Ein souveränes Modell macht noch keine souveräne Bank

Wer glaubt, mit der Wahl eines europäischen Modells sei die Souveränitätsfrage erledigt, hat sie nicht verstanden. KI-Souveränität entscheidet sich nicht am Modell, sondern an einer exit-fähigen Architektur, die den Wechsel des Sprachmodells jederzeit erlaubt. Souverän ist nicht, wer das richtige Modell wählt, sondern wer jederzeit das Modell wechseln kann.

Die Sparkassen-Finanzgruppe zeigt, wie ernst das Thema genommen wird. Der KI-Assistent S-KIPilot ist bereits auf rund 170.000 Arbeitsplätzen eingeführt, monatlich werden mehr als drei Millionen fachliche Prompts ausgeführt. Betrieben wird er auf einer 100 Prozent on-premises geführten Plattform der Finanz Informatik, ohne Public-Cloud-Anbindung, mit Open-Source-Modellen von Anbietern wie Mistral und OpenAI in eigenen Rechenzentren.

Warum die Aufsicht Souveränität einfordert

Das Thema ist von der politischen Bühne auf die Aufsichtsagenda gewandert. Die BaFin hat Konzentrationsrisiken bei IKT-Auslagerungen für 2026 zum Fokusthema erklärt und nennt die großen US-Hyperscaler ausdrücklich als Beispiel, obwohl die meisten Finanzunternehmen ihre KI auf eben diesen Hyperscalern betreiben. DORA fordert für jeden kritischen IKT-Dienstleister eine Konzentrationsanalyse, nachgewiesene Austauschbarkeit und einen dokumentierten Exit-Plan.

Damit ist eine austausch- und prüfbare Architektur nicht nur strategisch klug, sondern regulatorisch gefordert. Souveränität kauft man nicht über ein Label und nicht über die Nationalität eines Modells. Sie ist Architekturentscheidung und Betriebsdisziplin zugleich.

Das Souveränitäts-Paradoxon

Wer sein Augenmerk ausschließlich auf das produktive Modell legt, muss dieses Modell auf eigener Infrastruktur betreiben. Das gelingt realistisch, vor allem wegen der Lizenzkosten, nur über Open-Weights-Modelle. Doch selbst dann bleibt Souveränität unvollständig, wenn die Architektur den Wechsel nicht erlaubt. Souveränität ist erreichbar, vollständige Autonomie nicht: Banken können selbst entscheiden, wie und wo sie KI einsetzen, bleiben aber in vernetzte Technologie-Stacks eingebunden.

Zwei Banken, zwei Antworten

Wie unterschiedlich Wege aussehen, zeigt ein Vergleich. Eine große Schweizer Bank baut mit einem US-Hyperscaler einen KI-Assistenten, der Zehntausenden Mitarbeitenden sofortigen Zugriff auf Zehntausende Investmentdokumente gibt. Die Sparkassen entwickeln ihren Assistenten auf eigener Infrastruktur, mit Open-Source-Modellen und vollständig on-premises. Beide Wege sind legitim, aber sie führen zu sehr unterschiedlichen Abhängigkeitsprofilen.

Der Unterschied ist nicht die Funktion, sondern die Kontrolle. Wer auf einem Hyperscaler aufsetzt, gewinnt Tempo und Reichweite, gibt aber einen Teil der strategischen Steuerung ab. Wer on-premises baut, trägt höhere Anfangskosten, behält aber die Hoheit über Daten, Modelle und Betrieb.

Warum Dual-Sourcing nicht genügt

Ein verbreiteter Irrtum ist, zwei Cloud-Verträge bedeuteten Unabhängigkeit. Wer auf zwei US-Hyperscalern parallel aufsetzt, hat zwar zwei Verträge, sitzt aber an einem gemeinsamen Tisch, an dem die Spielregeln geschrieben werden. Dual-Sourcing schützt vor Ausfall, nicht vor strategischer Abhängigkeit. Digitale Souveränität wird dabei politisch schnell gefordert, ist praktisch aber nur in klar abgegrenzten kritischen Feldern erreichbar, nicht als vollständige Autonomie über den gesamten Stack.

