heise meets … Der Entscheider-Talk

„In 17 Jahren hatte ich noch nie so wenige Antworten auf so viele Fragen“, sagt Robert Wortmann, Principal Security Strategist bei TrendAI. Der Paradigmenwechsel durch generative KI stellt die Cybersicherheit vor völlig neue Herausforderungen. Während sich Angriffsmuster über Jahre nur graduell veränderten, lernen Verteidiger heute täglich dazu – insbesondere beim agentischen Verhalten von KI-Systemen.

Ein praktisches Beispiel verdeutlicht die Risiken: Ein Agent, der offene Rechnungen eintreiben sollte, gewährte ohne Freigabe Rabatte und sprach vereinzelt sogar sanfte Drohungen aus. Das Problem liegt selten in exotischem Verhalten, sondern in unklaren Grenzen und fehlenden Freigabeprozessen. Gerichtsurteile zeigen bereits: Unternehmen tragen die Verantwortung für Aktionen ihrer Agenten.

Besonders brisant ist das Thema Schatten-KI. Mitarbeiter binden über das Model Context Protocol (MCP) eigene ChatGPT-Zugänge an Enterprise-Software an – oft ohne Wissen der IT. Hinzu kommt die Gefahr falscher Berechtigungsstrukturen: Informationen werden nicht mehr gefunden, sondern erfragt. Veraltete Dateien in Vektordatenbanken machen plötzlich Gehälter oder Vorstandsdaten per Prompt abrufbar.

Souveränität bedeutet für Wortmann weit mehr als europäisches Hosting. Unternehmen müssen operative Abhängigkeiten prüfen, zwischen Open-Weight- und Open-Source-Modellen unterscheiden und ihre Kernprozesse auch ohne externe Anbieter aufrechterhalten können. Der Weg führt über Sichtbarkeit, eine resiliente Infrastruktur und spezifische Use Cases statt über unternehmensweite Pauschallösungen.

Neugierig geworden? Im Interview mit „heise meets …“ erfahren Sie,

• wie Unternehmen Schatten-KI aufspüren und kontrollieren,
• warum die Risikobereitschaft vor jedem KI-Projekt geklärt sein muss und
• welche Chancen KI auf der Verteidigungsseite der Cybersicherheit bietet.

Keine Folge verpassen: Abonnieren Sie jetzt den Podcast heise meets… – Der Entscheider-Talk auf Apple Podcasts, Spotify und Deezer oder per RSS.

„Die Schaufeln werden gebraucht zum Buddeln – ohne die gibt es kein Gold“: Mit diesem Bild beschreibt Thomas Schreiner, Head of Business Dev. & Global Accounts HPC bei Rittal, die aktuelle Lage im Rechenzentrumsmarkt. Der weltweite KI-Boom löst einen regelrechten Goldrausch aus – und die Infrastruktur entscheidet, wer am Ende tatsächlich Geld verdient.

Die Anforderungen an die Hardware verändern sich dramatisch: Während ein klassischer Schaltschrank früher 12 bis 15 Kilowatt aufnahm, erreichen aktuelle KI-Racks bereits 220 Kilowatt. Für 2028 rechnet Rittal mit einem Megawatt pro Schrank. Auch das Gewicht steigt: Statt 1,5 Tonnen tragen moderne Racks bis zu 4,7 Tonnen – das entspricht einem mittelschweren afrikanischen Elefanten.

Luftkühlung reicht für diese Leistungsdichten nicht mehr aus. Flüssigkeitskühlung wird zum Standard, Edelstahlrohre verteilen Wasser direkt an die Chips. Die Abwärme lässt sich über Wärmepumpen nutzen und steigert die Energieeffizienz der Datacenter spürbar.

Rittal setzt auf einen modularen Systemansatz mit Building Blocks für Kühlung und Stromverteilung. So lassen sich Rechenzentren schneller errichten, flexibel erweitern und an neue Chip-Generationen anpassen. Auch mobile Konzepte in Containern oder Zelten gewinnen an Bedeutung.

Im Gespräch mit „heise meets …“ erläutert der Rittal-Experte,

• warum Flüssigkeitskühlung im KI-Zeitalter unverzichtbar wird,
• wie modulare Systeme den Bau von Datacentern beschleunigen und
• welche Rolle die Standortwahl und die Energieversorgung künftig spielen.

Keine Folge verpassen: Abonnieren Sie jetzt den Podcast heise meets… – Der Entscheider-Talk auf Apple Podcasts, Spotify und Deezer oder per RSS.

Die Kosten für künstliche Intelligenz explodieren in vielen Firmen. Verbrauchsorientierte Abrechnungsmodelle, der einfache Zugang zu leistungsstarken Modellen und das sogenannte „Token-Maxxing“ hebeln klassische Einkaufsprozesse aus. AI Tokenomics soll das ändern: Es geht darum, mit jedem Token einen echten Mehrwert zu erzeugen.

Frederik Marx, Senior Advisor IT Financial Management bei IBM Apptio, beschreibt im Gespräch mit „heise meets …“ einen klaren Dreiklang aus Transparenz, Optimierung und Governance. Zunächst müssen Unternehmen wissen, wer welche Modelle wofür nutzt. Tools wie IBM Cloudability identifizieren die AI-Kosten in den Cloud-Rechnungen und ordnen sie den Business-Einheiten zu. So entsteht Verantwortlichkeit, die Grundlage jeder Optimierung.

Doch die reinen Tokenkosten machen nur 15 bis 30 Prozent einer AI-Initiative aus – Personal-, Trainings- und Integrationskosten schlagen deutlich stärker zu Buche. Erst eine Vollkostensicht liefert CIO und CFO die Basis, um den Wertbeitrag einer Initiative zu bewerten: gesteigerter Umsatz, höhere Kundenzufriedenheit oder eingesparte Fremdleistungen wie externe Übersetzungsservices.

Zur Steuerung dienen Budgetlimits, Model-Gateways und Autorouting, das Anfragen automatisch an das günstigste geeignete Modell weiterleitet. Erste Provider gehen bereits einen Schritt weiter und bieten Outcome-Priced-Modelle an, bei denen nicht mehr Tokens, sondern gelöste Tickets abgerechnet werden.

Im Podcast erfahren Sie außerdem,

• warum die Kostenkurve bei KI der Cloud-Entwicklung stark ähnelt,
• wie Tagging zur Königsdisziplin im AI-Controlling avanciert und
• welche Rolle die Tokenomics Foundation künftig spielen wird.

Keine Folge verpassen: Abonnieren Sie jetzt den Podcast heise meets… – Der Entscheider-Talk auf Apple Podcasts, Spotify und Deezer oder per RSS.