Alternativen zu US KI-Tools: Digitale Souveränität im Mittelstand

Alternativen zu US KI-Tools sind für den deutschen Mittelstand besonders relevant, wenn sensible Betriebsdaten, langfristige Verfügbarkeit und Wechselmöglichkeiten wichtiger werden. Entscheidend ist nicht allein der Firmensitz, sondern die gesamte technische und rechtliche Lieferkette. Europäische Modelle, Cloud-Plattformen und selbst betriebene Lösungen ermöglichen inzwischen belastbare hybride Architekturen.

Warum werden Alternativen zu US KI-Tools strategisch relevant?

Viele mittelständische Unternehmen haben generative KI zunächst über einzelne Benutzerkonten eingeführt. Mitarbeiter formulieren Texte, analysieren Dokumente, erstellen Gesprächszusammenfassungen oder lassen sich bei Recherchen unterstützen. Der Einstieg ist schnell, doch mit der wachsenden Nutzung verändert sich die Risikolage: Aus einem allgemeinen Produktivitätswerkzeug wird schrittweise ein Bestandteil betrieblicher Abläufe.

Sobald Angebote, Serviceberichte, technische Zeichnungen, Vertragsunterlagen, Stücklisten, Kundendaten oder internes Erfahrungswissen verarbeitet werden, geht es nicht mehr nur um die Qualität einer Antwort. Dann zählen Datenwege, Aufbewahrungsfristen, Supportzugriffe, Unterauftragnehmer, Modelltraining, Protokollierung, Schlüsselverwaltung und die Frage, ob das Unternehmen bei Bedarf zu einem anderen Anbieter wechseln kann.

Diese Entwicklung betrifft nicht nur Konzerne. Nach Angaben von Eurostat setzte 2025 bereits ein Fünftel der Unternehmen in der Europäischen Union KI-Technologien ein. Gleichzeitig entfallen laut dem Bericht zur europäischen Wettbewerbsfähigkeit mehr als 65 Prozent des europäischen Cloud-Marktes auf drei US-Hyperscaler. Die Abhängigkeit entsteht daher nicht ausschließlich auf der Ebene eines Chatbots, sondern reicht von Rechenzentren über Modell-APIs bis zu Identitätsdiensten und Entwicklungsplattformen. aut seine eigene Infrastruktur aus. Ein Ende Juli 2026 gestartetes EU-Verfahren sieht bis zu sieben KI-Gigafabriken vor und soll Investitionen von mehr als 30 Milliarden Euro mobilisieren. Für mittelständische Unternehmen ist das noch keine unmittelbar nutzbare Produktlösung, es zeigt aber, dass Rechenleistung, Modellbetrieb und technologische Unabhängigkeit inzwischen als industriepolitische Themen behandelt werden. ist ein KI-System tatsächlich digital souverän?

Digitale Souveränität bedeutet nicht, jede Komponente selbst zu entwickeln oder ausschließlich deutsche Software einzusetzen. Ein Unternehmen handelt souverän, wenn es wesentliche Entscheidungen über Daten, Modelle, Infrastruktur und Anbieterwechsel selbst treffen kann und nicht von einer einzelnen, schwer ersetzbaren Plattform abhängig wird.

Dafür müssen mehrere Ebenen zusammenpassen. Der Vertrag sollte zu den betrieblichen Anforderungen passen, die Datenverarbeitung muss nachvollziehbar sein, Exportmöglichkeiten müssen praktisch funktionieren und das System darf nicht nur durch proprietäre Schnittstellen zusammengehalten werden. Ebenso wichtig ist die operative Seite: Wer administriert die Plattform, wer besitzt die Verschlüsselungsschlüssel, welche Telemetriedaten entstehen und welche Funktionen fallen aus, wenn eine externe Modell-API nicht mehr verfügbar ist?

Die Europäische Kommission bewertet Cloud-Souveränität deshalb nicht nur anhand des Speicherorts. Ihr Rahmenwerk berücksichtigt unter anderem Rechtsraum, Daten- und KI-Kontrolle, betriebliche Steuerung, Lieferketten, technologische Autonomie, Sicherheit und Nachhaltigkeit. Diese Sichtweise lässt sich auch auf mittelständische KI-Projekte übertragen. enzentrum in Frankfurt ist somit ein wichtiger Baustein, aber kein vollständiger Nachweis. Wird die Plattform von einem außereuropäischen Konzern kontrolliert, werden Supportdaten außerhalb der EU verarbeitet oder lassen sich Modelle, Vektordatenbanken und Wissensbestände nicht exportieren, bleibt die Abhängigkeit bestehen.

