Die vier Säulen von Azure Frontier: KI, Daten, Architektur und Governance

Säule 1: KI-native Infrastruktur

Der häufigste Fehler, den TrustedTech bei der Einführung von KI beobachtet, ist der Aufbau auf einer Infrastruktur, die ursprünglich nicht dafür ausgelegt war, KI zu unterstützen. Unternehmen verbringen Monate damit, Copilot-Pilotprojekte oder Azure OpenAI-Integrationen einzurichten, und wundern sich dann, warum die Leistung schwankt, die Kosten in die Höhe schnellen oder die Ergebnisse nicht zuverlässig sind. Das Problem liegt fast nie beim KI-Tool selbst, sondern bei der Grundlage, auf der es aufbaut.

KI-Workloads verhalten sich anders als herkömmliche Cloud-Workloads. Herkömmliche Umgebungen wurden für vorhersehbare, zeitgesteuerte Batch-Jobs ausgelegt. KI ist sprunghaft, datenintensiv und entwickelt sich ständig weiter. Man kann sie nicht einfach auf eine Infrastruktur übertragen, die für statische Kapazitäten ausgelegt ist, und erwarten, dass sie sich dort wie gewünscht verhält.

Was eine KI-native Infrastruktur tatsächlich benötigt, sind elastische Rechenkapazitäten, die sich bedarfsgerecht skalieren lassen, einheitliche Datenpipelines, die Modelle in Echtzeit versorgen, sowie eine Infrastruktur, die sich bei jeder Änderung der Anforderungen anpassen lässt, ohne dass eine manuelle Neukonfiguration erforderlich ist. Am schnellsten kommen jene Unternehmen voran, die dies von Anfang an einbauen – und nicht diejenigen, die es erst nach dem Scheitern eines Pilotprojekts nachrüsten.

Es gibt zudem einen praktischen Aspekt hinsichtlich der Problemformulierung, der Beachtung verdient: Viele Unternehmen schaffen Probleme, die von der KI gelöst werden sollen, anstatt die KI zur Lösung bereits bestehender Probleme einzusetzen. Das „Frontier“-Framework wendet sich dagegen. Eine KI-native Infrastruktur zeichnet sich durch Wertschöpfung aus. Die Arbeit ist nur dann sinnvoll, wenn ein messbarer Nutzen entsteht – sei es durch geringere Infrastrukturkosten, schnellere Entscheidungsfindung oder die Automatisierung von tatsächlich kostenintensiven manuellen Arbeitsschritten.

Die Azure-Architekten von TrustedTech beginnen hier damit, die aktuelle Recheninfrastruktur eines Unternehmens zu bewerten und festzustellen, wo Workloads umstrukturiert werden müssen, bevor eine KI-Ebene eingeführt wird. Unternehmen, die diesen Schritt überspringen, müssen die Infrastruktur in der Regel 12 bis 18 Monate später neu aufbauen – zu deutlich höheren Kosten und unter größerem Druck. Abwarten macht die Arbeit nicht billiger. Es sorgt vielmehr für größere Störungen.

Wenn Ihre Azure-Umgebung hauptsächlich zwischen 2020 und 2022 aufgebaut wurde, sollten Sie Ihre Strategie für die Azure-Cloud-Migration überprüfen, bevor Sie weitere Ausgaben für KI-Workloads tätigen.

Säule 2: Einheitliche Datenplattform

Ihre Daten sind das Einzige, was Ihre Mitbewerber nicht kopieren können. Jedes Unternehmen, das Azure nutzt, sammelt diese Daten seit Jahren – auf lokalen Servern, in Azure-Abonnements, in SaaS-Tools von Drittanbietern und in manchen Fällen auch bei AWS oder GCP. Das Problem ist, dass diese Daten fragmentiert sind. Sie befinden sich in Silos, sind systemübergreifend doppelt vorhanden und für die KI-Tools, die sie nutzen könnten, größtenteils unzugänglich.

