Kontaktieren Sie uns
Wir von accompio helfen Ihnen gerne.
17.07.2026
Confidential Computing verschlüsselt Daten bei der Übertragung, bei der Speicherung und zusätzlich während der aktiven Verarbeitung durch ein KI-Modell.
Für Unternehmen mit sensiblen Daten wie Patenten, internen Dokumenten oder Gesundheitsinformationen macht Confidential Computing einen zentralen Unterschied zur klassischen Cloud-KI aus, bei der der Anbieter des Modells während der Verarbeitung technisch Einblick in die Daten hat.
Leonard Püttmann, Solutions Architect AI bei accompio, ordnet im Gespräch ein, wie die Technologie funktioniert, für welche Anwendungsfälle sie sich eignet und wo ihre Grenzen liegen. Dieser Artikel erklärt die Funktionsweise von Confidential Computing und Confidential AI, grenzt beide Begriffe voneinander ab und zeigt konkrete erste Schritte für den Einsatz im Unternehmen.
Für dieses Fokusthema hat accompio mit Leonard Püttmann gesprochen, Solutions Architect AI und im Tagesgeschäft verantwortlich für den sicheren Einsatz von KI-Technologie bei accompio-Kundinnen und Kunden.
Confidential Computing ist eine Sicherheitstechnologie, die Daten auch während der aktiven Verarbeitung auf Hardware-Ebene verschlüsselt hält. Klassische Verschlüsselung schützt Daten bei der Übertragung zwischen Systemen und bei der Speicherung auf einem Server. Sobald ein Programm oder ein KI-Modell mit den Daten arbeitet, liegen sie bei klassischen Systemen üblicherweise unverschlüsselt vor und sind damit für den Betreiber der Infrastruktur einsehbar.
Confidential Computing schließt genau diese Lücke über eine Trusted Execution Environment (TEE), eine isolierte, verschlüsselte Umgebung direkt auf dem Prozessor. Leonard Püttmann beschreibt das Prinzip im Gespräch als Tresor, bei dem selbst der Betreiber der Infrastruktur keinen Zugriff auf den Inhalt hat.
Kerndefinition: Confidential Computing verschlüsselt Daten während der aktiven Verarbeitung zusätzlich zur Verschlüsselung bei Übertragung und Speicherung. Die technische Basis bildet eine Trusted Execution Environment auf Prozessorebene.
Viele KI-Modelle laufen in der Cloud, teilweise auf Servern außerhalb der Europäischen Union. Für Unternehmen mit Patenten, internen Dokumenten oder anderen sensiblen Informationen ist die Eingabe dieser Daten in ein solches Modell riskant, denn die Daten liegen während der Verarbeitung offen für den Betreiber der Infrastruktur vor.
Ohne zusätzlichen Schutz bleiben Unternehmen deshalb häufig bei ihren KI-Use-Cases stehen, weil relevante Daten aus Datenschutzgründen gar nicht erst zum Einsatz kommen. Passiert es doch, drohen Datenlecks. Sensible Informationen fließen in das Training weiterer Modelle ein, gelangen an Dritte oder geraten ins Visier von Hackerangriffen.
Der Zugriff auf ein Confidential-AI-Modell startet mit einer Remote Attestation, einer Prüfung, ob der Zugriff überhaupt zulässig ist. Anschließend übermittelt das System die Daten verschlüsselt bis auf Prozessorebene an das Modell. Das KI-Modell arbeitet innerhalb dieser geschützten Umgebung ganz normal mit den Daten, vergleichbar mit anderen KI-Modellen. Die Ausgabe geht verschlüsselt zurück an die Nutzerin oder den Nutzer und liegt erst dort wieder entschlüsselt vor.
„Es ist wirklich wie ein kleiner Tresor. Selbst wenn ich physischen Zugang zu dem KI-Modell habe, kann sich da niemand irgendwelche Daten herausziehen.“
— Leonard Püttmann, Solution Architect bei accompio AI
Die Verschlüsselung sitzt dabei auf Hardware-Ebene, nicht in einer zusätzlichen Software-Schicht. Genau das macht laut Leonard Püttmann den entscheidenden Sicherheitsunterschied aus.
Confidential Computing beschreibt die zugrunde liegende Hardware-Technologie zur Verschlüsselung während der Verarbeitung, unabhängig von der konkreten Anwendung. Confidential AI ist die Anwendung dieser Technologie speziell auf KI-Modelle und KI-Prozesse. Ein Unternehmen setzt Confidential Computing als technisches Fundament ein, um darauf aufbauend Confidential AI für konkrete KI-Anwendungsfälle zu nutzen.
Data Masking und Anonymisierung versuchen, sensible Informationen vor der Verarbeitung aus Dokumenten zu entfernen. Ein Restrisiko bleibt dabei bestehen: Rutschen einzelne sensible Datenpunkte durch den Filter, entsteht trotzdem ein Datenschutzproblem. Confidential AI verfolgt einen anderen Ansatz und schützt die Daten direkt während der Verarbeitung auf Hardware-Ebene, unabhängig davon, ob vorher eine Anonymisierung stattgefunden hat.
