Enterprise Architecture (EA) Tools unterstützen Unternehmen und Organisationen dabei, mit ihren IT-Strategien die Geschäftsziele optimal zu unterstützen. Sie sorgen ebenfalls dafür, dass Unternehmen ihre Roadmaps für die digitale Transformation geordnet vorantreiben können. EA Tools bieten dafür unter anderem Collaboration-, Reporting-, Testing- und Simulationsfunktionen. Mit deren Hilfe lassen sich Modelle implementieren, die Geschäfts- und IT-Prozesse gezielt verbessern.

Um die beste Lösung für Ihr Unternehmen zu finden, sollten Sie zuerst prüfen, ob sich das jeweilige Tool mit Ihrem Technologie-Stack integrieren lässt. Anschließend gilt es abzuwägen, ob die Informationen, Diagramme und Tabellen, die die Software zur Verfügung stellt, für das Unternehmen auch einen echten Nutzwert haben.

Empfehlenswerte Enterprise-Architecture-Tools

Nachfolgend finden Sie einen Überblick über die wichtigsten Enterprise-Architecture-Tools – in alphabetischer Reihenfolge. Sie stellen einen Mix aus Visualisierungs-, Collaboration- und Project-Management-Funktionen bereit und unterstützen eine Vielzahl von Enterprise Architecture Frameworks.

Ardoq

Nachdem zuerst über einfache Formulare Informationen von Usern, Entwicklern und sonstigen Stakeholdern im Unternehmen eingesammelt wurden, lässt sich mithilfe von Ardoq ein digitaler Zwilling der gesamten Organisation erstellen. Der Ansatz setzt also darauf, die Menschen, die in ihren Rollen mit den verschiedensten Systemen arbeiten, realistisch in ihrer Arbeitswelt abzubilden.

Jede Mitarbeiterin und jeder Mitarbeiter im Unternehmen kann später von den Netzwerkvisualisierungen und Datenfluss-Diagrammen profitieren, um seine eigene Rolle optimal zu unterstützen und den Arbeitsplatz immer wieder anzupassen und zu modernisieren. Das Tool lässt sich mit den wichtigsten Cloud-Plattformen integrieren. Es bietet eine API, die individuelle Anpassungen in allen wichtigen Programmiersprachen (Python, C#, Java, etc.) ermöglicht.

Wichtigste Use Cases:

• “Architektonischen Stress” bei Lastspitzen simulieren, falls größere Veränderungen bevorstehen;

• Verstehen, wie verändertes Nutzerverhalten neue Anforderungen generiert;

• Application Portfolio Management, um besser strategisch zu planen.

Atoll Group SAMU

Das EA-Tool SAMU macht die Enterprise Architecture sichtbar, indem es tiefe Verknüpfungen zwischen On-Premises-Systemen, dem Cloud-Layer und Tools für das Business Process Management aufzeigt. Das Tool der Atoll Group bietet vielfältige Integrationsmöglichkeiten, zum Beispiel mit Monitoring-Tools (etwa Tivoli, ServiceNow), Configuration-Management-Datenbanken (zum Beispiel CA, BMC) oder Service-Organisations-Tools (BMC, HPE). Alle Informationen fließen in ein zentrales Datenmodell ein, das um den zusätzlichen Input der Stakeholder weiter angereichert wird.

Wichtigste Use Cases:

• Enterprise-Architektur visualisieren;

• strategische Planungsprozesse und Architektur-Reviews mit Informationen unterfüttern;

• mithilfe einer visuellen Verständnisgrundlage die Kommunikation verbessern.

Avolution Abacus

Dieses Tool erfasst die Breite und den Umfang der Unternehmensarchitektur mit Hilfe eines auf Diagrammen basierenden Dashboards. Die Integration mit gängigen Tools wie SharePoint, Excel, Visio, Google Sheets, Technopedia oder ServiceNow vereinfacht die Nutzung. Abacus wurde inzwischen auch um einen Machine-Learning-Layer ergänzt, der es Anwendern ermöglicht, ein Modell zu trainieren, das ihnen beispielsweise hilft zu erkennen, wer im Unternehmen für welches System verantwortlich ist.

