Souveräne Cloud: 3 Beispiele für die Praxis

Anwendungsbereiche der Sovereign Cloud

Die souveräne Cloud verspricht, was sie im Namen trägt: Digitale Souveränität bei voller Nutzung der Vorteile der Cloud. Für Unternehmen mit (hoch)sensiblen Daten ist das interessant, denn die Anbieter versprechen, dass Daten vor unbefugten Zugriffen geschützt, Cloud-Aktivitäten transparent und kontrollierbar und Cloud-Anwendungen und -Services quellcode-offen und austausch- bzw. wechselbar sind. Gerade vor dem aktuellen politischen Hintergrund herrscht noch eine gewisse Skepsis vor, zumal das Konzept noch vergleichsweise jung ist. Dennoch - Banken, Versicherungen, das Gesundheitswesen und der öffentliche Bereich prüfen solche Angebote bereits kritisch. Welche Anwendungsbereiche bieten sich schon heute an?

Die Sovereign Cloud kommt aktuell vor allem in Bereichen zum Einsatz, bei denen sich Unternehmen bisher nicht getraut haben, ihre Anwendungsfälle (Use Cases) mit sensiblen Daten umzusetzen. Das betrifft besonders Anwendungen, bei denen Künstliche Intelligenz (KI) zur Verarbeitung der kritischen Daten eingesetzt werden soll. Drei Beispiele aus der Praxis: 

Fall 1: Nutzung von ChatGPT und Co. im IT-Providermanagement

Generative AI (GenAI) kann im Unternehmenskontext für unterschiedliche Use Cases genutzt werden. Im Bereich des IT-Providermanagements kann sie automatisiert Service Level Agreements (SLAs) und Vertragsdokumente abgleichen, um Auffälligkeiten oder Veränderungen schneller erkennbar zu machen. Ebenfalls ist eine schnellere Kontrolle der von den IT-Service-Providern eingereichten Berichte zu den erreichten SLAs hinsichtlich Abweichungen oder Trends möglich. Weiter kann die KI monatliche SLA-Berichte der Provider analysieren und einen Soll-Ist-Vergleich durchführen. Für die Bereitstellung der Services kann die KI zudem mögliche Muster und Trends, die auf zukünftige Leistungs- und Qualitätseinbußen hinweisen könnten, identifizieren und so eine kontinuierliche Überwachung der SLA realisieren. Hier sind auch Querverbindungen zum Incident-, Change- und Problem-Management möglich, die das Servicepersonal unterstützen.

Fall 2: KI-gestützte Betrugs- und Geldwäscheprävention (Anti-Money Laundering)

Für die Aufklärung von Betrugsfällen und zur Verhinderung von Geldwäsche in Banken müssen täglich Hunderttausende oder sogar Millionen von Transaktionen analysiert, bewertet und kontinuierlich überwacht werden. Erst mit KI wird es möglich, sämtliche Vorgänge in Echtzeit zu überwachen und verdächtige Muster und Anomalien, die auf betrügerische Aktivitäten oder Geldwäsche hinweisen könnten, zu identifizieren. Weiter kann die KI die erkannten Transaktionen anhand eines Risikoprofils bewerten und anhand historischer Daten und bekannter Betrugsmuster einordnen. Transaktionen mit hohem Risiko werden markiert und zur weiteren Überprüfung an die Compliance-Abteilung weitergeleitet. Die KI kann automatisch Berichte über verdächtige Aktivitäten generieren und diese den zuständigen Behörden zur Verfügung stellen, um die Einhaltung gesetzlicher Vorschriften zu gewährleisten. Dabei lernt die KI kontinuierlich aus neuen Daten und passt die Algorithmen an, um immer präzisere Vorhersagen und Erkennungen zu ermöglichen.

Fall 3: KI-gestützte automatisierte, medizinische Dokumentation:

Im Gesundheitswesen haben sowohl die Datenhaltung in der Cloud als auch die Verarbeitung mit KI-Unterstützung erhebliches Potenzial, sowohl wirtschaftlich als auch durch gesteigerte Qualität für den Patienten. Da Gesundheitsdaten mit zu den sensibelsten Daten gehören, hat der Schutz dieser Informationen höchste Priorität. Eine sichere Verarbeitung muss gewährleistet sein, um Datenschutzvorgaben einzuhalten und das Vertrauen der Patientinnen und Patienten zu wahren. Ein Beispiel ist die automatische Dokumentation von Patientendaten. Während der medizinischen Versorgung von Patientinnen und Patienten müssen viele zahlreiche Informationen und Daten erfasst, darunter Diagnosen, Krankheitsverläufe und Behandlungsmaßnahmen, und in die Patientenkartei aufgenommen werden. Diese Daten sind essenziell für die Diagnosefindung, die Nachverfolgung der Krankheitsgeschichte sowie die Therapie. Bislang erfolgt die Dokumentation meist manuell durch medizinisches Fachpersonal, Pflegekräfte oder Ärztinnen und Ärzte. Der administrative Aufwand ist dadurch erheblich. Auch das Auffinden relevanter Informationen – etwa zu Medikamenten, Kontaktpersonen oder behandelnden Ärzten – erfordert zusätzliche Zeit. Durch eine KI-basierte Spracherkennung können Daten und Informationen per Sprache erfasst werden. Die KI erkennt die relevanten Informationen und fügt die gewonnen Informationen automatisch in die Patientenakte ein. Ebenso können benötigte Informationen auf Sprachbefehl hin abgerufen werden.