Seminar Sovereign AI Architecture – Plattformdesign und technische Souveränität

Technische Souveränität ist eine überprüfbare Systemeigenschaft und kein Produktetikett. Entscheidend sind kontrollierbare Datenflüsse, austauschbare Komponenten, eigene Betriebsfähigkeit, nachvollziehbare Lieferketten und realistische Ausstiegswege.

Das Seminar führt Anforderungen und Randbedingungen in ein konkretes Plattformzielbild über. Architekturentscheidungen werden mit Betriebs-, Sicherheits-, Kosten- und Migrationsfolgen dokumentiert.

Einordnung und Nutzen

Zwei Tage sind erforderlich, um Anforderungen strukturiert zu erheben, Architekturvarianten zu bewerten und ein konsistentes Zielbild samt Roadmap zu erstellen. Technische Installation ist nicht Bestandteil dieses Formats.

Zielgruppe

• Enterprise- und Lösungsarchitektur
• IT-Leitung, Plattformverantwortung und technische Projektleitung
• Informationssicherheit, Datenschutz und Rechenzentrumsbetrieb

Voraussetzungen

• Grundverständnis von Cloud-Native- und AI-Konzepten
• Kenntnis der eigenen Infrastruktur- und Sicherheitsanforderungen
• Kubernetes-Praxis ist hilfreich, aber nicht erforderlich

Lernziele

• Souveränität in messbare Architekturanforderungen übersetzen
• Plattformbausteine und Betriebsgrenzen festlegen
• Varianten nach Abhängigkeit, Aufwand und Risiko bewerten
• Eine schrittweise und prüfbare Einführungsroadmap entwickeln

Seminarinhalte

Souveränitäts- und Anforderungsmodell

• Daten-, Betriebs-, Technologie- und Lieferkettensouveränität
• Schutzbedarf, Verfügbarkeit, Leistung und regulatorische Rahmenbedingungen
• Muss-, Soll- und Kann-Anforderungen mit Abnahmekriterien

Workloads und Nutzungsklassen

• Inferenz, RAG, Fine-Tuning, Evaluation und klassische ML-Workloads
• Datenklassen, Mandanten und Vertrauensgrenzen
• Lastprofile, Latenz, Kapazität und Lebenszyklen

Plattformschichten

• Hardware, Linux, Kubernetes, Netzwerk und Storage
• Registries, GitOps, Identität, Policy und Observability
• Model Serving, LLMOps, RAG und Benutzerzugänge

Topologien und Betriebsmodelle

• Einzelcluster, Mehrcluster, Standorte und getrennte Zonen
• Online, kontrollierter Egress und Air Gap
• Eigenbetrieb, Betriebsunterstützung und klare Verantwortungsgrenzen

Architekturentscheidungen

• Open-Source-Reife, Austauschbarkeit und Datenportabilität
• Standardprotokolle, APIs und Exit-Strategien
• Kosten, Qualifikationsbedarf und technische Schulden

Roadmap und Entscheidungsnachweise

• Minimalplattform, Pilot, produktive Basis und Skalierung
• Abhängigkeiten, Risiken und technische Vorleistungen
• Architecture Decision Records, Abnahmepunkte und Reifegradmessung

Praktische Übungen

• Erstellung einer Souveränitäts- und Schutzbedarfsmatrix
• Zuordnung von Workloadklassen zu Plattformzonen
• Vergleich mehrerer Cluster- und Betriebsvarianten
• Entwurf eines Zielbilds mit priorisierter Einführungsroadmap

Methodik

Moderierte Architekturarbeit, Bewertungsmatrizen und konkrete Referenzbausteine stehen im Mittelpunkt. Die Resultate werden als Entscheidungsgrundlage strukturiert dokumentiert.