Wem gehört Ihre AI? Warum Kontrolle über den Wert von AI entscheidet

Das Wichtigste in Kürze

Impact = Power × Control. Modelle, Rechenleistung und Agenten (Power) schaffen nur dann Wert, wenn Unternehmen die Hoheit über Daten, Modelle und Entscheidungen behalten (Control). Weil die Formel multipliziert, macht ein Faktor von null alles zu null.

Die Frage hat sich verschoben. Dass AI Mehrwert bringt, muss niemand mehr beweisen. Offen ist, auf welcher Infrastruktur und mit welchem Stack er sich sicher und steuerbar heben lässt.

Bremsen schützt nicht. Wer AI blockiert, bekommt sie trotzdem: als Schatten-AI außerhalb geregelter Prozesse. Genau dort fließt Know-how ab.

Kontrolle ist eine Architekturfrage. Sie lässt sich nicht nachrüsten, sondern gehört in jede Schicht, vom Chip bis zum autonomen Agenten.

Jetzt steht eine Ownership-Entscheidung an. Welche Daten bleiben unter eigener Kontrolle, und wem gehört der Stack, auf dem sie verarbeitet werden?

AI Week Frankfurt

Es gibt eine Frage, die wir in Frankfurt immer wieder gehört haben. Mal kam sie von einem CTO, mal von einer CISO, mal von jemandem aus dem Fachbereich, der eigentlich nur wissen wollte, wie der erste Agent in den Betrieb kommt. Der Kern war jedes Mal derselbe:

„Wo bekommen wir einen AI-Stack her, der am Ende wirklich uns gehört?“

Mehrere CTOs haben uns erzählt, dass sie genau danach gesucht haben. Gefunden haben sie keinen. Jedenfalls keinen, der auf Wunsch komplett bei ihnen liegt, bis hinunter zur Bare-Metal-Infrastruktur.

Überrascht hat uns das, ehrlich gesagt, nicht. Denn genau um diese Frage ging es in unserer Keynote. Boris Friedrich, CEO unseres Technologiepartners ADVISORI, und Dr.-Ing. Soner Emec, unser Head of AI Strategy & Ecosystem Development, haben ihre gemeinsame Keynote auf der AI Week Frankfurt mit einem Satz begonnen, der bewusst zuspitzt:

Whoever owns AI owns your company.

Wer die AI besitzt, besitzt das Unternehmen. Klingt nach Bühnen-Rhetorik? Ein bisschen vielleicht. Aber nach der Keynote war unser Stand voll, vor allem mit Entscheider:innen, und kaum ein Gespräch begann bei der Frage, was AI eigentlich kann. Es ging sofort um Kosten, um Datenhoheit und um Architektur.

In diesem Beitrag teilen wir, was wir aus diesen Gesprächen mitnehmen, was hinter unserer These steckt und warum gerade eine Entscheidung ansteht, die viele Unternehmen noch gar nicht als Entscheidung wahrnehmen.

Was hat sich in der AI-Diskussion verändert?

Die Diskussion vom „Ob“ ist beim „Wie“ angekommen. Dass AI Mehrwert bringt, stellt kaum noch jemand infrage. Offen ist, auf welcher Infrastruktur und mit welchem Stack Unternehmen diesen Mehrwert sicher und steuerbar heben.

Die AI Week Frankfurt fand vom 26. bis 30. Oktober 2026 im THE SQUAIRE statt, direkt über dem Fernbahnhof am Frankfurter Flughafen. Die Woche hatte eine klare Dramaturgie: Opening, zwei Cross-Industry-Tage, ein Tag für Banking & Finance und zum Schluss der Builders Day, an dem Entwicklerteams live gebaut haben. Am ersten Tag war es ruhiger als auf klassischen Messen. Dafür waren fast nur Entscheider:innen vor Ort, und die Gespräche wurden schnell sehr konkret. Ab Tag zwei kamen Fachbereiche und technische Teams dazu, die wissen wollten, wie das alles in der Praxis aussieht.

Soner hat es nach der Woche so zusammengefasst:

„Die AI-Branche ist erwachsen geworden. Dass AI Mehrwert bringt, muss niemand mehr beweisen.“

Das hat man auch am Publikum gesehen. Statt Startups prägten etablierte Industrie-Mittelständler das Bild. Und auf der AI Arena Stage und der AI Studio Stage ging es kaum noch darum, was AI theoretisch könnte. Es ging um die Fragen, die vor jeder Freigabe durch den Vorstand geklärt sein müssen: Was darf ein Agent kosten? Welche Risiken trägt er? Und wer verantwortet seine Entscheidungen? Dazu kamen sehr handfeste Industriethemen wie AI im Qualitätsmanagement oder digitale Zwillinge.

