KI-Einführungsprojekte in Unternehmen scheitern häufig an Datenschutzanforderungen und dem Schutz geistigen Eigentums – während der Aufbau eigener On-Premises-Infrastruktur wirtschaftlich häufig kaum tragbar ist. „Private Inference” auf Basis von Trusted Execution Environments (TEE) schließt diese Lücke: Die Technologie stellt sicher, dass sensible Daten, die an Large Language Models (LLM) übermittelt werden, selbst für den Infrastrukturanbieter nicht einsehbar sind. Dieser Vortrag vermittelt die technischen Grundlagen von Private Inference und TEE und teilt praxisnahe Erfahrungen aus der Evaluation realer Anbieter.