Europäische Technologiekonzerne verzeichnen stärkere Nachfrage, da Enterprise-AI in die Produktion übergeht

SAP, Capgemini, Sopra Steria und OVHcloud berichten über eine stärkere AI-Nachfrage – trotz Befürchtungen, dass Modellentwickler den Großteil des Marktwerts abschöpfen würden.

Die Entwicklung stellt ein bekanntes google-techmeme-Narrativ infrage. OpenAI, Anthropic, Google und andere Modellentwickler schufen die Technologie, die Investitionen anzieht. Doch etablierte europäische Anbieter übernehmen zunehmend die anspruchsvolle Aufgabe, diese Technologie mit Unternehmensdaten, Arbeitsabläufen, Infrastruktur und regulatorischen Kontrollen zu verbinden.

Aktuelle Quartalszahlen und Kommentare von Führungskräften deuten darauf hin, dass Unternehmenskunden über isolierte Demonstrationen hinausgehen. Sie wollen nun AI-Systeme, die in Umgebungen für Finanzen, Fertigung, Kundenservice, Personalwesen und den öffentlichen Sektor arbeiten können.

Dieser Übergang begünstigt Anbieter mit bestehenden Kundenbeziehungen und Zugang zu operativen Systemen. SAP verfügt über eine umfangreiche Ebene von Daten aus Unternehmensanwendungen. Capgemini und Sopra Steria steuern komplexe Technologieprogramme, während OVHcloud Recheninfrastruktur unter europäischer Kontrolle bereitstellt.

Der Wandel bedeutet nicht, dass Europa amerikanische Modellentwickler überholt hat. Europäische Unternehmen bleiben bei vielen Implementierungen von ausländischen Chips, Modellen und Cloud-Technologien abhängig. Er deutet jedoch darauf hin, dass die Entwicklung eines leistungsfähigen Modells nur ein Teil des kommerziellen Wettbewerbs ist.

Die schwierigere Frage lautet, wer dieses Modell in ein zuverlässiges Produktionssystem verwandeln kann. Europas etablierte Technologieunternehmen haben darauf inzwischen eine glaubwürdige Antwort.

Vier europäische Unternehmen sehen dasselbe Nachfragesignal

Die entscheidende Veränderung ist nicht die Ankündigung eines weiteren AI-Produkts. Sie liegt im Auftreten zusammenhängender Nachfrage in Software, Beratung, Integration und Infrastruktur.

SAP meldete für das zweite Quartal Cloud-Umsätze von 6,28 Milliarden Euro, ein Plus von 24 % bei konstanten Währungen. Der aktuelle Cloud-Auftragsbestand, der vertraglich vereinbarte Cloud-Umsätze für die folgenden zwölf Monate abbildet, erreichte 22,93 Milliarden Euro.

Die Umsätze der Cloud ERP Suite stiegen bei konstanten Währungen um 27 % auf 5,53 Milliarden Euro. Die Umsätze aus Softwarelizenzen fielen um 32 % auf 131 Millionen Euro und unterstreichen den fortlaufenden Übergang des Unternehmens von Vorauslizenzierungen zu wiederkehrenden Cloud-Diensten.

SAP hielt an seiner Prognose für die Cloud-Umsätze 2026 fest, obwohl es den erwarteten operativen Gewinn nach Non-IFRS senkte. Die Anpassung spiegelte laut den Quartalsergebnissen den verwässernden Effekt der Übernahmen von Dremio und Prior Labs wider.

Dremio entwickelt Data-Lakehouse-Technologie, die Unternehmen bei der Analyse von Informationen unterstützt, die über verteilte Systeme gespeichert sind. Prior Labs entwickelt Foundation Models für strukturierte Daten, also die Tabellen und Datensätze, auf denen viele Geschäftsanwendungen basieren.

Diese Übernahmen veranschaulichen den Ansatz von SAP. Das Unternehmen versucht nicht, allein mit einem universellen Chatbot zu gewinnen. Es bündelt Daten, Anwendungen und AI-Systeme rund um die Geschäftsdaten, die bereits in seiner Software gespeichert sind.

Capgemini beobachtet Nachfrage aus einer anderen Position heraus. Das Beratungs- und Technologie-Dienstleistungsunternehmen meldete für das erste Quartal 2026 einen Umsatz von 5,94 Milliarden Euro. Das entsprach einem Wachstum von 11 % bei konstanten Wechselkursen.

