Zwischen Hyperscaler und Heimatmarkt

Roger, für alle, die dich noch nicht kennen: Wer bist du und womit beschäftigst du dich heute ganz konkret rund um Digitalisierung und KI?

Roger Basler de Roca: Ich bin seit knapp 30 Jahren in der IT unterwegs und habe meine Karriere bei IBM begonnen, was mich geprägt hat, weil Technologie dort immer als Zusammenspiel von Menschen, Prozessen und Organisationen verstanden wurde. Heute führe ich eine Agentur in der Schweiz, arbeite international und begleite Unternehmen in der digitalen Transformation mit einem Schwerpunkt auf KI, Daten und souveränen Lösungen aus Europa. Parallel halte ich Vorträge, schreibe Newsletter und Blogs und produziere Content, um Menschen in dieser digitalen Renaissance abzuholen und zu befähigen.

Digitale Souveränität als strategische Zukunftsfrage

Wie definierst du als Digitalarchitekt und KI-Experte die Begriffe «Sovereign Cloud» und «Souveräne KI»? Was unterscheidet eine solche Infrastruktur grundsätzlich von klassischen Hyperscaler-Clouds?

Souveräne Cloud und souveräne KI bedeuten für mich, dass Unternehmen die Hoheit über ihre Daten, Systeme und Wertschöpfung behalten – technologisch, rechtlich und geopolitisch. Klassische Hyperscaler wie AWS oder Microsoft liefern zwar Performance und Bequemlichkeit, erzeugen aber starke Abhängigkeiten, verlagern Wertschöpfung ins Ausland und machen Unternehmen anfälliger für Ausfälle oder politische Rahmenbedingungen ausserhalb Europas.

Souveräne Lösungen setzen dagegen auf Infrastrukturen, Modelle und Dienste, die in Europa betrieben werden, europäischem Recht unterliegen und sich im Zweifel auch migrieren lassen, ohne dass alles an einem US-Anbieter hängt.

Wenn du auf die letzten zwei bis drei Jahre zurückschaust: Wie hat sich die Landschaft rund um Cloud-Souveränität und KI in Europa verändert?

Das Bewusstsein ist klar gewachsen: Es gibt deutlich mehr Diskussionen und Initiativen zu Souveränität, etwa GAIA-X, OpenGPT-X oder europäische Rechenzentrums- und LLM-Projekte. Wir sehen Lösungen aus Europa – von Modellen wie Mistral über europäische Cloud-Anbieter bis hin zu lokalen KI-Plattformen –, aber es fehlt oft noch der grosse Wurf, also das mutige, koordinierte Investment in Infrastruktur, Chips, Modelle und Ökosysteme, wie wir es aus den USA oder China kennen. Europa könnte hier deutlich offensiver auftreten, die Grundlagen sind da.

Kompetenzen, Daten und KI erfolgreich entwickeln

Du hast in Asien, Nordamerika und Europa gelebt und gearbeitet. Welche kulturellen Unterschiede siehst du im Umgang mit Digitalisierung und KI und was kann Europa daraus lernen?

In vielen asiatischen Ländern gibt es einen starken staatlichen Gestaltungswillen: Wenn entschieden wird, dass eine digitale Initiative das ganze Land voranbringen soll, wird sie konsequent umgesetzt. In den USA übernimmt häufig die Wirtschaft diese Rolle. Grosse Corporations agieren de facto wie politische Akteure und denken in globalen Plattformen. Europa hat mit Basisdemokratie und Mitbestimmung eine grosse Stärke, aber genau diese Prozesse verlangsamen Entscheidungen und verhindern manchmal, dass wir in grossen, gemeinsamen digitalen Projekten denken. Lernen könnten wir, ambitionierte, übergreifende Zielbilder zu formulieren und sie dann mit der notwendigen Konsequenz umzusetzen.

Du begleitest viele Unternehmen in Workshops und Weiterbildungsprogrammen. Welche Fähigkeiten brauchen Menschen und Organisationen heute, um souverän mit KI zu arbeiten? Wo siehst du die grössten Lücken?

