KKC_0164 | Hybrid Cloud für sensible KI-Daten: No Excuses

Sie möchten KI nutzen, aber Ihre Daten sind sensibel, reguliert oder geschäftskritisch. Genau hier scheitern viele Vorhaben nicht an der Modellqualität, sondern an Architekturentscheidungen, die Datenschutz, Security und Betrieb gegeneinander ausspielen. In diesem Seminar bauen Sie Schritt für Schritt eine Hybrid-Cloud-Strategie auf, die KI-Workloads ermöglicht, ohne Datenhoheit zu verlieren. Sie starten mit einer sauberen Workload- und Datenklassifizierung: Welche Daten dürfen in welche Zonen, welche Verarbeitung ist erlaubt und welche Nachweise brauchen Sie später im Audit?

Darauf aufbauend wählen Sie passende Betriebsmodelle und klären die Shared Responsibility zwischen Cloud-Anbieter und eigener Organisation. Ein Schwerpunkt liegt auf Schutzmechanismen entlang der KI-Pipeline: Verschlüsselung at rest und in transit, Optionen für Verschlüsselung in use (TEEs), sowie Key Management mit KMS, HSM, BYOK und HYOK. Sie lernen, wann Tokenisierung, Pseudonymisierung oder Data Masking sinnvoll sind und wie Sie Secrets und Zugriffstoken sicher handhaben. Damit das Ganze nicht nur technisch, sondern auch organisatorisch trägt, entwickeln Sie ein IAM- und Zero-Trust-Design mit Rollen, Least Privilege, JIT-Zugriff und Federation/SSO zwischen On-Prem und Cloud.

Ergänzend behandeln Sie Netzwerkarchitektur mit Private Connectivity, Segmentierung, Egress-Kontrollen und Landing Zones. Zum Abschluss übersetzen Sie KI-spezifische Risiken wie Prompt Injection, Data Poisoning und Model Exfiltration in konkrete Controls, Logging- und Monitoring-Anforderungen, die Sie im Betrieb und im Audit vertreten können.

• Sie klassifizieren Workloads und Daten nach Schutzbedarf, erlaubter Verarbeitung und Audit-Anforderungen.
• Sie wählen passende Betriebsmodelle und klären Shared Responsibility zwischen Cloud-Anbieter und Organisation.
• Sie planen Schutzmechanismen wie Verschlüsselung at rest, in transit und in use.
• Sie bewerten KMS, HSM, BYOK, HYOK, Tokenisierung, Pseudonymisierung und Data Masking.
• Sie entwickeln IAM- und Zero-Trust-Designs mit Least Privilege, JIT-Zugriff und Federation.
• Sie gestalten Netzwerkarchitektur mit Private Connectivity, Segmentierung, Egress-Kontrollen und Landing Zones.
• Sie übersetzen KI-Risiken wie Prompt Injection, Data Poisoning und Model Exfiltration in konkrete Controls.

Das Seminar richtet sich an IT-Architektinnen und IT-Architekten, Cloud- und Security-Verantwortliche, Datenschutz- und Compliance-Teams sowie Entscheider/innen, die KI-Workloads mit sensiblen Daten in Hybrid-Cloud-Szenarien sicher gestalten möchten.

• Grundverständnis von Cloud-Konzepten (IAM, Netzwerk, Storage) und On-Prem-Umgebungen.
• Hilfreich sind erste Berührungspunkte mit Datenpipelines oder ML-Workloads.

• Hybrid-Cloud-Entscheidungen, die wirklich tragen
  • Workload- und Datenklassifizierung für KI
  • Shared Responsibility und Betriebsmodelle
  • Build vs. Buy: Managed Services vs. Eigenbetrieb
• Datenhoheit und Schutz für KI-Pipelines
  • Verschlüsselung: at rest, in transit, in use (TEEs)
  • Key Management: KMS, HSM, BYOK, HYOK
  • Tokenisierung, Pseudonymisierung, Data Masking
  • Secrets, Zugriffstoken und sichere Konfiguration
• Identitäten, Zugriffe und Zero Trust
  • IAM-Design: Rollen, Least Privilege, JIT-Zugriff
  • Federation und SSO zwischen On-Prem und Cloud
  • Policy-as-Code für reproduzierbare Controls
• Governance, Compliance und Auditierbarkeit
  • DSGVO, ISO 27001, BSI-Grundschutz: was du wirklich nachweisen musst
  • Logging, Monitoring, SIEM-Integration
  • Data Lineage und Nachvollziehbarkeit für KI-Daten
• Netzwerk und Segmentierung für sensible Daten
  • Private Connectivity, VPN, Direct Connect/ExpressRoute
  • Micro-Segmentation und Egress-Kontrollen
  • Secure Data Zones und Landing Zones
• KI-spezifische Risiken in der Hybrid Cloud
  • Prompt Injection, Data Poisoning, Model Exfiltration
  • Umgang mit Trainingsdaten, Feature Stores, Vektordatenbanken
  • Freigabeprozesse für Modelle und Datenprodukte