Die Auftragseingänge erreichten 6,05 Milliarden Euro, ein Anstieg von 6,2 % bei konstanten Währungen. CEO Aiman Ezzat sagte, die Entwicklung stütze die Cloud- und AI-Strategie von Capgemini, insbesondere bei komplexen Transformationen in großen Organisationen.

Das Unternehmen argumentiert zudem, dass AI sein adressierbares Ausgabenvolumen erweitert. AI-Projekte können Mittel aus Betriebs-, Forschungs-, Kundenservice- und Produktbudgets beziehen, nicht nur aus klassischen IT-Budgets.

Capgemini profitiert daher, wenn Kunden von einer Demonstration zu einem unternehmensweiten System übergehen. Ein Pilotprojekt benötigt möglicherweise ein Modell und ein kleines Entwicklungsteam. Die Produktivsetzung erfordert Integration, Sicherheit, Datenaufbereitung, Prozessneugestaltung, Monitoring und Mitarbeiterschulungen.

Sopra Steria nimmt eine ähnliche Position ein, mit besonderer Präsenz bei europäischen Regierungen, Finanzinstituten, Luft- und Raumfahrtunternehmen sowie anderen regulierten Organisationen. Das Unternehmen plant 2026 weltweit mehr als 8.500 Einstellungen, darunter Stellen in Daten, AI, Cloud Engineering und Cybersicherheit.

Fast 90 % dieser Stellen sollen in Europa angesiedelt sein. Einstellungspläne garantieren keine künftigen Umsätze, zeigen jedoch, wo das Management die Entwicklung der Kundenarbeit erwartet.

OVHcloud ergänzt die Infrastrukturebene. Der Umsatz im ersten Halbjahr des Geschäftsjahres 2026 erreichte 555,3 Millionen Euro, was einem organischen Wachstum von 5,5 % entspricht. Das bereinigte EBITDA lag bei 227,2 Millionen Euro beziehungsweise 40,9 % des Umsatzes.

Das Unternehmen startete zudem ein AI-Labor mit Schwerpunkt auf vertikaler agentischer AI. Ein AI-Agent ist Software, die zur Erreichung eines definierten Ziels Maßnahmen auswählen und ausführen kann, statt lediglich Text zurückzugeben.

Zusammen umfassen diese Signale den gesamten Enterprise-Technologie-Stack. SAP stellt Anwendungen und kontrolliert verwaltete Geschäftsdaten bereit. Capgemini und Sopra Steria implementieren Systeme. OVHcloud liefert Rechenumgebungen für Kunden, denen europäische Zuständigkeit und operative Kontrolle wichtig sind.

Diese Breite macht die Geschichte bedeutender als einen einzelnen starken Quartalsbericht. Die Nachfrage zeigt sich gleichzeitig in mehreren Teilen der Produktionskette.

Warum sich die Google-Techmeme-Aufmerksamkeit über Modellentwickler hinaus verlagert

Der AI-Wert verlagert sich in Richtung Implementierung, weil ein Modell die Systeme, Berechtigungen und Verantwortungsstrukturen einer großen Organisation nicht eigenständig navigieren kann.

Die erste Phase der generativen AI belohnte Unternehmen, die große Modelle trainieren und Nutzer gewinnen konnten. Leistungsbenchmarks, Modellveröffentlichungen und Finanzierungsrunden dominierten die Technologieberichterstattung.

Die Enterprise-Phase stellt andere Anforderungen. Ein Unternehmen muss entscheiden, auf welche Datensätze ein Modell zugreifen darf, welche Aktionen es ausführen kann und wer verantwortlich bleibt, wenn es einen Fehler macht.

Es muss das Modell außerdem mit Datenbanken, Identitätssystemen, Audit-Logs und etablierten Anwendungen verbinden. Diese Verbindungen entscheiden darüber, ob ein AI-Assistent nützliche Arbeit erledigen oder lediglich plausibel klingende Vorschläge erzeugen kann.

Man stelle sich einen Hersteller vor, der AI zur Anpassung eines Produktionsplans einsetzt. Das System benötigt aktuelle Bestandsdaten, Lieferantenzusagen, Absatzprognosen, Maschinenverfügbarkeit und Mitarbeiterberechtigungen. Außerdem braucht es Regeln, die verhindern, dass ein unsicheres Modellergebnis stillschweigend einen kritischen Auftrag verändert.

