Private KI-Cloud: Innovation in der Compliance-Zone

Schwerpunkt: “Fintech, Kooperation & Konkurrenz“]. . Wie Finanzdienstleister durch eine private Ka I Cloud vom reinen Ka I Konsumenten zum Produzenten eigener Intelligenz werden: Das ist eine strategische Positionierung im Spannungsfeld zwischen Abhängigkeit von großen Ka I Anbietern und Selbstbestimmung. Gleichzeitig verdeutlicht das Beispiel Kooperation in neuer Form: Player wie HPE, NVIDIA, deepset, QuantPi und secunet bündeln ihre Kompetenzen zu einer gemeinsamen Plattform, statt als Einzelanbieter zu konkurrieren. von Dennis Geisse, AI Enterprise Architect, HPE.. Mit einer privaten Ka I Cloud werden Finanzdienstleister zu Produzenten von Intelligenz in eigener Hoheit. Das ist eine Architekturentscheidung, die den Spagat zwischen Entwicklungstempo und Regulatorik entspannt. Und sie verändert die Tokenomics stärker, als viele vermuten. Eine Bank will ihren Kreditprozess beschleunigen. Eine Ka I Anwendung soll Bilanzen lesen, Risikodaten verknüpfen, regulatorische Vorgaben prüfen und Entscheidungsvorlagen schreiben. Schritte, die heute Stunden kosten, sollen künftig Sekunden dauern. Aber im Pilotbetrieb bleibt das Projekt stecken. Die Revision verlangt lückenlose Auditierbarkeit über den gesamten Lebenszyklus. Die Compliance fragt nach Konzentrationsrisiken in der Kette der Ka I Drittanbieter. Das Risikocontrolling will wissen, wie sich das Halluzinations Klumpenrisiko eindämmen lässt, wenn mehrere Ka I Agenten aufeinander aufbauen. Wo Gewinnpotenzial auf Regulierung trifft!. . Die Spannung betrifft den ganzen Sektor. BCG sieht allein im Retail Banking 370 Milliarden US Dollar zusätzliches jährliches Gewinnpotenzial durch Ka I.Jede Ka I Anwendung trifft auf einen Regulierungsrahmen, der enger wird.“Die BaFin hat im Dezember 2025 klargestellt: Ka I Systeme zählen als reguläre IKT Assets und gehören in den Risikomanagement Rahmen unter DORA, mit lückenloser Überwachung vom Datenbezug bis zur Stilllegung. Zudem stuft der AI Act Anwendungen wie Kredit Scoring und Bonitätsbewertung als Hochrisiko ein. Dazu kommt das Lieferantenrisiko. Wie konkret dieses ist, wurde klar, als Anthropic im Juni 2026 zwei seiner stärksten Modelle weltweit sperrte. Ein Mittelweg zwischen Public Cloud und Selbstbau!. . Wer den Ka I Stack selbst baut, gewinnt Kontrolle, zahlt aber mit Komplexität, Personalbedarf und Zeit. Auf der Rise of AI Conference Anfang Mai in Berlin haben wir gemeinsam mit deepset und NVIDIA eine private Ka I Cloud Plattform demonstriert, die genau hier ansetzt. Private Cloud heißt: Sie lässt sich wie eine Cloud bedienen, läuft aber im eigenen Rechenzentrum. .  . Sie ist hochgradig integriert und wird vorkonfiguriert geliefert, was bedeutet: Wer maximale Freiheit bei der Hardwär Konfiguration sucht, findet sie hier nicht. Dafür kommt man in Wochen statt in Monaten oder Jahren zu einem auditierbaren Betrieb. Und, entscheidend ist: Sie ist als offene Basis konzipiert. Modelle und Anwendungen lassen sich austauschen, ohne die Plattform anzufassen. Vorkonfigurierte Basis mit offenen Schnittstellen!. . Wir haben die Plattform mit dem Namen HPE Private Cloud AI zusammen mit NVIDIA entwickelt. Sie bündelt Rechenleistung, Speicher, Inferenz Software und vorgefertigte Anwendungs Blueprints in einer betriebsbereiten Umgebung. Für die spezifischen Anforderungen lassen sich spezialisierte Komponenten aufsetzen. . Im konkreten Fall übernimmt deepset Haystack die Orchestrierung der Agenten mit feingranularen Rechten und Audit Trail. QuantPi testet das Verhalten der Agenten, überwacht es im Betrieb und zeigt früh, wenn sich Fehler in einer Kette aufschaukeln. Der Security Layer der SINA Cloud von secunet schließlich sorgt für die Trennung der Mandanten auf Hardwär Ebene. Wie das konkret aussieht, zeigt der Entscheidungsassistent AIDA (Artificial Intelligence Decision Agents). Er besteht aus spezialisierten Agenten, die in Haystack orchestriert werden und auf lokal laufende Modelle zugreifen. Über eine einfache Oberfläche führt das System einen Kreditanalysten in Sekunden durch Bilanzen, interne Risikodaten und regulatorische Vorgaben. Tokenomics in der Praxis!. . Bleibt die Wirtschaftlichkeit. In meinem eigenen Unternehmen, HPE, betreiben wir ein agentenbasiertes Kundensupport System. Es lief zunächst in der Public Cloud. Das Problem dabei: die Token Kosten stiegen in einem nicht akzeptablen Ausmaß. Denn Agenten verbrauchen mit jeder Beobachtung, Schlussfolgerung und Handlung Token. Wir haben das System auf die private Ka I Cloud Plattform verlagert und damit die Kosten um den Faktor 30 gesenkt, eine Einsparung von rund 100.000 US Dollar pro Monat. Gleichzeitig bleiben Kundendaten unter unserer Kontrolle, und die Antwortzeiten verbesserten sich. Wir hörten damit auf, Ka I Konsumenten zu sein, und begannen, selbst Produzenten von Intelligenz zu werden. An diesem Punkt verschwindet der eingangs beschriebene Spagat. Souveränität, Auditierbarkeit, Wirtschaftlichkeit und bessere Kundenerfahrung sind keine konkurrierenden Ziele mehr. Sie ergeben sich aus derselben Architekturentscheidung.Sie hörten einen Beitrag von „Dennis Geisse, HPE/dk“