Chad Seymour beschrieb dies während des Webinars als ein dreistufiges Problem. Die unterste Ebene bilden Rohdaten in SQL-Datenbanken, Anwendungen und Altsystemen. Theoretisch wertvoll, in der Praxis jedoch noch nicht nutzbar, da sie isoliert und für Analysen unorganisiert vorliegen. Die zweite Ebene ist die einheitliche Datenplattform, auf der Sie diese Daten in einer einzigen Quelle zusammenführen und die technischen Vorbereitungen treffen, um sie für KI nutzbar zu machen. Die dritte Ebene ist die Intelligenzebene, auf der Sie mithilfe von Azure AI Foundry, Azure OpenAI Search und RAG-Pipelines (Retrieval-Augmented Generation) die aufbereiteten Daten in Erkenntnisse und automatisierte Aktionen umwandeln können.

Microsoft Fabric ist das wichtigste Instrument für Ebene 2. Es vereint Azure Data Factory, Azure Synapse Analytics und Power BI in einem einzigen Dienst. Vor der Bereitstellung lohnt es sich jedoch, die Lizenzierung zu verstehen, da dies vielen Teams Schwierigkeiten bereitet. Fabric ist standardmäßig in keinem Microsoft 365-Abonnement enthalten, auch nicht in E5. Es handelt sich um einen Azure-Dienst, der über das Azure-Portal und nicht über das Microsoft 365-Verwaltungscenter bereitgestellt wird. Eine Testversion ist unter app.powerbi.com verfügbar. Bezahlte Kapazitäten werden bereitgestellt, indem man im Azure-Portal nach „Fabric“ sucht und die entsprechende SKU auswählt. Sobald die Kapazität zugewiesen ist, erfolgt der Zugriff auf den Arbeitsbereich über dieselbe Power BI-Oberfläche, die die Teams bereits nutzen.

Für Unternehmen, die bereits in Power BI Pro oder Premium Per User investiert haben, ist der Umstieg auf Fabric eher eine natürliche Weiterentwicklung als eine grundlegende Neugestaltung der Architektur. Data Engineering, Data Warehousing, Echtzeitanalysen und KI-Tools über Copilot for Fabric werden in einer einzigen Umgebung zusammengeführt, wobei die gemeinsame Verwaltung über Microsoft Purview erfolgt. Wenn Ihr Unternehmen Purview bereits zur Einhaltung von Compliance-Vorgaben einsetzt, lässt sich Fabric direkt in diese bestehenden Richtlinien integrieren.

Der Fabric Data Agent, der seit Kurzem allgemein verfügbar ist, beseitigt einen häufigen Engpass: Anstatt darauf zu warten, dass ein Entwickler einen Ad-hoc-Bericht erstellt, können Sie den Agenten auf ein semantisches Modell verweisen und Analysen über eine Abfrage in natürlicher Sprache abrufen. Dies ist kein Punkt auf der Roadmap. Die Funktion ist bereits heute verfügbar und macht den auf Warteschlangen basierenden Berichts-Workflow überflüssig, der die Entscheidungsfindung in den meisten mittelständischen und großen Unternehmen verlangsamt.

Ein praktisches Szenario: Ein Unternehmen mit 500 Mitarbeitern, dessen Daten auf einem lokalen SQL Server, SharePoint und einem CRM-System eines Drittanbieters verteilt sind, kann diese Daten erst dann für KI-Zwecke nutzen, wenn sie vereinheitlicht wurden. Sobald die Daten über Fabric konsolidiert und entsprechend aufbereitet wurden, dienen sie als Grundlage für automatisierte Berichterstellung, Anomalieerkennung und Copilot-gestützte Analysen. Die Investitionen in die Infrastruktur sind in etwa gleich hoch. Was sich ändert, ist die Frage, ob die Daten ausreichend strukturiert sind, um nutzbar zu sein.

Säule 3: Architektur für KI-gesteuerte Umgebungen

„Cloud-fähig“ zu sein und „KI-gesteuert“ zu sein, ist nicht dasselbe. Die Kluft zwischen beiden ist größer, als den meisten Unternehmen bewusst ist, bis sie tatsächlich versuchen, sie zu schließen.

