Sie haben eine Ausschreibung gewonnen und sollen in einem Jahr eine Plattform für Gesundheitsdaten aufbauen. Seit 15 Jahren betreiben Sie Ihre Infrastruktur selbst. Eine Cloud kam damals nicht infrage, zu viele offene Fragen bei Datenschutz, Sicherheit und Datenhoheit. Jetzt soll die Plattform skalieren und KI nutzen. Dafür brauchen Sie GPU-Leistung, die sich kaum sinnvoll selbst vorhalten lässt. Also doch Cloud?
Die Diskussion ist nicht neu. Cloud-Infrastruktur bietet Skalierbarkeit und Rechenleistung, im Gesundheitswesen stehen dem besondere Anforderungen an Datenschutz, Informationssicherheit und Datenhoheit gegenüber. In den vergangenen Jahren haben sich jedoch der rechtliche Rahmen und die technischen Möglichkeiten verändert. Vier Entwicklungen möchten wir beleuchten.
1. Der rechtliche Rahmen ist klarer geworden
Mit dem Digitalgesetz von 2024 wurde der Cloud-Einsatz im Gesundheitswesen erstmals ausdrücklich im Sozialgesetzbuch geregelt. § 393 SGB V erlaubt Leistungserbringern, Kranken- und Pflegekassen sowie deren Auftragsverarbeitern die Verarbeitung von Gesundheits- und Sozialdaten über Cloud-Dienste, wenn bestimmte Voraussetzungen erfüllt sind. Dazu gehören die Verarbeitung im Inland, in der EU oder in bestimmten weiteren Staaten sowie angemessene technische und organisatorische Maßnahmen.
Für den eingesetzten Dienst muss außerdem ein aktuelles BSI-C5-Testat vorliegen, seit dem 1. Juli 2025 grundsätzlich vom Typ 2, das die Wirksamkeit der Sicherheitsmaßnahmen über einen Zeitraum nachweist und nicht nur zu einem Stichtag.
2. Europäische Cloud-Anbieter haben aufgeholt
Kaum ein Begriff ist derzeit so beliebt wie digitale Souveränität. Er steht auf jeder Konferenzfolie. Dahinter steckt aber eine ziemlich konkrete Frage: Wer kann eigentlich auf die Daten zugreifen?
Der Serverstandort allein beantwortet sie nicht. Ein Rechenzentrum in Frankfurt hilft wenig, wenn der Anbieter über seine US-Mutter dem CLOUD Act oder Section 702 des FISA unterliegt.
Genau hier hat sich in den vergangenen Jahren einiges getan. Die europäischen Anbieter haben aufgeholt. Sie sind noch nicht in jeder Hinsicht auf dem Niveau der großen US-Hyperscaler, bieten inzwischen aber leistungsfähige Infrastruktur auch für anspruchsvolle Anwendungen. Unter den deutschen Anbietern sind beispielsweise Open Telekom Cloud, STACKIT und Hetzner nach C5 Typ 2 testiert. Welche europäischen Anbieter aktuell testiert sind, führen wir in einer laufend gepflegten Übersicht.
3. KI entwickelt sich schneller als die eigene Hardware
Kleinere und mittelgroße Open-Weight-Modelle lassen sich inzwischen durchaus selbst betreiben. Der Schritt vom Pilotprojekt zum Betrieb mit mehreren hundert oder tausend Nutzern wird aber leicht unterschätzt: Viele gleichzeitige Anfragen erfordern ein Vielfaches an GPU-Kapazität. Dazu kommen die Erwartungen der Nutzer. Die Modellleistung wächst weiterhin primär mit Modellgröße und Rechenaufwand (Scaling Laws), und wer aus dem Alltag die führenden Chat-Modelle kennt, ist schnell frustriert, wenn das interne Werkzeug spürbar schwächer antwortet. Konkurrenzfähige Open-Weight-Modelle wie Kimi K3, DeepSeek V4 und GLM 5.3 brauchen für den Betrieb Server mit mehreren High-End-GPUs. Solche Hardware lässt sich kaum sinnvoll selbst vorhalten.
Die Cloud spielt hier ihre Stärke aus. GPU-Kapazität lässt sich mieten und an den tatsächlichen Bedarf anpassen, inzwischen auch bei europäischen Anbietern. Oder man betreibt die Modelle gar nicht selbst und nutzt sie über eine API. Liegt der Endpunkt in der EU und ist vertraglich ausgeschlossen, dass Eingaben zum Training verwendet werden, kommt das grundsätzlich auch für Gesundheitsdaten in Frage. Ein API-Endpunkt ist ein Cloud-Dienst wie jeder andere: Die Anforderungen aus § 393 SGB V gelten auch hier. Welche Anbieter EU-Endpunkte bieten und was sie zusagen, zeigt unsere Übersicht von LLM-APIs mit EU-Endpunkt.
Dabei hilft eine technische Eigenschaft der Inferenz: Sie braucht keine dauerhafte Speicherung. Ein- und Ausgaben können ausschließlich im Arbeitsspeicher verarbeitet und nach der Antwort verworfen werden. Verzichtet der Anbieter vertraglich auf Protokollierung und Speicherung (Zero Data Retention), entsteht erst gar kein Datenbestand, der später herausgegeben werden könnte, etwa auf Grundlage des CLOUD Act. Das ersetzt die sorgfältige Auswahl des Anbieters nicht, senkt das Risiko aber deutlich.
4. Die Einstiegshürde ist gesunken
Ein oft unterschätztes Argument gegen die Cloud war lange die Lernkurve. Jeder Anbieter bringt eine eigene Welt mit: Konsolen mit hunderten Diensten, eigene Begriffe, eigene Konzepte für Netzwerke, Berechtigungen und Verschlüsselung. Wer umsteigen wollte, war auf Dokumentation, Foren und Ausprobieren angewiesen.
Mit KI-Assistenten hat sich das grundlegend verändert. Sie führen durch jede Einstellung, erklären Best Practices und ordnen ein, welche Option zum eigenen Fall passt. Gut aufgesetzte KI-Agenten gehen einen Schritt weiter: Über Infrastructure as Code setzen sie Server, Netzwerke, Berechtigungen und Sicherheitsregeln direkt um. Jede Änderung liegt als Code vor und ist prüfbar, nachvollziehbar und wiederholbar. Mit den richtigen Leitplanken, etwa automatischen Prüfungen und Freigaben vor jeder Änderung, ist das sicherer als händische Konfiguration in der Konsole, in die sich leicht Fehler einschleichen.
Das bedeutet nicht, dass Infrastruktur plötzlich einfach geworden ist. Gerade im Gesundheitswesen bleiben Netzwerkarchitektur, Identitätsmanagement, Verschlüsselung, Backup, Notfallkonzepte und Compliance anspruchsvoll. Aber die Hürde, sich eine neue Umgebung zu erschließen und sicher aufzubauen, ist für ein kleines Team deutlich niedriger geworden.
Also doch Cloud?
Nicht unbedingt. Eigene Infrastruktur kann weiterhin sinnvoll sein. Bei sehr großen, dauerhaft laufenden Workloads ist sie mitunter wirtschaftlicher, und enge Abhängigkeiten zu bestehenden Systemen oder besondere Anforderungen an Kontrolle und Verfügbarkeit können für den Eigenbetrieb sprechen.
Für neue Plattformen ist die Cloud aber heute eine deutlich realistischere Option als noch vor einigen Jahren. Der rechtliche Rahmen ist konkreter, der Markt bietet mehr Auswahl, KI erhöht den Bedarf an flexibel verfügbarer Rechenleistung und senkt zugleich die Einstiegshürde.