SAP verwaltet bereits viele dieser Datensätze und Arbeitsabläufe. Diese installierte Position verschafft dem Unternehmen Einfluss, der sich nicht allein durch bessere Modellbenchmarks nachbilden lässt.

Dieselbe Dynamik gilt für Berater und Systemintegratoren. Unternehmen implementieren Enterprise-Software selten, indem sie eine Programmierschnittstelle anbinden und sich dann zurückziehen. Sie gestalten Prozesse neu, klassifizieren Daten, verhandeln Mitarbeiterverantwortlichkeiten und testen Fehlerfälle, bevor sie einen breiteren Einsatz genehmigen.

Capgemini berichtete, dass AI ihm Zugang zu Ausgaben außerhalb traditioneller Technologiebudgets verschafft. Das ist wichtig, weil produktive AI das Betriebsmodell eines Unternehmens beeinflusst und nicht nur dessen Softwareabteilung.

Ein Kundenservice-Einsatz kann Gesprächstranskripte, Datenschutzregeln für Verbraucher, Personalplanung und Qualitätskontrollen umfassen. Ein Einsatz im Finanzbereich benötigt Zugriffsbeschränkungen, dokumentierte Entscheidungen und Mechanismen für menschliche Überprüfung.

Diese Projekte belohnen institutionelles Wissen. Capgemini und Sopra Steria wissen, wie die Systeme ihrer Kunden aufgebaut wurden, welche Vorschriften gelten und wo frühere Transformationsprogramme gescheitert sind.

OVHcloud profitiert von den Auswirkungen auf die Rechenkapazität. Produktionssysteme erzeugen einen dauerhaften Bedarf an Inferenzleistung, also an der wiederholten Verarbeitung, die erforderlich ist, wenn ein eingesetztes Modell antwortet oder eine Aktion ausführt.

Experimente können gestartet und gestoppt werden. Produktions-Workloads benötigen Kapazität, Zuverlässigkeit, Datenresidenz und vorhersehbare Abläufe. Wenn die Einführung gelingt, schaffen sie wiederkehrende Infrastrukturnachfrage.

Dieser Wandel erklärt auch die erneute Relevanz souveräner AI. Der Begriff beschreibt AI-Systeme, deren Daten, Infrastruktur, Betrieb und rechtliche Risiken die Kontrollanforderungen eines Landes oder einer Organisation erfüllen.

Für europäische öffentliche Behörden und regulierte Unternehmen kann Souveränität die Auswahl von Anbietern beeinflussen. Sie müssen berücksichtigen, wo Daten gespeichert werden, welche Rechtsordnung dafür gilt und ob eine außenpolitische Entscheidung den Zugang unterbrechen kann.

OVHcloud hat sich als europäische Alternative für diese Workloads positioniert. Capgemini und Sopra Steria verbinden europäische Umsetzungskapazitäten mit Plattformen amerikanischer und europäischer Anbieter.

Das schafft keine vollständige Unabhängigkeit. Nvidia bleibt für fortschrittliche Rechenleistung zentral, während amerikanische Unternehmen viele führende kommerzielle Modelle und Cloud-Plattformen bereitstellen.

Kunden benötigen jedoch keine perfekte technologische Unabhängigkeit, bevor sie Ausgaben an europäische Implementierungs- und Hosting-Partner lenken. Sie benötigen praktikable Kontrollen, die spezifische operative und rechtliche Risiken senken.

Dies ist die kommerzielle Chance, die etablierte Anbieter verfolgen. Das Modell bleibt wichtig, doch die Implementierung entscheidet darüber, ob ein Kunde messbaren Wert erhält.

Der eigentliche Wettbewerb lautet Modelleigentum gegen Kontrolle über Arbeitsabläufe

Der zentrale Konflikt besteht nicht länger zwischen alten europäischen Unternehmen und jungen AI-Startups. Es geht um Modelleigentum gegenüber der Kontrolle über Unternehmensarbeitsabläufe.

Modellentwickler verfügen über erhebliche Vorteile. Sie besitzen Forschungsteams, Fachwissen im Modelltraining, Verbraucherreichweite und große Investitionskapitalpools. Ihre Produkte können Kunden zudem ohne einen klassischen Enterprise-Vertriebsprozess erreichen.

