KI und Datenmanagement So schützen Unternehmen ihre Cloud-Umgebungen

Anbieter zum Thema

Veritas Technologies LLC

netfiles GmbH

Cloudgermany.de GmbH

Yorizon GmbH & Co. KG

Nach wie vor stellen komplexe, heterogene und Multi-Cloud-Umgebungen viele Unternehmen vor große Herausforderungen. Insbesondere das Datenmanagement ist dabei ein Thema – besonders die Datensicherheit.

Denn eines ist klar: Ransomware-Angriffe werden immer häufiger, schneller und umfassender. Gerade die Entwicklungen im Bereich KI greifen Cyberkriminelle unter die Arme und helfen ihnen, immer raffiniertere Angriffe zu starten. Gleichzeitig verlangt die wirtschaftlich angespannte Situation häufig Kosteneinsparungen, und das zu Ungunsten von Fachpersonal und Technologie.

LLMs setzen neuen Maßstab für Datenmanagement-Strategien

Spätestens seit dem kometenhaften Aufstieg hochgradig zugänglicher generativer KI-Systeme (künstliche Intelligenz) wie ChatGPT von OpenAI ist der Begriff „Large Language Model“ (LLM) in aller Munde. Sprachmodellierung ist eine Form des maschinellen Lernens in der KI, bei der ein Computersystem vorhandene Textpassagen analysiert und dann die Wahrscheinlichkeit bestimmt, mit der eine Folge von Wörtern in einem Satz auftritt. Große Sprachmodelle (Large Language Models, LLMs) sind die Spitze dieser Sprachmodellierung. Sie basieren auf riesigen Datensätzen und können völlig neue, originelle Inhalte generieren. Von menschlich erstellten Inhalten sind sie nicht mehr zu unterscheiden.

Die steigende Nachfrage nach LLMs zur Verbesserung der Geschäftseffizienz wirkt sich in vielerlei Hinsicht auf die Datenschutzpraktiken von Unternehmen aus: Erstens müssen Daten besser erfasst, klassifiziert und bereinigt werden. Denn so wie eine solide menschliche Entscheidungsfindung von einem vollständigen und genauen Verständnis abhängt, ist auch das maschinelle Lernen auf vollständige, organisierte und genaue Daten angewiesen. Ohne diese sind auch die besten Algorithmen nutzlos.

Angesichts der enormen Datenmengen durch moderne Unternehmen bedeutet dies zweitens, dass Investitionen in zusätzliches IT-Personal und geeignete Werkzeuge erforderlich sein könnten. So lässt sich die Menge an „guten“ Daten erhöhen, auf denen zuverlässige LLMs aufgebaut sind.

Darüber hinaus werden Unternehmen ihre Daten-Compliance weiterentwickeln müssen. Die meisten Aufsichtsbehörden konzentrieren sich derzeit auf die Frage, wie die bestehenden Datenschutzgesetze auf LLMs anzuwenden sind. Mit der Weiterentwicklung der Technologie werden wir jedoch bald eine Gesetzgebung sehen, die sich speziell auf den Datenschutz konzentriert und Rahmenbedingungen für generative KI und die Daten festlegt, mit denen diese Tools trainiert werden.

KI macht Cyber-Bedrohungslandschaft gefährlicher als je zuvor

Leider werden LLMs und andere Formen der KI nicht nur für gute Zwecke eingesetzt. Mit Hilfe von KI-Chatbots wie ChatGPT und der dahinterstehenden Technologie können auch technisch weniger versierte Kriminelle wertvolle Daten abgreifen. Tools wie WormGPT erleichtern es Angreifern, Social Engineering mit KI-generierten Phishing-E-Mails zu betreiben, die überzeugender und schwerer zu erkennen sind als je zuvor.

Es ist nicht auszuschließen, dass es schon bald zu den ersten KI-gesteuerten, autonomen Ransomware-Angriffen kommt. Dabei könnte ein Computer die Ziele selbst identifizieren, auf Daten zugreifen, die Opfer erpressen und dann das Lösegeld auf die Bankkonten der Angreifer überweisen. Und vermutlich wird dies alles mit erschreckender Effizienz, Effektivität und mit wenig oder sogar ganz ohne menschliche Beteiligung geschehen.

Um sich davor zu schützen, sollten Unternehmen bereits in der Vorbereitungsphase mehr investieren und funktionsübergreifende Teams einrichten. So können sie potenzielle Schwachstellen identifizieren, bewerten und die Prozesse regelmäßig auf Herz und Nieren prüfen.

Doch auch das dürfte nicht ausreichen. Jüngste Untersuchungen von Veritas Technologies zeigen, dass mehr als zwei Drittel der Unternehmen ihre Cyber-Resilienz mit Hilfe von KI erhöhen wollen. Dazu gehört auch ein KI-gesteuerter adaptiver Datenschutz. Zu den Funktionen dieser Tools gehört die Überwachung von Verhaltensänderungen, um festzustellen, ob Nutzer möglicherweise kompromittiert wurden. Wenn sie ungewöhnliche Aktivitäten feststellen, können sie selbstständig reagieren, um den Datenschutz zu verbessern. Beispielsweise initiieren sie regelmäßigere Backups, senden diese an unterschiedlich optimierte Ziele und schaffen insgesamt eine sicherere Umgebung zur Abwehr von Angreifern.

Kostendruck bremst Cloud-Transformation aus

Die anhaltende wirtschaftliche Unsicherheit sorgt dafür, dass Maßnahmen zum Senken der Kosten weiterhin ganz oben auf der Agenda vieler Unternehmen stehen. Dies wirkt sich auch auf bereits laufende und neue Business-Transformation-Initiativen aus. Die Cloud-Transformation wird zweifellos weitergehen – immerhin befinden sich bereits 60 Prozent der Unternehmensdaten in der Cloud, 89 Prozent der Unternehmen setzen auf eine Multi-Cloud-Architektur. Allerdings sind die Kostenvorteile der Cloud nicht so einfach aufrechtzuerhalten. Studien zeigen, dass 94 Prozent der Unternehmen ihre Cloud-Budgets nicht einhalten können. Dies kann dazu führen, dass weitere Cloud-Transformationen verschoben werden, bis sich die Wirtschaft wieder entspannt.

Das Ergebnis ist jedoch, dass IT-Abteilungen weiterhin hybride Multi-Cloud-Umgebungen verwalten müssen, in denen Daten gleichermaßen auf öffentliche Clouds und lokale Rechenzentren verteilt sind. Hierfür müssen sie entsprechende Vorkehrungen treffen. Die folgenden Schritte werden dabei helfen: Schaffung einer einheitlichen Datenüberwachung, Ermöglichung der Portabilität von Workloads, Nutzung von Software-Defined Storage, Priorisierung der Daten-Compliance und Beseitigung von Datensicherungssilos. So sind Unternehmen bei ihren Cloud-Umgebungen auch auf die KI-Bedrohungen von morgen vorbereitet.

(ID:50079580)