Noch bevor Sie Funktionen, Bedienung und Preis vergleichen, sollten Sie wissen, ob die grundsätzlichen Rahmenbedingungen zu Ihrem Unternehmen passen.
Bei KI ist der Modellname nur ein Teil der Entscheidung.
Mindestens genauso wichtig:
- Wo werden Prompts verarbeitet?
- Wo liegen Vektordaten und Wissensbasen?
- Werden Eingaben für Training verwendet?
- Welche Modelle können eingesetzt werden?
- Können Unternehmenssysteme sicher angebunden werden?
- Gibt es Mandantentrennung?
- Kann die Lösung später Agenten kontrollieren?
Wichtig: zwei Ebenen unterscheiden
Business-KI-Anwendung
Beispiel:
Ein Assistent arbeitet direkt mit Unternehmensdaten und konkreten Prozessen.
KI-Plattform / Model Serving
Eine Plattform stellt Modelle und Infrastruktur bereit, auf denen eigene Anwendungen aufgebaut werden können.
Diese Kategorien sollten auf dem Campus nicht wie identische Produkte behandelt werden.
Rahmencheck
| Lösung | Typ | Deutschland | Datennutzung / Training | Betriebs-/Souveränitätsrahmen | Campus-Einordnung |
|---|---|---|---|---|---|
| JAIra | Business-KI-Anwendung | Deutschland dokumentiert laut DPS|BS | Herstellerangabe: Unternehmensdaten werden nicht zum Training öffentlicher Modelle verwendet | mandantenisolierter Ansatz, Fokus auf Business-Kontext und Sage-100-Integration | interessant für Unternehmen, die eine konkrete Business-KI-Schicht über bestehende Systeme legen möchten; Herstellerangaben weiter evidenzbasiert dokumentieren |
| IONOS AI Model Hub | AI Platform / Model Hub | Deutschland dokumentiert | IONOS beschreibt Kundendatenkontrolle und keine Nutzung für Modelltraining | deutscher/europäischer Cloudrahmen, Open-Source-Modelle | klarer souveräner Plattformansatz für eigene KI-Anwendungen |
| STACKIT AI Model Serving | AI Platform / Model Serving | Deutschland dokumentierbar für konkrete Region/Service | öffentlich dokumentierte Datenschutz-/Servicebedingungen prüfen | deutsche/europäische Cloudplattform | geeignet als Infrastruktur-/Model-Layer; Business-Kontext muss durch Anwendung/Integration ergänzt werden |
| Microsoft Azure AI / Foundry | AI Platform | Bedingt – Processing hängt von Regional-, Data-Zone- oder Global-Deployment ab | Microsoft dokumentiert, dass Prompts/Outputs nicht automatisch zum Training von Foundation Models verwendet werden | sehr großes Modell-/Cloudökosystem | leistungsfähiger Rahmen, aber Deploymenttyp und Datenregion müssen aktiv kontrolliert werden |
| Aleph Alpha / PhariaAI | Enterprise-AI-Plattform | Deploymentabhängig, On-Premises-/private Ansätze möglich | souveränitätsorientierter Enterprise-Ansatz | europäischer Hersteller, Deployment wird projektspezifisch gestaltet | interessant für souveräne Enterprise-Architekturen; konkreten Hostingstandort vertraglich festlegen |
EU AI Act
Keine dieser Zeilen sollte ein einfaches:
EU AI Act ✓
erhalten.
Stattdessen sollte der Campus anzeigen:
- Anbieter stellt AI-Governance-Informationen bereit
- Datenflüsse dokumentiert
- Human Oversight möglich
- Rollen/Rechte
- Logging
- Modellherkunft
- Transparenzinformationen
Zuletzt redaktionell geprüft: 30.09.2026
Quellenbasis anzeigen
- KI: DPS|BS JAIra, IONOS AI Model Hub, STACKIT AI Model Serving, Microsoft Azure AI / Foundry Data Privacy, Aleph Alpha PhariaAI
Vorrangig offizielle Hersteller-, Trust-, Security- und technische Dokumentationsquellen. Einzelnachweise mit Link und Prüfdatum folgen mit dem Nachweis-System.
Hinweis zur Einordnung:
Der Mittelstandscampus vergleicht an dieser Stelle keine vollständigen Funktionsumfänge und gibt keine Rechtsberatung. Die Angaben basieren auf öffentlich verfügbaren Hersteller-, Security- und technischen Dokumentationen sowie redaktioneller Recherche. Betriebsmodelle, Datenstandorte und Zertifizierungen können sich je Produktvariante, Tarif, Region oder Implementierungspartner unterscheiden. Prüfen Sie kritische Anforderungen vor Vertragsabschluss anhand der konkret angebotenen Vertrags- und Betriebsunterlagen.