Seminar Confidential Computing – Strategie, Governance und Einsatzplanung

Confidential Computing kann Betreibervertrauen technisch reduzieren, ersetzt jedoch weder sichere Anwendungen noch belastbare Betriebs- und Governance-Prozesse. Das Seminar ordnet Nutzen, Grenzen, Reifegrad und Kosten ein und liefert eine Entscheidungsgrundlage für Cloud-, Datenkooperations- und AI-Vorhaben.

Seminarprofil

Der Schwerpunkt liegt auf Entscheidung, Governance und Einführung. Technische Grundlagen werden so weit vermittelt, wie sie für Risikoabwägung, Architekturvorgaben, Beschaffung, Vertragsgestaltung und Erfolgskontrolle erforderlich sind.

Zielgruppe

Das Seminar ist für Verantwortliche geeignet, die Confidential Computing beauftragen, bewerten, genehmigen oder in Sicherheits-, Datenschutz- und Cloud-Strategien verankern müssen.

Seminarinhalte

Geschäftlicher und technischer Nutzen

• Schutz sensibler Daten während der Verarbeitung
• Reduzierung des Vertrauens in Betreiber und gemeinsame Infrastruktur
• Neue Kooperationsmodelle für Daten, Analytics und AI
• Schutz von geistigem Eigentum, Modellen und Verarbeitungscode

Schutzversprechen und Grenzen

• Confidential VM, Enclave, Container und vertrauliche GPU in verständlicher Abgrenzung
• Remote Attestation als Nachweis statt bloßer Anbieterzusage
• Verbleibende Verantwortung für Anwendung, Identitäten, Lieferkette, Ausgaben und Verfügbarkeit
• Herstellerabhängigkeiten, Reifegrad und Interoperabilität

Governance und Risiko

• Datenklassifizierung und Auswahl geeigneter Workloads
• Rollen, Trennung von Aufgaben und Kontrolle der Schlüsselbereitstellung
• Nachweise für Datenschutz, Informationssicherheit, Revision und AI-Governance
• Änderungs-, Patch-, Ausnahme- und Incident-Prozesse

Beschaffung und Wirtschaftlichkeit

• Muss- und Bewertungskriterien für Cloud-, Hardware- und Softwareangebote
• Kosten für Plattform, Betrieb, Spezialwissen, Attestation und Schlüsselmanagement
• Leistungs-, Portabilitäts- und Lock-in-Bewertung
• Abnahmebedingungen und messbare Erfolgskennzahlen

Einführungspfad

• Workload-Auswahl und Priorisierung nach Nutzen und Risiko
• Proof of Concept mit klaren Negativ- und Erfolgstests
• Produktionsfreigabe, Verantwortlichkeiten und Betriebsmodell
• Skalierung auf weitere Daten-, Cloud- und AI-Anwendungsfälle

Praktische Übungen

• Geeignete und ungeeignete Workloads anhand eines Kriterienkatalogs unterscheiden
• Vertrauens- und Verantwortlichkeitsmatrix für einen Cloud- oder AI-Anwendungsfall erstellen
• Beschaffungs- und Abnahmekriterien für Confidential Computing formulieren
• Roadmap vom Proof of Concept bis zum geregelten Produktionsbetrieb entwerfen