Digitale Souveränität sichern: Große Sprachmodelle in der Bundesverwaltung

Künstliche Intelligenz als Basis

Große Sprachmodelle können Texte verstehen und erzeugen, Wissen zugänglich machen und vielfältige Aufgaben unterstützen – von der Recherche über Entwurfsarbeiten bis hin zur Bürgerkommunikation. Leistungsfähige moderne LLM brauchen riesige Datenmengen, teure Hardware und viel Energie. Ressourcen, die heute vor allem von wenigen großen, meist nicht-europäischen Anbietern aufgebracht werden können. Für den Staat ist deshalb entscheidend, diese Technologie gezielt einzusetzen und zugleich Handlungsfähigkeit, Transparenz und Kontrolle zu sichern.

Digitale Souveränität verstehen

Digitale Souveränität bedeutet, dass Deutschland zusammen mit Europa zentrale digitale Infrastrukturen, Daten und Schlüsseltechnologien eigenständig, sicher und nach eigenen Regeln gestalten und betreiben kann. Die Digitalpolitik des Bundes zielt deshalb darauf ab, Abhängigkeiten von Anbietern aus Drittstaaten zu verringern, europäische Schlüsseltechnologien wie KI und Cloud gezielt zu fördern und dabei auf offene Standards, interoperable Cloud-Infrastrukturen und einen stärkeren Einsatz von Open Source zu setzen.

KI digital souverän einsetzen.

Die Studie „Digitale Souveränität und große Sprachmodelle in der Bundesverwaltung“ des Kompetenzzentrums Öffentliche IT (Fraunhofer FOKUS) untersucht, wie souverän die Bundesverwaltung heute im Bereich der LLM-basierten Systeme ist. Sie analysiert dazu KI-Lösungen der Bundesbehörden entlang dreier strategischer Ziele: Wechselmöglichkeit (Alternative Lösungen und Austauschbarkeit von Systemen), Gestaltungsfähigkeit (eigene technische und organisatorische Kompetenz) und Einfluss auf Anbieter (Markt- und Verhandlungsmacht).

Die zentralen Ergebnisse der Studie sind:

• Eigenentwicklungen reduzieren Abhängigkeiten: Für viele typische LLM-Anwendungsfälle in der Bundesverwaltung existieren heute bereits Lösungen, die zum überwiegenden Teil eigenentwickelt sind, sodass nicht zwingend auf Produkte großer, nicht-europäischer Konzerne zurückgegriffen werden muss.
• Derzeit überschaubare Risiken: Die Ergebnisse der Studie zeigen, dass die LLM-Anwendungen aktuell vor allem der Arbeitsunterstützung von Beschäftigten dienen; nach Einschätzung der Autoren würde ein Ausfall die staatliche Handlungsfähigkeit nicht unmittelbar gefährden, zumal die Systeme so ausgelegt sind, dass Modelle auf eigener Hardware laufen und bei Bedarf vergleichsweise gut ausgetauscht werden können.
• Fokus auf (nicht-europäische) Open-Source-Modelle: Auf LLM-Ebene nutzt die Bundesverwaltung überwiegend nicht-europäische Open-Source-Modelle, die in verwaltungsinterner Infrastruktur betrieben werden; zugleich empfiehlt die Studie zu prüfen, ob ein eigenes, offen bereitgestelltes europäisches LLM entwickelt werden sollte, um langfristige Unabhängigkeit und eine eigenständige Werte- und Normenbasis zu sichern.
• Handlungsempfehlungen: Die Studie schlägt u. a. vor, gemeinsame LLM-Infrastrukturen auszubauen, Open-Source-Ansätze zu stärken, einheitliche rechtliche Leitplanken inkl. verpflichtendem „Souveränitätscheck“ für kritische LLM-Projekte zu etablieren und die Beschaffung über föderale Ebenen hinweg zu bündeln, um Souveränitätskriterien und Verhandlungsmacht zu stärken.

Was bedeutet das für die Praxis?

Für die öffentliche Verwaltung zeigt die Studie, dass LLMs bereits heute sinnvoll und vergleichsweise souverän nutzbar sind, wenn sie kontrolliert in eigene, gut gestaltete Systeme eingebettet und auf verwaltungsinterner oder vertrauenswürdiger Infrastruktur betrieben werden. Gleichzeitig macht sie deutlich, dass digitale Souveränität kein fixer Zustand, sondern ein kontinuierlicher Prozess ist, der technische Architektur, Rechtsrahmen, Marktstrategien, Kompetenzaufbau und europäische Kooperation zusammendenken muss.  Wer LLMs einsetzen möchte, sollte daher nicht nur auf Funktionalität und Effizienz schauen, sondern frühzeitig klären, wie Wahlfreiheit, Transparenz, Datensouveränität und Einfluss auf Anbieter langfristig gesichert werden können.