Wie die FDA eine sichere, AI-fähige Datengrundlage auf Databricks for Government aufbaut

Die Modernisierung einer staatlichen Datenplattform ist ein wenig so, als würde man einen Flugzeugträger steuern, während man mitten auf dem Ozean den Motor umbaut: Die Mission darf nicht stoppen, selbst wenn die zugrunde liegenden Systeme transformiert werden. Genau diese Herausforderung beschrieb die US-amerikanische Food and Drug Administration (FDA) in ihrer Data + AI Summit-Session zum Thema Wie die FDA sichere KI mit Databricks for Government skaliert.

Für die FDA steht ungewöhnlich viel auf dem Spiel. Jeder dritte Amerikaner ist täglich von einer Entscheidung der FDA betroffen, sie reguliert 20 Cent von jedem Dollar, den US-Verbraucher ausgeben, und ihre mehr als 16.000 Mitarbeitenden arbeiten in 200 Büros und Laboren, die über 300 Produktkategorien abdecken. In diesem Umfeld ist Datenmanagement keine reine Backoffice-Funktion, sondern eine Notwendigkeit für die öffentliche Gesundheit.

Aus diesem Grund verändert sich die Diskussion über KI in Behörden. Es geht nicht mehr darum, ob Behörden KI einsetzen sollten, sondern wie sie diese in Umgebungen operationalisieren können, die vom ersten Tag an eine starke Governance, Auditierbarkeit und Compliance erfordern. Dieser Blog beschreibt die wichtigsten Bausteine, die zur Unterstützung sicherer, geschäftskritischer KI-Workloads in FedRAMP- und IL5-Umgebungen erforderlich sind: Infrastructure-as-Code-Sicherheitsmuster, gesteuerter Modellzugriff, Lineage und Auditierbarkeit sowie die Netzwerkkonfigurationen, die für die Anbindung von Unity Catalog an die richtigen Datenquellen erforderlich sind.

Warum sichere KI in Behörden mit der Plattformbereitschaft beginnt

Behörden arbeiten oft unter einigen der strengsten Anforderungen weltweit. Databricks on AWS GovCloud wurde für solche regulierten Workloads entwickelt, die exportkontrollierte Daten (ITAR/EAR) oder Daten verarbeiten und analysieren, die unter FedRAMP High oder DoD IL5 reguliert sind, oder andere sensible Informationen wie Gesundheitsakten und staatliche Finanzsysteme verarbeiten, die in einer Standard-Cloud-Umgebung nicht verarbeitet werden können.

Aber Compliance allein ist nicht alles. Der wichtigere Punkt ist die schnelle Wertschöpfung. Im Rahmen dieser Session stellte Databricks eine Sicherheits-Referenzarchitektur und ein Terraform-basiertes Bereitstellungsmodell vor. Dieses soll Kunden dabei helfen, schnell eine gehärtete, produktions- und auditbereite Umgebung einzurichten – mit integrierten Sicherheitskontrollen wie PrivateLink, vom Kunden verwalteten Schlüsseln und dem Compliance-Sicherheitsprofil.

Die Herausforderung der FDA: Modernisierung ohne Unterbrechung der Mission

Die Modernisierungsreise der FDA begann mit einem bekannten Problem: isolierte Daten, doppelter Aufwand, inkonsistente Pipelines und zu viel operativer Aufwand, der sich über mehrere Zentren und Programme verteilte. Analysten und Wissenschaftler verbrachten zu viel Zeit mit der Suche und dem Abgleich von Daten, anstatt Erkenntnisse daraus zu gewinnen. Gleichzeitig vergrößerte sich die Kluft zwischen dem wissenschaftlichen und regulatorischen Auftrag der Behörde und dem, was ihre Infrastruktur leisten konnte.

