Sovereign AI & Lokale LLMs: Enterprise-RAG unter DSGVO und EU AI Act

In den vergangenen zwei Jahren haben nahezu alle europäischen Industrie- und Dienstleistungsunternehmen erste Pilotprojekte mit generativer Künstlicher Intelligenz gestartet. Meist genügte ein einfacher API-Schlüssel für OpenAI oder Azure OpenAI Services, um innerhalb weniger Tage einen ersten Prototyp für die Dokumentenanalyse, die Softwareentwicklung oder den internen Kundensupport bereitzustellen.

Beim Übergang vom isolierten Machbarkeitsnachweis in den unternehmensweiten Produktivbetrieb stoßen CIOs, CISOs und Datenschutzbeauftragte jedoch auf massive architektonische und rechtliche Barrieren. Sobald reale Konstruktionspläne, Lieferantenverträge, Patientenakten oder Quellcode-Repositories über externe Programmierschnittstellen an Cloud-Rechenzentren übermittelt werden, verliert das Unternehmen die physische und juristische Kontrolle über sein wertvollstes Betriebsvermögen.

Gleichzeitig hat das Inkrafttreten der europäischen KI-Verordnung (EU AI Act) in Verbindung mit der Datenschutz-Grundverordnung (DSGVO) die Anforderungen an Modelltransparenz, Daten-Governance und technische Protokollierung spürbar verschärft. Dieser Leitfaden analysiert, warum das Mieten proprietärer Blackbox-Modelle in eine strategische Sackgasse führt und wie IT-Verantwortliche mit Open-Weights-Modellen, vLLM und lokalem Retrieval-Augmented Generation (RAG) eine souveräne KI-Plattform aufbauen.

Das Cloud-API-Dilemma: Geistiges Eigentum und unberechenbare Token-Kosten

Auf dem Papier versprechen kommerzielle Enterprise-Verträge der großen US-Cloud-Anbieter, dass übermittelte Kunden-Prompts nicht für das Training zukünftiger Basismodelle verwendet werden. In der sicherheitstechnischen Praxis greift diese vertragliche Zusicherung jedoch zu kurz. Für die Verarbeitung eines komplexen Prompts samt angehängter Unternehmensdokumente müssen sämtliche Klartextdaten im Arbeitsspeicher und Video-RAM fremder Server entschlüsselt vorliegen.

Selbst bei deaktivierter Trainingsnutzung speichern zahlreiche Cloud-Plattformen die Eingabe- und Ausgabedaten standardmäßig über mehrere Wochen hinweg in internen Missbrauchs- und Debugging-Protokollen, auf die Sicherheitsteams des Anbieters zugreifen können. Unterliegt der Betreiber zudem dem US CLOUD Act, besteht ein permanentes Risiko extraterritorialer Herausgabeanordnungen, gegen die auch ein Serverstandort in Frankfurt oder Dublin keinen wirksamen Rechtsschutz entfaltet.

Noch gravierender wirkt sich im operativen Betrieb die mangelnde Modellstabilität externer Schnittstellen aus. Cloud-Anbieter aktualisieren ihre Sprachmodelle, Sicherheitsfilter und internen System-Prompts laufend im Hintergrund, ohne dass Anwenderunternehmen diese Änderungen steuern oder verhindern können. Ein automatisierter Fachprozess zur Rechnungsprüfung oder Vertragsanalyse, der gestern noch präzise strukturierte JSON-Antworten lieferte, kann nach einem stillen Modell-Update plötzlich abweichende Ergebnisse produzieren.

Hinzu kommt die kaufmännische Eskalation nutzungsbasierter Abrechnungsmodelle. Während ein einzelner Chat-Assistent im Testbetrieb nur geringe Beträge verursacht, explodiert das Token-Volumen bei produktiven RAG- und Agenten-Workflows. Wenn für jede Mitarbeiteranfrage zwanzig bis dreißig Seiten Fachdokumentation als Kontext in das Sprachmodell geladen werden, summieren sich die Gebühren für Input- und Output-Tokens bei tausend Wissensarbeitern rasch auf mehrere hunderttausend Euro pro Jahr.

