TrueFoundry führt TrueFailover ein, um KI-Datenverkehr in Unternehmen bei Modellausfällen automatisch umzuleiten

Als OpenAI im Dezember ausfiel, stand einer der Kunden von TrueFoundry vor einer Krise, die nichts mit Chatbots oder der Erstellung von Inhalten zu tun hatte. Das Unternehmen nutzt große Sprachmodelle, um bei der Erneuerung von Rezepten zu helfen. Jede Sekunde Ausfallzeit bedeutete tausende Dollar an entgangenen Einnahmen – und Patienten, die ihre Medikamente nicht rechtzeitig erhalten konnten.

TrueFoundry, ein Unternehmen für KI-Infrastruktur in Unternehmen, kündigte am Mittwoch ein neues Produkt namens TrueFailover an, das genau dieses Szenario verhindern soll. Das System erkennt automatisch, wenn KI-Anbieter Ausfälle, Verlangsamungen oder Qualitätsverluste verzeichnen, und leitet den Datenverkehr nahtlos auf Backup-Modelle und Regionen um, bevor die Nutzer überhaupt bemerken, dass etwas schiefgelaufen ist.

„Die Herausforderung besteht darin, dass Failover in der Welt der KI nicht mehr so einfach ist“, sagte Nikunj Bajaj, Mitgründer und CEO von TrueFoundry, in einem exklusiven Interview mit VentureBeat. „Wenn man von einem Modell zum anderen wechselt, muss man auch Dinge wie Ausgabequalität, Latenz und die Frage berücksichtigen, ob der Prompt überhaupt auf die gleiche Weise funktioniert. In vielen Fällen muss der Prompt in Echtzeit angepasst werden, um eine Verschlechterung der Ergebnisse zu verhindern. Das ist nichts, was die meisten Teams manuell bewältigen können.“

Die Ankündigung kommt zu einem entscheidenden Zeitpunkt für die Einführung von KI in Unternehmen. Unternehmen sind längst über die Experimentierphase hinaus. KI unterstützt heute die Rezeptverlängerung in Apotheken, erstellt Verkaufsangebote, unterstützt Softwareentwickler und bearbeitet Kundendienstanfragen. Wenn diese Systeme ausfallen, ziehen die Konsequenzen Kreise durch das gesamte Unternehmen.

Warum KI-Systeme in Unternehmen gefährlich abhängig von einzelnen Anbietern bleiben

Große Sprachmodelle von OpenAI, Anthropic, Google und anderen Anbietern sind zu einer unverzichtbaren Infrastruktur für tausende Unternehmen geworden. Doch anders als bei traditionellen Cloud-Diensten von Amazon Web Services oder Microsoft Azure – die robuste Verfügbarkeitsgarantien bieten, die auf jahrzehntelanger Betriebserfahrung basieren – betreiben KI-Anbieter komplexe, ressourcenintensive Systeme, die anfällig für unerwartete Ausfälle bleiben.

„Große LLM-Anbieter erleben alle paar Wochen oder Monate Ausfälle, Verlangsamungen oder Latenzspitzen, und wir sehen regelmäßig die Auswirkungen auf Unternehmen, die sich auf einen einzigen Anbieter verlassen“, sagte Bajaj gegenüber VentureBeat.

Der OpenAI-Ausfall im Dezember, von dem der Apothekenkunde von TrueFoundry betroffen war, verdeutlicht, worum es geht. „Bei deren Größenordnung können selbst Sekunden an Ausfallzeit tausende Dollar an entgangenen Einnahmen bedeuten“, erklärte Bajaj. „Jenseits der wirtschaftlichen Auswirkungen gibt es auch eine menschliche Komponente, wenn Patienten ihre Rezepte nicht rechtzeitig erhalten. Da dieser Kunde unsere Failover-Lösung im Einsatz hatte, konnte er die Anfragen innerhalb von Minuten nach Erkennung des Ausfalls auf einen anderen Modellanbieter umleiten. Ohne dieses Setup hätte die Wiederherstellung wahrscheinlich Stunden gedauert.“

Das Problem geht über vollständige Ausfälle hinaus. Teilweise Ausfälle – bei denen ein Modell langsamer wird oder qualitativ minderwertige Antworten liefert, ohne komplett offline zu gehen – können die Nutzererfahrung schleichend zerstören und gegen Service-Level-Agreements verstoßen. Diese „langsamen, aber technisch verfügbaren“ Szenarien erweisen sich oft als schädlicher als dramatische Abstürze, da sie sich traditionellen Überwachungssystemen entziehen und gleichzeitig die Leistung stetig untergraben.

