Public, Private oder isoliert: Warum Cloud-Strategien wieder komplexer werden
KI, Regulierung und Datenhoheit verändern die Cloud-Planung in Unternehmen. Statt pauschaler Cloud-first-Strategien rückt die Frage in den Mittelpunkt, welcher Workload in welchem Betriebsmodell am besten aufgehoben ist.
Die Cloud-Debatte in Unternehmen verschiebt sich. Lange galt die Migration in die Public Cloud als naheliegender Modernisierungspfad: Anwendungen sollten schneller bereitgestellt, Infrastruktur elastischer genutzt und Investitionskosten reduziert werden. Inzwischen ist die Ausgangslage differenzierter. Künstliche Intelligenz, strengere Compliance-Anforderungen, steigende Cloud-Kosten und wachsende Anforderungen an Datenhoheit machen die Cloud-Strategie wieder stärker zu einer Architektur- und Governance-Frage.
Das zeigt sich auch in aktuellen Marktdaten. Laut dem Flexera 2026 State of the Cloud Report setzen 73 Prozent der befragten Unternehmen auf hybride Architekturen; 88 Prozent nutzen Multi-Cloud-Umgebungen. Gleichzeitig verfügen 63 Prozent über ein FinOps-Team und 71 Prozent über ein Cloud Center of Excellence. Cloud wird damit weniger als reine Infrastrukturentscheidung und mehr als steuerbarer Portfolioansatz aus Kostenkontrolle, Governance, Sicherheit und Geschäftswert verstanden.
Für große Unternehmen ist diese Entwicklung besonders relevant, weil viele von ihnen nicht auf grüner Wiese planen. Sie betreiben gewachsene Rechenzentren, branchenspezifische Anwendungen, SaaS-Landschaften, Public-Cloud-Services, Private-Cloud-Umgebungen und zunehmend KI-Plattformen parallel. Die Frage lautet daher, welche Umgebung für welchen Zweck geeignet ist.
Daniel Amor, Field Chief Technologist Europe bei DXC Technology, beschreibt diesen Wandel als Abkehr von einfachen Entweder-oder-Entscheidungen und nennt fünf Fragen, die Unternehmen bei der Neuausrichtung ihrer Cloud-Architektur beantworten sollten. Unternehmen müssten für jeden Workload prüfen, welches Betriebsmodell dessen Anforderungen erfülle.
Workloads müssen klassifiziert werden
Am Anfang steht die Bewertung der Workloads. Nicht jede Anwendung verarbeitet sensible Daten, ist geschäftskritisch oder unterliegt denselben regulatorischen Anforderungen. Für Unternehmen bedeutet das: Sie müssen Datenklassen, Schutzbedarf, Verfügbarkeitsanforderungen, Schnittstellen, Systemabhängigkeiten und mögliche Ausfallfolgen systematisch erfassen.
Amor betont, dass eine belastbare Klassifizierung Voraussetzung jeder Cloud-Entscheidung sei. Unternehmen sollten prüfen, welche Daten verarbeitet werden, welchen regulatorischen Anforderungen sie unterliegen und welche Auswirkungen ein Ausfall oder unkontrollierter Datenabfluss hätte. Erst danach lasse sich entscheiden, ob eine Anwendung in die Public Cloud, in eine Private Cloud oder in eine stärker isolierte Umgebung gehöre.
Gerade in historisch gewachsenen Enterprise-Umgebungen reicht diese Betrachtung jedoch nicht auf Anwendungsebene allein. Viele Systeme sind über Schnittstellen, Datenflüsse, Batch-Prozesse, Identitätsdienste oder Reporting-Strecken miteinander verbunden. Eine isolierte Entscheidung über einzelne Anwendungen kann deshalb neue Risiken schaffen, wenn Abhängigkeiten nicht sichtbar sind. Für CIOs und Enterprise-Architekten wird Workload-Platzierung damit zu einer Aufgabe des gesamten Applikations- und Datenportfolios.