Die grösste Lücke liegt weniger bei einzelnen Tools, sondern beim digitalen Grundverständnis: Was bedeuten Datenqualität, Datenflüsse, Prozessautomatisierung und Governance für mein Geschäftsmodell? Viele Unternehmen investieren in einzelne Schulungstage, aber es fehlen langfristige Programme, interne Champions oder AI-/Future-Ambassadors, die das Thema über Monate und Jahre treiben. Kompetenz heisst heute, Daten, Prozesse und Geschäftsziele so zu verstehen, dass KI nicht als Gimmick, sondern als strategisches Werkzeug eingesetzt wird. Genau dort sind viele erst am Anfang.

Wie hat sich das Mindset gegenüber KI in Unternehmen in den letzten zwei Jahren verändert? Welche Missverständnisse begegnen dir am häufigsten?

KI ist in aller Munde, aber in vielen Unternehmen existiert sie eher als Buzzword denn als durchdachtes Programm. Man führt schnell Chatbots oder Copilot ein, ohne eine übergreifende Digitalisierungsstrategie, klare Ziele oder ein Verständnis für Daten und Prozessabhängigkeiten.

Ein häufiges Missverständnis ist, dass eine «KI-Strategie» losgelöst von Datenstrategie, Cloud-Architektur und Organisationsentwicklung funktionieren könne. In Wahrheit gehört das untrennbar zusammen.

Du sprichst oft von Daten als «Schmiermittel» für KI. Warum sind Datenqualität und Datenmanagement  so zentral?

Schlechte Daten führen zu schlechten Entscheidungen, egal wie «smart» das Modell ist. Das gilt für klassische Machine-Learning-Modelle genauso wie für LLM-basierte Systeme. Ohne saubere, aktuelle, gut strukturierte Daten liefern sie maximal schöne Antworten, aber keine belastbare Grundlage für Geschäftsprozesse. Besonders bei sensiblen Daten, wie etwa Kunden-, Finanz- oder Produktionsdaten, entscheiden Datenmodell, Zugriffsrechte, Integrationen und Qualität darüber, ob KI ein echter Hebel oder ein Risiko ist.

Von der KI-Strategie zu agentischen Systemen

Wenn Unternehmen KI einführen: Wo scheitern sie weniger an der Technologie, sondern an Kultur, Kommunikation und Führung?

Technologie ist selten das Hauptproblem. Häufig fehlt eine klare Verantwortlichkeit: IT ist operativ ausgelastet, Fachbereiche treiben Use Cases, HR kümmert sich um Weiterbildung, aber niemand übernimmt holistisch die Verantwortung für Daten, KI und Digitalisierung. Dazu kommen kulturelle Spannungen zwischen Skeptikerinnen und Skeptikern einerseits und Enthusiastinnen und Enthusiasten andererseits. Ohne moderierte Debatte über Ziele, Rollen und Grenzen entstehen Insellösungen statt tragfähiger Programme.

Agentic AI ist in aller Munde. Was verstehst du darunter und welche Anforderungen entstehen, wenn Unternehmen von klassischer KI zu agentischen Modellen übergehen wollen?

Viele verwechseln Agentic AI mit einfachen Automationen oder Custom-Chatbots. Echte agentische Systeme koordinieren mehrere Tools und Teilsysteme, um einen kompletten Prozess abzuwickeln, wie Kunden-Onboarding inklusive Datenerfassung, Stammdatenanlage, Projektanlage und Kommunikation, ohne dass ein Mensch jeden Schritt anstossen muss. Dafür brauchen Unternehmen saubere Schnittstellen, gut definierte Prozesse, klare Governance-Regeln und ein Verständnis dafür, welche Entscheidungen ein Agent autonom treffen darf und wo menschliche Kontrolle nötig bleibt.