Wichtigste Use Cases:

• die IT für das gesamte Unternehmen “öffnen”, um ein allgemeines Verständnis der Datenflüsse zu erzeugen;

• umfassendes Enterprise Modeling, um eine Roadmap für künftige Entwicklungen zu erstellen;

• Business-Metriken tracken, die mit der Unternehmens-Performance zusammenhängen.

BOC Group ADOIT

ADOIT soll Teams dabei unterstützen, Ressourcen zu verwalten, Bedarfe vorherzusagen und Assets zu tracken. Dazu mappt das Tool jedes System oder Softwarepaket mit einem Objekt. Die Datenflüsse zwischen den Systemen werden in Beziehungen umgewandelt, die von diesen Objekten mithilfe eines anpassbaren Metamodells erfasst werden. Geschäftsprozesse können auf ähnliche Weise über ein gut integriertes Begleitprodukt namens ADONIS modelliert werden. ADOIT ist Web-basiert und lässt sich auch mit Tools wie Atlassian Confluence integrieren, um die Datenerfassung und -entwicklung zu beschleunigen.

Wichtigste Use Cases:

• ein unternehmensweites Modell erstellen, das bei sämtlichen Teammitgliedern ein Verständnis über den Stack schafft – und wie man diesen verbessern kann;

• vollständiger Zugriff auf EA-Daten über eine Mobile-Anwendung;

• bei Fusionen und Übernahmen den Tech-Bereich durch genaues Asset-Mapping orchestrieren.

Bizzdesign Hopex

Nach der Übernahme von Mega International zählt die Hopex-Plattform zum Portfolio von Bizzdesign. Sie soll dabei unterstützen, Unternehmensanwendungen zu modellieren und dabei ein Verständnis der von ihnen unterstützten Geschäfts-Workflows schaffen. Dabei liegt ein Schwerpunkt auf den Bereichen Data Governance und Risikomanagement. Hopex basiert auf Microsoft Azure und stützt sich auf eine Reihe offener Standards wie GraphQL und REST Queries, um Informationen aus Komponentensystemen zu sammeln. Das Reporting ist mit den Office-Tools von Microsoft sowie mit grafischen Lösungen wie Tableau und Qlik integriert.

Wichtigste Use Cases:

• datengestützte Erkenntnisse herbeiführen, um Cloud- und Anwendungsbereitstellung zu steuern;

• akkurate Nutzungsmodelle erstellen, um Architekturanforderungen zu verstehen;

• eine Bedarfsschätzung mit Umfragen und anderen Tools vornehmen, um für die Zukunft zu planen.

Bizzdesign Horizzon

Das Tool dient dazu, Business Workflows und den zugrundeliegenden Tech-Stack zu modellieren. Dazu bietet Horizzon ein Graph-basiertes Modell, das Daten von sämtlichen Stakeholdern einsammelt und diese an eine Analytics-Engine weitergibt. Im Ergebnis entstehen Diagramme, die den aktuellen Systemzustand widerspiegeln. Wichtige Schwerpunkte dieses Tools sind Change Management und Zukunftsplanung: Horizzon ist nicht zuletzt dafür konzipiert worden, die Risiken eines Redesigns zu minimieren. Das Toolset unterstützt die wichtigsten Frameworks ArchiMate, TOGAF und BPMN. Neben Mega hat Bizzdesign im Januar 2025 auch den EA-Geschäftsbereich der Software AG – Alfabet – übernommen.

Wichtigste Use Cases:

• Vorhersage zukünftiger Anforderungen durch Predictive Modeling;

• Orchestrieren von Workflows auf der Basis der technischen und der Business-Architektur;

• Antizipieren von Risiken sowie Security- und Governance-Problemen durch die Modellierung von Datensicherheitsanforderungen.

Capstera

Das Tool von Capstera fokussiert darauf, die Business Architecture selbst abzubilden. Value und Process Maps helfen dabei, die Rollen der verschiedenen Unternehmensbereiche zu definieren und nachzuverfolgen. Dabei können im laufenden Prozess Verknüpfungen mit den zugrundeliegenden Softwarprodukten und Tools hinzugefügt werden.