Wie dramatisch sich fehlende Zugriffsschranken bei schlüsselfertigen Cloud-Assistenten auswirken, zeigt unsere Analyse zum Berechtigungskollaps bei Microsoft Copilot und dem Schutz von Vorstandsdaten. Wer generative KI nachhaltig in den Kernprozessen verankern will, benötigt deshalb eine Architektur, bei der sowohl die Modellgewichte als auch die Berechtigungsprüfung vollständig unter eigener Hoheit laufen.

Ergänzende Architektur-Analysen und technische Entscheidungsmatrizen für Ihre IT-Planung finden Sie in unseren weiterführenden Leitartikeln zu Enterprise KI-Strategie im Enterprise-Einsatz sowie zu KI-Architektur im Enterprise-Einsatz.

Technischer Deep-Dive: Open-Weights-Modelle, vLLM und GPU-Infrastruktur

Die technologische Voraussetzung für souveräne Unternehmens-KI ist der rasante Reifegrad quelloffener bzw. mit offenen Gewichten (Open Weights) veröffentlichter Sprachmodelle. Während proprietäre Cloud-Modelle vor zwei Jahren noch einen deutlichen Qualitätsvorsprung besaßen, erreichen heutige Spitzenmodelle wie Llama 3.3 (70B), Mistral Large 2, DeepSeek-V3 oder die europäisch-asiatischen Qwen-2.5-Architekturen bei fachlichen Aufgaben, Zusammenfassungen und Code-Generierung ein ebenbürtiges Leistungsniveau.

In der betrieblichen Praxis ist ein spezialisiertes 32- oder 70-Milliarden-Parameter-Modell, das gezielt mit präzisen Auszügen aus der unternehmenseigenen Wissensdatenbank versorgt wird, einem gigantischen Allzweckmodell in der Public Cloud sogar überlegen. Das Unternehmen bestimmt selbst, welche Modellversion eingefroren wird, und kann das Verhalten bei Bedarf über Low-Rank Adaptation (LoRA) exakt auf juristische, medizinische oder ingenieurtechnische Fachterminologie feinjustieren.

Hochdurchsatz-Inferenz mit vLLM, TGI und PagedAttention

Um solche Sprachmodelle für hunderte gleichzeitige Nutzer im eigenen Rechenzentrum oder in einer europäischen Colocation bereitzustellen, genügen einfache Entwickler-Werkzeuge nicht. Im produktiven Enterprise-Einsatz bilden hochoptimierte Inferenz-Server wie vLLM oder Hugging Face Text Generation Inference (TGI) das technische Fundament, die nach außen hin eine vollständig OpenAI-kompatible REST-API bereitstellen.

Der entscheidende Durchbruch von vLLM liegt im PagedAttention-Algorithmus. Bei der Textgenerierung muss das Sprachmodell für jede laufende Sitzung die sogenannten Key-Value-Tensoren (KV-Cache) im Grafikspeicher vorhalten. Ältere Frameworks reservierten dafür starre, zusammenhängende Speicherblöcke, wodurch bis zu 60 Prozent des kostbaren GPU-VRAMs durch Fragmentierung ungenutzt blieben.

PagedAttention verwaltet den KV-Cache stattdessen analog zum virtuellen Arbeitsspeicher eines Linux-Kernels in flexiblen, nicht-zusammenhängenden Speicherseiten. In Kombination mit Continuous Batching und moderner FP8- oder AWQ-Quantisierung vervielfacht sich der parallele Durchsatz um den Faktor 15 bis 24. Zudem ermöglicht Prefix Caching, dass wiederkehrende System-Prompts und umfangreiche Basisdokumente nur ein einziges Mal berechnet werden müssen, was die Time-to-First-Token (TTFT) auf wenige Millisekunden drückt.

„Wahre KI-Souveränität entscheidet sich nicht im Frontend-Chatfenster, sondern im Video-RAM der GPU und auf der Filterebene der Vektordatenbank: Nur wer Modellgewichte, KV-Cache und Zugriffskontrollen physisch kontrolliert, schützt sein geistiges Eigentum dauerhaft.“

Auch bei der Beschleuniger-Hardware hat sich das Spektrum deutlich verbreitert. Für mittelständische Workloads mit 70B-Modellen in FP8-Präzision bildet ein Server mit zwei bis vier NVIDIA-L40S-GPUs (je 48 GB VRAM) das wirtschaftliche Optimum. Für hochparallele Konzernumgebungen mit langen Kontextfenstern stehen neben NVIDIA H100/H200 insbesondere AMD Instinct MI300X Beschleuniger (192 GB HBM3) bereit, die selbst größte Sprachmodelle ohne GPU-übergreifenden Kommunikations-Overhead im Speicher halten.

