LeistungenKI in Ihrer Cloud
Azure OpenAI und Amazon Bedrock: GPT und Claude für Ihre Unternehmensdaten, im eigenen Konto
Ihre Teams nutzen die stärksten kommerziellen Modelle für interne Dokumente und Vorgänge, unter den Verträgen, Sicherheitsvorgaben und der Rechnung, die Ihr Unternehmen mit Microsoft oder AWS schon hat. Wir bauen die Assistenten und Agenten in Ihrem eigenen Azure- oder AWS-Konto, wählen Bereitstellungsarten, die die Verarbeitung in der EU halten, und setzen ein Gateway mit einem Budget je Team davor. Das passt für Unternehmen, die schon auf Azure oder AWS arbeiten und schnell Ergebnisse wollen, ohne Daten an die öffentlichen APIs der Hersteller zu schicken.
Vom Cloud-Konto zum geprüften System
- 1
Zuerst die Datenregeln: welche Daten zu welchem Modell dürfen und welche Bereitstellungsarten die Verarbeitung in der EU halten.
- 2
Einrichtung in Ihrem Konto: Modellbereitstellungen, privates Netzwerk, Identitäten und Protokollierung, mit Terraform aus Ihren Repositories.
- 3
Gateway und Anwendungen: eine Schnittstelle für alle Teams mit Schlüsseln und Budgets, darauf der Assistent oder Agent.
- 4
Abnahmetest vor dem Go-live, danach Betrieb durch Ihr Team oder durch uns.
Was sich für Ihr Unternehmen ändert
Ihr Unternehmen kann GPT und Claude auf eigenen Daten nutzen, ohne einen neuen Anbietervertrag: Anfragen laufen über Ihr bestehendes Azure- oder AWS-Konto, können auf privaten Netzwegen bleiben und erscheinen auf der Rechnung, die Sie schon bekommen. Die Teams bekommen einen freigegebenen Weg zu den Modellen, und niemand braucht ein privates Konto, um seine Arbeit zu erledigen.
Wo Anbieter und Verarbeitungsort für Ihre Kunden oder Ihren Datenschutzbeauftragten zählen, können Sie zeigen, wohin jede Anfrage geht. In einer 2026 veröffentlichten Bitkom-Studie gaben 93 % der Unternehmen an, deutsche KI-Anbieter zu bevorzugen, und 88 % nannten das Herkunftsland des Anbieters wichtig. Eine EU-Bereitstellung im eigenen Konto beantwortet einen Teil dieser Frage. Wo das nicht reicht, schickt dasselbe Gateway sensible Aufgaben an Modelle auf Ihren eigenen Servern.
- Kommerzielle Modelle für interne Dokumente und Vorgänge, unter Verträgen, die Sie schon verwalten.
- Verarbeitung in der EU, an einer Stelle für alle Teams durchgesetzt.
- Ein Schlüssel und ein Budget je Team, mit Ausgaben je Team und Anwendung ausgewiesen.
- Keine Abhängigkeit von einem Anbieter: Azure, AWS und eigene Modelle hinter einer Schnittstelle, wechselbar je Aufgabe.
Warum das eigene Cloud-Konto
Wenn Modelle über Ihr eigenes Azure- oder AWS-Konto laufen, bleiben sie unter Verträgen, Auftragsverarbeitungsverträgen, Identitäten, Netzwerk und Abrechnung, die Sie schon verwalten. Anfragen können auf privaten Netzwegen bleiben, Zugriffe folgen Ihren bestehenden Rollen, und die Kosten erscheinen auf derselben Rechnung wie der Rest Ihrer Infrastruktur.
Verarbeitung in der EU halten
Wo eine Anfrage verarbeitet wird, hängt von der gewählten Bereitstellungsart ab, nicht nur von der Region. Bei Azure kann eine globale Bereitstellung Anfragen außerhalb der gewählten Region verarbeiten, während eine Bereitstellung in der EU-Datenzone die Verarbeitung in der EU hält. Bei Amazon Bedrock laufen Anfragen in der aufgerufenen Region oder, mit einem EU-Profil für regionsübergreifende Inferenz, über EU-Regionen verteilt. Ein globales Inferenzprofil kann Anfragen weltweit leiten. Welche Modelle in welcher Bereitstellungsart verfügbar sind, ändert sich oft, deshalb prüfen wir die aktuellen Listen für die Modelle, die Sie brauchen.
