IBM setzt darauf, dass operative Souveränität das entscheidende Terrain im unternehmensweiten KI-Wettbewerb sein wird
Es gibt einen Moment in der Entwicklung eines jeden Technologiemarktes, in dem die Wettbewerber aufhören, sich über das zu differenzieren, was ihre Produkte leisten können, und beginnen, sich darüber zu differenzieren, wie ihre Kunden diese kontrollieren. IBM hat diesen Moment auf seiner Konferenz Think 2026 in Boston mit bemerkenswerter Klarheit erreicht – dort stellte das Unternehmen vor, was es als ein agentisches Betriebsmodell bezeichnet, das auf vier Säulen aufgebaut ist: Agenten, Daten, Automatisierung und hybride Souveränität. Die letzte dieser Säulen, und gleichzeitig die strategisch bedeutsamste, ist IBM Sovereign Core – eine Governance-Plattform, die auf der Ebene der Ausführungsinfrastruktur operiert und nicht als Konfigurationsschicht für Anwendungen fungiert. Der technische Unterschied mag gering erscheinen. Der organisatorische Unterschied ist hingegen enorm.
Was IBM ankündigte, ist kein neues Produkt im konventionellen Sinne. Es ist eine Designhaltung: Governance als Eigenschaft der Umgebung, nicht als Aufgabe des Administrators. Und dieser Unterschied hat weitreichende Konsequenzen für jede Organisation, die heute KI in Sektoren verwaltet, in denen ein fehlgeschlagenes Audit, ein Verstoß gegen die Datenspeicherungspflicht oder ein Modell, das außerhalb seiner definierten Parameter agiert, messbare regulatorische Folgen nach sich zieht.
Das Problem, das IBM vor seinen Wettbewerbern beim Namen nannte
Die dominierende Erzählung in der Unternehmens-KI der letzten zwei Jahre war rund um Modellkapazität, Bereitstellungsgeschwindigkeit und Entwicklerzugänglichkeit organisiert. Die großen Anbieter öffentlicher Cloud-Dienste haben vorwiegend in diesen Dimensionen konkurriert. IBM hingegen artikulierte auf der Think 2026 die zwei Versagensmodi, die KI im großen Maßstab am häufigsten zum Scheitern bringen: die Unfähigkeit, Intelligenz in verteilten Umgebungen zu operationalisieren, und die Unfähigkeit, sie nach der Bereitstellung zu steuern.
Das Problem mit dieser Präzision zu benennen, bevor die Lösung präsentiert wird, ist eine redaktionelle Entscheidung mit strategischem Gewicht. Sie impliziert, dass IBM nicht um denselben Kunden konkurriert, den Amazon Web Services, Microsoft Azure oder Google Cloud mit ihren Agentenplattformen zu gewinnen versuchen. IBM zielt auf das Marktsegment, in dem ein Governance-Versagen keinen Reputationsschaden erzeugt, sondern eine regulatorische, finanzielle oder operative Konsequenz mit konkretem Namen und Nachnamen.
Dieses Segment hat spezifische Merkmale: Banken, Versicherungen, kritische Infrastruktur und öffentliche Verwaltung. Sektoren mit nach wie vor aktiven IBM Z Mainframe-Infrastrukturen, permanenten Audit-Zyklen und Regulierungen, die je nach Rechtsordnung voneinander abweichen. Für diese Organisationen hat das Versprechen eines leistungsfähigeren Modells oder einer schnelleren Bereitstellung nur sekundären Wert gegenüber der Frage, wer die Betriebsebene kontrolliert, wo die Inferenzmodelle ausgeführt werden und wie die Compliance kontinuierlich nachgewiesen werden kann, ohne auf periodische Momentaufnahmen angewiesen zu sein.
IBM Sovereign Core beantwortet diese Fragen mit einer Architektur, die eine vom Kunden betriebene Kontrollebene, Identitäts- und Verschlüsselungsdienste innerhalb des souveränen Perimeters, lokale Protokolle und Telemetrie sowie die Ausführung von KI unter definierten Grenzen bereitstellt. Das System unterstützt mehr als 160 regulatorische Compliance-Rahmenwerke und wurde auf Red Hat OpenShift und Red Hat AI aufgebaut, was die Portabilität von Workloads gewährleistet, ohne von der proprietären Infrastruktur eines einzelnen Hyperscalers abhängig zu sein.
