Confidential Computing Was ist Confidential Computing?
Confidential Computing ist ein Sicherheitsansatz, der den Schutz vertraulicher Daten während ihrer Verarbeitung unterstützt. Es nutzt hardwarebasierte Isolierung, vertrauenswürdige Ausführungsumgebungen und Verschlüsselungstechniken, um Daten, Code und Workloads während der aktiven Nutzung vor unbefugtem Zugriff zu schützen.
Lesezeit: 10 Minuten 15 Sekunden | Veröffentlicht: 29. Juli 2026
Inhaltsverzeichnis
Confidential Computing – wichtige Erkenntnisse
- Confidential Computing unterstützt den Schutz von Daten während ihrer Verwendung, das heißt Daten, die aktiv von einer Anwendung, einem Server, einem Cloud-Service oder einer KI-Workload verarbeitet werden.
- Confidential Computing verwendet oft vertrauenswürdige Ausführungsumgebungen, sichere Enklaven und eine hardwarebasierte Isolierung, um die Risiken bei der Verarbeitung zu reduzieren.
- Unternehmen nutzen Confidential Computing, um vertrauliche Workloads, regulierte Daten, KI-Modelle, Finanzdaten, Gesundheitsdaten und geistiges Eigentum zu schützen.
- Confidential Computing kann den Datenschutz und die Sicherheit stärken, muss aber dennoch mit Zugriffssteuerung, Verschlüsselung, Governance, Überwachung und Compliance-Prozessen zusammenarbeiten.
Was schützt Confidential Computing?
Einfach ausgedrückt, unterstützt Confidential Computing den Schutz vertraulicher Daten während ihrer Verwendung. Herkömmliche Sicherheit konzentriert sich oft auf den Schutz von Daten im Ruhezustand und während der Übertragung. Confidential Computing konzentriert sich auf den Schutz von Daten während ihrer Verwendung, also von Daten, die innerhalb eines Systems oder einer Anwendung verarbeitet werden.
Zum Beispiel kann ein Unternehmen Kundendaten verschlüsseln, wenn diese gespeichert und über ein Netzwerk hinweg bewegt werden. Doch diese Daten müssen normalerweise entschlüsselt werden, während eine Anwendung sie verarbeitet. Confidential Computing trägt dazu bei, das Risiko einer Exposition während dieser Phase der aktiven Verarbeitung zu reduzieren, indem es die Workload in einer geschützten Umgebung isoliert.
Warum ist Confidential Computing wichtig?
Confidential Computing ist wichtig, da viele Unternehmen vertrauliche Daten ohne Erhöhung des Sicherheits-, Datenschutz- oder Compliance-Risikos verarbeiten müssen. Besonders wichtig ist dies für Finanzdienstleistungen, das Gesundheitswesen, den öffentlichen Sektor, die Forschung, KI und regulierte Unternehmens-Workloads.
Weil Unternehmen zunehmend Cloud, Hybrid Cloud, KI und eine verteilte Infrastruktur nutzen, können vertrauliche Daten über mehr Systeme, Standorte und Umgebungen hinweg verarbeitet werden. Confidential Computing kann zum Schutz der Workloads beitragen, selbst wenn die Infrastruktur gemeinsam genutzt wird oder Unternehmen eine stärkere Isolierung zwischen Anwendungen, Mandanten oder Partnern benötigen.
Confidential Computing ist auch wichtig für KI. KI-Workloads können vertrauliche Eingabeaufforderungen, proprietäre Modelle, regulierte Datensätze oder vertrauliche Geschäftsinformationen verwenden. Der Schutz dieser Daten während ihrer Verarbeitung kann Unternehmen dabei unterstützen, KI mit höherer Sicherheit einzuführen.
Welche Probleme löst Confidential Computing?
Confidential Computing hilft dabei, Sicherheits- und Datenschutzlücken zu schließen, die bei einer aktiven Verarbeitung vertraulicher Daten bestehen können.