Welche europäischen Alternativen decken typische Unternehmensaufgaben ab?

Der europäische Markt bietet inzwischen Lösungen für verschiedene Teile eines KI-Stacks. Ein direkter Eins-zu-eins-Ersatz ist jedoch selten. Ein allgemeiner KI-Chat, eine Modellplattform, ein Übersetzungsdienst und eine Workflow-Engine lösen unterschiedliche Aufgaben. Deshalb sollte die Auswahl vom Anwendungsfall ausgehen und nicht von dem Wunsch, einen bekannten Produktnamen durch einen europäischen Produktnamen zu ersetzen.

Mistral AI bietet nach eigenen Angaben sowohl EU-gehostete Dienste als auch selbst betriebene Installationen an. IONOS Cloud stellt einen EU-basierten AI Model Hub bereit, während STACKIT seine Modellbereitstellung auf einer souveränen Cloud betreibt und angibt, Anfragen weder zu speichern noch zum Modelltraining zu verwenden. d richtet seinen KI-Ansatz auf lokale und selbst betriebene Komponenten aus. Langdock bietet neben einer europäischen SaaS-Bereitstellung auch Installationen in einer kundeneigenen Cloud oder im eigenen Rechenzentrum. Bei Langdock bleibt dennoch die konkrete Modellauswahl relevant, weil je nach Konfiguration auch Modelle und Infrastruktur außereuropäischer Anbieter eingebunden werden können. schreibt für Geschäftskunden Datenschutz-, Compliance- und Datenresidenzfunktionen, arbeitet bei Teilen seiner Infrastruktur jedoch ebenfalls mit externen Cloud-Komponenten. n8n kann als verwalteter Dienst oder selbst betrieben eingesetzt werden und eignet sich dadurch für Unternehmen, die Datenflüsse und KI-Schritte stärker unter eigener Kontrolle halten möchten. ist ein europäisches Etikett noch keine belastbare Auswahlentscheidung?

Die Herkunft eines Anbieters ist nur eine Momentaufnahme. Beteiligungsverhältnisse können sich ändern, Unternehmen können übernommen werden und europäische Software kann auf einer außereuropäischen Cloud laufen. Umgekehrt kann ein internationaler Anbieter technische und vertragliche Schutzmechanismen anbieten, die für einen wenig sensiblen Anwendungsfall ausreichen.

Die Übernahme des deutschen KI-Anbieters Aleph Alpha – https://aleph-alpha.com/ – durch das kanadische Unternehmen Cohere – https://cohere.com/ – zeigt, warum Beschaffungsentscheidungen nicht dauerhaft auf Nationalität oder Marketingaussagen gestützt werden sollten. Entscheidend sind überprüfbare Vertragsrechte, technische Architektur und ein umsetzbarer Ausstiegsplan. riffe wie „EU Cloud“, „Sovereign AI“ oder „DSGVO-konform“ ersetzen keine Prüfung. Ein Anbieter kann Daten in Europa speichern und gleichzeitig zentrale Administrations-, Support- oder Verschlüsselungsfunktionen außerhalb der eigenen Kontrolle betreiben. Ebenso kann eine europäische Benutzeroberfläche lediglich Anfragen an ein US-Modell weiterreichen.

Im Einkauf sollte deshalb nicht nur gefragt werden, wo Daten gespeichert werden. Relevanter ist, welcher Rechtsträger Vertragspartner ist, welche Unterauftragnehmer beteiligt sind, wer Zugriff auf Schlüssel und Protokolle hat, ob Eingaben zum Training verwendet werden, wie Löschungen nachgewiesen werden und in welchem Format Daten, Prompts, Agentenkonfigurationen und Vektorspeicher exportiert werden können.

Welche Architektur ist für den deutschen Mittelstand realistisch?

Für die meisten mittelständischen Unternehmen ist weder ein vollständiger Verzicht auf US-Technologie noch ein komplett eigener KI-Stack wirtschaftlich sinnvoll. In der Praxis funktioniert häufig eine hybride Architektur besser.