Ein Blick auf die Technologie, die KI-Anwendungen online hält, wenn Anbieter ausfallen

TrueFailover fungiert als Resilienzschicht über dem AI Gateway von TrueFoundry, das bereits mehr als 10 Milliarden Anfragen pro Monat für Fortune-1000-Unternehmen verarbeitet. Das System verwebt mehrere miteinander verbundene Funktionen zu einem einheitlichen Sicherheitsnetz für Unternehmens-KI.

Im Kern ermöglicht das Produkt ein Multi-Modell-Failover, indem es Unternehmen erlaubt, Primär- und Backup-Modelle über verschiedene Anbieter hinweg zu definieren. Wenn OpenAI nicht verfügbar ist, wird der Datenverkehr automatisch auf Anthropic, Googles Gemini, Mistral oder selbst gehostete Alternativen umgeleitet. Das Routing erfolgt transparent, ohne dass Anwendungsteams Code umschreiben oder manuell eingreifen müssen.

Das System weitet diesen Schutz durch Multi-Region- und Multi-Cloud-Resilienz über geografische Grenzen hinweg aus. Durch die Verteilung von KI-Endpunkten auf verschiedene Zonen und Cloud-Anbieter kann ein gesundheitsbasiertes Routing Probleme in bestimmten Regionen erkennen und den Datenverkehr auf funktionierende Alternativen umleiten. Was sonst zu einem globalen Vorfall werden würde, verwandelt sich in eine unsichtbare Infrastrukturanpassung, die Nutzer nie wahrnehmen.

Besonders wichtig ist, dass TrueFailover ein degradationsbewusstes Routing einsetzt, das Latenz, Fehlerraten und Qualitätssignale kontinuierlich überwacht. „Wir betrachten eine Kombination von Signalen, die zusammen anzeigen, wenn die Leistung eines Modells nachlässt“, erklärte Bajaj. „Große Sprachmodelle sind geteilte Ressourcen. Anbieter betreiben dieselbe Modellinstanz für viele Kunden; wenn also die Nachfrage für einen Nutzer oder eine Arbeitslast steigt, kann das alle anderen betreffen, die dieses Modell nutzen.“

Das System achtet auf steigende Antwortzeiten, zunehmende Fehlerraten und Muster, die auf Instabilität hindeuten. „Einzeln betrachtet erzählt keines dieser Signale die ganze Geschichte“, sagte Bajaj. „Aber zusammengenommen ermöglichen sie uns, frühe Anzeichen dafür zu erkennen, dass ein Modell langsamer oder unzuverlässig wird. Diese Signale fließen in ein KI-gesteuertes System ein, das entscheiden kann, wann und wie der Datenverkehr umgeleitet werden muss, bevor Nutzer einen spürbaren Qualitätsabfall erleben.“

Strategisches Caching rundet den Schutz ab, indem es Anbieter vor plötzlichen Verkehrsspitzen schützt und Ratenbegrenzungskaskaden in Zeiten hoher Nachfrage verhindert. Dies ermöglicht es Systemen, Nachfragespitzen und Anbieterlimits ohne Brownouts oder Drosselungsüberraschungen abzufangen.

Dieser Ansatz stellt einen grundlegenden Wandel in der Art und Weise dar, wie Unternehmen über KI-Zuverlässigkeit nachdenken sollten. „TrueFailover ist darauf ausgelegt, diese Komplexität automatisch zu bewältigen“, sagte Bajaj. „Es überwacht kontinuierlich, wie sich Modelle über viele Kunden und Anwendungsfälle hinweg verhalten, sucht nach Frühwarnsignalen wie steigender Latenz und ergreift Maßnahmen, bevor etwas kaputtgeht. Die meisten einzelnen Unternehmen haben diese Art von Transparenz nicht, da sie nur ihre eigenen Systeme sehen können.“

Die technische Herausforderung, Modelle zu wechseln, ohne die Ausgabequalität zu opfern

Eine der schwierigsten Herausforderungen beim KI-Failover besteht darin, eine konsistente Ausgabequalität beim Wechsel zwischen Modellen aufrechtzuerhalten. Ein für GPT-5 optimierter Prompt kann bei Claude oder Gemini zu anderen Ergebnissen führen. TrueFoundry begegnet dem durch verschiedene Mechanismen, die Geschwindigkeit und Präzision in Einklang bringen.