Ein universelles Modell steht jedoch meist außerhalb des Geschäftsprozesses, den es verbessern soll. Es versteht nicht automatisch die Produkthierarchie eines Unternehmens, Genehmigungsregeln, vertragliche Grenzen oder historische Entscheidungen.

Anbieter von Enterprise-Software kontrollieren mehr von diesem Kontext. Die Systeme von SAP unterstützen Finanzen, Beschaffung, Lieferketten, Personalwesen und weitere operative Funktionen. Diese Datensätze liefern einem AI-System den strukturierten Kontext, den es für eine nützliche Empfehlung benötigt.

Das garantiert nicht, dass SAP den daraus entstehenden Wert abschöpfen wird. Kunden können konkurrierende Modelle mit SAP-Daten verbinden, während Cloud-Anbieter eigene Agenten und Integrationstools anbieten können.

SAP muss seine Datenebene daher nutzbar machen, ohne Kunden auf eine enge Modellauswahl festzulegen. Seine Business Data Cloud und der Assistent Joule sind Teil dieser Strategie.

Das Unternehmen sagt, seine Anwendungen enthielten geschäftskritisches Domänenwissen. Das ist eine vertretbare Beobachtung, doch das kommerzielle Ergebnis hängt weiterhin von Akzeptanz, Genauigkeit und zusätzlichen Umsätzen ab.

Capgemini und Sopra Steria stehen einer anderen Ausprägung desselben Konflikts gegenüber. AI-Systeme können Programmierung, Dokumentation, Tests und Teile der Beratungsleistung automatisieren. Diese Fähigkeiten bedrohen arbeitsintensive Dienstleistungsmodelle.

Gleichzeitig kann Automatisierung die Margen verbessern und zuvor unwirtschaftliche Projekte rentabel machen. Sie kann auch das Volumen an Technologieveränderungen erhöhen, das Kunden angehen.

Capgemini argumentiert, dass die zusätzliche Nachfrage die Automatisierungsbedrohung überwiegt. Sein Umsatz im ersten Quartal stützt diese Position, doch ein Quartal kann die Frage nicht abschließend beantworten.

Dienstleistungsunternehmen müssen zeigen, dass AI neue, wiederholbare Angebote schafft, statt lediglich die für etablierte Arbeit abgerechneten Stunden zu verringern. Sie müssen zudem die Verantwortung für Kundenergebnisse behalten, während Modelle leichter zugänglich werden.

Sopra Sterias Fokus auf Souveränität und regulierte Branchen bietet eine mögliche Antwort. Kunden in Behörden, Verteidigung, Banken und kritischer Infrastruktur können einen öffentlichen KI-Dienst nicht immer ohne umfangreiche Kontrollmechanismen einsetzen.

Das Unternehmen hat seine Arbeit mit Open-Source-Technologien ausgeweitet, um Kunden bei der Bereitstellung von KI in unterschiedlichen Umgebungen zu unterstützen. Open Source kann die Portabilität verbessern, weil Kunden mehr Komponenten eines Systems prüfen oder verlagern können.

Auch die Partnerschaft mit SAP zielt auf souveräne Cloud-Umgebungen für sensible europäische Workloads ab. Diese Kombination positioniert Sopra Steria zwischen Anwendungssoftware und Infrastruktur – dort, wo die Integrationsanforderungen am größten sind.

OVHcloud rückt näher an die Modellebene. CEO Octave Klaba sagte Reuters, das Unternehmen plane, eine Familie von Frontier-Modellen zu trainieren – also fortschrittliche Modelle, die von Grund auf mit großen Datensätzen und Rechenclustern trainiert werden.

Klaba schätzte, dass ein Projekt, das früher etwa 1 Milliarde Euro erfordert hätte, nun möglicherweise mit 150 bis 200 Millionen Euro umgesetzt werden könne. Als Gründe nannte er verbesserte Chips, Trainingsmethoden und synthetische Daten.

OVHcloud hat mithilfe von Europas Supercomputer Jupiter Vortrainingsarbeiten abgeschlossen, obwohl das Unternehmen keine detaillierten Leistungsdaten veröffentlicht hat. Nach Erreichen eines akzeptablen Niveaus will es Modelle als Open Source veröffentlichen.

