Backup-Strategie für KI-Workflows: Wiederherstellbarkeit im Mittelstand

Das Problem: KI-Workflows ohne Absicherung

Ein Workflow zur Belegerfassung läuft seit Monaten produktiv. 12.000 Belege sind verarbeitet, Kontierungslogik trainiert, Schnittstellen konfiguriert. Am Montagmorgen öffnet sich die Plattform nicht mehr. Der Support des Anbieters meldet einen Infrastrukturausfall, Zeitpunkt der Wiederherstellung unbekannt. Ihr Team steht still, die Belege stapeln sich und niemand kann sagen, ob die letzten drei Wochen Daten noch existieren.

Dieses Szenario ist im Mittelstand seltener geworden, aber nie ausgeschlossen. Hardware versagt, Softwarefehler treten auf, Ransomware greift auch Cloud-Systeme an. Wer KI-Workflows produktiv einsetzt, trägt Verantwortung für Daten, Modelle und Konfigurationen. Ohne dokumentierte Backup-Strategie ist diese Verantwortung nicht erfüllt.

Was eine Backup-Strategie für KI-Workflows umfassen muss

Klassische Datensicherung reicht nicht aus. KI-Workflows bestehen aus mehreren Ebenen, die alle schützenswert sind:

• Rohdaten und Verarbeitungsergebnisse: Hochgeladene Belege, transkribierte Texte, extrahierte Entitäten, Klassifikationsergebnisse.
• Workflow-Konfigurationen: Die Logik in n8n, Make oder Zapier, also Trigger, Bedingungen, Transformationen, API-Anbindungen.
• Trainierte Modelle und Feintunings: Wenn Sie eigene Modelle nachtrainiert oder Embeddings erstellt haben, liegen diese Gewichte und Vektordatenbanken irgendwo.
• Zugangsdaten und Secrets: API-Keys, OAuth-Tokens, Datenbank-Passwörter, die im Workflow genutzt werden.
• Protokolle und Audit-Logs: Wer hat wann welche Aktion ausgelöst, welche Daten wurden verarbeitet.

Eine vollständige Backup-Strategie sichert alle fünf Ebenen, trennt sie logisch und ermöglicht selektive Wiederherstellung.

Ebene 1: Rohdaten und Verarbeitungsergebnisse

Dateibasierte Eingaben, zum Beispiel PDF-Belege oder hochgeladene CSV-Dateien, sollten unverzüglich nach Eingang in einen separaten Object-Storage kopiert werden. Das kann S3-kompatibles Hosting in der EU sein oder ein selbst betriebener MinIO-Bucket auf dedizierter Hardware.

Verarbeitungsergebnisse, die in Datenbanken landen, PostgreSQL oder MySQL, benötigen automatisierte Dumps. Ein täglicher Cron-Job um 3 Uhr nachts exportiert die Tabellen als SQL-Datei, verschlüsselt sie mit GPG und legt sie in einem zweiten Rechenzentrum ab. Retention-Policy: 7 Tagessicherungen, 4 Wochensicherungen, 12 Monatssicherungen. Das hält den Speicherbedarf überschaubar und erfüllt die meisten Anforderungen an Nachvollziehbarkeit.

Vektordatenbanken wie Weaviate oder Qdrant bieten ebenfalls Export-Mechanismen. Wer RAG auf eigenen Dokumenten nutzt, muss Embeddings und Metadaten getrennt sichern. Ein Restore nur der Rohdokumente reicht nicht, weil die Vektorisierung Rechenzeit kostet und möglicherweise nicht mehr exakt reproduzierbar ist, wenn sich die Modellversion geändert hat.

Ebene 2: Workflow-Konfigurationen

n8n, Make und Zapier speichern Workflows in eigenen Formaten. Bei selbst gehosteten Lösungen wie n8n liegen die Definitionen in der Datenbank, die ohnehin im Dump enthalten ist. Zusätzlich sollten Sie Workflows als JSON exportieren und versioniert in einem Git-Repository ablegen. Das ermöglicht Diff-Vergleiche, Rollback auf ältere Stände und Code-Review durch Kollegen.