Wichtigste Use Cases:

• Reports erstellen, die sich erst einmal mit der Business-Architektur selbst beschäftigen;

• Beziehungen zwischen Menschen, Abteilungen und Rollen analysieren;

• die langfristige strategische Planung vorantreiben.

Clausmark Bee360

Teammitglieder, die Clausmarks Flaggschiffprodukt Bee360 (früher Bee4IT) verwenden, wollen eine einfache “Single Source of Truth” über die Workflows im Unternehmen. Ziel ist es, verschiedenen betrieblichen Rollen intelligentere Entscheidungen zu ermöglichen. Das Modul Bee360 FM (Finanzmanagement) bietet etwa die Möglichkeit, Kosten nachzuvollziehen und zuzuordnen. Die Anwender können verschiedene solcher Module miteinander verknüpfen, um EAM, Finanzmanagement, Portfolio Management und Agile Planning nahtlos zu integrieren – bei maximaler Transparenz.

Wichtigste Use Cases:

• C-Suite-Ebene befähigen, Projekte zu managen und Assets zuzuweisen;

• präzise digitale Zwillinge entwickeln, um ein Verständnis über Datenflüsse zu schaffen und künftige Erweiterungen zu planen;

• integrierte Wissensdatenbank aufbauen, um alle digitalen Workflows zu tracken.

EAS

Das Essential-Paket von EAS (Enterprise Architecture Solutions) nahm als Open-Source-Projekt seinen Anfang und hat sich inzwischen zu einer kommerziell verfügbaren Cloud-Lösung weiterentwickelt. Das Tool erstellt ein Metamodell, das die Interaktionen zwischen Systemen und Geschäftsprozessen beschreibt. Ebenfalls enthalten sind Pakete, um gängige Business Workflows wie Datenmanagement oder DSGVO-Compliance zu tracken.

Wichtigste Use Cases:

• den technischen Reifegrad der eigenen Architektur evaluieren;

• Sicherheit und Governance durch besseres Asset Tracking optimieren;

• wachsende Systemkomplexität kontrollieren und managen.

OrbusInfinity

Orbus Software hat Anfang 2025 die Akquisition seines Konkurrenten Capsifi abgeschlossen. Der Anbieter stellt mit OrbusInfinity eine Enterprise-Transformation-Plattform auf KI-Basis zur Verfügung, die schnellere, bessere Entscheidungen, Kosteinesparungen und Risikominimierung verspricht. Architecture-Teams sollen mit Hifle von OrbusInfinity mit einer Vielzahl von Stakeholdern interagieren können, um eine “digitale Blaupause” ihres Unternehmens zu generieren, die eine einheitliche Sicht auf das aktuelle und künftige Geschäft realisieren soll. Diverse Drittanbieter-Tools lassen sich außerdem mit der Plattform integrieren, darunter etwa von Microsoft, Flexera, ManageEngine oder ServiceNow.

Wichtigste Use Cases:

• Stakeholder-Management;

• Enterprise-Landschaften visualisieren;

• Entscheidungsfindung und Datenanalyse automatisieren.

Planview Enterprise One

Planview bietet eine ganze Reihe von Produkten, mit denen Unternehmen Teamwork, Prozesse und die Enterprise Architecture nachvollziehen können. Die Enterprise Tools sind in drei Kategorien unterteilt: strategisches Portfolio-Management, Produktportfolio-Management und Projektportfolio-Management. Im Zusammenspiel entstehen hardware- und Software-übergreifende Layer, die rollenbasierte Perspektiven für Führungskräfte und Teammitglieder eröffnen. Das Toolset integriert mit gängigen Ticket-Tracking-Systemen wie Jira, um Workflow-Analysen und Reports zu erstellen. Inzwischen hat Planview nach einer Übernahme neue Tools in sein Portfolio integriert, die früher unter den Namen Daptiv, Barometer und Projectplace bekannt waren.

Wichtigste Use Cases:

• eine langfristige, strategische Vision für die Architekturentwicklung aufbauen;

• Entwicklungsarbeit auf Projektebene tracken und in eine beliebige Strategie integrieren;

• mit Fokus auf die Customer Experience und die Produktstruktur den Change vorantreiben.