Mandantensichere RAG-Architektur mit Qdrant, Milvus und pgvector

Damit das lokale Sprachmodell belastbare Fakten statt plausibel klingender Erfindungen liefert, wird es in eine mehrstufige Retrieval-Augmented-Generation-Pipeline eingebettet. Anstelle eines naiven Zerschneidens von PDF-Dateien nach fester Zeichenlänge zerlegen moderne Parser (etwa Docling oder Unstructured) eingehende Verträge, Handbücher und Tabellen strukturerhaltend entlang ihrer semantischen Kapitel- und Überschriftenlogik.

Jeder extrahierte Textabschnitt wird anschließend durch ein lokal betriebenes, mehrsprachiges Embedding-Modell wie BAAI bge-m3 in einen hochdimensionalen Vektor überführt und gemeinsam mit einem lückenlosen Metadaten-Payload gespeichert. Für die Datenhaltung nutzen Infrastruktur-Teams entweder spezialisierte Vektor-Engines wie Qdrant und Milvus oder integrieren die Erweiterung pgvector direkt in ihre bestehenden hochverfügbaren PostgreSQL-Cluster.

Um höchste Treffgenauigkeit bei Fachbegriffen, Artikelnummern und Paragrafen zu erreichen, kombiniert die Datenbank im Abfragezeitpunkt eine semantische Vektorsuche (Dense Retrieval via HNSW-Index) mit einer lexikalischen Volltextsuche (Sparse BM25). Ein nachgeschaltetes lokales Cross-Encoder-Reranking-Modell bewertet die ersten 50 Kandidaten binnen Millisekunden neu und übergibt ausschließlich die fünf relevantesten Textpassagen samt exakter Quellenangabe an das Sprachmodell.

Das Herzstück der Sicherheit ist das verpflichtende Pre-Filtering auf Dokumentenebene. Bei jeder Anfrage liest das RAG-Gateway das signierte Token (JWT) des Benutzers aus dem Identity-Provider aus, wie wir im Leitfaden zu Keycloak und Authentik als Zero-Trust-IAM-Fundament zeigen. Die Rollen-IDs werden als harter Filter direkt in die Vektorabfrage injiziert, sodass unautorisierte Chunks das Sprachmodell technisch niemals erreichen.

Architektur- und Compliance-Vergleich: Cloud-KI-APIs versus Sovereign On-Premises RAG

Für eine fundierte Investitionsentscheidung im Vorstand müssen Datenschutz, EU-Regulatorik, Latenzverhalten und langfristige Betriebskosten systematisch gegenübergestellt werden. Während Cloud-APIs den schnellen Projektstart erleichtern, kehrt sich dieser Vorteil bei steigender Nutzerzahl und strengen Audit-Pflichten rasch in ein operatives Risiko um.

Die folgende Bloomberg-Radar-Matrix vergleicht die Anbindung externer Hyperscaler-KI-Dienste mit einem selbst betriebenen Sovereign-AI-Stack auf Basis von vLLM, Open-Weights-Modellen und lokalem Vektor-Storage über fünf entscheidende Kriterien:

Die Gegenüberstellung zeigt deutlich, dass lokale Sprachmodelle längst kein Nischenprojekt für Forschungslabore mehr sind. Durch die Entkopplung von der Preis- und Produktpolitik außereuropäischer Plattformbetreiber gewinnen Unternehmen die architektonische Freiheit zurück, KI-Agenten tief in ihre ERP-, CRM- und Produktionssysteme einzubinden, ohne dass jede automatisierte Hintergrundabfrage die monatliche Cloud-Rechnung in die Höhe treibt.

Vollkostenrechnung über 60 Monate: Wann lokale GPU-Cluster die Cloud-API schlagen

Um die Investitionsentscheidung für den Finanzvorstand (CFO) belastbar zu beziffern, betrachten wir ein repräsentatives Szenario eines gehobenen Mittelständlers oder einer Behörde mit 1.000 intensiv arbeitenden Wissensarbeitern. Jeder Mitarbeiter nutzt das Enterprise-RAG-System sowie automatisierte Dokumenten-Workflows im Schnitt für 35 komplexe Anfragen pro Arbeitstag.