Problem | So hilft Confidential Computing |
|---|---|
| Exposition von Daten bei ihrer Nutzung | Unterstützt den Schutz von Daten während ihrer Verarbeitung durch Anwendungen oder Workloads. |
| Risiko einer gemeinsam genutzten Infrastruktur | Sorgt für eine zusätzliche Isolierung von Workloads, die in Cloud-, Hybrid- oder mandantenfähigen Umgebungen ausgeführt werden. |
| Risiko durch Insider | Reduziert die Möglichkeit, dass unbefugte Administratoren oder Benutzer Einsicht in vertrauliche Workload-Daten erhalten. |
| Schutz von KI-Daten | Hilft beim Schutz von Eingabeaufforderungen, Modellen, Trainingsdaten, Inferenzdaten und Ausgaben während der Verarbeitung. |
| Regulatorischer Druck | Unterstützt stärkere Kontrollen für vertrauliche oder regulierte Daten. |
| Zusammenarbeit mit Partnern | Ermöglicht es Unternehmen, vertrauliche Daten mit stärkerer Isolierung und Kontrolle zu verarbeiten. |
| Risiko für geistige Eigentumsrechte | Unterstützt den Schutz des geistigen Eigentums an Algorithmen, Modellen und Unternehmenslogik. |
Ersetzt Confidential Computing andere Sicherheitskontrollen?
Confidential Computing ersetzt keine anderen Sicherheitskontrollen. Es fügt eine weitere Schutzebene für Workloads hinzu, die vertrauliche Daten verarbeiten.
Wie funktioniert Confidential Computing?
Vertrauliches Computing funktioniert so, dass es einen geschützten Bereich schafft, in dem vertrauliche Daten und Code mit stärkerer Isolierung verarbeitet werden können. Dieser geschützte Bereich wird oft als vertrauenswürdige Ausführungsumgebung oder Secure Enclave (sichere Enklave) bezeichnet.
Ein typischer Confidential Computing-Prozess umfasst Folgendes:
- Eine Workload wird in einer vertrauenswürdigen Ausführungsumgebung platziert.
- Daten werden verschlüsselt, bevor sie in die geschützte Umgebung gelangen.
- Das System überprüft, dass die Umgebung vertrauenswürdig ist, bevor vertrauliche Daten freigegeben werden.
- Die Workload verarbeitet die Daten innerhalb der geschützten Umgebung.
- Die Daten und der Code bleiben während der Verarbeitung von unbefugtem Zugriff isoliert.
Dieser Ansatz trägt dazu bei, das Risiko durch andere Software, Benutzer, Administratoren oder Systeme zu reduzieren, die keinen Zugriff auf die geschützte Workload haben sollen.
Was sind die Hauptkomponenten von Confidential Computing?
Confidential Computing hängt von mehreren Technologien und Kontrollen ab, die zusammenarbeiten, um vertrauliche Workloads zu schützen.
Komponente | Rolle im Confidential Computing |
|---|---|
| Vertrauenswürdige Ausführungsumgebung | Schafft einen isolierten Bereich, in dem Code und Daten mit erhöhter Sicherheit verarbeitet werden können. |
| Secure Enclave | Schützt vertrauliche Daten und Code vor unbefugtem Zugriff während der Verarbeitung. |
| Hardwarebasierte Isolierung | Verwendet Funktionen auf Prozessor- oder Plattformebene, um geschützte Workloads zu separieren. |
| Verschlüsselung | Unterstützt den Schutz von Daten vor, während und nach der Verarbeitung. |
| Attestation | Überprüft, dass eine vertrauenswürdige Umgebung echt ist, bevor vertrauliche Daten freigegeben werden. |
| Schlüsselmanagement | Kontrolliert, wie Verschlüsselungsschlüssel erstellt, gespeichert, abgerufen und rotationsweise genutzt werden. |
| Zugriffskontrolle | Beschränkt, wer oder was auf geschützte Workloads und Daten zugreifen kann. |
| Überwachung und Protokollierung | Hilft bei der Erkennung verdächtiger Aktivitäten und bei der Unterstützung von Auditanforderungen. |
| Governance | Definiert Richtlinien für vertrauliche Daten, Workload-Genehmigung, Compliance und Verantwortung. |
Wie arbeiten die Confidential Computing-Komponenten zusammen?