Der Schritt ist ambitioniert, weil er OVHcloud über das Hosting hinausführt. Zugleich setzt er das Unternehmen höheren Kapitalanforderungen und direktem Wettbewerb mit spezialisierten KI-Laboren aus.

Dennoch passt das übergeordnete Ziel zur These der Workflow-Kontrolle. OVHcloud will Kunden Infrastruktur, Modellzugang, Datenschutz und Bereitstellung innerhalb eines europäischen Betriebsrahmens anbieten.

Die wahrscheinliche Unternehmensarchitektur wird mehrere Anbieter umfassen. Ein Unternehmen könnte für ausgewählte Workloads ein amerikanisches Modell, SAP-Daten, Implementierungsdienste von Capgemini und Infrastruktur von OVHcloud nutzen.

Der Gewinner wird nicht zwingend jede Ebene besitzen. Er wird die Schnittstellen, Richtlinien und Kundenbeziehung kontrollieren, die bestimmen, wie diese Ebenen zusammenarbeiten.

Für Leser, die die Berichterstattung von google techmeme verfolgen, ist das die zentrale Umkehrung. Der KI-Markt wächst über die Unternehmen hinaus, die generative Modelle zunächst sichtbar gemacht haben.

Die starke KI-Nachfrage muss den Praxistest noch bestehen

Die Sprache in Ergebnisberichten kann Kundeninteresse zeigen, beweist aber nicht, dass eingesetzte KI-Systeme nachhaltige Erträge liefern.

Mehrere Unsicherheiten bleiben bestehen. Cloud-Umsätze können wachsen, weil Kunden bestehende Software migrieren, selbst wenn KI-Funktionen nur wenig direkte Umsätze beitragen.

SAPs Cloud-Auftragsbestand ist daher ein wichtiger Nachfrageindikator, aber kein sauberer Maßstab für KI-Verkäufe. Cloud-ERP-Migrationen, Vertragszeitpunkte und breitere Ausgaben für Anwendungen beeinflussen die Zahl ebenfalls.

Der gesenkte Ausblick für den Betriebsgewinn verdeutlicht eine weitere Spannung. SAP investiert in den Erwerb von KI- und Datenkompetenzen und schützt gleichzeitig die Margen, die es von seinem Cloud-Übergang erwartet.

Die Übernahmen könnten die langfristige Differenzierung verbessern. Sie können jedoch auch die Integrationskosten erhöhen und das Management ablenken, falls sich Produkte überschneiden oder Kunden sie nicht übernehmen.

Auch Capgemini und Sopra Steria haben ein Messproblem. Berater bezeichnen große Transformationsprogramme zunehmend als KI-bezogen, selbst wenn herkömmliche Cloud-Migration und Datenengineering einen Großteil der Arbeit ausmachen.

Investoren benötigen klarere Belege dafür, dass KI zusätzliche Buchungen erzeugt. Sie müssen außerdem wissen, ob Automatisierung die Projektmargen verbessert oder Umsätze unter Druck setzt, die an Mitarbeiterstunden gebunden sind.

Die Mitarbeiterzahl liefert ein unvollkommenes Signal. Sopra Sterias geplante Einstellungen deuten auf Nachfrage hin, doch Dienstleistungsunternehmen können Auslastungsprobleme bekommen, wenn Projekte später als erwartet eintreffen.

Auch Fähigkeiten veralten schnell. Die Einstellung Tausender Menschen für KI- und Cloud-Arbeit schafft Schulungspflichten, während Tools Teile dieser Rollen automatisieren könnten, bevor Projekte ausgereift sind.

OVHcloud trägt ein unmittelbarereres Infrastrukturrisiko. KI-Nachfrage erfordert teure Grafikprozessoren, Netzwerkausrüstung, Speicher, Storage und Strom. Kapazitäten müssen installiert werden, bevor sämtliche Kundenerlöse gesichert sind.

Die Investitionsausgaben des Unternehmens beliefen sich im ersten Halbjahr auf 238,5 Millionen Euro, entsprechend 42,9 % des Umsatzes. Der verschuldungsbereinigte Free Cashflow lag im Zeitraum bei minus 14,2 Millionen Euro.

Diese Zahlen widerlegen die Strategie nicht. Sie zeigen, warum die Infrastrukturnachfrage dauerhaft genug bleiben muss, um fortlaufende Investitionen zu tragen.