Da bei einer fundierten RAG-Abfrage neben der eigentlichen Frage jeweils fünf bis acht relevante Dokumenten-Chunks samt System-Prompt übergeben werden, umfasst jede Transaktion durchschnittlich 4.500 Input-Tokens und 600 generierte Output-Tokens. Über 220 Arbeitstage pro Jahr entsteht so ein produktives Gesamtvolumen von rund 39 Milliarden verarbeiteten Tokens jährlich bzw. 195 Milliarden Tokens über einen Fünfjahreszeitraum (60 Monate).

Beim Bezug über kommerzielle Enterprise-Cloud-APIs der Oberklasse (inklusive reservierter Durchsatz-Kapazitäten wie Provisioned Throughput Units, Cloud-Vektorsuche und privater Netzwerkanbindung) fallen hierfür durchschnittliche Mischkosten von rund 16.500 Euro pro Monat an. Über 60 Monate summiert sich dieser reine OPEX-Abfluss auf rund 990.000 Euro, ohne dass dem Unternehmen am Ende des Zeitraums eigene Infrastruktur oder wiederverwendbare Hardware gehört.

Demgegenüber erfordert der Aufbau eines hochverfügbaren On-Premises-KI-Clusters bestehend aus zwei dedizierten GPU-Servern (jeweils bestückt mit vier NVIDIA-L40S-Beschleunigern oder zwei H100-NVL-Karten, 512 GB DDR5-RAM und Enterprise-NVMe-Storage für Qdrant) eine einmalige Hardware-Investition (CAPEX) von rund 115.000 Euro. Hinzu kommen über fünf Jahre rund 65.000 Euro für Strom, Kühlung und Rack-Fläche sowie 85.000 Euro für initiale Systemintegration und Wartung.

Die Gesamtkosten (5-Jahres-TCO) der souveränen Eigenlösung belaufen sich damit auf 265.000 Euro gegenüber 990.000 Euro im Cloud-Mietmodell. Das Unternehmen erzielt eine Netto-Einsparung von 725.000 Euro (rund 73 Prozent Kostenreduktion) und erreicht den Break-even bereits im neunten Betriebsmonat. Wie sich solche Infrastruktur-Rechnungen in die Gesamtstrategie einfügen, beleuchtet unser 5-Jahres-TCO-Vergleich zwischen Rechenzentrums-Eigenbetrieb und Hyperscalern.

Die Make-or-Buy Sourcing-Weiche und Compliance unter EU AI Act und DSGVO

Je nach vorhandener Rechenzentrums-Kapazität, Sicherheitsklassifizierung der Daten und Größe des internen Plattform-Teams empfiehlt sich für CIOs eine abgestufte Bereitstellungsstrategie. Entscheidend ist, dass die Hoheit über Vektor-Indizes, Verschlüsselung und Modellgewichte in allen drei Varianten beim Anwenderunternehmen verbleibt.

Erstens (Dedizierter Eigenbetrieb im Rechenzentrum oder Air-Gap): Forschungseinrichtungen, Rüstungszulieferer, Banken, Kanzleien und Industrieunternehmen mit streng geheimen Patent- und Konstruktionsdaten betreiben ihre GPU-Knoten im eigenen Serverraum oder in einem zertifizierten deutschen Colocation-Rack. Der gesamte Software-Stack aus Linux, Kubernetes, vLLM und Qdrant läuft vollständig isoliert und kann bei Bedarf ohne jede physische Internetverbindung betrieben werden.

Zweitens (Managed Private AI auf souveräner EU-Infrastruktur): Mittelständische Unternehmen, die keine eigene GPU-Hardware beschaffen und warten möchten, mieten dedizierte Bare-Metal-GPU-Instanzen bei europäischen Cloud-Anbietern nach dem Standard des Sovereign Cloud Stack (SCS). Die Container-Orchestrierung wird durch ein europäisches Systemhaus betreut, während sämtliche Daten im exklusiven Mandanten-Speicher unter deutschem Recht verbleiben.

