Oracle & AWS: Das Ende für riskante KI-Datenexporte?

Was ist passiert?

Am 13. August 2026 hat Oracle einen strategisch wichtigen Schritt bekannt gegeben: Die «Oracle AI Database@AWS» ist ab sofort breiter verfügbar und wurde um entscheidende Funktionen erweitert. Konkret bedeutet dies, dass Unternehmen Oracle's Hochleistungsdatenbanken, inklusive der neuen KI-Funktionen wie Vektor-Suchen, direkt in den Rechenzentren von Amazon Web Services (AWS) betreiben können. Es handelt sich nicht um eine simple Software-Installation, sondern um eine tiefgreifende Integration, bei der Oracle seine spezialisierte Exadata-Hardware in den AWS-Regionen platziert.

Diese Ankündigung ist mehr als nur eine technische Neuerung. Sie adressiert eine der grössten Herausforderungen für etablierte Schweizer Unternehmen: Wie wendet man moderne KI-Methoden auf jene Kerndaten an, die seit Jahren sicher in Oracle-Systemen liegen, ohne dabei die Kontrolle, Sicherheit und Souveränität über diese Daten zu verlieren?

Warum ist das für Schweizer Unternehmen relevant?

Viele Schweizer KMU und Konzerne, insbesondere im Finanz- und Versicherungssektor, betreiben ihre geschäftskritischen Anwendungen auf Oracle-Datenbanken. Gleichzeitig nutzen ihre Entwicklungs- und Analyseteams immer häufiger die flexiblen Dienste von AWS, das auch Rechenzentren in der Schweiz betreibt. Bisher war die Verbindung dieser beiden Welten oft komplex, teuer und mit Risiken verbunden. Daten mussten über sogenannte ETL-Prozesse (Extract, Transform, Load) aus den sicheren Oracle-Systemen exportiert werden, um sie in der Cloud mit KI-Werkzeugen analysieren zu können. Dies schafft drei zentrale Probleme, welche die neue Lösung adressiert:

1. Datensouveränität und Compliance: Der Export von sensiblen Kundendaten aus einem Kernsystem, selbst wenn es nur in einen anderen Cloud-Service geschieht, ist ein kritischer Prozess. Für Branchen, die der FINMA-Aufsicht unterstehen oder strenge DSG/revDSG-Anforderungen erfüllen müssen, stellt jeder Datenfluss ein potenzielles Risiko dar. Indem die Oracle-Datenbank physisch im selben AWS-Rechenzentrum läuft wie die Analyse-Tools (z.B. Amazon SageMaker oder Bedrock), kann die Analyse direkt auf den Daten stattfinden. Der Datenexport entfällt, was die Compliance massiv vereinfacht.

1. Kosten und Effizienz im Controlling: ETL-Prozesse sind nicht nur ein Sicherheitsrisiko, sie sind auch teuer. Sie erfordern Entwicklungsaufwand, Rechenleistung und verursachen Netzwerkkosten. Die direkte Integration verspricht eine signifikante Reduktion dieser operativen Kosten. Zudem führt Oracle serverlose und «Pay-per-Use»-Modelle ein, die es auch kleineren Unternehmen ermöglichen, von der Hochleistungsinfrastruktur zu profitieren, ohne massive Vorabinvestitionen tätigen zu müssen. Dies ist ein wichtiger Punkt für jedes Controlling, das den ROI von KI-Initiativen bewerten muss.

1. Innovationstempo für die Entwicklung: Der grösste Wert liegt oft in der Kombination von transaktionalen Daten (z.B. aus einem ERP-System auf Oracle) mit unstrukturierten Daten und KI-Diensten. Entwickler können nun ohne Latenz und komplexe Datenpipelines auf die Kerndaten zugreifen, um beispielsweise mit «Oracle AI Vector Search» semantische Suchen zu implementieren oder generative KI-Anwendungen direkt mit den Live-Daten des Unternehmens zu verbinden. Die Zeit von der Idee bis zum Prototyp wird drastisch verkürzt.

Konkrete Handlungsempfehlung

Für Fach- und Führungskräfte bedeutet diese Entwicklung, dass eine bisherige technische Hürde für KI-Projekte gefallen ist. Die Ausrede «Wir kommen nicht an die Daten im Kernsystem heran» verliert an Gewicht. Wir empfehlen daher eine proaktive Überprüfung.

Setzen Sie ein kurzes, gemeinsames Meeting mit Ihrem CFO, Ihrem IT-Leiter und dem Leiter Ihrer Datenanalyse-Abteilung an. Stellen Sie dabei die folgenden drei Fragen:

• Wertanalyse: Welche geschäftskritischen Daten liegen heute in unseren Oracle-Systemen, deren Potenzial wir aufgrund von Zugriffshürden nicht für KI-Anwendungen nutzen?
• Kostenanalyse: Wie hoch sind unsere aktuellen jährlichen Kosten (Lizenz, Personal, Infrastruktur) für den Transfer und die Transformation von Daten zwischen unseren Oracle-Systemen und anderen Plattformen?
• Risikoanalyse: Welchen Compliance- und Sicherheitsrisiken setzen wir uns mit den heutigen Datenexport-Prozessen aus, und wie würde sich dieses Risiko reduzieren, wenn die Daten an Ort und Stelle blieben?

Die Antworten auf diese Fragen liefern Ihnen eine solide Grundlage für die Entscheidung, ob ein Proof-of-Concept mit der Oracle AI Database@AWS für Ihr Unternehmen wirtschaftlich und strategisch sinnvoll ist. Es ist eine seltene Gelegenheit, Innovation, Kostensenkung und Risikominimierung in einem einzigen Projekt zu vereinen.