„Einige Teams verlassen sich darauf, dass große Modelle mittlerweile so gut sind, dass kleine Unterschiede in den Prompts die Ausgabe nicht wesentlich beeinflussen“, erklärte Bajaj. „In diesen Fällen kann der Wechsel von einem Anbieter zum anderen mit gewissen sichtbaren Auswirkungen erfolgen – das ist nicht ideal, aber manche Teams entscheiden sich dafür.“

Ausgefeiltere Implementierungen pflegen anbieterspezifische Prompts für dieselbe Anwendung. „Wenn der Datenverkehr von einem Modell auf ein anderes wechselt, wechselt der Prompt mit“, so Bajaj. „In diesem Fall ist das Failover nicht nur ein Modellwechsel, sondern der Wechsel zu einer Konfiguration, die bereits getestet wurde.“

TrueFailover automatisiert diesen Prozess. Das System leitet Anfragen dynamisch weiter und passt Prompts basierend darauf an, welches Modell die Abfrage verarbeitet, wodurch die Qualität ohne manuelles Eingreifen in akzeptablen Bereichen bleibt. Der Schlüssel, so betonte Bajaj, liegt darin, dass „Failover geplant und nicht reaktiv ist. Die Logik, Prompts und Leitplanken werden im Voraus definiert, weshalb Endbenutzer einen Wechsel in der Regel nicht bemerken.“

Wichtig ist, dass viele Failover-Szenarien gar keinen Anbieterwechsel erfordern. „Es kann bedeuten, den Datenverkehr desselben Modells von einer Region in eine andere umzuleiten, etwa von der Ostküste zur Westküste, wo keine Prompt-Änderungen erforderlich sind“, merkte Bajaj an. Diese geografische Flexibilität bietet eine erste Verteidigungslinie, bevor komplexere anbieterübergreifende Wechsel notwendig werden.

Wie regulierte Branchen KI-Failover ohne Kompromisse bei der Compliance nutzen können

Für Unternehmen im Gesundheitswesen, Finanzdienstleister und andere regulierte Sektoren wirft die Aussicht, dass KI-Datenverkehr automatisch an verschiedene Anbieter weitergeleitet wird, unmittelbare Compliance-Bedenken auf. Patientendaten können nicht einfach an das Modell fließen, das gerade verfügbar ist. Finanzunterlagen erfordern strenge Kontrollen darüber, wohin sie übertragen werden. TrueFoundry hat explizite Leitplanken entwickelt, um diese Einschränkungen zu berücksichtigen.

„TrueFailover leitet Daten niemals an ein Modell oder einen Anbieter weiter, den ein Unternehmen nicht ausdrücklich genehmigt hat“, sagte Bajaj. „Alles wird über eine Admin-Konfigurationsschicht gesteuert, in der Teams klare Leitplanken im Voraus festlegen.“

Unternehmen definieren genau, welche Modelle für ein Failover infrage kommen, welche Anbieter Datenverkehr empfangen dürfen und sogar, welche Regionen oder Modellkategorien – wie etwa Closed-Source gegenüber Open-Source – akzeptabel sind. Sobald diese Regeln in Kraft treten, arbeitet TrueFailover ausschließlich innerhalb dieser Vorgaben.

„Wenn ein Modell nicht auf der genehmigten Liste steht, ist es schlichtweg keine Option für das Routing“, betonte Bajaj. „Es gibt kein Szenario, in dem Datenverkehr automatisch an einen unerwarteten Ort gesendet wird. Die Idee ist, Teams die volle Kontrolle über Compliance und Datengrenzen zu geben und dem System dennoch zu ermöglichen, schnell zu reagieren, wenn etwas schiefgeht. Auf diese Weise verbessert sich die Zuverlässigkeit, ohne die Sicherheit oder regulatorische Anforderungen zu gefährden.“

Dieses Design spiegelt die Erfahrungen aus den bestehenden Unternehmenseinsätzen von TrueFoundry wider. Ein Fortune-50-Unternehmen im Gesundheitswesen nutzt die Plattform bereits, um jährlich mehr als 500 Millionen IVR-Anrufe über ein agentenbasiertes KI-System abzuwickeln. Dieser Kunde benötigte die Fähigkeit, Workloads sowohl in der Cloud als auch in der On-Premise-Infrastruktur auszuführen und dabei strenge Datenresidenzkontrollen einzuhalten – genau die Art von hybrider Umgebung, in der Failover-Richtlinien präzise definiert sein müssen.