QualiWare Enterprise Architecture

Das Enterprise Architecture Tool von QualiWare ist Teil einer größeren Sammlung von Modellierungswerkzeugen, die darauf abzielt, sämtliche Geschäftsprozesse zu erfassen. Beispielsweise ist es möglich, einen digitalen Zwillinge zu bauen, mit dem sich Customer Journeys nachvollziehen lassen. Qualiware hat diverse KI-Algorithmen integriert, um Dokumentation und Process Discovery zu optimieren.

Wichtigste Use Cases:

• ein kollaboratives Ökosystem für Business Manager aufbauen, das ein Verständnis von der Enterprise Architecture vermittelt;

• architektonische Designelemente erfassen, um ein Wissens-Ökosystem rund um den Stack aufzubauen;

• eine breite Beteiligung in Sachen Dokumentationserstellung und -überprüfung fördern.

Quest Erwin Evolve

Das Erwin Evolve Tool von Quest hat sich von einem Datenmodellierungs-Tool zu einem System für Enterprise-Architecture- und Geschäftsprozess-Modellierung weiterentwickelt. Um die Komplexität moderner, ineinandergreifender Softwaresysteme und der von ihnen gemanagten Geschäftsprozesse zu durchdringen, können Anwender auf benutzerdefinierte Datenstrukturen zurückgreifen. Das Web-Tool erstellt Modelle, rollenbasierte Diagramme und andere Visualisierungen, die in allgemein zugängliche Dashboards einfließen. Zum Paket gehört ein KI-basiertes Modellierungs-Tool, das Whiteboard-Skizzen integrieren kann.

Wichtigste Use Cases:

• einen digitalen Zwilling für die strategische Modellierung der Enterprise Data Architecture erstellen;

• Customer Journeys verstehen;

• Services und Systeme mit Application Portfolio Management tracken.

SAP LeanIX Enterprise Architecture Suite

Die Tool-Sammlung von LeanIX umfasst unter anderem Enterprise Architecture Management und andere Bereiche, die für Aufgaben wie SaaS– und Value-Stream-Management wichtig sind – etwa um Cloud-Deployments und darauf laufende Services zu tracken. Die Daten die dabei über die IT-Infrastruktur gesammelt werden, fließen in ein grafisches Dashboard ein. Das Tool ist eng mit wichtigen Cloud-Workflow-Tools wie Confluence, Jira, Signavio und Lucidchart integriert. Das ist für Teams von Vorteil, die diese Tools bereits nutzen, um ihre Entwicklungsstrategien zu planen und umzusetzen. Seit November 2023 ist LeanIX Teil von SAP.

Wichtigste Use Cases:

• Anwendungsmodernisierung und Cloud-Migration managen;

• Obsoleszenz von Software-Services evaluieren;

• Kosten kontrollieren und managen.

ServiceNow

Die Tool-Sammlung von ServiceNow lässt sich auf verschiedene Architekturtypen herunterbrechen, darunter Assets, DevOps, Security und Service. Die Tools katalogisieren die unterschiedlichen Hardware- und Softwareplattformen, um Workflows und Datenflüsse im Unternehmen abzubilden und zu verstehen. Ausführliche Reportings und detaillierte Dashboards ermöglichen Analysen, auf deren Grundlage Risiken minimiert und die Ausfallsicherheit der Systeme erhöht werden können.

Wichtigste Use Cases:

• Tracken von Assets, Services und Systemen, die das Unternehmen ausmachen;

• Governance-Themen, Risikobegrenzung, IT-Management und Security Operations werden in einer Plattform zusammengeführt;

• durch die Integration von CRM-Tools lassen sich auch kundenorientierte Services managen.

Sparx Systems

Um Teams und Projekte verschiedener Größe und Komplexität zu unterstützen, hat Sparx vier Versionen seines EA-Tools entwickelt. Allen gemeinsam ist eine UML-basierte Modellierung, mit der sich die Komponenten komplexer Systeme tracken lassen. Eine Simulations-Engine ermöglicht “War Gaming” und vermittelt ein Verständnis darüber, wie sich Fehler ausbreiten und kaskadieren können. Sparx stellt zudem eine Vielzahl von vorgefertigten Design Patterns bereit, um Teams bei der Modellierung zu unterstützen.