Ein Muster, auf das TrustedTech regelmäßig stößt, ist das, was Lance Waidzunas als „Lift-and-Shift mit einer Cloud-Adresse“ bezeichnet. Das Unternehmen hat Workloads auf Azure verlagert, doch die zugrunde liegende Architektur entspricht nach wie vor dem gleichen On-Premises-Design – nur dass sie nun auf Azure Virtual Machines statt auf physischer Hardware läuft. Diese Architektur wird der KI bei jedem Schritt im Weg stehen. Echtzeitverarbeitung ist keine exklusive Funktion mehr, die großen Unternehmen vorbehalten ist. Ob es sich nun um einen Copilot handelt, der ein Dokument zusammenfasst, ein Betrugserkennungssystem, das eine Transaktion innerhalb von Millisekunden markiert, oder ein Lieferkettentool, das sich in Echtzeit an Störungen anpasst – in allen Unternehmensbereichen wird erwartet, dass Erkenntnisse sofort verfügbar sind und nicht erst über Nacht in einem Batch-Bericht. Wenn Ihre Datenpipelines dies nicht unterstützen können, hinken Sie bereits hinterher.

Der von Azure Frontier geforderte Architekturwandel umfasst vier praktische Komponenten. Erstens: elastische Rechenkapazität durch IaaS- und PaaS-Dienste anstelle von VMs mit fester Kapazität. Zweitens: reduzierte Datenbewegung: Jedes Mal, wenn Daten eine Eingangs- oder Ausgangsgrenze überschreiten, entstehen Kosten – sowohl in Form von Geld als auch in Form von Latenz –, daher sollte die Architektur unnötige Bewegungen minimieren. Drittens: einheitliche Datenpipelines, die KI-Modelle kontinuierlich und nicht nach einem festen Zeitplan versorgen. Viertens: Governance und Sicherheit, die von Anfang an in die Architektur integriert sind und nicht erst nach dem Start der Workloads nachträglich hinzugefügt werden.

Mit jedem Monat, den ein Unternehmen mit der Modernisierung seiner Architektur zögert, steigen die Kosten für die Umstellung auf eine neue Plattform. Unternehmen, die jetzt in KI-fähige Grundlagen investieren, verschaffen sich einen echten Wettbewerbsvorteil. Diejenigen, die abwarten, werden später mit einer umfangreicheren und kostspieligeren Umstellung konfrontiert sein – meist unter größerem Zeitdruck als derzeit.

Die Azure-Architekten von TrustedTech bearbeiten dies im Rahmen der Bewertung zur Datenmodernisierung, indem sie die aktuelle Umgebung erfassen, Lücken im Vergleich zu einer KI-fähigen Basislinie identifizieren und einen stufenweisen Fahrplan erstellen. Im Durchschnitt stellen Kunden, die diesen Prozess durchlaufen, fest, dass 20 bis 30 Prozent ihrer Azure-Ausgaben keinen Mehrwert lieferten – typischerweise durch die Anpassung der Kapazitäten, die Bereinigung verwaister Ressourcen und die Optimierung von Reservierungen. Der Beitrag im „Beyond Azure Advisor“ behandelt die Methodik ausführlicher, einschließlich der spezifischen Muster, nach denen Lance und das Azure-Team bei einer Bestandsaufnahme suchen.

Säule 4: Sicherheit und Governance in Multicloud-Umgebungen

Die Diskussion über Unternehmensführung ist das Thema, von dem die meisten Organisationen wünschen, sie hätten es früher in Angriff genommen.

Die Multicloud-Ausbreitung ist real und größtenteils unbeabsichtigt. Die meisten Unternehmen hatten ursprünglich nicht vor, Workloads gleichzeitig auf Azure, AWS und vor Ort mit separaten Überwachungssystemen, separaten Sicherheitstools und separaten Identitätskonfigurationen auszuführen. Dies geschah durch schnelles Wachstum, Kaufentscheidungen einzelner Abteilungen und die organische Ausweitung der Cloud-Nutzung über mehrere Jahre hinweg in verschiedenen Geschäftsbereichen. Mitch Jones brachte es im Webinar auf den Punkt: Ein Kunde stellte fest, dass er über 40 Prozent mehr ausgab als nötig, weil bei zwei Anbietern redundante Dienste liefen, die hätten konsolidiert werden können. Das ist kein Rundungsfehler. Es handelt sich um echtes Budget, das eigentlich für KI-Initiativen, Infrastrukturverbesserungen oder Personalausgaben vorgesehen sein sollte.