Cloud-Souveränität als Wettbewerbsvorteil Europas

Viele Unternehmen schwanken zwischen Hyperscalern und souveränen Cloud-Lösungen. Wann ist ein Hyperscaler sinnvoll und ab wann braucht es eine souveräne Lösung?

Es gibt legitime Gründe für Hyperscaler, wie bestimmte Performance-Anforderungen, bestehende Abhängigkeiten oder globale Skalierung. Entscheidend ist, diese Wahl bewusst zu treffen und nicht aus Bequemlichkeit, weil «es alle machen». Spätestens wenn es um hochsensible Daten, kritische Infrastruktur, stark regulierte Branchen oder strategische Kernsysteme geht, lohnt sich der Blick auf souveräne Alternativen in Europa, sei es bei Cloud, LLMs oder CRM.

Welche Risiken siehst du, wenn Unternehmen sich einseitig auf internationale Public Clouds verlassen?

Die Risiken reichen von technischen Ausfällen, die Prozesse lahmlegen, über Vendor Lock-ins bis hin zu geopolitischen Abhängigkeiten und Rechtsunsicherheiten bei Datenzugriffen ausserhalb Europas. Viele Unternehmen unterschätzen, wie stark sie ihr Geschäftsmodell an die Roadmap einzelner Anbieter koppeln – inklusive Preisgestaltung, Compliance-Interpretation und Servicequalität. Wer keine Alternativen kennt oder vorbereitet, hat im Zweifel wenig Verhandlungsspielraum.

Was sind aus deiner Erfahrung die grössten Herausforderungen, wenn Unternehmen souveräne AI- oder Cloud-Lösungen implementieren wollen, und wie lassen sie sich überwinden?

Technisch geht es oft um Integration in gewachsene Landschaften und um Datenmigration. Organisatorisch geht es um Mindset und Kompetenzen, denn souveräne Lösungen sind keine «Plugand-play»-Antwort, sondern Ergebnis bewusster Architekturentscheidungen.

Finanzielle Hürden entstehen, wenn man nur auf kurzfristige Lizenzkosten schaut und nicht auf den langfristigen Wert von Souveränität, Resilienz und Datensicherheit.

Hier helfen klare Zielbilder, Total-Cost-of-Ownership (TCO)-Vergleiche und Pilotprojekte mit messbaren Ergebnissen.

Wenn du heute eine Empfehlung an Entscheider:innen in Europa geben müsstest: Welche Prinzipien sollten sie bei AI-Projekten in Bezug auf Cloud-Souveränität, Datenqualität und Verantwortung beachten?

• Erstens: Mit den eigenen Werten starten, das heisst Datensouveränität, Transparenz, Fairness, und daraus technische und organisatorische Entscheidungen ableiten.
• Zweitens: Daten- und Cloud-Architektur als strategisches Thema begreifen, nicht als rein operative IT-Frage, inklusive bewusster Entscheidung, welche Daten wo liegen dürfen.
• Drittens: Menschen befähigen mit Programmen, Champions und iterativen Projekten, statt nur einmalige Schulungen anzubieten.
• Viertens: KI-Projekte nie isoliert denken, sondern immer im Kontext von Geschäftsmodell,  Prozessen und Governance.

Werden souveräne AI-Infrastrukturen deiner Meinung nach langfristig ein echter Wettbewerbsvorteil für europäische Unternehmen und worin liegt dieser Vorteil?

Ja, davon bin ich überzeugt. Souveräne Infrastrukturen sichern Wertschöpfung, reduzieren Abhängigkeiten, stärken Vertrauen bei Kunden und Regulierung und verschaffen Spielraum bei zukünftigen technologischen und geopolitischen Entwicklungen. Jeder Klick ist eine Entscheidung: Wenn wir mit jedem Klick Budget und Daten nach Übersee verschieben, finanzieren wir die Wertschöpfung anderer. Wer bewusst auf europäische Lösungen setzt, investiert in die eigene Zukunftsfähigkeit – und in ein starkes digitales Ökosystem vor der eigenen Haustür.