Wichtigste Use Cases:

• Nachfrage- und Lastveränderungen zur Prognose künftiger Anforderungen simulieren;

• (potenzielle) Probleme durch eine Verbindungs-Matrix im Auge behalten;

• Dokumentation erstellen.

Unicom System Architect

System Architect ist eines der Angebote aus Unicoms Team Blue. Es handelt sich um ein Tool, das ein Metamodell verwendet, um automatisiert so viele Daten wie möglich über die laufenden Systeme zu sammeln – manchmal auch durch ein Reverse Engineering von Datenflüssen. Dieses systemweite Datenmodell kann über benutzerdefinierte Dashboards Teammitgliedern aller Rollen zugänglich gemacht werden. Ein weiteres erwähnenswertes Feature: Die Ressourcenzuweisung lässt sich mit Hilfe von Simulationen optimieren.

Wichtigste Use Cases:

• Was-wäre-wenn-Fragen zum Architekturmodell stellen;

• ein Metamodell von Daten und Systemen aufbauen;

• Migrations- und Transformationspläne erstellen.

ValueBlue BlueDolphin

Dieses EA-Tool sammelt Daten auf dreierlei Art:

1. Es importiert Basisdaten auf der Grundlage standardgesteuerter Automatisierung (ITSM, SAM).

2. Es arbeitet mit den Dateiformaten von Architekten und Systemdesignern – etwa ArchiMate oder BPMN.

3. Es gibt Fragebögen an andere Stakeholder heraus, die auf anpassbaren Vorlagen basieren.

Die aufbereiteten Informationen werden in einer visuellen Umgebung bereitgestellt, die Auskunft über die historische Entwicklung von Systemen gibt.

Wichtigste Use Cases:

• systemweite Daten von internen und externen Stakeholdern automatisiert und formularbasiert erfassen;

• zukunftsorientierte Reportings erzeugen, um den Change zu überwachen und voranzutreiben;

• Kooperation und Zusammenarbeit durch offenes Data Reporting fördern.

(fm)

Dieser Artikel ist im Original bei unserer Schwesterpublikation CIO.com erschienen.

Im Vergleich zu Windows 10 hat Microsoft bei Windows 11 einige Maßnahmen ergriffen, um die PC-Performance zu optimieren. Das heißt allerdings nicht, dass es nicht noch besser, beziehungsweise schneller geht. Zum Beispiel mit den folgenden, simplen Optimierungstipps. Sie zu befolgen kann übrigens auch gewährleisten, dass Ihre Windows-11-Maschine nicht im Laufe der Zeit erlahmt.

13 Tipps, um Windows 11 schneller zu machen

Vorab noch ein Hinweis: Wir beziehen uns in diesem Artikel auf Windows 11 Version 22H2. Wenn Sie eine frühere Version von Windows 11 nutzen, stehen einige Features unter Umständen nicht zur Verfügung oder sehen anders aus.

1. Autostart deaktivieren

Programme, die zwar im Hintergrund laufen, aber nur selten oder nie verwendet werden, können Ihren PC verlangsamen. Zu unterbinden, dass solche Applikationen zum Systemstart ausgeführt werden, kann Ihren Rechner entsprechend beschleunigen. Dazu rufen Sie zunächst den Windows Task Manager auf, indem Sie:

• entweder die Tastenkombination Strg + Alt + Entf eingeben, oder

• den Task Manager über die Windows-Suchleiste starten.

Im Task Manager klicken Sie rechts auf den Menüpunkt “Autostart von Apps“. Nun sehen Sie eine Liste der Programme und Dienste, die beim Start von Windows initiiert werden – inklusive der Info, wie sich die jeweilige App auf den Startprozess auswirkt (dieser Wert bezieht sich allerdings nur auf den Startvorgang, nicht den laufenden Windows-11-Betrieb). Um zu verhindern, dass eines der gelisteten Programme oder Dienste zusammen mit dem System gestartet wird, genügt ein Rechtsklick, die Auswahl von “Deaktivieren” sowie ein anschließender Neustart des Rechners.