Wo automatisches Failover nicht helfen kann und worauf Unternehmen achten müssen

TrueFoundry erkennt an, dass TrueFailover nicht jedes Zuverlässigkeitsproblem lösen kann. Das System arbeitet innerhalb der von Unternehmen konfigurierten Leitplanken, und diese Konfigurationen bestimmen, welcher Schutz möglich ist.

„Wenn ein Team ein Failover von einem großen, leistungsstarken Modell auf ein wesentlich kleineres Modell zulässt, ohne die Prompts oder Erwartungen anzupassen, kann TrueFailover nicht dieselbe Ausgabequalität garantieren“, erklärte Bajaj. „Das System kann den Datenverkehr umleiten, aber es kann ein kleineres Modell nicht ohne entsprechende Konfiguration dazu bringen, sich wie ein größeres zu verhalten.“

Infrastrukturelle Einschränkungen begrenzen ebenfalls den Schutz. Wenn ein Unternehmen seine eigenen Modelle hostet und alle auf demselben GPU-Cluster laufen, kann TrueFailover nicht helfen, wenn diese Infrastruktur ausfällt. „Wenn keine alternative Infrastruktur verfügbar ist, gibt es nichts, worauf man ausweichen kann“, sagte Bajaj.

Die Frage nach gleichzeitigen Ausfällen bei mehreren Anbietern taucht gelegentlich in Diskussionen über Unternehmensrisiken auf. Bajaj argumentiert, dass dieses Szenario zwar theoretisch möglich, aber in der Realität selten ist. „In der Praxis bedeutet ein ‚Ausfall‘ meist nicht, dass ein ganzer Anbieter über alle Modelle und Regionen hinweg offline ist“, erklärte er. „Was viel häufiger vorkommt, ist eine Verlangsamung oder Störung bei einem bestimmten Modell oder in einer Region aufgrund von Verkehrsspitzen oder Kapazitätsproblemen.“

Wenn dies geschieht, kann ein Failover auf mehreren Ebenen erfolgen – von On-Premise zur Cloud, von Cloud zu On-Premise, von einer Region zur anderen, von einem Modell zum anderen oder sogar innerhalb desselben Anbieters, bevor man komplett wechselt. „Allein das macht es sehr unwahrscheinlich, dass alles gleichzeitig ausfällt“, sagte Bajaj. „Der entscheidende Punkt ist, dass Zuverlässigkeit auf Redundanzschichten aufbaut. Je mehr Anbieter, Regionen und Modelle in die Leitplanken einbezogen werden, desto geringer ist die Wahrscheinlichkeit, dass Benutzer einen vollständigen Ausfall erleben.“

Ein Startup, das seine Plattform innerhalb von Fortune-500-KI-Implementierungen aufgebaut hat

TrueFoundry hat sich als Infrastruktur für einige der weltweit größten KI-Implementierungen etabliert und liefert damit entscheidenden Kontext für seine Failover-Ambitionen. Das Unternehmen sammelte im Februar 2025 19 Millionen US-Dollar in einer Serie-A-Finanzierungsrunde ein, angeführt von Intel Capital unter Beteiligung von Eniac Ventures, Peak XV Partners und Jump Capital. Angel-Investoren wie Gokul Rajaram und Mohit Aron schlossen sich der Runde ebenfalls an, womit sich die Gesamtfinanzierung auf 21 Millionen US-Dollar beläuft.

Das in San Francisco ansässige Unternehmen wurde 2021 von Bajaj und den Mitgründern Abhishek Choudhary und Anuraag Gutgutia gegründet, allesamt ehemalige Meta-Ingenieure, die sich als Kommilitonen am IIT Kharagpur kennengelernt hatten. Ursprünglich auf die Beschleunigung von Machine-Learning-Implementierungen fokussiert, verlagerte TrueFoundry seinen Schwerpunkt auf die Unterstützung generativer KI-Funktionen, als die Technologie 2023 den Mainstream erreichte.