Was Sovereign Core über ein reines Compliance-Werkzeug hinaushebt, ist sein Fokus auf Drift-Erkennung und automatisierte Evidenzgenerierung. Regulierte Organisationen müssen nicht nur Compliance gewährleisten; sie müssen kontinuierlich nachweisen, dass sie dies tun. Der Übergang von statischen Audits zu bestimmten Zeitpunkten hin zu dynamischer Echtzeitattestierung ist eine betriebliche Veränderung, die die administrative Belastung der Compliance-Teams erheblich reduziert. Das hat einen konkreten wirtschaftlichen Wert, auch wenn IBM diesen öffentlich nicht in konkreten Einsparzahlen beziffert.
Vier Säulen, die nur gemeinsam funktionieren – oder gar nicht
Das Vier-Säulen-Framework, das IBM auf der Think 2026 vorstellte, folgt einer Logik, die es wert ist, sorgfältig gelesen zu werden – denn IBM behauptet ausdrücklich, dass der Wert nicht in den einzelnen Säulen liegt, sondern darin, sie als integriertes System zu betreiben.
Die erste Säule, Agenten, manifestiert sich in der Erweiterung von IBM watsonx Orchestrate, um Multi-Agenten-Orchestrierung in großem Maßstab zu unterstützen – mit der Koordination von Tausenden von Agenten, die von verschiedenen Teams auf heterogener Infrastruktur entwickelt wurden. Die zweite Säule, Daten, umfasst eine Integration mit Confluent für Echtzeit-Daten-Streaming zu KI-Workloads sowie die IBM Concert-Plattform für eine einheitliche Sicht auf die Betriebsumgebung. Die dritte Säule, Automatisierung, ist jener Bereich, in dem IBM Consulting als Ausführungsmotor eintritt und KI-Fähigkeiten mit Unternehmenssystemen verbindet, die nie für agentische Workflows konzipiert wurden. Die vierte Säule ist hybride Souveränität – die differenzierteste von allen.
Die Behauptung, dass diese vier Säulen zusammen einen zusammengesetzten Mehrwert erzeugen, ist kein leeres Marketing, wenn man sie aus der Perspektive des Organisationsdesigns betrachtet. Ein Unternehmen, das Agenten ohne Infrastruktur-Governance einsetzt, hat Autonomie ohne Kontrolle. Eines, das Echtzeit-Daten hat, aber keine Agenten-Orchestrierung, verfügt über Kontext ohne Handlungsfähigkeit. Eines, das Workflows automatisiert, aber ohne eine Souveränitätsschicht in regulierten Umgebungen, hat Effizienz mit regulatorischer Exposition. Die Integration ist die Kernthese – und sie ergibt technisch gesehen Sinn.
Das Risiko liegt in der Umsetzung. IBM macht seit Jahren Aussagen über die Integration seines Portfolios, die in der Praxis entscheidend von der Lieferfähigkeit von IBM Consulting abhängig waren. Auf der Think 2026 erweiterte IBM sein Enterprise Advantage Framework um zwei neue Fähigkeiten: Context Studio, das bereits allgemein verfügbar ist und es Organisationen ermöglicht, KI-Agenten zu entwickeln, die in ihren eigenen Daten und Prozessen verankert sind; und Process Studio, das kurz vor der Markteinführung steht und KI einsetzt, um Standard-Betriebsverfahren in agentenfertige Workflows umzuwandeln. IBM berichtet, dass es in einem Pilotprojekt mit Process Studio 1.400 Verfahren analysiert, mehr als 1.000 Verbesserungsmöglichkeiten identifiziert und eine Reduzierung der Betriebskosten von über 25 % innerhalb von 18 Monaten prognostiziert hat. Das ist eine auffällige Zahl, die noch nicht das Gewicht eines dokumentierten und veröffentlichten Fallbeispiels hat, aber die Richtung signalisiert, in der IBM seine Beratungsgeschichte gemessen wissen möchte.
Die Portfoliowette hinter dem Schachzug
Die Ankündigungen der Think 2026 nur als Produktbewegungen zu lesen, bedeutet, den interessantesten Teil der Analyse zu verpassen. Was IBM aufbaut, ist eine Kontrollebenen-Position für KI in regulierten, hybriden und Multi-Cloud-Umgebungen. Wenn diese Position Bestand hat, sind Sovereign Core und das agentische Betriebsmodell keine Produkte, die IBM verkauft: Sie sind der Grund, warum eine Bank oder ein Versicherungsunternehmen IBM in den nächsten zehn Jahren in seiner architektonischen Entscheidungsstruktur behält.
