Arne Benox, Director Enterprise Sales DACH, Digital Realty Switzerland

Die Finanzbranche steht vor einer tiefgreifenden Transformation, angetrieben durch KI und die Notwendigkeit, kritische Daten zu schützen. KI ist heute ein unverzichtbares Werkzeug – etwa bei der Betrugserkennung, Risikobewertung oder Optimierung von Handelsalgorithmen. Es ist ein permanentes Abwägen von Chancen und Risiken unter Berücksichtigung verschiedenster Reglementarien und Auflagen, die den Einsatz attraktiv, teils auch notwendig machen. Die Technologie selbst entwickelt sich gleichzeitig in unfassbarer Geschwindigkeit weiter, erfordert aber auch immer höhere Rechenleistung und damit Energiebedarf. Besonders Deep Learning und Machine Learning benötigen enorme Rechenleistung, und dafür sind Rechenzentren unerlässlich. Sie sind die unsichtbaren, aber entscheidenden Treiber der KI-Zukunft im Finanzsektor.

Infrastruktur als strategischer Erfolgsfaktor

KI-Anwendungen, die etwa Echtzeit-Marktdaten analysieren, sind auf schnelle, sichere Verbindungen zwischen Rechenzentren, Clouds und Handelspartnern angewiesen. In dieser hochvernetzten Welt ermöglichen global angebundene Rechenzentren mit direktem Zugang zu führenden Cloud-Anbietern wie AWS oder Microsoft Azure latenzarme Verbindungen. Darüber hinaus bieten High-Density-Colocation-Lösungen (etwa mit bis zu 150 kW pro Rack) die nötige Flexibilität für anspruchsvolle KI-Workloads.

Energieeffizienz und Nachhaltigkeit rücken in den Fokus

Diese hohe Leistungsdichte bringt neue Herausforderungen in Bezug auf Energieeffizienz und Kühlung mit sich. KI-Workloads erzeugen grosse Mengen an Wärme, weshalb moderne Kühlsysteme wie Direct Liquid Cooling (DLC) gefragt sind. Gleichzeitig rückt Nachhaltigkeit stärker in den Fokus – nicht nur zur Reduktion der Umweltbelastung, sondern auch zur Einhaltung regulatorischer Vorgaben in der Finanzbranche.

Private AI on Premise oder Public AI?

Die Wahl zwischen Private AI On Premise und Public AI ist ein entscheidender Baustein moderner Infrastrukturstrategien. Die Antwort hängt stark von Sicherheits-, Kontroll- und Skalierbarkeitsanforderungen ab. Gerade in stark regulierten Märkten wie Österreich bevorzugen viele Finanzinstitute Private AI on Premise, um die Kontrolle über ihre Daten zu behalten. Sensible Daten sind in einem privaten Umfeld besser vor Cyberangriffen geschützt, und mit On-Premise-Lösungen kann die Latenz besser gesteuert werden – ein wichtiger Faktor bei Echtzeitanwendungen wie algorithmischem Handel.

Public AI, wie etwa über Google Cloud oder AWS, bietet hingegen hohe Skalierbarkeit und Zugang zu den neuesten KI-Modellen ohne grosse Vorabinvestitionen. Die Herausforderung liegt hier jedoch in der Einhaltung strenger Datenschutzbestimmungen, insbesondere bei der internationalen Datenverarbeitung. Viele Finanzunternehmen setzten deshalb auf hybride Strategien, die die Sicherheit privater Infrastrukturen mit der Flexibilität der Cloud kombinieren.

Schutz für die Ära der Quantencomputer

Doch selbst die beste Infrastruktur reicht nicht aus, wenn zukünftige Bedrohungen nicht bedacht werden. Eine besonders ernstzunehmende Gefahr ist das Szenario „Harvest Now – Decrypt Later“. Angreifer sammeln verschlüsselte Daten, um sie künftig mit Quantencomputern zu entschlüsseln. Da Finanzdaten oft jahrzehntelang sicherheitskritisch bleiben, ist der Schutz vor solchen Szenarien entscheidend.
Hier bietet das SCION-Protokoll (Scalability, Control, and Isolation On Next-Generation Networks) einen zukunftssicheren Ansatz. SCION ermöglicht die gezielte Steuerung von Datenpfaden und umgehen gezielt unsichere Netzwerke. Auch unterstützt SCION post-quantum-sichere kryptografische Algorithmen, mit denen Daten auch in einer Ära von Quantencomputern geschützt bleiben.

Finanzwelt von morgen: KI, Sicherheit und das Rückgrat der Rechenzentren