Aufgrund der Compliance-Aspekte ist dies mehr als nur ein Kostenproblem. Unternehmen, die fragmentierte Multicloud-Umgebungen betreiben, entdecken oft blinde Flecken in der Governance, von denen sie nichts wussten, bis sie bei einem Audit zutage treten. Richtlinien, die für eine einzelne Azure-Umgebung konzipiert wurden, gelten nicht automatisch auch für Workloads, die in AWS ausgeführt werden, oder für Ressourcen, die durch Übernahmen hinzugekommen sind. In regulierten Branchen können die Folgen unter anderem nicht bestandene Audits, Compliance-Verstöße und rechtliche Risiken sein.

Das Frontier-Framework löst dieses Problem durch das Zusammenspiel von drei Tools. Azure Arc erweitert die Verwaltung und Governance von Azure auf Ressourcen, die außerhalb von Azure ausgeführt werden – sei es lokal, in AWS oder in GCP. Azure Policy setzt Konfigurationsregeln für alle diese Ressourcen durch, unabhängig davon, wo sie sich befinden. Microsoft Entra ID bietet eine einheitliche Identitätsverwaltung, die in der Regel auf Active Directory basiert, das im Laufe der Zeit mit der Cloud synchronisiert wurde und nun als zentrale Identitätsplattform für die gesamte Umgebung dient.

Der von Azure Frontier geforderte Sicherheitsansatz ist eher proaktiv als reaktiv. Sicherheit muss vom ersten Tag an Teil der Architektur sein und darf nicht erst nach der Bereitstellung der Workloads als zusätzliche Ebene hinzugefügt werden. Dies ist besonders für KI-Umgebungen von Bedeutung, in denen ein reales Risiko besteht, dass sensible Daten in die Hände eines unkontrollierten LLM oder eines Agenten mit zu weitreichenden Berechtigungen gelangen. Copilot mit Defender und dem gesamten Microsoft-Sicherheitsstack sollte als Ergänzung zur menschlichen Aufsicht konfiguriert werden und nicht als Ersatz dafür dienen.

TrustedTech verfügt über alle sechs Microsoft Solutions Partner-Zertifizierungen, darunter „Security“ und „Data & AI“. Das bedeutet, dass das Team im Rahmen eines einzigen Projekts sowohl an der Sicherheitsarchitektur als auch an Governance-Rahmenwerken und der KI-Bereitschaft arbeitet, anstatt Kunden an separate Anbieter weiterzuleiten. Für Unternehmen, die ihre Sicherheitslage ausbauen oder überprüfen möchten, behandelt der Azure-Sicherheitsleitfaden das Modell der mehrschichtigen Verteidigung sowie die spezifischen Kontrollmaßnahmen, die in der Praxis am wichtigsten sind.

Wie sieht die Finanzierungslage derzeit aus?

Microsoft hat ein umfangreiches Paket an Anreizen für Unternehmen zusammengestellt, die mit „Frontier“-orientierten Projekten beginnen. Diese sind zeitlich begrenzt und sollten vor der Planung einer Daten- oder KI-Initiative berücksichtigt werden.

Das „Azure Accelerate Assessment plus Proof of Value“ bietet Fördermittel in Höhe von bis zu 50.000 US-Dollar. Das „Azure Frontier Offer“ bietet eine 2:1-ROI-Struktur mit Fördermitteln von bis zu 500.000 US-Dollar für die Bereitstellung von Microsoft Foundry, Fabric und Datenbanken. Ein „Azure Credit Offer“ stellt Azure-Gutschriften im Wert von bis zu 500.000 US-Dollar zur Verfügung, um die Fabric-Kosten für sechs Monate auszugleichen. Die „Cloud Accelerate Factory“ bietet einen kostenlosen Einstieg in Azure-Produkte. Berechtigte Organisationen können auf einen Gesamtwert von bis zu 550.000 US-Dollar zugreifen. Die Mindestausgaben für Azure zur Qualifizierung betragen 1,00 US-Dollar, sodass diese Programme nicht nur für große Unternehmensbereitstellungen reserviert sind. TrustedTech als bevorzugter Microsoft CSP erleichtert den Zugang zu diesen Programmen im Rahmen seiner Projekte zur Datenmodernisierung.

Die Datenmodernisierungsanalyse von TrustedTech kostet normalerweise 2.500 US-Dollar. Für Unternehmen, die anschließend eine Migration oder Beratungsleistungen in Anspruch nehmen, entfallen diese Kosten vollständig. Die Analyse umfasst die aktuelle Architektur, Lücken und Hindernisse, die Eignung von Fabric sowie Bereiche, in denen KI eingesetzt werden kann, um einen messbaren Mehrwert zu schaffen. Sie soll verhindern, dass Unternehmen Modernisierungsmaßnahmen in Angriff nehmen, bevor sie wissen, wie die Grundlage tatsächlich aussieht.