Das ist das Muster, das IBM historisch mit seiner Mainframe-Infrastruktur in transaktionsintensiven Sektoren verfolgt hat. IBM Z dominierte nicht deshalb Banken und Versicherungen, weil es die schnellste oder günstigste Hardware war; es dominierte, weil es zum operativen Substrat wurde, auf dem die kritischsten Prozesse liefen, und weil die Migration dieser Prozesse mit Wechselkosten verbunden war, die den Nutzen einer Migration überwiegen. IBM versucht, diese Logik auf die Governance-Schicht der KI zu übertragen. Die Ankündigung des IBM Z Database Assistant auf der Think 2026, der agentische KI-Fähigkeiten auf den Mainframe ausdehnt, ohne dass die Daten die Umgebung verlassen müssen, ist die explizite Fortsetzung dieser Strategie.
Das Partner-Ökosystem, das IBM rund um Sovereign Core zusammengestellt hat – mit AMD, Dell, Elastic, MongoDB, Cloudera, Palo Alto Networks, Mistral, Intel und Atos als ersten Teilnehmern – unterstützt die Erzählung einer offenen Architektur. Ein erweiterbarer Katalog, der Rechen-, Daten-, Sicherheits- und KI-Schichten abdeckt, erlaubt es Kunden, Komponenten zu kombinieren, ohne an den proprietären Stack eines einzelnen Anbieters gebunden zu sein. Das ist eine Haltung, die Hyperscaler strukturell nicht mit gleicher Glaubwürdigkeit replizieren können: Ihre Souveränitätsplattformen sind zwar ausgereift, aber darauf optimiert, Workloads innerhalb ihrer eigenen Infrastruktur zu halten, nicht darauf, mit nachweisbarer Unabhängigkeit außerhalb davon zu operieren.
IBM Consulting, das Enterprise Advantage auf AWS, Azure und AWS GovCloud mit FedRAMP-Verfügbarkeit betreibt, fügt eine wichtige Dimension hinzu: IBM erfordert keine Migration als Voraussetzung für die agentische Transformation. Das Unternehmen kann den Kunden dort abholen, wo seine Infrastruktur bereits ist, und Governance darüber aufbauen – was die Adoptionsreibung in föderalen und regulierten Umgebungen reduziert, in denen Entscheidungszyklen lang sind und der Appetit auf Plattformwechsel minimal ist.
Das Design, das IBM noch beweisen muss
Die Kohärenz des IBM-Arguments auf der Think 2026 ist bemerkenswert. Die Ausrichtung zwischen den vier Säulen, der Sovereign Core-Plattform, der Beratungsgeschichte und der installierten Basis in regulierten Sektoren bildet eine Erzählung ohne offensichtliche Lücken. Doch die Solidität des Portfoliodesigns garantiert keine Lieferfähigkeit – und diese Unterscheidung ist im Markt für Unternehmens-KI wichtiger als in fast jedem anderen Bereich.
IBM wettet darauf, dass Governance auf der Ebene der Ausführungsinfrastruktur, kombiniert mit einem Beratungsmodell mit dokumentierten Ergebnissen, der entscheidende Differenzierungsfaktor für das Marktsegment ist, das am stärksten zögert, seine KI-Infrastruktur innerhalb der Kontrollebene eines einzelnen Hyperscalers zu konzentrieren. Das ist eine Wette mit solider struktureller Logik. Das Risiko liegt nicht in der These; es liegt darin, ob IBM Consulting die Bereitstellung des agentischen Betriebsmodells mit ausreichender Konsistenz industrialisieren kann, damit Pilotprojekte zu Referenzen im Maßstab werden – und ob watsonx Orchestrate, derzeit noch in der privaten Vorschau, und Concert, noch in der öffentlichen Vorschau, in dem Tempo reifen, das die Integrationsgeschichte erfordert.
IBM hat ein architektonisches Rahmenwerk für KI in regulierten Umgebungen gebaut, das kein direkter Wettbewerber mit gleicher Tiefe auf allen Stack-Ebenen erreicht hat. Nun muss dieses Rahmenwerk in der Produktion funktionieren – mit derselben Kohärenz, mit der es auf dem Papier entworfen wurde. Wenn eine Organisation gut auf dem Whiteboard entwirft, aber den Kreislauf zwischen Modell und Ausführung nicht schließt, wird die Eleganz des Designs zum unbequemsten Beweis für das eigene Scheitern. IBM weiß das besser als irgendjemand sonst.