Die Antwort der Behörde war der Aufbau von HALO (Harmonized AI and Lifecycle Operations for Data), ihrer Enterprise-Datenplattform, als sicheres, gesteuertes und KI-bereites Fundament. Nach dem Start der Zusammenarbeit mit Databricks im Jahr 2020 mit der Modernisierung einer Legacy-Umgebung ermöglichte der Wechsel der FDA zu Databricks on AWS GovCloud im Jahr 2025 die Nutzung der Vorteile von Unity Catalog und weiterer Funktionen in der Databricks-Umgebung. Unity Catalog bot der FDA eine einzige, offene Governance-Ebene für Daten und KI, mit der sie vertrauenswürdige Assets über Regionen, Formate und Tools hinweg sicher entdecken, verwalten und teilen können – bei geringerer Komplexität, niedrigeren Kosten und einer schnelleren Gewinnung von Erkenntnissen.

Die von der FDA gewählte Architektur ist mandantenfähig: Mehrere Regulierungszentren teilen sich eine gemeinsame Plattformbasis, behalten aber ihre eigenen gesicherten und gesteuerten Bereiche. In der Session beschrieb die FDA dies als ein Apartmenthaus-Modell, bei dem sich alle die Infrastruktur teilen, aber jeder Mieter sein eigenes Schloss und eigene Richtlinien hat. Mit Unity Catalog wurde es viel einfacher, Daten zentrenübergreifend auszutauschen, ohne die Governance zu verlieren.

Drei Meilensteine, die den Verlauf veränderten

Auf dem Weg der FDA prägten drei Meilensteine die Transformation. Der erste war das Sponsoring der FedRAMP High-Zertifizierung, die die Voraussetzung für alles Weitere war. Der zweite war die Migration zu AWS GovCloud. Der dritte war Unity Catalog, wodurch die Behörde das Governance-Fundament erhielt, das sie für sichere, skalierbare KI benötigte.

Die Dimensionen hinter diesen Meilensteinen machen die Geschichte besonders beeindruckend. Die FDA migrierte mehr als 5.000 Benutzer und über 8.000 Jobs und Pipelines ohne Ausfallzeiten. So konnten Wissenschaftler und Analysten ihre Arbeit ohne Unterbrechung fortsetzen, während die Behörde das Fundament darunter neu aufbaute. Zudem wurden im Zuge der Migration zu Unity Catalog mehr als 1.000 Datenpipelines und über 4.000 Notebooks refaktoriert.

Die FDA nutzt serverloses Computing von Databricks, Model Serving, Unity Catalog und Genie, um Hunderte von Legacy-Dashboards in interaktive, KI-gestützte Erlebnisse zu verwandeln, technische Schulden abzubauen und die Wirkung ihrer Arbeit zu beschleunigen.

Die Auswirkungen – Was die Modernisierung in der Praxis gebracht hat

Für die FDA war dies nicht nur eine Bereinigung der Infrastruktur. Es war eine messbare operative Veränderung. Die Behörde gab an, dass sie in nur wenigen Monaten acht Zentren und 30 Programme auf ihrer Enterprise-Datenplattform eingeführt und mehr als 40 Datenquellen aus Antrags- und Einreichungssystemen konsolidiert hat. Diese Konsolidierung verbesserte die behördenübergreifende Zusammenarbeit, erhöhte die Transparenz und stärkte die Sicherheitslage.

Zudem wurden quantifizierbare operative Vorteile erzielt. Nach Angaben der FDA verbesserten SQL-Warehouses die Abfrage-Antwortzeiten für BI-Workloads um mehr als 30 %, die Computing-Kosten sanken um mehr als 20 %, der Zeitaufwand für Bereitstellung, Berechtigungsvergabe und Datenaustausch sank um mehr als 75 % und der operative Aufwand verringerte sich um mehr als 35 %.

Die Benutzerakzeptanz spricht dieselbe Sprache. Die FDA startete im Jahr 2020 mit rund 500 Benutzern, ist mittlerweile auf mehr als 6.000 Benutzer auf der Plattform angewachsen und erwartet, dass diese Zahl bis 2028 die Marke von 10.000 überschreiten wird.