Drittens (Hybrides Routing über ein lokales AI-Gateway): Vorhandene interne Applikationen sprechen ausschließlich ein zentrales, selbst gehostetes AI-Gateway (etwa LiteLLM mit Presidio-PII-Filterung) an. Vertrauliche Anfragen mit Personen- oder Unternehmensbezug werden zwingend auf dem lokalen vLLM-Cluster verarbeitet, während rein öffentliche Aufgaben wie die Übersetzung publizierter Marketingtexte bei Lastspitzen anonymisiert an externe Modelle delegiert werden können.

Aus regulatorischer Sicht verschafft diese Architektur der Geschäftsführung eine wasserdichte Verteidigungslinie. Für KI-Systeme, die im Personalwesen, in der Kreditwürdigkeitsprüfung oder in kritischen Infrastrukturen zum Einsatz kommen, fordern die Artikel 9 bis 15 des EU AI Acts ein dokumentiertes Risikomanagement, hohe Datenqualität, Manipulationssicherheit sowie eine lückenlose technische Protokollierung (Logging) und menschliche Aufsicht (Human-in-the-Loop).

Während Betreiber bei fremden Cloud-Blackboxen weder die internen System-Prompts noch die Gewichts-Updates gegenüber Aufsichtsbehörden offenlegen können, lässt sich auf einem lokalen vLLM-Stack jeder einzelne Inferenzschritt inklusive der herangezogenen RAG-Quellen revisionssicher protokollieren. Welche persönlichen Pflichten sich daraus für Geschäftsführer ergeben, erläutern wir im Leitfaden zu NIS-2 und EU AI Act hinsichtlich der Vorstandshaftung.

Der 4-Phasen-Umsetzungsfahrplan: Vom Cloud-Prototyp zur souveränen KI-Plattform

Die Ablösung unkontrollierter Schatten-KI und externer API-Abhängigkeiten gelingt im Mittelstand innerhalb von vier bis sechs Monaten. Ein praxiserprobtes Vorgehen in vier Phasen stellt sicher, dass Fachabteilungen frühzeitig spürbaren Mehrwert erhalten, ohne dass Datenschutz oder IT-Sicherheit kompromittiert werden.

Phase 1 (Monat 1): Use-Case-Triage, Schutzbedarfsklassifizierung und ACL-Audit

Zu Beginn inventarisiert ein gemeinsames Team aus IT-Architektur, Informationssicherheit und Fachbereichen alle bestehenden und geplanten KI-Anwendungsfälle. Parallel werden die anzubindenden Datenquellen (ERP, DMS, Intranet, Ticket-Systeme) nach DSGVO-Schutzbedarf klassifiziert und bestehende Fehlkonfigurationen in den Verzeichnisberechtigungen (Active Directory / Keycloak) bereinigt, bevor der erste Dokumenten-Ingest startet.

Phase 2 (Monat 2 bis 3): Sizing und Inbetriebnahme des GPU- und Vektor-Clusters

Anhand der ermittelten Gleichzeitigkeitsfaktoren dimensioniert die Infrastruktur-Abteilung die GPU-Knoten (beispielsweise Dual- oder Quad-L40S-Server) und installiert die gehärtete Linux- und Container-Basis. Darauf werden vLLM als Inferenz-Engine mit lokal gespeicherten Open-Weights-Modellen (Llama 3.3 70B, Mistral oder Qwen 2.5) sowie ein hochverfügbares Qdrant- oder PostgreSQL-pgvector-Cluster im internen Rechenzentrumsnetz in Betrieb genommen.

Phase 3 (Monat 4): Aufbau der semantischen Ingestion-Pipeline und Berechtigungskopplung

In der dritten Phase wird die automatisierte Dokumentenverarbeitung implementiert: Dokumenten-Parser zerlegen interne PDFs und Handbücher strukturerhaltend, versehen jeden Abschnitt mit den zugehörigen Zugriffs-ACLs und erzeugen über lokale bge-m3-Modelle die Suchvektoren. Anschließend verifiziert das Sicherheitsteam durch gezielte Penetrationstests (Red-Teaming), dass die JWT-basierte Vorfilterung jeglichen unberechtigten Informationsabfluss zuverlässig blockiert.