Dabei werden Anwendungen nach Schutzbedarf getrennt. Allgemeine Textarbeiten ohne vertrauliche Inhalte können über einen standardisierten Cloud-Dienst laufen. Interne Wissensabfragen werden dagegen über eine kontrollierte Plattform mit Rollenmodell, Protokollierung und Unternehmensdaten in einer eigenen Wissensbasis verarbeitet. Besonders sensible Anwendungen, etwa technische Dokumentation, Forschungsdaten, Kalkulationen oder personenbezogene Fallakten, können lokal oder in einer europäischen Private-Cloud-Umgebung betrieben werden.

Ein Maschinenbauer könnte beispielsweise Servicehandbücher, Wartungsberichte und Störungsprotokolle in einer eigenen Retrieval-Augmented-Generation-Lösung verarbeiten. Das Sprachmodell erhält nur die für eine konkrete Anfrage benötigten Textausschnitte. Kundendaten und Dokumente verbleiben in der gewählten Infrastruktur, während für wenig sensible Aufgaben bei Bedarf ein leistungsfähigeres externes Modell zugeschaltet wird.

Ein technischer Dienstleister kann ähnlich vorgehen: E-Mails und Formulare werden über einen selbst kontrollierten Workflow klassifiziert, Auftragsdaten im bestehenden ERP angelegt und nur der sprachliche Entwurf einer Antwort an ein externes Modell übergeben. Die verbindliche Entscheidung, Preisbildung und Freigabe verbleiben im Fachprozess.

Souveränität entsteht in solchen Fällen nicht durch Isolation, sondern durch gesteuerte Austauschbarkeit. Modelle werden über eine eigene Abstraktionsschicht angesprochen, Dokumente liegen in exportierbaren Formaten vor und Prozesse hängen nicht vollständig an herstellerspezifischen Agentenfunktionen.

Was läuft bei Projekten zur digitalen Souveränität üblicherweise falsch?

Ein häufiger Fehler ist der reine Produkttausch. Das Unternehmen kündigt einen US-Dienst, kauft eine europäische Alternative und erwartet identische Funktionen, Bedienung und Modellleistung. Dabei werden Prozessanforderungen, Integrationen und Betriebsverantwortung zu spät betrachtet. Das Ergebnis ist oft eine Plattform, die formal besser zur Souveränitätsstrategie passt, im Alltag aber umgangen wird.

Ebenso problematisch ist ein überambitionierter On-Premises-Ansatz. Ein lokales Modell zu installieren ist vergleichsweise einfach. Schwieriger sind Benutzerverwaltung, Aktualisierung, Überwachung, Sicherheitsbehandlung, Backup, Skalierung, Modellbewertung und die Pflege angebundener Wissensbestände. Ohne festgelegte Zuständigkeiten wird aus technischer Unabhängigkeit schnell eine neue betriebliche Abhängigkeit von einzelnen Administratoren oder Dienstleistern.

Ein weiterer Fehler liegt in der isolierten Datenschutzprüfung. Ein Auftragsverarbeitungsvertrag und ein europäischer Speicherort beantworten nicht, ob die Lösung wirtschaftlich weiterbetrieben, ausgetauscht und geprüft werden kann. Digitale Souveränität umfasst deshalb auch Kostenentwicklung, API-Stabilität, Datenexport, Dokumentation und personelle Fähigkeiten.

In der Praxis scheitert außerdem manches Vorhaben an zu strengen Verboten. Werden bekannte KI-Dienste gesperrt, ohne eine brauchbare Alternative bereitzustellen, verlagert sich die Nutzung auf private Konten, Browser-Erweiterungen oder nicht freigegebene Apps. Eine kontrollierte Unternehmensplattform mit zulässigen Anwendungsfällen ist meist wirksamer als ein pauschales Verbot.

Wie lässt sich ein Anbieterwechsel ohne Produktivitätsverlust vorbereiten?

Der Umstieg sollte nicht mit einer unternehmensweiten Migration beginnen. Sinnvoller ist ein abgegrenzter Anwendungsfall, dessen Nutzen, Datenarten und Qualitätsanforderungen bekannt sind. Geeignet sind beispielsweise die Suche in technischen Unterlagen, das Vorbereiten von Serviceantworten, die Klassifikation eingehender Anfragen oder die Zusammenfassung interner Besprechungen.

Zunächst wird dokumentiert, welche Daten in den Prozess einfließen, welche Systeme angebunden werden und welches Ergebnis ein Mitarbeiter tatsächlich benötigt. Danach lassen sich mehrere Bereitstellungsmodelle mit denselben Testfällen prüfen. Neben Antwortqualität und Geschwindigkeit sollten auch Export, Protokollierung, Rollensteuerung, Störungsszenarien und Anbieterwechsel getestet werden.