Diese Komponenten helfen Unternehmen dabei, Daten während ihrer Verwendung zu schützen, während sie gleichzeitig den normalen Anwendungs-, Analyse- und KI-Betrieb unterstützen.
Confidential Computing im Vergleich zu herkömmlicher Verschlüsselung
Confidential Computing und herkömmliche Verschlüsselung tragen beide zum Schutz von Daten bei, konzentrieren sich aber auf unterschiedliche Phasen des Datenlebenszyklus.
| Gebiet | Herkömmliche Verschlüsselung | Confidential Computing |
|---|---|---|
| Schwerpunkt | Schützt gespeicherte Daten und Daten während der Übertragung | Schützt Daten während ihrer Verarbeitung. |
| Datenzustand | Gespeicherte Daten oder Daten, die sich über ein Netzwerk hinweg bewegen. | Aktive Daten, die von einer Anwendung oder einem Workload verwendet werden. |
| Schutzmethode | Verschlüsselt Dateien, Datenbanken, Festplatten, Meldungen oder den Netzwerkverkehr. | Verwendet vertrauenswürdige Ausführungsumgebungen, Secure Enclaves und eine hardwarebasierte Isolierung. |
| Übliche Verwendung | Speicherverschlüsselung, Datenbankverschlüsselung, TLS, VPNs, verschlüsselte Sicherungen. | Sensible Workloads, vertrauliche KI, regulierte Datenverarbeitung, sichere Cloud-Workloads. |
| Hauptwert | Reduziert die Exposition, wenn Daten gespeichert oder bewegt werden. | Reduziert die Exposition, wenn Daten für die Verarbeitung entschlüsselt werden müssen. |
Benötigen Unternehmen Confidential Computing und Verschlüsselung?
Unternehmen benötigen in der Regel beides. Die Verschlüsselung schützt Daten, wenn sie gespeichert oder bewegt werden, während Confidential Computing den Schutz von Daten während ihrer aktiven Verwendung unterstützt.
Confidential Computing im Vergleich zu homomorpher Verschlüsselung
Sowohl Confidential Computing als auch homomorphe Verschlüsselung sind Ansätze, die den Datenschutz aufrechterhalten, funktionieren aber auf unterschiedliche Weise.
| Gebiet | Confidential Computing | Homomorphe Verschlüsselung |
|---|---|---|
| Kernansatz | Verarbeitet Daten innerhalb einer geschützten hardwarebasierten Umgebung. | Ermöglicht die Berechnung verschlüsselter Daten, ohne diese zu entschlüsseln. |
| Leistung | Heute oft praktischer für Unternehmens-Workloads. | Kann je nach Anwendungsfall rechenintensiv sein. |
| Infrastrukturbedarf | Erfordert vertrauenswürdige Ausführungsumgebungen und eine unterstützende Infrastruktur. | Erfordert spezielle kryptografische Methoden und ein spezielles Anwendungsdesign. |
| Beste Lösung für | Sichere Cloud-Workloads, vertrauliche KI, regulierte Datenverarbeitung und Anwendungsschutz. | Hochsensible Anwendungsfälle, bei denen die Daten während der Berechnung verschlüsselt bleiben müssen. |
| Wichtige Aspekte | Vertrauen wird in die Isolierung und Attestation der Hardware gesetzt. | Vertrauen wird in kryptografische Garantien und die Implementationsqualität gesetzt. |
Wie sollten Unternehmen Confidential Computing und homomorphe Verschlüsselung vergleichen?
Es hängt von Workload, Leistungsbedarf, Datenschutzanforderungen, Sicherheitsmodell und Anwendungsdesign ab, welche Wahl die bessere ist. Einige Unternehmen können Confidential Computing, homomorphe Verschlüsselung oder beide Ansätze verwenden – je nach Anwendungsfall.
Wie wird Confidential Computing für KI verwendet?