Am Stand haben uns vor allem zwei Fragen begleitet. Was kostet ein Token auf souveräner Infrastruktur? Und behalten wir die Hoheit über unsere Daten? Gerade in der Produktion ist das keine theoretische Frage. In Maschinen- und Shopfloor-Daten steckt das Prozess-Know-how von Jahrzehnten. Viele Unternehmen sitzen heute auf einem Flickenteppich aus Hyperscaler-Services und wollen in eine hybride Infrastruktur, in der die Datenklassifizierung entscheidet, welches Modell wo läuft.

Das Ziel sind Agenten. Der Weg dahin ist aber noch weit: Laut Bitkom setzen erst 11 Prozent der Unternehmen, die AI nutzen, planen oder diskutieren, bereits AI-Agenten ein. Weitere 29 Prozent planen es.

Was bedeutet „Impact = Power × Control“?

Die Formel beschreibt, wovon der Nutzen von AI abhängt: von dem, was die Technologie leisten kann (Power), und davon, wie viel Hoheit ein Unternehmen über sie hat (Control).

Power, das sind Modelle, Rechenleistung und Agenten. Davon gibt es inzwischen reichlich, und vieles lässt sich mieten oder kaufen.

Control ist die Hoheit über Daten, Modelle und Entscheidungen. Dazu gehört auch die Frage, wo AI läuft und welchem Recht sie unterliegt.

Viele Unternehmen investieren gerade massiv in den ersten Faktor und vernachlässigen den zweiten. Das Problem: Die Formel ist eine Multiplikation. Ist ein Faktor null, ist das Ergebnis null.

Stellen Sie sich einen Agenten vor, der Angebote hervorragend kalkuliert. Er greift dabei auf Preislisten, Konditionen und Kundendaten zu, aber niemand kann nachvollziehen, was er mit diesen Daten macht und wohin sie fließen. Die Power ist da. Freigeben wird ihn trotzdem niemand, und damit bleibt sein Impact bei null.

„Rechenleistung und Modelle sind verfügbar. Wertschöpfung entsteht aber erst, wenn das Gesamtsystem steuerbar ist.“ Dr.-Ing. Soner Emec, Head of AI Strategy & Ecosystem Development, Yorizon

Zu Kontrolle gehört auch, zu wissen, was AI überhaupt bringt. Laut der Lünendonk-Studie „Industry Performance“ 2026 berichten nur 22 Prozent der befragten Fertigungsunternehmen von klar messbaren Effekten durch Digitalisierung und AI auf ihre Produktionsperformance. Was man nicht misst, lässt sich schlecht steuern. Und noch schlechter vor dem Vorstand vertreten.

Warum hilft es nicht, AI auszubremsen?

Weil AI trotzdem ins Unternehmen kommt, nur eben dort, wo niemand sie steuert.

Der Reflex ist verständlich. Dieses Jahr hat gezeigt, wie schnell sich die Lage verändert. AI findet Sicherheitslücken schneller als je zuvor. Da liegt der Gedanke nahe, erst einmal abzuwarten.

Nur: Die Mitarbeitenden warten nicht. Laut Bitkom wussten oder vermuteten schon im Herbst 2025 4 von 10 Unternehmen, dass Beschäftigte private AI-Tools im Job nutzen. In 8 Prozent war das bereits weit verbreitet, doppelt so oft wie im Vorjahr. Das ist Schatten-AI: ein Chatbot im privaten Account, schnell ein paar Prozessparameter hineinkopiert, weil die Auswertung sonst zwei Tage dauert. Niemand will dabei etwas Falsches tun. Aber genau so fließt Know-how ab, ohne dass es jemand merkt.

Die AI anderer lässt sich nicht kontrollieren. Die eigene schon, wenn die Architektur es zulässt. Deshalb ist die beste Antwort auf Schatten-AI kein Verbot, sondern ein Angebot: eine AI, die man gern nutzt und die trotzdem unter Kontrolle steht. Das empfiehlt übrigens auch der Bitkom, der Unternehmen rät, klare Regeln aufzustellen und den Beschäftigten selbst AI-Werkzeuge bereitzustellen.

