Warum Unternehmen über „ Cloud “-KI hinausblicken
Wichtigste Erkenntnisse
- Die KI für Unternehmen Deployment wird zunehmend auf den „ Workload “ zugeschnitten, da sensible Daten und geschäftskritische Prozesse neue Anforderungen an die Kontrolle stellen.
- 55 % der Befragten nennen die zunehmende Sensibilität intern genutzter Daten als Grund dafür, dass sie den Einsatz von KI- Deployment n außerhalb des „ Cloud “ in Betracht ziehen.
- 49 % nennen den verstärkten Einsatz von KI in Kern- oder geschäftskritischen Prozessen als weiteren Grund, den Einsatz von Non-Cloud Deployment in Betracht zu ziehen.
- Deployment Entscheidungen hängen zunehmend von Sicherheit, Souveränität, Nachvollziehbarkeit, Ausfallsicherheit, Anbieterabhängigkeit und den erforderlichen Kontrollniveaus ab.
- Der Wandel bedeutet nicht eine Abkehr von Cloud, sondern die Entscheidung für die Umgebung, die den Anforderungen der jeweiligen KI am besten entspricht Workload.
Erkenntnisse aus der weltweiten Studie von BARC und Actian aus dem Jahr 2026
KI für Unternehmen wird immer stärker in die Geschäftsabläufe ein eingebettet . KI-Systeme verarbeiten zunehmend sensible Daten, unterstützen kritische Prozesse und unterliegen strengeren Anforderungen an Governance und Kontrolle. Daher spielt es eine größere Rolle als noch in der Experimentierphase, wo diese Workloads ausgeführt werden.
Cloud ist nach wie vor von grundlegender Bedeutung für die KI in Unternehmen und bietet schnellen Zugriff auf Infrastruktur, Modelle und Managed Services sowie die Flexibilität, schnell Innovationen voranzutreiben. Doch wenn Unternehmen den Schritt vom Experimentierphase in die Produktionsphase vollziehen, ist „ Cloud “ nicht mehr automatisch die erste Wahl für jeden Workload.
Die kurze Antwort: Unternehmen blicken über die reine KI ( Cloud) hinaus KI, da Produktions-Workloads Anforderungen an Kontrolle, Sicherheit, Souveränität, Nachvollziehbarkeit, Leistung und Datennähe mit sich bringen können, die je nach Workload variieren.
Actian ging eine Partnerschaft mit BARC ein, einem führenden Analystenunternehmen für Daten und Analytik, um zu untersuchen, wie Unternehmen KI in den Bereichen „ Cloud “, „ On-Premises “ und in Edge-Umgebungen einsetzen und welche Faktoren diese Entscheidungen beeinflussen.
Auf der Grundlage der Erkenntnisse von 329 Befragten aus verschiedenen Branchen und Regionen zeigt die Studie, dass Entscheidungen zur „ Deployment “ eng mit den Merkmalen der einzelnen KI-Workloads verbunden sind.
BARC × Actian – Globaler Forschungsbericht (2026)
Vertrauliche Daten verändern die Gleichung
Da KI-Systeme immer mehr Unternehmensdaten und Kontextinformationen verarbeiten, müssen Unternehmen sorgfältig darüber nachdenken, wie mit diesen Informationen umgegangen wird, wo sie verarbeitet werden und wer darauf zugreifen darf.
In der Studie von BARC und Actian nennen 55 % der Befragten die zunehmende Sensibilität intern genutzter Daten als Grund dafür, KI- Deployment en außerhalb des „ Cloud “ in Betracht zu ziehen.
Es geht nicht nur darum, wo Daten gespeichert werden. KI-Workloads können unternehmensinterne Informationen, Kundendaten, geistiges Eigentum, Betriebsdaten und andere sensible Inhalte umfassen.
Unterschiedliche Workloads können daher unterschiedliche Kontrollniveaus erfordern, wodurch die Standortwahl für „ Deployment “ Teil einer umfassenderen Architekturentscheidung ist und nicht lediglich eine Frage der Infrastruktur darstellt.
55 % nennen die zunehmende Sensibilität intern genutzter Daten als Grund dafür, KI- Deployment en außerhalb des Unternehmens zu prüfen Cloud. © BARC 2026
KI hält Einzug in geschäftskritische Prozesse
Die Sensibilität der Daten ist nur ein Teil dieses Wandels. KI hält auch Einzug in immer wichtigere Bereiche des Unternehmens. 49 % der Befragten nennen den verstärkten Einsatz von KI in Kern- oder geschäftskritischen Prozessen als Grund dafür, dass sie „ Deployment “ außerhalb des „ Cloud “ in Betracht ziehen.