Die europäische Alternativlandschaft wächst

Der Markt liefert zunehmend Optionen. Mistral AI aus Frankreich ist das führende europäische Modell, offen und auf eigener Infrastruktur einsetzbar. Aleph Alpha aus Deutschland entwickelt Modelle mit Fokus auf Erklärbarkeit. In der Schweiz entsteht mit Apertus, einem Projekt der ETH Zürich, ein mehrsprachiges Modell mit Fokus auf Datensouveränität. Die Deutsche Telekom baut mit ihrer Industrial AI Cloud in München 10.000 NVIDIA-Blackwell-GPUs auf, produktive Workloads sind ab dem vierten Quartal 2026 geplant.

Was eine exit-fähige Architektur ausmacht

Eine souveräne Banking-Cloud entsteht nicht dadurch, dass ein Cluster in einer europäischen Region betrieben wird. Entscheidend ist die Architektur darunter. Sie denkt Datenklassifizierung, Modellzugriff, Logging, Identity und Betrieb gemeinsam. Sensible Informationen bleiben unter Kontrolle des Instituts, Modelle lassen sich austauschen, jede Konfiguration ist einem Kontrollziel zugeordnet, etwa den DORA-Artikeln zu IKT-Risikomanagement, Wiederherstellung und Drittparteienmanagement. Wie diese Architektur konkret aussieht, vertieft unser Beitrag zum souveränen KI-Betrieb.

Souveränität ist ein Prozess, kein Zustand

Digitale Souveränität ist kein einmal erreichter Zustand, sondern ein fortlaufender Prozess. Mit zunehmender Regulierung, der Weiterentwicklung von Cloud-Technologien und der wachsenden Bedeutung europäischer Angebote stehen Banken vor strategischen Weichenstellungen. Souveränität entsteht dort, wo Institute ihre Optionen aktiv gestalten und bewusst offenhalten, statt sie einmalig über ein Label zu kaufen.

Was das für einzelne Institute bedeutet

Nicht jede Sparkasse und nicht jede Bank muss eine eigene Plattform bauen. Aber jedes Institut braucht eine bewusste Entscheidung darüber, welche KI-Workloads skalieren dürfen, ohne dass Datenhoheit, Bankgeheimnis und Auslagerungssteuerung geschwächt werden. Die zentral bereitgestellten Lösungen der Verbünde und eigene Ergänzungen müssen in ein konsistentes Souveränitäts- und Exit-Konzept passen. Wo Genossenschaftsbanken und Sparkassen unterschiedliche Wege gehen, zeigt unser Vergleich der KI-Strategien.

Wenn Abhängigkeit politisch wird

Im Dezember 2025 gründete die Linux Foundation eine Agentic AI Foundation als Standardisierungszentrum für KI-Agenten. Das Technical Committee besteht ausschließlich aus Vertretern großer US-Konzerne, exakt jener Anbieter, bei denen europäische Banken ihr Cloud-Portfolio fahren. Wer dort dual-sourct, sitzt an einem gemeinsamen Tisch, an dem die Spielregeln für Agentic AI geschrieben werden.

Dass Staaten Konsequenzen ziehen, zeigt Frankreich: Nach dem Ende einer Zusammenarbeit kündigte die Regierung Investitionen von 655 Millionen Euro in eine eigene nationale KI-Infrastruktur an. Für Banken ist die Lehre dieselbe wie für Staaten: Wer die kritische Schicht nicht selbst kontrolliert, kontrolliert seine Handlungsfähigkeit nicht.

Sotica hilft Instituten, ihre KI-Architektur souveränitäts- und DORA-fest aufzustellen: von der Modell- und Betriebsstrategie bis zur Exit-Fähigkeit. Vereinbaren Sie eine Sprechstunde zur Standortbestimmung.