Wie solche Regeln konkret aussehen, vom AI-Register bis zum Audit-Trail, haben wir in unserem Beitrag über die drei Ebenen souveräner AI beschrieben. Hier geht es um die Ebene darunter: die Architektur, die Kontrolle überhaupt erst möglich macht.

Wo beginnt Kontrolle über AI?

Beim Chip. Und sie endet erst beim autonomen Agenten. Kontrolle lässt sich nicht nachträglich auf ein fertiges System setzen, sie muss in jeder Schicht stecken. Genau so haben wir unseren souveränen AI Factory Stack aufgebaut.

Jede Schicht hat ihren eigenen Kontrollpunkt, und Messbarkeit und Governance ziehen sich durch alle.

Chip. Wer nur auf eine GPU-Architektur setzt, übernimmt deren Preise und Lieferzeiten. Wie schnell das spürbar wird, hat der Sommer gezeigt: Nvidia hat großen Kunden angekündigt, dass AI-Server in vielen Fällen um mehr als 15 Prozent teurer werden, weil Speicher knapp ist (Notebookcheck). Deshalb gehört die Offenheit für alternative Chip-Architekturen zur Strategie. Viele AI-Workloads laufen darauf günstiger oder effizienter. Wir betreiben unsere Modelle unter anderem auf AMD-Architektur.

Infrastruktur. Hier entscheidet sich, wo AI läuft und welchem Recht sie unterliegt. Bei uns heißt das: ausschließlich in der EU und auf Wunsch liegen Infrastruktur und Betrieb im Eigentum des Kunden, bis hinunter zum Bare Metal.

Daten. Am Anfang steht die Klassifizierung: Welche Daten dürfen wohin? Sie entscheidet, welches Modell wo läuft. In der Produktion bleiben Maschinen- und Prozessdaten fast immer unter eigener Kontrolle.

Modelle. Ein offener Stack macht Workloads portabel. So lässt sich für jeden Anwendungsfall das passende Modell und die wirtschaftlichste Hardware wählen, und ein Wechsel bedeutet keinen Umbau.

Agenten. Je autonomer AI arbeitet, desto wichtiger werden Berechtigungen, Freigaben und Protokollierung. Ein Agent bekommt nur die Rechte, die er für seine Aufgabe braucht, und jeder seiner Schritte bleibt nachvollziehbar.

Quer über alle Schichten laufen Messbarkeit und Governance: Policies, Observability, Sicherheitsüberwachung und Security Testing. Erst wenn klar ist, was eine Anwendung kostet und was sie bringt, lässt sie sich wirklich steuern.

Warum gehört Nachhaltigkeit zu souveräner AI?

Weil Kontrolle auch bedeutet, die Folgen der eigenen AI im Griff zu haben, und dazu gehört ihr Energiebedarf. Die Internationale Energieagentur erwartet, dass sich der Stromverbrauch von Rechenzentren bis 2030 auf rund 945 Terawattstunden mehr als verdoppelt, getrieben vor allem durch AI (IEA-Bericht „Energy and AI“, zusammengefasst vom IIR).

Für uns heißt souverän deshalb auch nachhaltig. Oder,  anders gesagt: Wer AI für die Zukunft baut, darf die Zukunft nicht verbrauchen. Praktisch steckt das in denselben Entscheidungen wie die Kontrolle. Nicht jede Aufgabe braucht das größte Modell, und manche Workloads laufen auf alternativer Hardware effizienter.

Funktioniert das in der Praxis?

Ja. Und wir wissen das, weil wir es zuerst bei uns selbst ausprobiert haben.

Unsere eigene AI-First-Strategie bauen wir auf genau der Infrastruktur auf, die wir mit unseren Partnern anbieten. Gemeinsam mit unserem Technologiepartner ADVISORI haben wir bei Yorizon 13 AI Use Cases in acht Wochen umgesetzt und anschließend für 50 Nutzerinnen und Nutzer ausgerollt. Dabei sind wir über genau die Fragen gestolpert, die uns jetzt am Stand gestellt wurden: Was kostet das? Wo liegen die Daten? Und wer gibt eigentlich frei, was ein Agent tun darf?

„Unsere eigene AI-First-Strategie läuft auf genau der Infrastruktur, die wir mit unseren Partnern anbieten. Diese Glaubwürdigkeit war am Stand das stärkste Argument.“ Dr.-Ing. Soner Emec

Zwei Entwicklungen aus dieser Arbeit haben wir in Frankfurt zum ersten Mal öffentlich gezeigt:

• Fugi, die souveräne Orchestrierung für Sprachmodelle in unserem AI Factory Stack. Sie beantwortet die Frage, wie man viele Modelle nutzt, ohne von einem einzigen abzuhängen und ohne die Kontrolle abzugeben.