Die Zahlen von Microsoft untermauern die Investitionsargumente. 75 Prozent der Technologieführer sind sich einig, dass die Migration zu Azure die Hürden für den groß angelegten Einsatz von KI senkt. Unternehmen verzeichnen eine um 50 Prozent schnellere Markteinführung von KI-Anwendungen, die auf Azure basieren. Für jeden Dollar, der in generative KI investiert wird, beträgt die durchschnittliche Rendite das 3,7-Fache. Layer X, ein Unternehmen, das sich mit Dokumentenüberlastung und Engpässen bei der manuellen Berichterstellung befasst, hat auf Azure eine KI-Belegschaft aufgebaut und durch automatisierte Dokumentenprüfung 570 Arbeitsstunden eingespart, während gleichzeitig die Infrastrukturkosten durch serverlose Skalierung gesenkt wurden.

Erste Schritte: Bewerten, Ausrichten, Aktivieren, Aufbauen

Das Azure-Team von TrustedTech nutzt ein vierstufiges Rahmenkonzept für Kunden, die mit der Arbeit an Frontier beginnen. Der erste Schritt ist bewusst unspektakulär.

„Bewerten“ bedeutet, sich vor jeder Änderung ein klares Bild von der aktuellen Situation zu verschaffen: Architektur, Kostenstruktur, Cloud-Reifegrad, Ineffizienzen und Lücken. Das Ergebnis ist ein datengestützter Ausgangspunkt, keine Vermutung.

„Ausrichten“ bedeutet, die Cloud-Roadmap mit den Geschäftsergebnissen zu verknüpfen, die das Unternehmen tatsächlich benötigt. Zu viele Cloud-Strategien existieren isoliert und sind losgelöst von den KI-Initiativen, der Datenstrategie und den Geschäftszielen, die sie eigentlich unterstützen sollen.

„Aktivieren“ bedeutet, sich zuerst auf die Optimierungen mit der größten Wirkung zu konzentrieren: die richtige Dimensionierung, die Beseitigung ungenutzter Ressourcen und die Einführung von Automatisierung. Dabei handelt es sich nicht um Projekte, die mehrere Quartale in Anspruch nehmen. Es sind Veränderungen, die innerhalb weniger Wochen umgesetzt werden können und die die bevorstehende umfassendere Transformation finanzieren.

Der Aufbau ist ein langfristiges Unterfangen: FinOps-Disziplin, Governance-Rahmenwerke, eine KI-fähige Architektur und eine Partnerschaft, die dafür sorgt, dass die Umgebung im Zuge der Weiterentwicklung der Plattform stets auf dem neuesten Stand bleibt. Unternehmen, die dies gut umsetzen, betrachten die Cloud als eine Fähigkeit, die sich im Laufe der Zeit verbessert, und nicht als Migrationsprojekt mit einem festen Fertigstellungstermin.

Häufig gestellte Fragen

Azure Frontier ist das Framework von Microsoft für die nächste Stufe der Cloud-Reife. Es handelt sich dabei nicht um ein einzelnes Produkt, sondern um einen strukturierten Ansatz, der eine KI-native Infrastruktur, eine einheitliche Datenplattform (vor allem Microsoft Fabric), eine moderne Architektur für KI-Workloads sowie Multicloud-Sicherheit und -Governance miteinander verbindet. Unternehmen, die sich in der „Frontier“-Phase befinden, sind KI-gesteuert und nicht nur einfach cloudfähig.

Microsoft Fabric ist standardmäßig in keinem Microsoft 365-Abonnement enthalten, auch nicht in E5. Es handelt sich um einen Azure-Dienst, der über das Azure-Portal und nicht über das Microsoft 365-Verwaltungscenter bereitgestellt wird. Sie können eine Testversion unter app.powerbi.com starten. Die kostenpflichtige Kapazität erwerben Sie, indem Sie im Azure-Portal nach „Fabric“ suchen und die entsprechende SKU auswählen. Nach der Bereitstellung erfolgt der Zugriff auf den Arbeitsbereich über die Standardoberfläche von Power BI.