Phase 4 (Monat 5 bis 6): Produktiver Rollout, Guardrails und Abschaltung externer APIs

Über ein zentrales internes Web-Frontend sowie OpenAI-kompatible API-Endpunkte werden die Fachabteilungen auf die neue Plattform aufgeschaltet. Lokale Guardrail-Filter prüfen sämtliche Ein- und Ausgaben in Echtzeit auf Prompt-Injection-Muster und Halluzinationen (Groundedness-Check), während bestehende externe Cloud-API-Schlüssel schrittweise gesperrt und durch die interne Infrastruktur abgelöst werden.

Fünf Kontrollfragen für Vorstand und IT-Leitung zur KI-Souveränität

1. Welche vertraulichen Unternehmensdaten fließen heute bereits über externe Cloud-KI-APIs ab?

Prüfen Sie über Ihre Firewall- und Proxy-Protokolle sowie über die Kreditkartenabrechnungen der Fachabteilungen, welche Cloud-KI-Dienste abseits der zentralen IT genutzt werden. Erst die Bereitstellung einer leistungsfähigen, einfach bedienbaren internen Alternative beendet die unkontrollierte Schatten-KI im Unternehmen wirksam.

2. Ist unsere RAG-Vektordatenbank gegen horizontale Rechteausweitung auf Dokumentenebene geschützt?

Verlangen Sie von Ihren Systemarchitekten den technischen Nachweis, dass Zugriffsrechte nicht erst nachträglich im Prompt, sondern als zwingender Datenbankfilter vor dem Vektor-Retrieval geprüft werden. Wenn die Vektordatenbank das Berechtigungstoken des Nutzers nicht auswertet, darf das System keinesfalls mit sensiblen Bestandsdaten verbunden werden.

3. Wie stellen wir Reproduzierbarkeit sicher, wenn ein externer Anbieter sein Modell im Hintergrund ändert?

Kritische Geschäftsprozesse benötigen deterministische Software-Bausteine. Stellen Sie sicher, dass produktive KI-Pipelines auf exakt versionierten Open-Weights-Modellen unter Ihrer eigenen Versionskontrolle laufen, damit ein Modellwechsel nur nach erfolgreichem internem Regressionstest stattfindet.

4. Ab welchem monatlichen Anfragevolumen unterschreitet eigene GPU-Hardware die laufenden Token-Mietkosten?

Lassen Sie den Break-even-Punkt auf Basis realistischer RAG-Kontextlängen (meist 4.000 bis 8.000 Tokens pro Anfrage inklusive Dokumenten-Chunks) über 36 und 60 Monate berechnen. In fast allen Unternehmen mit mehr als 250 aktiven Nutzern amortisiert sich ein dedizierter GPU-Server bereits innerhalb des ersten Betriebsjahres.

5. Können wir bei einer Prüfung nach EU AI Act oder DSGVO lückenlose Audit-Logs vorlegen?

Stellen Sie sicher, dass Ihre Architektur für jede automatisierte oder entscheidungsunterstützende KI-Ausgabe revisionssicher dokumentiert, welche Modellversion, welcher System-Prompt und welche exakten Quell-Dokumente (Chunk-IDs) zu diesem Ergebnis geführt haben, ohne dabei den Arbeitnehmerschutz zu verletzen.

Strategisches Fazit: Warum KI-Kompetenz ins eigene Rechenzentrum gehört

Generative Künstliche Intelligenz entwickelt sich rasant vom experimentellen Textwerkzeug zum operativen Betriebssystem für das gesamte Unternehmenswissen. Wer diese Kernschicht dauerhaft als Blackbox-API von außereuropäischen Hyperscalern mietet, gibt nicht nur die Kontrolle über seine Kostenstruktur aus der Hand, sondern liefert sein über Jahrzehnte aufgebautes Domänenwissen fremden Plattformen aus.

Die Kombination aus leistungsfähigen Open-Weights-Sprachmodellen, hochoptimierten Inferenz-Engines wie vLLM und mandantensicheren Vektordatenbanken ermöglicht heute eine architektonisch überlegene Antwort. Unternehmen, die ihre KI-Infrastruktur auf eigenen GPUs oder souveränen europäischen Cloud-Plattformen verankern, erfüllen die strengen Vorgaben von DSGVO und EU AI Act aus dem Stand, senken ihre Fünfjahreskosten um über 70 Prozent und sichern ihren wichtigsten Wettbewerbsvorteil dauerhaft im eigenen Haus.

Häufig gestellte Fragen (FAQ) zu Sovereign AI und lokalen LLMs