Bei Cloud-Plattformen wie Make oder Zapier bleibt der Export manuell oder über API. Automatisieren Sie den wöchentlichen Export aller Szenarien, speichern Sie die JSON-Dateien verschlüsselt in Ihrem eigenen Backup-System. Verlassen Sie sich niemals darauf, dass der Plattformanbieter Ihre Konfiguration dauerhaft vorhält. Gelöschte Workflows sind in der Regel nach 30 Tagen unwiederbringlich.

Ebene 3: Trainierte Modelle und Feintunings

Wenn Sie ein Open-Source-Modell lokal nachtrainiert haben, liegen die Gewichte als Dateien vor. Diese können mehrere Gigabyte groß sein. Sichern Sie die finale Modellversion nach jedem Training auf einem dedizierten Backup-Volume, idealerweise in einem zweiten Rechenzentrum. Versionieren Sie die Modelle mit Zeitstempel und Commit-Hash des Trainingsskripts.

Embeddings in einer Vektordatenbank sollten nach jedem größeren Datenupload gesichert werden. Wenn Sie wöchentlich 500 neue Dokumente indexieren, dann sollte jeden Sonntag ein Snapshot der Vektordatenbank entstehen. Qdrant bietet Snapshots als Zip-Archiv, Weaviate kann Backups über die API starten.

Fine-Tunings über OpenAI oder Anthropic liegen beim Anbieter. Dokumentieren Sie Modell-IDs, verwendete Datensätze und Hyperparameter. Laden Sie den verwendeten Trainingsdatensatz herunter und sichern Sie ihn lokal. So können Sie im Ernstfall das Fine-Tuning wiederholen, wenn der Anbieter die ID löscht oder den Dienst einstellt.

Ebene 4: Zugangsdaten und Secrets

API-Keys und Tokens gehören nicht in Git-Repositories. Nutzen Sie einen Secrets-Manager wie Vault, Infisical oder 1Password for Teams. Exportieren Sie regelmäßig eine verschlüsselte Liste aller aktiven Secrets, ohne die Klartextwerte preiszugeben. Im Wiederherstellungsfall genügt die Liste der benötigten Keys, um sie neu anzufordern oder aus einem Offline-Tresor zu holen.

Verschlüsseln Sie alle Backups, die Secrets enthalten, mit einem Master-Passwort oder einem Hardware-Security-Module. Lagern Sie den Schlüssel physisch getrennt vom Backup-Medium. Ein USB-Stick im Tresor, ein Papierausdruck im Bankschließfach.

Ebene 5: Protokolle und Audit-Logs

Nach DSGVO müssen Sie nachweisen können, welche Daten wann verarbeitet wurden. Audit-Logs aus KI-Workflows sollten täglich in ein zentrales Logging-System geschrieben werden, zum Beispiel Grafana Loki oder Graylog. Von dort erfolgt der tägliche Export als komprimierte JSON-Datei, Retention mindestens drei Jahre, je nach Branche auch länger.

Logs sind oft klein, summieren sich aber. Ein mittelgroßer Workflow mit 500 Ausführungen pro Tag erzeugt 150.000 Log-Zeilen im Monat. Komprimiert sind das etwa 20 bis 40 MB. Nach drei Jahren liegen also rund 1,5 GB vor. Halten Sie den Speicherplatz realistisch und löschen Sie alte Logs nur nach dokumentierter Freigabe durch Datenschutzbeauftragten und Geschäftsführung.

Wo die Backups liegen sollten

Cloud-Anbieter bieten bequeme Backup-Lösungen. AWS S3 Glacier, Azure Archive oder Google Coldline sind kostengünstig. Prüfen Sie aber, ob Ihre Daten EU-Territorium nie verlassen dürfen. Viele Anbieter replizieren in Drittstaaten, sobald Sie Geo-Redundanz aktivieren. Lesen Sie die SLA genau.

Selbst betriebene Backup-Infrastruktur gibt Ihnen volle Kontrolle. Ein dedizierter Server im zweiten Rechenzentrum, zum Beispiel bei Hetzner Falkenstein und Nürnberg, kostet 40 bis 80 Euro im Monat für 4 TB HDD. Synchronisation über rsync über Wireguard-VPN, automatisiert per Cron. Kein Vendor-Lock-in, volle DSGVO-Konformität, keine versteckten Egress-Gebühren.