Eine experimentelle KI-Anwendung und ein KI-System, das einen kritischen Betriebsprozess unterstützt, stellen nicht unbedingt dieselben Anforderungen; sobald KI kritische Betriebsabläufe unterstützt, sind Verfügbarkeit, Ausfallsicherheit, Transparenz, Governance und Kontrolle ebenso wichtig wie der Zugang zu Infrastruktur und Innovation.
Das bedeutet nicht automatisch, dass eine bestimmte „ Deployment “-Umgebung in Frage kommt. Die richtige Wahl hängt nach wie vor von den Workload ab.
Bei der Kontrolle geht es um mehr als nur den Speicherort der Daten
Der Druck kommt nicht nur aus dem Unternehmen selbst. Auch Bedenken hinsichtlich der Cybersicherheit, Anforderungen von Kunden und Partnern sowie die wachsende Abhängigkeit von bestimmten Anbietern von „ Cloud “ und Technologien beeinflussen Entscheidungen im Bereich „ Deployment “. Bei geschäftskritischer KI rücken dadurch die Kontrolle der Umgebung, der Zugriff auf sensible Daten sowie Abhängigkeiten von bestimmten Anbietern und Rechtsordnungen stärker in den Fokus.
Die Entscheidung, über eine ausschließlich auf „ Cloud “ basierende KI hinauszuschauen, geht auch über die Verlagerung von Workloads On-Premises hinaus.
Unternehmen können zwischen öffentlichen Cloud, staatlichen oder regionalen Cloud Diensten, privater und On-Premises Infrastruktur, Edge-Umgebungen sowie Kombinationen dieser Ansätze wählen.
Dadurch wird die Daten- und KI-Souveränität zu einer architektonischen Überlegung und nicht nur zu einer rein geografischen Frage. Es spielt zwar eine Rolle, wo Daten und Workloads ausgeführt werden, aber ebenso wichtig sind der Zugriff, die gerichtliche Zuständigkeit, die Abhängigkeit von Anbietern, die Durchsetzung von Richtlinien und das Maß an Kontrolle, das eine Organisation behalten muss.
Das richtige Gleichgewicht hängt von Workload ab.
Von „ Cloud – First“ bis „ Workload – Specific“
Keiner dieser Faktoren bedeutet, dass Unternehmen die „ Cloud “ aufgeben. „ Cloud “ bietet weiterhin die Geschwindigkeit, Flexibilität, den Zugang zu Innovationen und die Skalierbarkeit, die sie für viele KI-Workloads prädestinieren. Was sich ändert, ist die Annahme, dass diese Vorteile darüber entscheiden sollten, wo jede „ Workload “ ausgeführt wird.
Da KI in Unternehmen immer „ eingebettet “ wird, müssen Organisationen die Sensibilität der betreffenden Daten, die Kritikalität des Prozesses, Anforderungen an Governance und Souveränität sowie den Grad an Kontrolle berücksichtigen, den jede „ Workload “ erfordert. Der Wandel geht also nicht weg von der „ Cloud “, sondern hin zu „ Deployment “-Entscheidungen, die die Anforderungen jeder „AI- Workload “ widerspiegeln.
Die umfassende Studie untersucht das breitere Spektrum an internen und externen Faktoren, die diese Entscheidungen beeinflussen, die Vorteile und Herausforderungen, mit denen Unternehmen in verschiedenen „ Deployment “-Umgebungen konfrontiert sind, sowie die daraus resultierende Weiterentwicklung von KI-Architekturen in Unternehmen.
Den vollständigen Forschungsbericht herunterladen
Dieser Artikel stellt die wichtigsten Erkenntnisse aus der weltweiten Studie von BARC und Actian vor.
Der vollständige Bericht „Where Enterprise AI Runs: Deliberate Workload Placement Across Cloud, On-Premises und Edge“ untersucht, wie Unternehmen KI in Cloud, On-Premises, Edge- und Hybridumgebungen einsetzen und welche Faktoren diese Entscheidungen beeinflussen.
Auf der Grundlage einer weltweiten Studie mit 329 Befragten aus verschiedenen Branchen, Unternehmensgrößen und Regionen untersucht der Bericht die Vorteile und Herausforderungen, mit denen Unternehmen konfrontiert sind, die Faktoren, die die Einführung von „ Workload “ beeinflussen, sowie die Bedeutung neuer Muster bei „ Deployment “ für die Zukunft der KI in Unternehmen.
Laden Sie den vollständigen Bericht herunter, um die Ergebnisse zu erkunden und zu erfahren, wie Unternehmen die nächste Phase der KI-Architektur in Unternehmen angehen.
Vollständigen Bericht herunterladen
Bleiben Sie in Verbindung
Datenanalysen direkt bei Ihnen.
(z. B. sales@..., support@...)