Was eine EU-Region nicht klärt
Datenstandort und Rechtsordnung sind verschiedene Fragen. Microsoft und Amazon sind US-Unternehmen, und eine EU-Region schließt den Zugriff von US-Recht wie dem CLOUD Act nicht von selbst aus. Für viele Unternehmen reichen Verträge, Verschlüsselung und Verarbeitung in der EU. Wo nicht, sind eigene Server oder ein EU-Anbieter die Antwort, und dafür gibt es unsere On-Premise-KI. Das ist keine Rechtsberatung: Die Entscheidung treffen Sie, beraten von Ihrem Datenschutzbeauftragten und Ihren Juristen.
Training, Aufbewahrung und Missbrauchsüberwachung
Beide Anbieter erklären, dass Prompts und Antworten in diesen Diensten nicht zum Training der Modelle genutzt und nicht an die Modellhersteller weitergegeben werden. Azure betreibt eine Missbrauchsüberwachung, bei der Daten begrenzte Zeit aufbewahrt werden können, und bietet ein Antragsverfahren, um das zu ändern. Die aktuellen Bedingungen gehen wir mit Ihrem Datenschutzbeauftragten durch, weil sie sich ändern, und halten das Ergebnis in der Systemdokumentation fest.
Ein Gateway für Azure, AWS und eigene Modelle
Ein LiteLLM-Gateway vor allen Bereitstellungen gibt jedem Team eine Schnittstelle, mit Schlüsseln, Budgets und Protokollen je Team. Seine Modellliste kann nur EU-Bereitstellungen enthalten, ohne Ausweichen auf globale, sodass die Routing-Regel an einer Stelle durchgesetzt wird statt in jeder Anwendung. Modelle, die Sie selbst mit vLLM betreiben, können hinter demselben Gateway stehen.
Vor dem Go-live geprüft, danach gepflegt
Anbieter nehmen Modellversionen nach eigenem Plan außer Betrieb und veröffentlichen neue. Wir prüfen das System vor dem Go-live gegen vereinbarte Abnahmekriterien und führen dieselben Tests vor jedem Wechsel der Modellversion aus, damit ein Anbieter-Update nicht unbemerkt ändert, wie Ihr Assistent antwortet.
Fragen
Können wir auf diesem Weg vertrauliche Daten an GPT oder Claude geben?
Technisch bleiben Anfragen in Ihrem eigenen Konto, können auf privaten Netzwegen laufen und werden mit der passenden Bereitstellungsart in der EU verarbeitet. Beide Anbieter erklären, dass Prompts nicht zum Training genutzt werden. Ob das für eine bestimmte Art von Daten reicht, etwa Personalakten, entscheiden Sie mit Ihrem Datenschutzbeauftragten. Wo nicht, schickt das Gateway diese Daten an Modelle auf Ihren eigenen Servern. Das ist keine Rechtsberatung.
Wovon hängen die Kosten ab?
Vor allem von der Zahl der Anfragen, der Länge von Dokumenten und Antworten und davon, welches Modell welche Aufgabe übernimmt. Die Modellnutzung rechnen Microsoft oder AWS über Ihre eigene Rechnung ab. Unsere Arbeit bekommt einen Festpreis je Schritt, schriftlich vereinbart nach dem Erstgespräch, und das Gateway zeigt die Kosten je Team, sodass Sie früh sehen, wo Ausgaben wachsen.
Binden wir uns damit an Microsoft oder AWS?
Weniger als bei einer direkten Anbindung. Anwendungen sprechen mit dem Gateway, nicht mit dem Anbieter, deshalb kann eine Aufgabe zu einem anderen Anbieter oder auf Ihre eigenen Server umziehen, sobald dieselben Tests bestanden sind.
Bleiben unsere Daten mit Azure OpenAI in der EU?
Das hängt von der Bereitstellungsart ab. Eine globale Bereitstellung kann Anfragen außerhalb der gewählten Region verarbeiten, eine Bereitstellung in der EU-Datenzone hält die Verarbeitung in der EU. Wir richten Bereitstellungsarten und Gateway so ein, dass Teams nicht versehentlich eine globale wählen.
Werden unsere Prompts zum Training genutzt?
Microsoft und AWS erklären beide, dass Prompts und Antworten in Azure OpenAI und Amazon Bedrock nicht zum Training der Modelle genutzt und nicht mit den Modellherstellern geteilt werden. Die aktuellen Bedingungen prüfen wir mit Ihrem Datenschutzbeauftragten.
Schützt eine EU-Region vor dem US CLOUD Act?
Nicht von selbst. Eine EU-Region entscheidet, wo Daten verarbeitet werden, nicht, welches Recht für den Anbieter gilt. Wenn das eine harte Anforderung ist, sind eigene Server oder ein EU-Anbieter die Antwort. Das ist keine Rechtsberatung.