Compliance und Datenhoheit werden Architekturkriterien
In regulierten Branchen ist Cloud-Leistung allein kein ausreichendes Kriterium. Banken, Versicherer, Industrieunternehmen, Gesundheitsorganisationen, Behörden und Betreiber kritischer Infrastrukturen müssen nachweisen können, wo Daten verarbeitet werden, wer Zugriff hat und wie Sicherheits- und Governance-Vorgaben umgesetzt werden. Dazu kommen europäische und nationale Anforderungen aus Datenschutz, Cybersecurity, Branchenregulierung und Lieferkettenkontrolle.
Amor formuliert die entscheidende Frage als Abgleich zwischen Betriebsmodell und konkretem Risikoprofil. Je nach Workload könne eine gemeinsam genutzte Umgebung ausreichen; andere Anwendungen benötigten dedizierte oder vollständig isolierte Infrastruktur.
Dieser Punkt wird durch die Marktentwicklung gestützt. Gartner beschreibt Distributed Hybrid Infrastructure als Ansatz, mit dem Unternehmen Workloads flexibel über Public Cloud, Private Cloud, Colocation, Edge und eigene Rechenzentren platzieren können, ohne bei geänderten regulatorischen oder geschäftlichen Anforderungen neu architektieren zu müssen. Flexible Workload-Platzierung soll CIOs dabei helfen, Souveränitätsziele zu erreichen und zugleich Kontrolle über Infrastruktur und Daten zu behalten.
Für Unternehmen bedeutet das: Datenhoheit entsteht nicht allein durch den geografischen Standort eines Rechenzentrums. Entscheidend sind auch Betreiberstruktur, Zugriffsrechte, Verschlüsselung, Schlüsselmanagement, Auditierbarkeit, Kontrollmöglichkeiten, Vertragsgestaltung und Exit-Fähigkeit. Cloud-Souveränität wird damit zu einer operativen Fähigkeit, nicht zu einem Marketingmerkmal.
KI verschärft die Platzierungsfrage
Mit der produktiven Nutzung von KI gewinnt die Cloud-Strategie eine zusätzliche Dimension. KI-Anwendungen benötigen Rechenleistung, Speicher, Datenpipelines, Modellzugriff, Monitoring und Governance. Vor allem greifen sie auf Daten zu, die bislang häufig in Fachanwendungen, Dokumentenmanagementsystemen, Data Lakes, Wissensdatenbanken oder isolierten Plattformen lagen.
Amor weist darauf hin, dass KI nicht nur eine Frage von Rechen- und Speicherkapazität sei. Unternehmen müssten früh klären, welche Daten KI-Anwendungen nutzen dürfen, wo diese verarbeitet werden und wie sich unkontrollierte Datenabflüsse verhindern lassen. Gerade bei sensiblen Unternehmensdaten oder geistigem Eigentum könne es erforderlich sein, KI-Workloads in stärker kontrollierten oder isolierten Umgebungen zu betreiben.
Deloitte kommt in den Tech Trends 2026 zu einem ähnlichen Befund. Produktionsreife KI-Workloads zwingen Unternehmen, ihre Infrastrukturstrategie neu zu bewerten. Kosten sind nur eine Seite der Medaille. Datenhoheit, Latenzanforderungen, Schutz geistigen Eigentums und Resilienz entscheiden über die Wahl der richtigen Compute-Plattform – für jeden einzelnen Workload.
Besonders relevant ist das für Retrieval-Augmented-Generation-Systeme, interne Wissensassistenten, agentenbasierte Workflows und KI-gestützte Automatisierung. Solche Systeme verbinden Modelle mit Dokumenten, Datenbanken, Schnittstellen und Berechtigungen. Damit entstehen neue Zugriffspfade auf Unternehmensinformationen. Ein KI-Assistent mit Zugang zu internen Daten ist kein isoliertes Produktivitätswerkzeug. Es ist ein neues Interface in der Unternehmens-IT.
Public Cloud bleibt wichtig – aber nicht universell
Die wachsende Bedeutung von Private Cloud, isolierten Umgebungen und souveränen Infrastrukturen bedeutet nicht, dass die Public Cloud an Relevanz verliert. Für viele Workloads bleibt sie das wirtschaftlich und technisch passende Modell: etwa für kurzfristig skalierende Anwendungen, globale Services, Entwicklungs- und Testumgebungen, datenarme Anwendungen, Standard-SaaS, Analytics-Szenarien oder KI-Training mit hohem, aber temporärem Ressourcenbedarf.