Besonders hilfreich ist ein portabler Testkatalog. Typische Fragen, Dokumente und erwartete Ergebnisse werden unabhängig vom Anbieter gespeichert. Wird später ein anderes Modell oder eine andere Plattform eingesetzt, lässt sich die Leistung unter vergleichbaren Bedingungen bewerten.

Auch die Vertragsgestaltung sollte einen Wechsel vorbereiten. Benötigt werden Regelungen zu Datenrückgabe, Löschung, Übergangsunterstützung, Schnittstellen, Preisänderungen, Unterauftragnehmern und der Fortführung des Betriebs bei Vertragsende. Der EU Data Act unterstützt den Wechsel zwischen Datenverarbeitungsdiensten und soll technische sowie vertragliche Hürden im Cloud-Markt reduzieren. Er ersetzt aber nicht die interne Vorbereitung auf eine Migration. e Rolle spielen Open Source und selbst betriebene Modelle?

Open Source kann Abhängigkeiten reduzieren, weil Modelle, Laufzeitumgebungen und Integrationen eher austauschbar sind. Es bedeutet jedoch nicht automatisch, dass ein System sicher, wirtschaftlich oder dauerhaft wartbar ist. Lizenzbedingungen, Trainingsdaten, Modellherkunft und Softwareabhängigkeiten müssen weiterhin bewertet werden.

Für mittelständische Unternehmen ist häufig ein Managed-Open-Source-Ansatz sinnvoll. Das Unternehmen nutzt offene Modelle und standardisierte Schnittstellen, überträgt den Infrastruktur-Betrieb jedoch an einen europäischen Dienstleister. Dadurch bleiben Modelle grundsätzlich ersetzbar, während Rechenzentrum, Aktualisierung und Skalierung professionell betrieben werden.

Selbstbetrieb lohnt sich besonders, wenn Daten das Unternehmen nicht verlassen dürfen, eine stabile Zahl wiederkehrender Anfragen vorliegt oder Fachmodelle eng mit internen Systemen verbunden sind. Bei schwankender Nutzung und ständig wechselnden Modellanforderungen kann eine europäische API-Plattform wirtschaftlicher sein.

Der entscheidende Vorteil offener Architekturen liegt daher weniger im kostenlosen Modell als in der Verhandlungsmacht. Wer Daten, Prompts, Wissensspeicher und Prozesslogik unabhängig vom Modellanbieter organisiert, kann neue Modelle testen, Preise vergleichen und einzelne Komponenten austauschen.

Wann kann ein US-KI-Tool weiterhin vertretbar sein?

Digitale Souveränität ist keine Herkunftsprüfung mit nur zwei möglichen Ergebnissen. Für allgemeine Marktanalysen, öffentliche Informationen, Ideenfindung oder sprachliche Entwürfe ohne vertrauliche Inhalte kann ein US-Dienst weiterhin sinnvoll sein, sofern die Nutzung organisatorisch geregelt ist.

Entscheidend ist die Risikoklasse des konkreten Vorgangs. Ein Marketingentwurf benötigt andere Schutzmaßnahmen als die Analyse von Personalakten, Konstruktionsunterlagen oder vertraulichen Kundenverträgen. Statt sämtliche Aufgaben über eine einzige Plattform abzuwickeln, sollte das Unternehmen zulässige Datenarten und geeignete Betriebsmodelle definieren.

Ein internationaler Anbieter kann Teil einer souveränen Architektur sein, wenn er austauschbar bleibt. Problematisch wird es, wenn Identitäten, Dateien, Suchindex, Agenten, Automatisierungen und Fachlogik ausschließlich in einer proprietären Umgebung gespeichert sind und ein Wechsel praktisch einem vollständigen Neuaufbau entspricht.

Das Ziel ist daher nicht technologische Abschottung. Es geht um Handlungsfähigkeit: Das Unternehmen soll selbst entscheiden können, welche Daten wohin fließen, welche Modelle eingesetzt werden und wie ein Betrieb bei geänderten Preisen, Verträgen oder politischen Rahmenbedingungen fortgeführt wird.

Wie sieht ein belastbarer Entscheidungsprozess aus?

