Anonymer Case

Wohin gehen deine Daten, sobald KI sie berührt?

Sensible Daten müssen deine Umgebung nicht verlassen, damit KI nützlich ist. Wir bauen mit Cloud‑, privaten und lokal gehosteten Modellen und wählen das Setup, das zu Daten, Risiko und Aufgabe passt.

Die Frage, an der KI‑Projekte hängen bleiben

Die meisten Unternehmen wissen, wo ihre Daten gespeichert sind. Mit KI kommt eine zweite Frage dazu: wohin sie gehen, sobald ein Modell sie verarbeitet.

Eine einzige richtige Antwort gibt es nicht. Es gibt drei Wege mit unterschiedlichen Kosten, Garantien und Grenzen, und der richtige hängt von deinen Daten ab.

Warum keine Kundennamen2x10

Unsere Kunden holen uns, um das zu bauen, was ihnen einen Vorsprung verschafft. Verschwiegenheit gehört zum Job. Die Details zu veröffentlichen, könnte diesen Vorsprung verraten. Wir haben in regulierten Umfeldern geliefert und in Projekten mit einem Volumen von Hunderten Millionen.

Wo es läuft

Drei Wege, und wie wir wählen

Frontier‑Modelle

Beste Ergebnisse, am schnellsten, kein Training auf deinen Daten. Der Haken ist klar: Die Daten verlassen die EU.

01

EU‑Region

Dieselben Top‑Modelle auf europäischer Hardware. Kein Proxy in die USA: Das Modell läuft in der Region.

02

Hosting in Österreich

Open‑Source‑Modelle in einem österreichischen Partner‑Rechenzentrum. Die Daten verlassen das Land nie.

03

Meist ist die richtige Antwort ein Mix: das Sensible lokal, der Rest in einer EU‑Region. Und eine ehrliche Einschränkung gehört hierher. Open‑Source‑Modelle liegen als Faustregel rund ein halbes Jahr hinter der Spitze. Für die meisten Aufgaben reicht das.Für die anspruchsvollsten nicht immer

Was wir gebaut haben

Ein internes System für Fachprozesse bei einem Kunden, mit dem Modell auf unserer eigenen Infrastruktur in Wien. Kein US‑Hyperscaler irgendwo im Verarbeitungspfad.

Für Daten auf Gesundheitsniveau läuft die Verarbeitung in einer EU‑Region mit einer zusätzlichen Sicherheitsschicht davor. Kennungen werden pseudonymisiert, bevor etwas protokolliert wird, und besondere Kategorien personenbezogener Daten werden aus dem herausgefiltert, was das System behält.

Dokumente laufen durch ein Modell in einer EU‑Region, hinter einer Abstraktion, damit sich das Modell darunter tauschen lässt, ohne die Pipeline anzufassen. Die Zwischenbilder liegen nur in EU‑Speicher, erreichbar über kurzlebige Zugänge und sofort nach der Verarbeitung gelöscht.

Fragen im Betrieb2x10

Was sie tragfähig macht

Vier Fragen entscheiden das, und nur eine davon dreht sich darum, wo die Daten gehostet sind.

  • Wer betreibt es im zweiten Jahr?Ein lokales Modell zu starten ist leicht. Es zwei Jahre zu betreiben, mit Ausfällen, Fallbacks und Upgrades, ist der Teil, den niemand vorführt.
  • Cloud oder nicht Cloud?Die eigentliche Frage ist, welcher Datenfluss wohin darf, entschieden pro Anwendungsfall. Eine Pauschalregel ist bequem und meist in beide Richtungen gleichzeitig falsch.
  • Was passiert bei einer Fehlkonfiguration?Das System muss den Dienst verweigern, statt Daten preiszugeben. Das ist eine Architekturentscheidung, kein Betriebsdetail.
  • Was heißt „DSGVO‑konform“ eigentlich?Wo die Daten liegen, wer sie sehen kann und was jeder Weg kostet. Wir zeigen alle drei, auch den, der gegen die Option spricht, die wir dir sonst verkaufen würden.

Was wir für dich bauen könnten

  • Wir bauen bestehende KI‑Anwendungen so um, dass sensible Daten deine Infrastruktur nie verlassen.
  • Wir bestimmen den richtigen Weg pro Anwendungsfall, statt aus Prinzip alles lokal zu betreiben.
  • Wir halten Modelle austauschbar, damit kein Anbieter je unverzichtbar wird.
  • Wir machen nachvollziehbar, was ein Modell zu sehen bekommt, und was nicht.
  • Und alles, was dir sonst vorschwebt und mit KI und solidem Software‑Engineering machbar wird.

Unter der Haube

Deployment · Self‑Hosting · EU‑Regionen · Open‑Source‑Modelle · Model Routing · Security · Zero Trust · Verschlüsselung at Rest · Fail‑closed‑Design · Datenklassifizierung · Governance · Prompt‑Logging · Audit‑Trails · Regeln, was das System verlassen darf

Die meisten Projekte fangen klein an: ein Gespräch, ein paar Wochen Engineering, etwas Greifbares, das du bewerten kannst. Wenn es funktioniert, bauen wir es weiter.Wenn nicht, weißt du es früh