Die Einbindung von Confidential AI in bestehende Systeme läuft über eine externe Schnittstelle, vergleichbar mit einem gewöhnlichen Cloud-KI-Modell. Neue Hardware oder größere Systemumstellungen sind dafür nicht notwendig, auch bestehende Cloud-Anbieter benötigen dafür keine gesonderten Voraussetzungen.
Der Performance-Unterschied liegt laut accompio bei 5 bis 10 Prozent gegenüber klassischer KI-Nutzung, die Interaktion bleibt weiterhin in Echtzeit möglich. Eine Einschränkung betrifft die Modellauswahl: Confidential AI funktioniert aktuell ausschließlich mit Open-Source-KI-Modellen, proprietäre Modelle wie ChatGPT oder Claude sind dafür technisch nicht einsetzbar. Laut accompio deckt diese Auswahl an Open-Source-Modellen bereits 90 bis 95 Prozent der KI-Use-Cases von Unternehmen ab.
Vertragliche Zusicherungen allein reichen für viele Unternehmen im Umgang mit sensiblen Daten nicht aus. accompio setzt deshalb zusätzlich auf technische und unabhängige Nachweise auf Hardware-Ebene.
„Das Ganze wurde zum Beispiel auch durch den TÜV IT geprüft und einmal gecheckt, ob das auch wirklich so ist. Ernst & Young hat zum Beispiel auch einen großen Audit für diese Technologie gemacht.“
— Leonard Püttmann, Solution Architect bei accompio AI
Sie planen konkrete KI-Use-Cases mit sensiblen Unternehmensdaten und suchen eine sichere technische Basis dafür? accompio unterstützt bei der Bestandsaufnahme, Auswahl der passenden Open-Source-Modelle und technischen Integration von Confidential AI in Ihre bestehende Infrastruktur.
Laut Leonard Püttmann steht der Reifegrad von Confidential Computing in Deutschland aktuell sehr unterschiedlich da. Einzelne Unternehmen setzen die Technologie bereits produktiv ein, für viele andere ist sie dagegen noch neu, teilweise sogar unbekannt als tatsächliche Alternative zur klassischen Cloud-KI.
Der erste konkrete Schritt ist unabhängig vom eigenen Reifegrad immer der gleiche: eine Bestandsaufnahme der eigenen Prozesse im Tagesgeschäft.
Dabei stehen zwei Fragen im Mittelpunkt:
Fällt die Antwort auf die zweite Frage mit Ja aus, ist Confidential AI laut accompio häufig der passende nächste Schritt für die technische Umsetzung. Die anschließende Integration selbst braucht keine neue Hardware und keine grundlegende Systemumstellung. Sie läuft über eine externe Schnittstelle, vergleichbar mit einem gewöhnlichen Cloud-KI-Modell.
Confidential Computing schließt die letzte offene Lücke in der Datenverschlüsselung: den Moment der aktiven Verarbeitung. Für Unternehmen mit sensiblen Daten eröffnet Confidential AI dadurch KI-Use-Cases, die vorher aus Gründen des Datenschutzes nicht umsetzbar waren.
Leonard Püttmann arbeitet als Solutions Architect AI bei accompio und beschäftigt sich im Tagesgeschäft mit dem sicheren Einsatz von KI-Technologie bei Unternehmenskundinnen und -kunden.
Normale Verschlüsselung schützt Daten bei Übertragung und Speicherung. Confidential Computing verschlüsselt Daten zusätzlich während der aktiven Verarbeitung durch ein Programm oder KI-Modell, über eine Trusted Execution Environment auf Prozessorebene.
Nein, ChatGPT und Claude sind proprietäre Modelle und dafür technisch nicht einsetzbar. Confidential AI funktioniert aktuell mit Open-Source-KI-Modellen, die laut accompio bereits 90 bis 95 Prozent der Unternehmens-Use-Cases abdecken.
Grundsätzlich profitiert jede Branche mit sensiblen Daten von Confidential AI. Besonders relevant ist die Technologie laut accompio für das Finanzwesen und das Gesundheitswesen, da dort häufig hochsensible personenbezogene oder unternehmenskritische Informationen im Spiel sind, etwa Untersuchungsergebnisse oder Finanzdaten, die nicht an Dritte gelangen dürfen.
Laut accompio liegt der Performance-Unterschied bei 5 bis 10 Prozent gegenüber klassischer KI-Nutzung. Die Interaktion mit dem Modell bleibt dabei weiterhin in Echtzeit möglich.
Der erste Schritt ist eine Bestandsaufnahme der eigenen Prozesse und Pain Points, verbunden mit der Frage, wo dabei sensible Daten involviert sind. Auf dieser Basis lässt sich die passende technische Umsetzung ableiten.
Erstgespräch vereinbaren