Azure OpenAI oder Amazon Bedrock?
Meist entscheiden die Modelle, die Sie brauchen, und die Cloud, die Ihr Unternehmen schon nutzt. Mit einem Gateway davor können Sie beide nutzen und je Aufgabe wechseln, ohne Ihre Anwendungen zu ändern.
Können wir Cloud-Modelle mit Modellen auf eigenen Servern kombinieren?
Ja. Das Gateway kann sensible Aufgaben an selbst betriebene Modelle schicken und den Rest an Azure oder AWS, mit einer Regel, die an einer Stelle durchgesetzt wird.
Wer betreibt es nach dem Go-live?
Ihr Team, mit dem Terraform-Code, den Runbooks und der Schulung, die wir übergeben, oder wir mit einem monatlichen Betreuungsvertrag und einem festen Ansprechpartner.
Verwandte Leistungen
On-Premise-KI
KI für Angebote, Verträge und Kundenakten, und die Daten bleiben im Unternehmen: eigene Server oder eigenes Cloud-Konto, vor dem Go-live geprüft.
KI-Plattform für alle Teams
Ein freigegebener Zugang zu KI für jedes Team, mit Budgets, Protokollen und freier Modellwahl, betrieben auf Ihren Servern oder in Ihrer Cloud.
LiteLLM-Gateway
Budgets und Zugriffsregeln für die KI-Nutzung jedes Teams, über ein LiteLLM-Gateway, das abgesichert, an Ihren Identitätsanbieter angebunden und aktuell gehalten ist.
vLLM auf Kubernetes
Open-Weight-Modelle auf Ihren eigenen GPUs, damit Daten im Haus bleiben und Kosten geplanter Kapazität folgen, nach gemessener Last dimensioniert.
Datenintegration für KI
Antworten aus Dateiablagen, SharePoint, ERP und Tickets in Sekunden, für Assistenten und Agenten, mit übernommenen Berechtigungen und Tests.
KI-Agenten und Prozessautomatisierung
Agenten, die die Routineschritte komplexer Fälle übernehmen und Entscheidungen an Menschen weitergeben, mit ausgewiesenen Kosten pro bearbeitetem Fall.
Qualitätssicherung für KI-Systeme
Vor dem Go-live zeigen Abnahmetests auf Ihren eigenen Fällen, wie oft Chatbot, Assistent oder Agent richtig liegen, in den Begriffen, die Ihr QA-Team kennt.
Aus dem Blog
Azure OpenAI und Bedrock: Daten in der EU
Welche Deployment-Typen von Azure OpenAI und welche Inference Profiles von Amazon Bedrock Modellanfragen in der EU halten, wer Prompts trotzdem sehen kann und wie ein Gateway alle Teams auf EU-Endpunkte festlegt. Am CLOUD Act ändert eine EU-Region nichts.
Was ein LLM-Gateway leistet
Was ein LLM-Gateway (auch AI Gateway oder LLM-Proxy genannt) Ihren Anwendungen abnimmt und was beim Rest der Plattform bleibt, dazu die wichtigsten Optionen im Vergleich, Stand 7. November 2026.
Failover zwischen Modellanbietern
Wie Sie bei einem Ausfall auf ein anderes Modell umschalten, ohne still Qualität, Berechtigungen oder Datenbedingungen zu ändern: ein Ausweichvertrag, Auslöser, Äquivalenztests und Rückkehr.
Selbst betreiben oder Managed API
Wie Sie entscheiden, ob eine KI-Anwendung auf eigener Infrastruktur laufen oder auf einem gemanagten Modell-Endpunkt bleiben sollte, anhand von Zugriffsanforderungen, Betriebskapazität und gemessenen Kosten.
Mit einem Engineer sprechen
Bringen Sie einen Prozess mit, bei dem GPT oder Claude helfen sollen, und sagen Sie uns, welche Cloud Ihr Unternehmen nutzt. Das Gespräch dauert 30 Minuten und braucht keinen Zugriff auf Ihre Systeme oder Daten.
Die Buchung läuft über Google Kalender.
Lieber zuerst schreiben? Hinterlassen Sie Ihre E-Mail-Adresse und ein paar Zeilen, dann antworten wir mit Terminvorschlägen.
Sehen Sie in Ihrem E-Mail-Programm nach dem Entwurf
Senden Sie ihn von dort ab, und ein Engineer antwortet Ihnen persönlich mit Terminvorschlägen für ein 30-minütiges Gespräch. Hat sich kein Entwurf geöffnet, schreiben Sie uns an miki@cloudsail.com.