Confidential Computing unterstützt den Schutz sensibler KI-Workloads, indem es Daten während ihrer Verarbeitung im Arbeitsspeicher sichert und dadurch das Risiko eines unbefugten Zugriffs auf Daten, Modelle, Eingabeaufforderungen und Ausgaben reduziert.
Beim Anlernen von KI kann Confidential Computing zum Schutz vertraulicher Datensätze und Modellentwicklungsworkflows beitragen. Bezüglich der KI-Inferenz kann es dazu beitragen, Eingabeaufforderungen, Abrufdaten, Modellausgaben und proprietäre Geschäftslogik zu schützen. In regulierten Branchen kann es einen stärkeren Schutz unterstützen, wenn KI-Systeme Finanz-, Gesundheits-, Kunden- oder Betriebsdaten verarbeiten.
Confidential Computing ist besonders für private KI und Unternehmens-KI relevant, weil Unternehmen häufig vertrauliche Daten verwenden müssen, ohne sie unnötigen Risiken auszusetzen. Es kann das Vertrauen in KI-Systeme stärken, wenn es mit Governance, Zugriffskontrolle, Überwachung und sicherer Infrastruktur kombiniert wird.
Wie unterstützt Confidential Computing die Cloud, Hybrid Cloud und Private Cloud?
Confidential Computing kann Unternehmen dabei helfen, sensible Workloads über Cloud-, Hybrid Cloud- und Private Cloud-Umgebungen hinweg zu schützen.
| Umgebung | So hilft Confidential Computing |
|---|---|
| Public Cloud | Hilft bei der Isolierung sensibler Workloads in gemeinsam genutzten Infrastrukturumgebungen. |
| Private Cloud | Unterstützt eine stärkere Kontrolle über vertrauliche Daten, Workloads und Infrastruktur. |
| Hybrid Cloud | Unterstützt den Schutz von Workloads, die sich über mehrere Umgebungen hinweg bewegen oder ausgeführt werden. |
| Edge-Umgebungen | Unterstützt den Schutz von Daten, die in der Nähe von Geräten, Maschinen, Benutzern oder Remote-Standorten verarbeitet werden. |
| KI-Umgebungen | Unterstützt den Schutz von Modellen, Eingabeaufforderungen, Daten und Inferenz-Workloads während ihrer Verarbeitung. |
Wann ist Confidential Computing am nützlichsten?
Confidential Computing ist am nützlichsten, wenn Unternehmen vertrauliche Daten verarbeiten müssen, aber dennoch die Flexibilität einer verteilten, Cloud-ähnlichen oder gemeinsam genutzten Infrastruktur wünschen.
Was sind Beispiele für Confidential Computing?
Confidential Computing kann immer dann nützlich sein, wenn vertrauliche Daten mit stärkerem Schutz verarbeitet werden müssen.
| Anwendungsfall | So kann Confidential Computing helfen |
|---|---|
| Finanzdatenverarbeitung | Hilft beim Schutz von Zahlungen, Transaktionen, Betrugserkennung und Kundendaten während ihrer Verarbeitung. |
| Analysen im Gesundheitswesen | Unterstützt den Schutz von Patientendaten, klinischen Workflows und Workloads in der medizinischen Forschung. |
| Vertrauliche KI | Hilft beim Schutz von Eingabeaufforderungen, Modellen, Trainingsdaten, Inferenzdaten und Ausgaben. |
| Zusammenarbeit mehrerer Partner | Unterstützt Unternehmen bei der Analyse vertraulicher Daten über Partner hinweg, ohne mehr Daten als erforderlich offenzulegen. |
| Schutz von Cloud-Workloads | Unterstützt den Schutz sensibler Workloads, die in gemeinsam genutzten oder hybriden Umgebungen ausgeführt werden. |
| Schutz geistigen Eigentums | Unterstützt den Schutz von Algorithmen, Modellen, Code und unternehmensspezifischer Geschäftslogik. |
| Regulierte Workloads | Unterstützt stärkere Kontrollen für Compliance-empfindliche Daten und Anwendungen. |
Warum konzentrieren sich Beispiele für Confidential Computing oft auf Unternehmen?