Die Kundenliste des Unternehmens zeigt eine Akzeptanz auf Unternehmensebene, die nur wenige KI-Infrastruktur-Startups vorweisen können. Nvidia nutzt TrueFoundry, um Multi-Agenten-Systeme zu entwickeln, die die Auslastung von GPU-Clustern in Rechenzentren weltweit optimieren – ein Anwendungsfall, bei dem selbst kleine Verbesserungen der Auslastung angesichts der unersättlichen Nachfrage nach GPU-Kapazität erhebliche geschäftliche Auswirkungen haben. Adopt AI leitet mehr als 15 Millionen Anfragen und 40 Milliarden Eingabe-Token über das KI-Gateway von TrueFoundry, um seine agentenbasierten Unternehmens-Workflows zu betreiben.

Das Gaming-Unternehmen Games 24x7 stellt über die Plattform Machine-Learning-Modelle für mehr als 100 Millionen Benutzer bereit, bei einem Volumen von über 200 Anfragen pro Sekunde. Die digitale Adoptionsplattform Whatfix migrierte auf eine Microservices-Architektur auf TrueFoundry, wodurch sich der Release-Zyklus versechsfachte und die Testzeit um 40 Prozent verkürzte.

TrueFoundry verzeichnet derzeit weltweit mehr als 30 zahlende Kunden und gab an, im vergangenen Jahr einen jährlich wiederkehrenden Umsatz von über 1,5 Millionen US-Dollar erzielt und den Kundenstamm vervierfacht zu haben. Das Unternehmen verwaltet für seine Kunden mehr als 1.000 Cluster für Machine-Learning-Workloads.

TrueFailover wird als Zusatzmodul für das bestehende TrueFoundry AI Gateway und die Plattform angeboten. Die Preisgestaltung folgt einem nutzungsbasierten Modell, das sich am Datenverkehr sowie an der Anzahl der beteiligten Nutzer, Modelle, Anbieter und Regionen orientiert. Ein Early-Access-Programm für Design-Partner startet in den kommenden Wochen.

Warum herkömmliche Cloud-Verfügbarkeitsgarantien für KI-Anbieter möglicherweise nie gelten werden

Unternehmen fordern von Infrastrukturanbietern seit Langem verbindliche Zusagen zur Verfügbarkeit. Amazon Web Services, Microsoft Azure und Google Cloud bieten alle Service-Level-Agreements mit finanziellen Entschädigungen bei Ausfällen an. Werden KI-Anbieter bald mit ähnlichen Erwartungen konfrontiert?

Bajaj sieht grundlegende Einschränkungen, die es schwierig machen, bei der aktuellen Generation von KI-Infrastrukturen herkömmliche SLAs zu erreichen. „Die meisten grundlegenden LLMs arbeiten heute als geteilte Ressourcen, was die öffentlich beworbenen Standardpreise erst ermöglicht“, erklärte er. „Anbieter bieten zwar höhere Verfügbarkeitsgarantien an, aber das bedeutet in der Regel dedizierte Kapazitäten oder reservierte Infrastruktur, wodurch die Kosten erheblich steigen.“

Selbst bei beträchtlichen Budgets sind Unternehmen mit Nutzungskontingenten konfrontiert, die unerwartete Risiken bergen. „Wenn der Datenverkehr diese Grenzen überschreitet, können Anfragen weiterhin auf die geteilte Infrastruktur zurückfallen“, so Bajaj. „Das macht es schwierig, die Art von harten Garantien zu erreichen, die Unternehmen von Cloud-Anbietern gewohnt sind.“

Die Wirtschaftlichkeit beim Betrieb großer Sprachmodelle schafft zusätzliche Barrieren, die noch Jahre bestehen könnten. „LLMs sind nach wie vor extrem komplex und teuer im Betrieb. Sie erfordern eine massive Infrastruktur und viel Energie. Wir erwarten daher keine kurzfristige Zukunft, in der die meisten Unternehmen mehrere, vollständig dedizierte Modellinstanzen betreiben, nur um die Verfügbarkeit zu garantieren.“