Amor ordnet die Public Cloud entsprechend als wichtigen Bestandteil moderner IT-Strategien ein. Entscheidend sei jedoch, ihre Vorteile gezielt zu nutzen und nicht jedes System nach demselben Prinzip zu betreiben. Eine Anwendung könne in einer frühen Projektphase hohe Flexibilität benötigen, im stabilen Dauerbetrieb aber ein anderes Kosten-, Sicherheits- oder Betriebsprofil entwickeln.
Damit wird Cloud-Strategie zu einem fortlaufenden Portfolio-Management. Workloads müssen regelmäßig überprüft werden: Haben sich Datenflüsse verändert? Sind neue regulatorische Anforderungen hinzugekommen? Steigen die Kosten stärker als erwartet? Hat sich das Nutzungsprofil stabilisiert? Sind Latenz, Verfügbarkeit oder Resilienz wichtiger geworden? Solche Fragen sind besonders relevant, wenn KI-Workloads vom Pilotbetrieb in den Regelbetrieb übergehen und aus experimentellen API-Aufrufen dauerhafte Inferenzkosten werden.
Governance entscheidet über Beherrschbarkeit
Je differenzierter die Cloud-Landschaft wird, desto stärker steigt die operative Komplexität. Public Clouds, Private Clouds, bestehende Rechenzentren, Container-Plattformen, Datenplattformen, Edge-Systeme, SaaS-Anwendungen und KI-Infrastrukturen müssen einheitlich gesteuert werden.
Amor nennt deshalb die einheitliche Steuerung unterschiedlicher Umgebungen als zentrale Frage. Unternehmen sollten daher nicht nur ihre technische Zielarchitektur betrachten, sondern insbesondere das Betriebsmodell dahinter: Governance-Regeln, Verantwortlichkeiten, Automatisierung, Sicherheitskontrollen und Transparenz über verschiedene Umgebungen hinweg. Ziel sei es, jeden Workload dort zu betreiben, wo Anforderungen an Sicherheit, Compliance, Datenhoheit, Wirtschaftlichkeit und Skalierbarkeit am besten erfüllt werden.
In der Praxis verweist das auf mehrere Handlungsfelder. Unternehmen benötigen konsistente Identitäts- und Zugriffsmodelle, einheitliches Policy-Management, automatisierte Bereitstellung, zentrale Protokollierung, Cloud-Kostenmanagement, Sicherheitsüberwachung und klare Verantwortlichkeiten zwischen Infrastruktur-, Security-, Daten- und Anwendungsteams. FinOps, Cloud Center of Excellence, Plattformteams und Security-Governance wachsen dadurch enger zusammen.
Die Cloud-Frage wird zur Enterprise-Portfoliofrage
Die nächste Phase der Cloud-Nutzung wird weniger durch Migrationsrhetorik geprägt sein als durch operative Steuerung. Unternehmen stehen vor der Aufgabe, Public Cloud, Private Cloud, isolierte Umgebungen, On-Premises-Systeme und Edge-Infrastrukturen so zu kombinieren, dass sie Innovation ermöglichen, ohne Kontrolle zu verlieren.
Für CIOs, CISOs und Enterprise-Architekten ergibt sich daraus eine klare Konsequenz: Cloud-Strategie ist keine einmalige Richtungsentscheidung mehr. Sie ist ein kontinuierlicher Abgleich zwischen Workload, Daten, Risiko, Kosten, Governance und Geschäftsziel. KI verschärft diesen Abgleich, weil sie Datenzugriffe, Rechenbedarf und Automatisierung enger miteinander verbindet.
Amors fünf Fragen zeigen damit weniger ein neues Cloud-Modell als einen veränderten Entscheidungsrahmen. Es geht nicht darum zwischen Public, Private oder isoliert wählen. Unternehmen müssen die Fähigkeit entwickeln, diese Modelle kontrolliert nebeneinander zu betreiben. Der strategische Vorteil liegt in der präzisen Platzierung von Workloads.
