# Souveräne Inferenz gegen Azure OpenAI und AWS Bedrock: was sich im Alltag ändert

Azure OpenAI und AWS Bedrock gegen einen souverän betriebenen Endpoint: warum der Schweizer Serverstandort der Hyperscaler das Kernproblem nicht löst und was der Unterschied im Betrieb bedeutet.

## Der Vergleich, den die Anbieterseiten meiden

Azure OpenAI und AWS Bedrock sind die bequemsten Wege zu einem grossen Sprachmodell: ein Konto, ein API-Schlüssel, in Minuten läuft der erste Request. Was auf den Produktseiten fehlt, ist der Vergleich mit einem souverän betriebenen Endpoint. Nicht, weil er unfair wäre, sondern weil er an einer Stelle heikel wird, an der die Hyperscaler wenig anzubieten haben: der Rechtsordnung über deinen Daten.

## Was Azure OpenAI und Bedrock gut können

Fangen wir mit dem an, was für sie spricht. Beide sind gemanagt, skalieren praktisch beliebig und sind tief in ihr jeweiliges Cloud-Ökosystem integriert. Bedrock bringt einen breiten Katalog verschiedener Modelle unter ein API, Azure OpenAI liefert die bekannten Modelle mit dem Betrieb von Microsoft dahinter. Wer ohnehin in Azure oder AWS zu Hause ist und mit unkritischen Daten arbeitet, bekommt hier einen schnellen, stabilen Weg. Das ist ein echtes Argument, und wir tun nicht so, als wäre es keins.

## Wo der Schweizer Serverstandort nicht genügt

Beide bieten inzwischen Rechenzentren in der Schweiz an, und genau hier entsteht das Missverständnis. Der Standort der Festplatte löst das rechtliche Problem nicht. Microsoft und Amazon sind US-Konzerne und unterliegen dem CLOUD Act, der auf das Unternehmen zugreift, unabhängig davon, in welchem Land der Server steht. Deine Daten können in Zürich liegen und trotzdem im Zugriff einer fremden Behörde sein. Datenhoheit entscheidet sich am Betreiber und seiner Rechtsordnung, nicht an der Geografie, wie der Beitrag [Was Datenhoheit konkret heisst](/de/wissen/datenhoheit-was-bedeutet-das) im Detail zeigt.

## Drei Unterschiede im Alltag

**Rechtsraum.** Ein souveräner Endpoint läuft bei einem Betreiber, der nur Schweizer Recht untersteht. Kein fremder Konzern im Hintergrund, kein CLOUD Act.

**Modell.** Bei den Hyperscalern bist du an deren Modelle gebunden, und wenn eines abgekündigt oder verändert wird, richtest du dich danach. Ein offenes Modell gehört in dem Sinn dir: Du kannst es festhalten, umziehen und selbst versionieren.

**Rechnung.** Die Hyperscaler rechnen pro Token oder pro Nutzung ab, die Rechnung schwankt mit dem Traffic. Ein reservierter Endpoint kostet eine feste Monatspauschale, planbar statt nach Verbrauch.

## Wann welcher Weg gewinnt

Es gibt keinen Grund, das schön ausbalanciert zu lassen. Steckst du tief in einem Cloud-Ökosystem und sind deine Daten nicht reguliert, ist der Hyperscaler ein vernünftiger Weg. Sobald aber regulierte Daten, planbare Kosten oder echte Unabhängigkeit vom Anbieter zählen, löst die Bequemlichkeit das eigentliche Problem nicht, und dann gewinnt der souveräne Endpoint. Für Schweizer Daten mit rechtlicher Bindung ist das eher die Regel als die Ausnahme.

## Der Umstieg ist kleiner als gedacht

Der häufigste Einwand lautet, ein Wechsel sei aufwendig. Weil souveräne Endpoints in der Regel OpenAI-kompatibel sind, ist der Umstieg zu weiten Teilen eine Sache der Konfiguration, nicht des Neubaus. Wo die echten Tücken liegen, steht im Beitrag [Von der OpenAI-API zu souveräner Inferenz](/de/wissen/openai-api-migration). Willst du wissen, wie dein Fall auf einem [souveränen Endpoint](/de/managed-inference) aussähe? Beschreib uns Modell und Last, wir rechnen es dir vor: [Kontakt](/de/kontakt).