Cloud-fähige Unternehmen haben ihre Workloads zwar auf Azure migriert, behalten jedoch häufig lokale Architekturmuster, statische Kapazitätsplanung und batchbasierte Datenverarbeitung bei. KI-gesteuerte Unternehmen haben elastische Rechenkapazitäten, einheitliche Datenpipelines, Echtzeit-Verarbeitungsfunktionen und Governance-Rahmenwerke aufgebaut, die einen zuverlässigen KI-Betrieb in großem Maßstab ermöglichen. Die Kluft zwischen den beiden liegt in erster Linie in der Architektur und nicht in den eingesetzten Tools.

Microsoft bietet derzeit einen Gesamtwert von bis zu 550.000 US-Dollar an: bis zu 50.000 US-Dollar im Rahmen des „Azure Accelerate Assessment plus Proof of Value“, bis zu 500.000 US-Dollar im Rahmen des „Azure Frontier Offer“ für die Bereitstellung von Foundry, Fabric und Datenbanken sowie bis zu 500.000 US-Dollar in Form von Azure-Gutschriften zur Deckung der Fabric-Kosten für sechs Monate. Die Mindestausgaben für Azure, um sich zu qualifizieren, betragen 1,00 US-Dollar. TrustedTech als bevorzugter Microsoft CSP erleichtert den Zugang zu diesen Programmen. Die Verfügbarkeit der Fördermittel und die Bedingungen können sich ändern; bitte klären Sie die aktuelle Teilnahmeberechtigung mit Ihrem TrustedTech-Kundenteam ab.

Azure Arc erweitert die Verwaltung und Governance von Azure auf Ressourcen, die außerhalb von Azure ausgeführt werden, darunter lokale Server, AWS-Workloads und GCP-Ressourcen. In Kombination mit Azure Policy zur Durchsetzung von Konfigurationen und Microsoft Entra ID für eine einheitliche Identitätsverwaltung bietet Arc eine einheitliche Governance-Ebene für hybride oder Multi-Cloud-Umgebungen. Dadurch entfällt die Notwendigkeit separater Überwachungs- und Richtlinien-Tools für verschiedene Anbieter – ein Bereich, aus dem ein Großteil der Kosten und Compliance-Risiken in fragmentierten Umgebungen stammt.

Der nächste Schritt

„Azure Frontier“ ist kein Ziel. Es ist vielmehr eine Denkweise hinsichtlich der Cloud-Reife, bei der KI ein zentraler Bestandteil des Stacks ist und nicht nur ein nebenbei laufendes Pilotprojekt. Die Unternehmen, die am schnellsten vorankommen, begannen mit einer ehrlichen Bestandsaufnahme des aktuellen Stands ihrer Architektur und ihrer Daten und arbeiteten dann in wohlüberlegten Phasen auf die KI-Bereitschaft hin.

Die Datenmodernisierungsanalyse von TrustedTech ist für die meisten Kunden der praktische Ausgangspunkt: eine strukturierte Bewertung der aktuellen Architektur, der Lücken im Hinblick auf KI-Bereitschafts-Benchmarks, der Eignung für „Fabric“ sowie der Frage, inwieweit die Förderanreize von Microsoft auf die geplanten Maßnahmen zutreffen. Sie wird individuell auf jeden Kunden zugeschnitten und ist keine allgemeine Checkliste.

Wenn Ihre Azure-Umgebung in den letzten Jahren organisch gewachsen ist und Sie sich nicht sicher sind, ob sie für KI-Workloads gerüstet ist, sollten Sie genau dieses Gespräch führen. Sprechen Sie mit dem Azure-Team von TrustedTech über eine Bewertung zur Datenmodernisierung und finden Sie heraus, wo Lücken bestehen, bevor Sie sich auf die nächste Investitionsphase festlegen.

Die Inhalte zu „Azure Frontier“ stammen aus dem Azure Frontier-Webinar von TrustedTech, das von Lance Waidzunas (Manager für Azure-Dienste und -Lösungen), Chad Seymour (Fulfillment Engineer) und Mitch Jones (Account Manager) moderiert wurde. Die Förderbeträge und die Verfügbarkeit von Microsoft können sich ändern; bitte klären Sie die aktuellen Teilnahmebedingungen und Konditionen mit Ihrem TrustedTech-Kundenbetreuungsteam ab.