Hybride Strategien kombinieren beides: Tägliche Sicherung auf eigener Hardware, wöchentliche Kopie in die Cloud für Disaster-Recovery. Das Risiko, dass beide gleichzeitig ausfallen, ist vernachlässigbar.

Wiederherstellung testen

Ein Backup, das nie getestet wurde, ist wertlos. Planen Sie quartalsweise einen Restore-Test ein. Erzeugen Sie eine leere Testumgebung, spielen Sie das Backup ein und prüfen Sie, ob Workflows starten, Modelle laden, Daten korrekt angezeigt werden.

Dokumentieren Sie den Wiederherstellungsprozess in einem Runbook. Schritt-für-Schritt-Anleitung, inklusive Kommandos, Dateipfade, Zugangsdaten-Ablageorte. Das Runbook muss so geschrieben sein, dass ein Kollege ohne Vorkenntnisse den Restore durchführen kann, wenn Sie selbst nicht erreichbar sind.

Messen Sie die Recovery-Time-Objective (RTO) und Recovery-Point-Objective (RPO). RTO ist die maximal akzeptable Ausfallzeit, RPO der maximal akzeptable Datenverlust. Für produktive KI-Workflows im Mittelstand sind RTO von 4 bis 8 Stunden und RPO von 24 Stunden realistische Zielwerte.

Rechtliche und vertragliche Pflichten

DSGVO fordert technische und organisatorische Maßnahmen, um Verfügbarkeit und Belastbarkeit zu gewährleisten. Ein fehlendes Backup-Konzept kann als Verstoß gewertet werden, wenn Daten unwiederbringlich verloren gehen.

Im Auftragsverarbeitungsvertrag mit Ihrem Hosting-Anbieter oder KI-Plattform muss geregelt sein, wer für Backups verantwortlich ist. Viele Cloud-Anbieter sichern Infrastruktur, aber nicht Ihre Daten. Lesen Sie Anhang II des AV-Vertrags genau.

Falls Sie im regulierten Umfeld arbeiten, zum Beispiel Finanzdienstleistung oder Gesundheitswesen, gelten strengere Anforderungen. BaFin-Rundschreiben oder Landesdatenschutzgesetze können tägliche Backups, räumliche Trennung und verschlüsselte Offline-Kopien vorschreiben.

Was nicht funktioniert

• Nur Cloud-Backups ohne lokale Kopie: Wenn der Cloud-Anbieter ausfällt oder Sie sperrt, sind alle Daten unerreichbar.
• Manuelle Sicherung einmal im Quartal: Zu selten, zu fehleranfällig. Automatisierung ist Pflicht.
• Backup und Produktivsystem im selben Rechenzentrum: Ein Brandfall, eine Überschwemmung und beide sind weg.
• Unverschlüsselte Backups auf externen Festplatten: Diebstahl oder Verlust führt zu Datenschutzverletzung und Meldepflicht.
• Kein Test der Wiederherstellung: Sie wissen erst im Ernstfall, dass das Backup unvollständig oder korrupt ist.

Handlungsempfehlung

Beginnen Sie mit einer Bestandsaufnahme: Welche Daten liegen wo, welche Workflows sind produktiv, welche Modelle sind im Einsatz. Definieren Sie RTO und RPO pro System. Richten Sie automatisierte Backups für Datenbanken, Object-Storage und Workflow-Konfigurationen ein. Testen Sie die Wiederherstellung innerhalb von vier Wochen und dokumentieren Sie den Prozess.

Wenn Sie Unterstützung bei der Konzeption oder Umsetzung einer rechtskonformen Backup-Strategie für Ihre KI-Workflows benötigen, sprechen Sie uns an.

Sprechen Sie mit uns

Sie möchten das in Ihrem Betrieb umsetzen? Wir bauen die passende Maschine mit Ihnen.

Telefon: 040 468 967 680
E-Mail: info@whitefox-automations.com
Oder über unser Kontaktformular.