zwei Jahre auf den perfekten regulatorischen Rahmen zu warten. Und in einer Welt, in der sich die Technologie alle sechs Monate verdoppelt, ist „jetzt anfangen mit dem, was geht“ strategisch wertvoller als „perfekt planen und zu spät kommen“.

Das Missverständnis

In der aktuellen AI-Debatte gibt es zwei Lager:

Lager 1: „Regulierung bremst Innovation. Während wir DSGVO-Formulare ausfüllen, zieht China an uns vorbei.“

Lager 2: „Erst mal alles regulieren, dann schauen wir weiter.“

Beide liegen falsch.

Die Realität sieht so aus: Unternehmen, die seit Jahren in regulierten Umfeldern arbeiten – Gesundheitswesen, Automotive, Pharma, Aerospace – haben bereits 60 Prozent einer funktionierenden AI-Governance aufgebaut. Sie wissen es nur nicht.

Wer heute IATF 16949 lebt, wer Audit Trails pflegt, wer CAPA-Prozesse beherrscht und wer Validierungsprotokolle schreibt, hat die Grundpfeiler für verantwortungsvolle AI-Nutzung längst im Haus. Es fehlt nur die Übersetzung.

Das Muster

Was mein Gesprächspartner im Gesundheitswesen gemacht hat, ist kein Einzelfall. Es ist ein Muster:

Stufe 1 – Regulatorischer Druck erzwingt Datenklassifizierung und Prozessdokumentation.

Stufe 2 – Pragmatische Architekturentscheidung folgt aus den Einschränkungen: On-Premise, eigene Modelle, klare Datenhoheit. Keine Perfektion, aber ein Anfang.

Stufe 3 – Geschwindigkeit als Nebeneffekt. Wer nicht auf die perfekte Lösung wartet, sammelt Erfahrung, während andere noch Konzepte schreiben. Und Erfahrung ist in der AI-Welt die härteste Währung.

Wer dieses Muster erkennt, hört auf, Regulierung als Feind der Innovation zu betrachten. Regulierung zwingt Sie zu Entscheidungen. Manche davon fühlen sich wie Einschränkungen an. Aber sie bringen Sie dazu, jetzt zu handeln, statt auf die perfekte Welt zu warten, die nicht kommt.

Was das für Sie bedeutet

Wenn Sie in einem regulierten Umfeld arbeiten – egal ob Automotive, Gesundheitswesen, Pharma oder Aerospace – dann haben Sie einen Vorsprung, den die meisten Tech-Startups nicht haben:

Sie wissen, wie man unter Einschränkungen handelt.

Sie haben Prozesse für Rückverfolgbarkeit, Validierung und Change Management. Sie haben Erfahrung mit Audits. Sie haben eine Kultur der Dokumentation. Und Sie haben gelernt, dass „perfekt“ der Feind von „fertig“ ist.

Hören Sie auf, das als Ballast zu betrachten. Fangen Sie an, es als AI-Governance-Framework zu nutzen.

Und wenn Ihr Qualitätsleiter beim nächsten AI-Workshop die Hand hebt und sagt „Aber wie validieren wir das?“ – dann ist er nicht der Bremser im Raum.

Er ist der Einzige, der die richtige Frage stellt.

E-Mail: sven.vollmer@business-quotient.com

Sven Vollmer ist „The Industrial Translator“. Er baut Brücken zwischen der operativen Realität der Industrie (SAP, Supply Chain) und den Möglichkeiten generativer KI. Sein Fokus liegt auf wertschöpfenden Anwendungen abseits des Hypes.

Transparenz-Hinweis: Dieser Artikel entstand mit redaktioneller Unterstützung von KI (Gemini/Claude). Die Ideen, fachliche Prüfung, die Auswahl der Use Cases und die Bewertung (‚Adult Supervision‘) oblagen zu 100% dem Autor.

LinkedIn: www.linkedin.com/in/sven-vollmer-bq