OVHcloud steht zudem deutlich größeren Wettbewerbern gegenüber. Amazon Web Services, Microsoft Azure und Google Cloud können Infrastrukturkosten auf breitere Kundenbasen verteilen und stärker in spezialisierte Chips investieren.

Google Cloud meldete starkes Wachstum im Zusammenhang mit seinem KI-Portfolio. AWS erklärte, die Nachfrage übersteige weiterhin die verfügbare Kapazität. Diese Hyperscaler können Modelle, Datenbanken, Sicherheit und Entwicklerwerkzeuge in einer einzigen Geschäftsbeziehung bündeln.

Europäische Anbieter antworten mit Souveränität, lokaler Kontrolle und Interoperabilität. Diese Eigenschaften sind besonders wichtig, wenn Kunden sie als Anforderungen und nicht lediglich als Präferenzen betrachten.

Die KI-Bereitstellungsdienste von OVHcloud veranschaulichen die angestrebte Position des Unternehmens über Datenaufbereitung, Training und Produktion hinweg. Die Produktverfügbarkeit garantiert jedoch nicht, dass Kunden kritische Workloads von etablierten Hyperscalern wegverlagern werden.

Sicherheit und Zuverlässigkeit stellen einen weiteren Praxistest dar. Ein experimenteller Assistent kann von seinem Nutzer korrigiert werden. Ein autonomer Agent, der mit Geschäftssystemen verbunden ist, kann finanzielle, rechtliche oder operative Folgen auslösen.

Unternehmen benötigen Identitätskontrollen, Protokollierung, Evaluierung und klare Eskalationswege. Sie müssen außerdem Veränderungen im Modellverhalten nach Updates überwachen.

Diese Anforderungen schaffen Arbeit für etablierte Anbieter, können Bereitstellungen jedoch verlangsamen. Ein langer Genehmigungszyklus kann Beratungsumsätze erzeugen, ohne eine nennenswerte wiederkehrende KI-Nutzung zu schaffen.

Die stärksten Belege werden von Kundenergebnissen kommen. Anbieter sollten offenlegen, wie viele Systeme in die Produktion überführt wurden, welche Workflows sie bearbeiten und ob Kunden die Nutzung nach der anfänglichen Bereitstellung ausgeweitet haben.

Bis dahin sollte stärkere Nachfrage als vielversprechendes kommerzielles Signal beschrieben werden. Sie ist kein Beweis dafür, dass Europas etablierte Technologiegruppen Unternehmens-KI gelöst haben.

Europas Souveränitätsbestreben stärkt die Position etablierter Anbieter

Europäische Technologiesouveränität wird zunehmend zu einer Beschaffungsbedingung und eröffnet lokalen Software-, Dienstleistungs- und Cloud-Unternehmen einen praktischen Weg in KI-Projekte.

Europas Abhängigkeit von amerikanischen Cloud-Plattformen und KI-Modellen beschäftigt politische Entscheidungsträger seit Jahren. Jüngste geopolitische Auseinandersetzungen haben Kontinuität und rechtliche Zuständigkeit zu unmittelbareren Geschäftsfragen gemacht.

Die europäische Antwort verlangt nicht, dass jede Komponente im Inland entwickelt wird. Capgemini-CEO Aiman Ezzat hat die Vorstellung zurückgewiesen, Europa könne vollständige technologische Autonomie erreichen.

Capgemini arbeitet stattdessen mit AWS, Google Cloud und Microsoft zusammen und entwickelt zugleich Angebote, die europäische Souveränitätsanforderungen erfüllen sollen. Dieser Ansatz akzeptiert technische Abhängigkeit und ergänzt sie um lokale Governance, Hosting und operative Kontrollmechanismen.

Dieser Kompromiss spiegelt wider, wie Unternehmen Technologie tatsächlich einkaufen. Jede ausländische Komponente zu ersetzen, würde Projekte verzögern und den Zugang zu führenden Fähigkeiten einschränken.

Ausländische Komponenten ohne Schutzmaßnahmen einzusetzen, schafft ein anderes Risiko. Kunden könnten von einer Plattform abhängig werden, deren Verfügbarkeit, Vertragsbedingungen oder rechtliche Risiken sie nicht vollständig kontrollieren können.