Diese Realität treibt die Nachfrage nach Lösungen wie TrueFailover an, die Ausfallsicherheit bieten, unabhängig davon, was einzelne Anbieter versprechen können. „Unternehmen erkennen, dass Zuverlässigkeit nicht allein vom Modellanbieter kommen kann“, sagte Bajaj. „Es bedarf zusätzlicher Schutzschichten, um mit der Realität des heutigen Systembetriebs umzugehen.“

Das neue Kalkül für Unternehmen, die KI in kritische Geschäftsprozesse integriert haben

Der Zeitpunkt der Ankündigung von TrueFoundry spiegelt einen grundlegenden Wandel in der Art und Weise wider, wie Unternehmen KI nutzen – und was sie bei einem Ausfall zu verlieren haben. Was als internes Experiment begann, hat sich zu kundenorientierten Anwendungen entwickelt, bei denen Störungen direkte Auswirkungen auf Umsatz und Reputation haben.

„Viele Unternehmen haben in der Vergangenheit mit generativer KI und agentenbasierten Systemen experimentiert, wobei die produktiven Anwendungsfälle größtenteils intern ausgerichtet waren“, beobachtete Bajaj. „Es gab keine unmittelbaren Auswirkungen auf ihren Umsatz oder die öffentliche Wahrnehmung des Unternehmens.“

Diese Ära ist vorbei. „Da diese Unternehmen nun öffentlich zugängliche Anwendungen eingeführt haben, bei denen sowohl der Umsatz als auch das öffentliche Ansehen bei einem Ausfall leiden können, steht viel mehr auf dem Spiel als noch vor sechs Monaten. Deshalb sehen wir jetzt immer mehr Aufmerksamkeit für dieses Thema.“

Für Unternehmen, die KI in kritische Geschäftsprozesse eingebunden haben – von der Rezeptausstellung über den Kundensupport bis hin zu Vertriebsabläufen – hat sich das Kalkül grundlegend geändert. Die Frage ist nicht mehr, welches Modell bei Benchmarks am besten abschneidet oder welcher Anbieter die attraktivsten Funktionen bietet. Die Frage, die Technologieführer heute umtreibt, ist weitaus einfacher und dringlicher: Was passiert, wenn die KI im ungünstigsten Moment ausfällt?

Irgendwo stellt ein Apotheker ein Rezept aus. Ein Kundendienstmitarbeiter löst eine Beschwerde. Ein Vertriebsteam erstellt ein Angebot für einen Abschluss, der morgen erfolgen soll. Sie alle hängen von KI-Systemen ab, die wiederum von Anbietern abhängen, die trotz ihrer Größe und Komplexität ohne Vorwarnung ausfallen können.

TrueFoundry setzt darauf, dass Unternehmen viel Geld dafür bezahlen werden, sicherzustellen, dass diese Momente der Dunkelheit niemals die Menschen erreichen, auf die es am meisten ankommt – ihre Kunden.

Ursprünglich veröffentlicht auf VentureBeat

Über TrueFoundry:

TrueFoundry bietet ein KI-Gateway auf Unternehmensebene, das ein LLM-Gateway, ein MCP-Gateway und ein Agent-Gateway umfasst. Es ermöglicht Unternehmen, den Zugriff auf Modelle, Tools, Leitplanken und Agenten sicher zu verbinden, zu überwachen und zu steuern – alles über eine zentrale Steuerungsebene. Das AI Gateway ermöglicht agentenbasierte Workloads, die durch einheitliche und kombinierbare Verbindungen über verschiedene Anbieter hinweg sicher, effizient und zukunftssicher sind.

Über die Gateway-Ebene hinaus ermöglicht TrueFoundry Unternehmen das Bereitstellen und Trainieren benutzerdefinierter LLMs auf GPUs, das Hosten von MCP-Servern und das Ausführen benutzerdefinierter Agenten – alles über eine Kubernetes-native Schnittstelle. Es unterstützt On-Premise- und VPC-Installationen sowohl für das AI Gateway als auch für Bereitstellungsumgebungen. TrueFoundry gewährleistet Compliance auf Unternehmensebene gemäß SOC 2, HIPAA und ITAR-Standards. Mit integrierter Autoskalierung, Caching und Ressourcenoptimierung ermöglicht TrueFoundry Unternehmen, KI-Systeme sicher, effizient und auf einem zukunftssicheren Stack aufzubauen, bereitzustellen und zu verwalten. Um mehr zu erfahren, besuchen Sie truefoundry.com