• Autonome Assistenten, die selbstständig Aufgaben erledigen und dabei unter voller Governance arbeiten: mit klaren Rechten, mit Freigaben und mit lückenlosem Protokoll.

Bei Yorizon sagen wir gern: gebaut, nicht behauptet. Genau das war in Frankfurt der Unterschied. Wir mussten nicht erklären, wie es gehen könnte. Wir konnten zeigen, wie wir es selbst machen.

Was nehmen wir als Team aus Frankfurt mit?

Vor allem eins: Wir mussten kaum noch erklären, warum Souveränität wichtig ist. Wir konnten direkt darüber reden, wie sie geht.

Fünf Tage waren wir als Team an Stand 18, gemeinsam mit unserem Technologiepartner ADVISORI. Die Keynote von Soner und Boris Friedrich lief am Dienstag, 27. Oktober, auf der AI Arena Stage.

Dass wir die Fragen vom Stand gemeinsam beantworten können, liegt an der Aufteilung zwischen uns. Wir bei Yorizon liefern die souveräne Grundlage: AI-Infrastruktur ausschließlich in der EU, vom Chip bis zum Agenten unter Kontrolle und auf Wunsch samt Betrieb im Eigentum unserer Kunden. ADVISORI, seit 2014 in Frankfurt zu Hause und mit über 120 Mitarbeitenden, bringt die Erfahrung aus AI, Informationssicherheit, Regulatory Compliance und Risikomanagement mit. Zusammen decken wir ab, was ein Unternehmen braucht, um AI nicht nur auszuprobieren, sondern sicher in den Betrieb zu bringen.

Danke an das ganze ADVISORI-Team und an alle, die bei der Keynote waren oder an Stand 18 vorbeigeschaut haben. Die Gespräche mit Ihnen waren für uns das Wertvollste an dieser Woche.

Welche Entscheidung steht jetzt an?

Eine Ownership-Entscheidung. Bevor es um Tools, Modelle oder Anbieter geht, sollte klar sein, welche Daten unter eigener Kontrolle bleiben. In der Produktion sind das fast immer die Maschinen- und Prozessdaten. Danach braucht es eine Architektur, die offen für alternative Chips und Modelle ist und dem Unternehmen auf Wunsch selbst gehört.

Klingt nach einem großen Schritt? Ist es auch. Aber er wird nicht kleiner, wenn man ihn vertagt. Unsere Beobachtung: Wer diese Entscheidung nicht bewusst trifft, dem nehmen sie in zwölf Monaten die Tools ab, die sich bis dahin eingeschlichen haben.

Am Ende läuft alles auf eine Frage hinaus: Stärkt AI die eigene Wertschöpfung, oder schafft sie neue Abhängigkeiten?

Und die Frage vom Anfang, nach dem AI-Stack, der am Ende wirklich einem selbst gehört? Darauf hatten wir in Frankfurt eine ziemlich kurze Antwort: bei uns. Infrastruktur und Betrieb auf Wunsch in Ihrem Eigentum, bis zum Bare Metal.

Sie haben eine dieser Fragen gerade selbst auf dem Tisch? Sprechen Sie mit uns. Wir zeigen Ihnen, wie wir sie bei Yorizon gelöst haben, und finden gemeinsam mit ADVISORI heraus, was davon zu Ihrem Unternehmen passt.

Quellen

Bitkom: „Erstmals nutzt die Mehrheit der Unternehmen KI“, Presseinformation vom 14.09.2026, 603 Unternehmen ab 20 Beschäftigten

Bitkom: „Beschäftigte nutzen vermehrt Schatten-KI“, Presseinformation vom 21.10.2025, 604 Unternehmen ab 20 Beschäftigten

Lünendonk: Studie „Industry Performance“ 2026, Presseinformation vom 25.06.2026, 80 Interviews in der Fertigungsindustrie (DACH)

Notebookcheck: Preise für Nvidia-AI-Server steigen um mehr als 15 Prozent, 23.08.2026

IEA: Bericht „Energy and AI“, April 2025, Zusammenfassung des International Institute of Refrigeration

ADVISORI: AI Week Frankfurt 2026, Stand 18 und Über uns