Am Anfang steht keine Anbieterpräsentation, sondern eine Bestandsaufnahme. Welche KI-Dienste werden bereits genutzt? Welche Daten geben Mitarbeiter ein? Welche Abteilungen haben eigene Konten eingerichtet? Welche Prozesse würden bei einem Ausfall oder einer Preiserhöhung beeinträchtigt?

Anschließend werden die Anwendungsfälle nach Datenempfindlichkeit, wirtschaftlicher Bedeutung, Integrationsbedarf und Qualitätsanforderung gruppiert. Daraus entsteht kein einzelner Gewinner, sondern ein Zielbild: etwa eine zentrale europäische Mitarbeiterplattform, eine lokale Wissenslösung für sensible Dokumente und ein kontrollierter Zugang zu externen Spitzenmodellen für ausgewählte Aufgaben.

In einem Pilotprojekt sollte nicht nur geprüft werden, ob die KI gute Antworten erzeugt. Ebenso relevant sind Benutzerakzeptanz, Administration, Berechtigungen, Protokollierung, Kosten pro Vorgang, Ausfallverhalten und Exportfähigkeit. Erst wenn diese Punkte im Tagesgeschäft funktionieren, ist eine Ausweitung auf weitere Fachbereiche sinnvoll.

Für den Mittelstand ist digitale Souveränität damit vor allem eine Architektur- und Beschaffungsdisziplin. Die beste Lösung ist nicht zwingend die europäischste oder technisch leistungsfähigste Plattform. Geeignet ist die Kombination, die betriebliche Anforderungen erfüllt und dem Unternehmen ausreichend Kontrolle über Daten, Prozesse und künftige Entscheidungen lässt.

Welche Quellen belegen die verwendeten Kennzahlen?

Eurostat: 20 Prozent der EU-Unternehmen nutzten 2025 KI-Technologien
https://ec.europa.eu/eurostat/web/products-eurostat-news/w/ddn-20251211-2
ische Kommission: Mehr als 65 Prozent des europäischen Cloud-Marktes entfallen auf drei US-Hyperscaler**
https://commission.europa.eu/document/download/97e481fd-2dc3-412d-be4c-f152a8232961_en
ische Kommission: Bis zu sieben KI-Gigafabriken und mehr als 30 Milliarden Euro Investitionsvolumen**
https://digital-strategy.ec.europa.eu/en/news/eu-launches-ai-gigafactories-call-boost-europes-computing-capacity-and-unlock-more-eu30-billion
e Interessanten Links vertiefen das Thema?

• Europäische Kommission: Rahmenwerk für souveräne Cloud-Dienste
  https://commission.europa.eu/news-and-media/news/sovereign-cloud-framework-explained-2026-06-01_en
  päische Kommission: Der EU Data Act im Überblick**
  https://digital-strategy.ec.europa.eu/en/factpages/data-act-explained
  esamt für Sicherheit in der Informationstechnik: C5-Kriterienkatalog für Cloud-Dienste**
  https://www.bsi.bund.de/SharedDocs/Downloads/DE/BSI/CloudComputing/Anforderungskatalog/2020/C5_2020_Auswertungsleitfaden.html

Sind europäische KI-Tools automatisch DSGVO-konform?

Nein. Der Sitz eines Anbieters in der EU ist lediglich ein Prüfkriterium. Entscheidend sind Datenarten, Verarbeitungszwecke, Vertragsgrundlage, Unterauftragnehmer, Speicherfristen, Zugriffsmöglichkeiten und technische Schutzmaßnahmen. Auch ein europäischer Anbieter kann Dienste außereuropäischer Infrastrukturpartner einsetzen. Unternehmen benötigen daher eine Prüfung der konkreten Produktversion und ihres gewählten Betriebsmodells.

Reicht ein Serverstandort in der Europäischen Union aus?

Ein EU-Serverstandort reduziert bestimmte Risiken, stellt aber allein noch keine digitale Souveränität her. Zusätzlich relevant sind Eigentumsverhältnisse, anwendbarer Rechtsraum, Supportzugriffe, Schlüsselverwaltung, Telemetrie und Exportfähigkeit. Auch die Frage, ob das System ohne zentrale Dienste des Herstellers weiterbetrieben werden kann, sollte Bestandteil der technischen und vertraglichen Bewertung sein.

Müssen mittelständische Unternehmen alle US-KI-Tools ersetzen?