Sopra Steria und OVHcloud bieten einen stärker europäisch ausgerichteten Weg. Ihre ausgeweitete Partnerschaft konzentriert sich auf die Industrialisierung von KI nach Open-Source-Prinzipien und mit kontrollierter Infrastruktur.

Sopra Steria kann Anwendungen und Governance integrieren. OVHcloud kann Daten und Rechenleistung nach europäischem Recht hosten. Ihre KI-Partnerschaft richtet sich an Kunden, die mehr Kontrolle benötigen, als ein standardmäßiger Public-Cloud-Dienst bietet.

Auch SAP plant erhebliche Investitionen in souveräne Cloud-Fähigkeiten. Die Zusammenarbeit mit Sopra Steria richtet sich an öffentliche Verwaltungen und Organisationen, die sensible Infrastruktur betreiben.

Das ist wichtig, weil europäische Regierungen zugleich Regulierer und große Technologieeinkäufer sind. Beschaffungsentscheidungen können lokalen Anbietern Referenzkunden und wiederkehrende Nachfrage verschaffen.

Regulierung erhöht die Komplexität, kann aber Unternehmen begünstigen, die mit Compliance vertraut sind. Der AI Act der Europäischen Union schafft Verpflichtungen, die auf dem Risiko und dem vorgesehenen Einsatz eines KI-Systems beruhen.

Organisationen, die Systeme mit höherem Risiko einsetzen, benötigen stärkere Dokumentation, menschliche Aufsicht und Kontrollen. Diese Aufgaben passen zur Erfahrung von Anbietern von Unternehmenssoftware und Systemintegratoren.

Regulierung schützt europäische Unternehmen nicht automatisch. Amerikanische Hyperscaler verfügen über umfangreiche Compliance-Teams und europäische Rechenzentren. Sie können Produkte anpassen und gleichzeitig ihre Skalenvorteile behalten.

Die glaubwürdigere europäische Chance liegt in der Spezialisierung. Lokale Anbieter können sich auf Behörden, Verteidigung, Gesundheitswesen, Finanzwesen und Industriekunden mit hohen Anforderungen konzentrieren.

Sie können auch hybride Systeme anbieten, die private Infrastruktur mit Public-Cloud-Diensten kombinieren. Das ermöglicht Kunden, sensible Workloads kontrolliert zu halten und externe Modelle für Aufgaben mit geringerem Risiko zu nutzen.

Produktive KI wird dieses hybride Muster wahrscheinlich vertiefen. Unternehmen werden Infrastruktur nach Datensensibilität, Latenz, Kosten und Modellverfügbarkeit auswählen.

Diese Komplexität schafft einen Orchestrierungsmarkt. Jemand muss entscheiden, welcher Workload wo läuft, einheitliche Zugriffsrichtlinien aufrechterhalten und die Leistung über Anbieter hinweg überwachen.

Europas etablierte Anbieter erledigen bereits ähnliche Arbeit in herkömmlichen Cloud-Programmen. KI erhöht die Zahl der Entscheidungen, beseitigt aber nicht den Integrationsbedarf.

Die Souveränitätschance ist daher weniger dramatisch als ein vollständig unabhängiger europäischer KI-Stack. Sie ist jedoch auch kommerziell realistischer.

Europäische Unternehmen können bedeutende Umsätze erzielen, indem sie regulierte Bereitstellungen kontrollieren, selbst wenn sie andernorts entwickelte Technologie nutzen. Das reicht aus, um die Wertverteilung zu verändern.

Was die nächsten drei Berichtszyklen bestätigen müssen

Der nächste Test besteht darin, ob die gemeldete Nachfrage zu wiederkehrenden KI-Umsätzen, besserer Dienstleistungsökonomie und nachhaltiger Infrastrukturauslastung wird.

Das erste zu beobachtende Signal ist SAPs Cloud-Auftragsbestand und die Ausweitung KI-bezogener Verträge. Investoren benötigen Belege dafür, dass Kunden KI-Fähigkeiten zu bestehenden Cloud-Vereinbarungen hinzufügen, statt lediglich geplante ERP-Migrationen abzuschließen.

SAP sollte außerdem zeigen, wie seine Datenübernahmen Produkte stärken, die in realen Workflows eingesetzt werden. Eine Nutzung in Finanz-, Beschaffungs- und Lieferkettenprozessen würde die Behauptung stützen, dass Geschäftsdaten einen Vorteil schaffen.