Ermöglichung von verantwortungsvoller KI für die Regulierungsarbeit

Eines der wichtigsten Themen, das hier hervorzuheben ist: Beim Modernisierungsprogramm der FDA ging es nicht um KI um der KI willen. Es ging darum, verantwortungsvolle KI in einem staatlichen Regulierungsumfeld zu ermöglichen. Die Behörde hat Halo in Elsa, ihre Enterprise-KI-Plattform, integriert, um KI-Innovationen in großem Maßstab zu unterstützen. Dabei befinden sich bereits KI-Anwendungsfälle in der Produktion, in der Pilotphase und mehr als zehn weitere in der Entwicklung.

Ein Paradebeispiel ist MARS, die Initiative der FDA zur Modernisierung und Beschleunigung von Zulassungsanträgen. MARS nutzt Databricks integriert mit Elsa, um Prüfern bei der Analyse riesiger Mengen strukturierter und unstrukturierter Informationen im Zusammenhang mit Arzneimittel- und Medizinprodukteanträgen zu helfen, einschließlich klinischer Studienergebnisse, Sicherheitsdaten und Kennzeichnungen. Ziel ist es, dem richtigen Prüfer schneller die richtigen Informationen bereitzustellen, den Zeitaufwand für das Data Wrangling zu reduzieren und fundiertere Regulierungsentscheidungen zu unterstützen.

Ebenso wichtig ist, dass die FDA einen Human-in-the-Loop-Ansatz betont: Die KI übernimmt die Vorarbeit und erweitert das Fachwissen von Wissenschaftlern und Prüfern, ersetzt sie jedoch nicht.

Erkenntnisse für andere Behörden bei der Skalierung sicherer KI

Der Weg der FDA liefert mehrere Erkenntnisse, die für den gesamten öffentlichen Sektor von Bedeutung sind. Erstens ist die Einbindung von Stakeholdern keine einmalige Angelegenheit, sondern ein kontinuierliches Engagement, da jedes Zentrum andere Anforderungen, Zeitpläne und Risikotoleranzen hat. Zweitens muss die Sicherheitsplanung frühzeitig beginnen, da in einer FedRAMP High-Umgebung jede architektonische Entscheidung Auswirkungen auf nachgelagerte Prozesse hat.

Die FDA betonte auch, wie wichtig es ist, auf Flexibilität zu setzen, anstatt Konfigurationen fest zu codieren, wellenbasierte Migrationen anstelle von Big-Bang-Umstellungen durchzuführen und eine starke Partnerschaft mit Anbietern als operativen Vorteil und nicht nur als reines Beschaffungskriterium zu betrachten.

Die Abschlussbotschaft der Session war besonders deutlich: Zertifizierung ist ein Beschleuniger. Governance ist die Voraussetzung für KI. Und eine umfassende Modernisierung kann schneller voranschreiten, wenn Teams kritische Workstreams parallel ausführen, anstatt auf Perfektion zu warten.

Ein Entwurf für einsatzbereite KI

Die Geschichte der FDA zeigt, dass es bei sicherer KI in Behörden nicht darum geht, Modelle nachträglich an Altsysteme anzuflanschen. Es geht darum, das gesteuerte Datenfundament, die sichere Architektur und die operative Disziplin aufzubauen, die erforderlich sind, um KI in kritischen Umgebungen nutzbringend einzusetzen.

Für Führungskräfte im öffentlichen Sektor ist dies vielleicht die wichtigste Erkenntnis überhaupt. Wenn Governance von Anfang an integriert ist, bewirkt die Modernisierung mehr als nur den Abbau technischer Schulden. Sie schafft das Fundament, um Wissenschaftlern, Analysten und Entscheidungsträgern KI sicher und verantwortungsvoll zur Unterstützung ihrer Mission an die Hand zu geben.

Mehr erfahren

Sehen Sie sich die Session Wie die FDA sichere KI mit Databricks for Government skaliert an, die auf dem Data + AI Summit 2026 präsentiert wurde.

• Erkunden Sie das Databricks Security and Trust Center
• Lesen Sie die Databricks Security Best Practices
• Folgen Sie dem Security and Trust Blog
• Laden Sie das Databricks AI Security Framework (DASF) herunter

(Dieser Blogbeitrag wurde mit KI-gestützten Tools übersetzt.) Originalbeitrag