Diese Beispiele zeigen, warum Confidential Computing für Unternehmensworkloads wichtig ist, die Datenschutz, Vertrauen und eine sichere Verarbeitung verlangen.
Wie entscheiden sich Unternehmen für eine Confidential Computing-Lösung?
Als Grundlage zur Auswahl einer Confidential Computing-Lösung sollten Unternehmen die Vertraulichkeit der Daten, den Workload-Typ, die Compliance-Anforderungen, die Infrastrukturumgebung und den Leistungsbedarf heranziehen.
Wichtige Faktoren sind:
- Unterstützung für vertrauenswürdige Ausführungsumgebungen, Secure Enclaves und Attestation.
- Kompatibilität mit bestehenden Anwendungen, Cloud-Plattformen, Servern und KI-Infrastrukturen.
- Robuste Schlüsselmanagement-, Zugriffskontroll-, Überwachungs- und Auditfunktionen.
- Unterstützung für Anwendungsfälle in den Bereichen KI, Analysen, regulierte Daten und Zusammenarbeit mit mehreren Partnern.
- Betriebseignung für Cloud-, Private Cloud-, Edge- und Hybrid-Umgebungen.
Die richtige Lösung sollte Daten schützen, die sich in Verwendung befinden, aber keine unnötige Leistungs-, Integrations- oder Verwaltungskomplexität hervorrufen.
Welche Vorteile bietet Confidential Computing?
Confidential Computing hilft Unternehmen dabei, vertrauliche Workloads zu schützen, während diese gleichzeitig noch verwendet und verarbeitet werden können.
Zu den gängigen Vorteilen gehören:
- Stärkerer Schutz für in Verwendung befindliche Daten.
- Verbesserter Datenschutz für vertrauliche und regulierte Workloads.
- Mehr Sicherheit bei der Verwendung von Cloud, Hybrid Cloud und gemeinsam genutzter Infrastruktur.
- Besserer Schutz für KI-Modelle, Eingabeaufforderungen, Datensätze und Inferenz-Workloads.
- Unterstützung für die Zusammenarbeit von Teams, Partnern oder Umgebungen an vertraulichen Daten.
Der größte Vorteil besteht darin, dass Confidential Computing Unternehmen dabei unterstützt, vertrauliche Daten sicherer zu nutzen. Es bietet zusätzlichen Schutz in der Phase, in der Daten traditionell schwieriger zu schützen sind.
Mit welchen Herausforderungen ist Confidential Computing verbunden?
Confidential Computing kann die Komplexität erhöhen, weil es von bestimmten Hardwarefunktionen, Software-Support, Sicherheitsarchitektur und betrieblichen Prozessen abhängt.
Gängige Herausforderungen sind:
- Anforderungen hinsichtlich Anwendungskompatibilität und Workload-Neugestaltung.
- Leistungsaufwand in Abhängigkeit von Workload und Implementierung.
- Schlüsselmanagement, Attestation und Komplexität des Richtlinienmanagements.
- Integration mit Cloud, Private Cloud, KI und bestehenden Sicherheitstools.
- Fähigkeits-, Governance-, Überwachungs- und Compliance-Anforderungen.
Aufgrund dieser Herausforderungen sollte Confidential Computing als Bestandteil einer breiter angelegten Sicherheits-, Infrastruktur- und Workload-Strategie bewertet werden.
So unterstützt HPE Confidential Computing
HPE unterstützt Confidential Computing durch eine sichere Serverinfrastruktur, Computing-Sicherheitsfunktionen, private KI-Plattformen und KI-Lösungen für Unternehmen, die zum Schutz sensibler Workloads entwickelt wurden.
HPE ProLiant Compute bietet eine sichere Grundlage für Unternehmensworkloads, die Anwendungen, Daten, Analysen, Virtualisierung, KI und eine Hybrid-Infrastruktur umfasst. HPE Integrated Lights-Out und HPE Silicon Root of Trust tragen zur Stärkung der Serversicherheit, des Firmware-Schutzes, der Remoteverwaltung und der Lebenszyklussicherheit bei.