Eine Verlangsamung des Auftragsbestandswachstums würde das Argument schwächen. Ein starker Auftragsbestand, begleitet von klar erkennbarer KI-Ausweitung, würde die Argumentation für etablierte Anbieter überzeugender machen.

Das zweite Signal ist die Wirtschaftlichkeit der KI-Arbeit von Capgemini und Sopra Steria. Buchungen sollten sich in Umsätze umsetzen, ohne ein proportional steigendes Mitarbeiterwachstum zu erfordern.

Das würde darauf hindeuten, dass interne Automatisierung und wiederverwendbare Plattformen die Leistungserbringung verbessern. Es würde auch Bedenken beantworten, dass Coding Agents den Wert traditioneller Dienstleistungen mindern werden.

Sinkende Auslastung, schwächere Buchungen oder Druck auf Projektmargen würden in die entgegengesetzte Richtung weisen. Diese Ergebnisse würden darauf hindeuten, dass KI Dienstleistungsanbieter schneller verändert, als sie neue Arbeit schafft.

Das dritte Signal ist OVHclouds Infrastrukturauslastung und Cash-Generierung. Das Unternehmen muss Investitionsausgaben in wiederkehrende Workloads umwandeln, ohne zuzulassen, dass Ausrüstungs- und Energiekosten das Wachstum überfordern.

Seine Initiative für Frontier-Modelle fügt einen weiteren Maßstab hinzu. OVHcloud muss glaubwürdige Bewertungen, Details zur Bereitstellung oder Kundenanwendungsfälle veröffentlichen, bevor die Initiative als mehr als ein strategisches Versprechen gelten kann.

Die Halbjahresergebnisse des Unternehmens zeigten eine verbesserte Profitabilität bei weiterhin hohen Investitionen. Künftige Berichte müssen belegen, dass dieses Gleichgewicht auch bei einem größeren KI-Ausbau Bestand haben kann.

Auch der Wettbewerb durch Hyperscaler sollte im Blick bleiben. Google, Microsoft und Amazon können mit souveränen Kontrollmechanismen, lokalen Partnerschaften und flexibleren Bereitstellungsoptionen reagieren.

Wenn sie genügend rechtliche und operative Bedenken ausräumen, verlieren europäische Anbieter einen Teil ihres Differenzierungsmerkmals. Bleibt die Nachfrage der Kunden nach lokaler Kontrolle bestehen, stärkt das die europäische Position.

Entwickler und Unternehmenskäufer sollten sich dafür interessieren, weil die Wahl des Anbieters inzwischen mehr als nur die Modellqualität prägt. Sie bestimmt, wo Unternehmenswissen liegt, wie Maßnahmen genehmigt werden und ob Systeme zwischen Anbietern wechseln können.

Teams sollten Bewertungsunterlagen, Bereitstellungsentscheidungen und Nutzerfeedback festhalten, wenn Projekte wachsen. Eine durchsuchbare KI-Wissensdatenbank kann dabei helfen, diesen institutionellen Kontext über Anbieter- und Modellwechsel hinweg zu bewahren.

Die Reuters-Meldung wurde über Techmeme bekannt, weil sie eine Annahme umkehrt, die den frühen KI-Markt geprägt hat. Von Unternehmen, die Modelle entwickeln, wurde erwartet, dass sie dominieren, während ältere europäische Technologiekonzerne als gefährdet galten.

Der Produktiveinsatz verändert dieses Gleichgewicht. Modelle bleiben unverzichtbar, doch Geschäftsdaten, Systemintegration, Infrastruktur und Verantwortlichkeit entscheiden nun darüber, ob Unternehmen sie sicher einsetzen können.

Deshalb sollten google-techmeme-Leser die weniger glamourösen Schichten des KI-Stacks beobachten. SAP, Capgemini, Sopra Steria und OVHcloud müssen nicht jedes Modelllabor schlagen.

Sie brauchen Unternehmenskunden, die weiter von Experimenten zu kontrollierten, wiederkehrenden Betriebsabläufen übergehen. Die nächsten Quartale mit Geschäftszahlen werden zeigen, ob dieser Übergang einen nachhaltigen europäischen Vorteil schafft oder nur einen vorübergehenden Anstieg der als KI bezeichneten Nachfrage.