Ein vollständiger Austausch ist meistens weder erforderlich noch wirtschaftlich. Sinnvoller ist eine risikobasierte Zuordnung. Allgemeine Inhalte können in standardisierten Cloud-Diensten verarbeitet werden, während sensible Betriebs-, Kunden- oder Personaldaten eine stärker kontrollierte Umgebung benötigen. Entscheidend ist, dass externe Dienste austauschbar bleiben und nicht die gesamte Prozesslogik des Unternehmens aufnehmen.

Welche Alternative eignet sich als interner KI-Assistent?

Die geeignete Lösung hängt von Daten, Integrationen und Betriebsressourcen ab. Mistral AI, Langdock, Nextcloud sowie Modellplattformen von IONOS Cloud oder STACKIT decken unterschiedliche Ebenen ab. Für einen internen Assistenten werden meist zusätzlich Identitätsmanagement, Rollen, eine Wissensbasis, Quellenanzeige, Protokollierung und Schnittstellen zu DMS, CRM oder ERP benötigt.

Ist Open Source grundsätzlich souveräner als Software as a Service?

Open Source verbessert häufig Portabilität und Prüfbarkeit, löst aber nicht automatisch alle Betriebsfragen. Das Unternehmen muss Updates, Schwachstellen, Modelllizenzen, Infrastruktur und Support organisieren. Ein verwalteter europäischer Dienst mit offenen Schnittstellen kann daher souveräner sein als eine schlecht gewartete Eigeninstallation, die nur ein einzelner Mitarbeiter versteht und betreiben kann.

Wann lohnt sich eine lokale oder private KI-Installation?

Eine lokale oder private Installation ist besonders interessant, wenn vertrauliche Dokumente die eigene Umgebung nicht verlassen dürfen, stabile Anwendungsfälle vorliegen und ausreichend Betriebswissen vorhanden ist. Für gelegentliche Nutzung oder ständig wechselnde Modellanforderungen kann sie dagegen unverhältnismäßig aufwendig sein. Häufig bietet eine hybride Architektur das bessere Verhältnis aus Kontrolle, Leistung und Kosten.

Wie lässt sich die unkontrollierte Nutzung privater KI-Konten verhindern?

Verbote allein reichen selten aus. Mitarbeiter benötigen eine freigegebene Alternative, die im Arbeitsalltag einfach erreichbar ist und typische Aufgaben tatsächlich unterstützt. Ergänzend sollten zulässige Datenarten, Verantwortlichkeiten und Kontrollmechanismen festgelegt werden. Schulungen sollten anhand realer Vorgänge zeigen, welche Informationen verarbeitet werden dürfen und wann ein anderer Arbeitsweg erforderlich ist.

Welche Vertragsregelungen sind bei einem KI-Anbieter besonders wichtig?

Wesentlich sind Regelungen zu Verarbeitungszwecken, Modelltraining, Unterauftragnehmern, Löschung, Sicherheitsvorfällen, Datenexport und Vertragsende. Ebenso relevant sind Preisänderungen, Leistungsänderungen, Verfügbarkeit von Schnittstellen und Unterstützung bei einer Migration. Unternehmen sollten nicht nur prüfen, wie ein Dienst eingeführt wird, sondern auch, wie sie ihn später technisch und wirtschaftlich wieder verlassen können.

Wie kann die Qualität europäischer Modelle objektiv bewertet werden?

Öffentliche Bestenlisten reichen für Unternehmensentscheidungen nicht aus. Sinnvoll ist ein eigener Testkatalog mit typischen Dokumenten, Fachbegriffen, Fragen und erwarteten Ergebnissen. Bewertet werden sollten fachliche Richtigkeit, Quellenbezug, Stabilität, Antwortzeit, Kosten und Verhalten bei fehlenden Informationen. Derselbe Katalog kann später für neue Modelle und Anbieter erneut verwendet werden.

Wie beginnt ein mittelständisches Unternehmen den Umstieg?

Der Einstieg erfolgt am besten über einen begrenzten, messbaren Anwendungsfall. Das Unternehmen dokumentiert Datenwege, Schutzbedarf, erwartete Ergebnisse und bestehende Systeme. Danach werden mehrere Betriebsmodelle mit denselben Testfällen verglichen. Erst wenn Qualität, Administration, Kosten, Export und Benutzerakzeptanz überzeugen, sollte die Lösung auf weitere Abteilungen oder Prozesse ausgeweitet werden.