Für vertrauliche KI-Anwendungsfälle können HPE ProLiant Compute und NVIDIA AI Computing by HPE eine sichere KI-Infrastruktur für Workloads unterstützen, die einen stärkeren Schutz für Daten, Modelle, Eingabeaufforderungen und Inferenz benötigen. HPE Private Cloud AI kann Unternehmen dabei unterstützen, KI-Workloads in einer Private Cloud-Umgebung mit stärkerer Kontrolle über Daten, Zugriff, Infrastruktur und Betrieb auszuführen.
HPE Compute Ops Management und GreenLake können Unternehmen außerdem dabei helfen, die Transparenz, das Lebenszyklusmanagement von Servern und den Hybrid Cloud-Betrieb in verteilten Computing-Umgebungen über ein einziges, modernes Managementerlebnis zu verbessern.
Mit HPE können Unternehmen sichere Computing-Umgebungen aufbauen, die eine vertrauliche Datenverarbeitung, vertrauliche KI sowie Private Cloud-, Hybrid Cloud- und Workload-Schutz für Unternehmen unterstützen.
Confidential Computing – FAQs
Worauf sollten Unternehmen bei einem Confidential Computing-Anbieter achten?
Unternehmen sollten nach einem Confidential Computing-Anbieter suchen, der vertrauenswürdige Ausführungsumgebungen, Secure Enclaves, Attestationen, Verschlüsselung, Schlüsselmanagement, Überwachung und Integration in bestehende Infrastrukturen unterstützt. Unternehmen sollten auch die Workload-Kompatibilität, den Cloud- und Server-Support, die Compliance-Anforderungen sowie die Leistungsauswirkungen und die betriebliche Reife bewerten.
Welcher Confidential Computing-Ansatz eignet sich am besten für Finanzdaten?
Der beste Confidential Computing-Ansatz für Finanzdaten hängt von der Sensitivität des Workloads, den gesetzlichen Anforderungen, dem Latenzbedarf und der bestehenden Infrastruktur ab. Finanzdienstleister sollten starke Isolierung, Verschlüsselung, Zugriffskontrolle und Auditprotokollierung sowie Schlüsselmanagement, Compliance-Berichte und Unterstützung für Betrugserkennung, Analysen und Kundendaten-Workloads priorisieren.
Wie viel kostet Confidential Computing für maschinelles Lernen?
Die Kosten des Confidential Computing für maschinelles Lernen hängen von den Hardwareanforderungen, der Cloud- oder Serverkonfiguration, der Größe der Workloads, dem GPU-Bedarf, den Sicherheitskontrollen, der Softwarelizenzierung, der Integration und vom laufenden Betrieb ab. Unternehmen sollten bei der Bewertung sowohl die Infrastrukturkosten als auch den Wert für vertrauliche KI-Daten, Modelle, Eingabeaufforderungen und Ausgaben aufgrund des reduzierten Risikos berücksichtigen.
Wonach sollten Unternehmen in einer Demo für Confidential Computing-Plattform fragen?
Unternehmen sollten nach Workload-Isolierung, Attestation, Schlüsselmanagement, Verschlüsselung, Überwachung, Auditberichten, Richtlinienkontrollen sowie Integration in bestehende Cloud-, Server-, KI- und Sicherheitstools fragen. Die Demo sollte zeigen, wie vertrauliche Daten und Workloads während der echten Verarbeitung durch die Anwendung oder KI geschützt bleiben.
Wie kann Confidential Computing zur Sicherung von Unternehmensanwendungen beitragen?
Confidential Computing kann zur Sicherung von Unternehmensanwendungen beitragen, indem es vertrauliche Daten schützt, während die Anwendung diese verarbeitet. Dies kann Risiken durch eine kompromittierte Infrastruktur, gemeinsam genutzte Umgebungen, unbefugten Zugriff und Risiken durch Insider reduzieren. Besonders nützlich ist es für Anwendungen, die Finanzdaten, Gesundheitsdaten, Kundeninformationen, KI-Workloads oder proprietäre Geschäftslogik verarbeiten.