2. Effizienzmodus verwenden

Über den Task Manager initiieren Sie einen weiteren Trick, um Windows 11 schneller zu machen. Den mit Windows 11 22H2 eingeführten “Effizienzmodus“, der Ihren PC beschleunigen und zudem die Akkulaufzeit Ihres Laptops optimieren kann. Neben anderen Maßnahmen regelt der Effizienzmodus in Windows 11 zum Beispiel die Priorität von Prozessen und Anwendungen, die im Hintergrund laufen. Dabei ist der Begriff allerdings etwas irreführend, denn Sie können nicht Ihren gesamten Rechner in den Effizienzmodus versetzen – sondern lediglich einzelne Anwendungen und Prozesse. Der Haken dabei: Das funktioniert nur mit bestimmten.

Rufen Sie den Task Manager (siehe oben) auf und wählen sie im Menü links den Punkt “Prozesse“. Rechts sehen Sie nun eine Liste der Anwendungen und Prozesse, die aktuell laufen. Wenn Sie einen der Listeneinträge auswählen, haben Sie oben rechts im Task Manager die Möglichkeit, den Effizienzmodus zu aktivieren. Ist die Schaltfläche ausgegraut, steht die Funktion für die ausgewählte App nicht zur Verfügung. Darüber hinaus wissenswert: Unter Windows 11 arbeiten einige Anwendungen standardmäßig im Effizienzmodus, ohne die Möglichkeit, diesen zu deaktivieren (etwa Microsoft Edge).

3. Automatisierte Wartung nutzen

Windows 11 führt im Hintergrund kontinuierlich Wartungsmaßnahmen an Ihrem PC durch, beispielsweise Sicherheits-Scans und Systemdiagnosen. Das soll sicherstellen, dass alles auf dem neuesten Stand ist, eventuelle Probleme automatisch behoben werden und das Device mit optimaler Leistung läuft. Sie sollten deshalb sicherstellen, dass die automatische Wartung durch Windows aktiviert ist. Bei Bedarf können Sie diese Funktion auch manuell starten.

Rufen Sie dazu die Systemsteuerung auf und wählen Sie dort System und Sicherheit -> Sicherheit und Wartung. Hier finden Sie den Abschnitt “Automatische Wartung“, inklusive der Option, diese direkt manuell zu starten.

4. Adware und Bloatware beseitigen

Möglicherweise liegt es gar nicht an Windows 11, dass Ihr PC langsam startet. Eventuell beansprucht auch Bloat– oder Adware die Systemressourcen über Gebühr. Software dieser Art wird oft vom Hersteller Ihres PCs vorinstalliert – und in der Regel standardmäßig auch beim Systemstart aktiviert.

Um das abzustellen, führen Sie zunächst einen System-Scan durch, um Adware und Malware aufzuspüren. Wenn Sie bereits eine Security-Suite installiert haben, können Sie diese dazu verwenden. Ansonsten empfiehlt sich für diese Aufgabe der in Windows 11 integrierte Defender. Um einen Scan zu starten, suchen Sie die App über das Windows-Suchfeld. Anschließend können Sie mit einem zweiten Tool auf Nummer sicher gehen – dazu empfiehlt sich zum Beispiel das kostenlose Tool von Malwarebytes. Anschließend geht es der Bloatware an den Kragen. Dazu empfehlen sich zwei Werkzeuge:

• Das kostenlose Anti-Bloatware-Tool “Bulk Crap Uninstaller” und

• die Webseite “Should I Remove It?“.

Letztere bietet nicht nur wertvolle Tipps zu installierter Software auf Ihrem System, sondern bietet auch diverse nützliche Inhalte, die Sie dabei unterstützt, Bloatware von den Systemen verschiedener spezifischer Hersteller zu entfernen.

5. Suchindizierung abschalten

Die Windows-11-Suche führt im Hintergrund eine Indizierung der Festplattendaten durch, damit Sie Ihren PC schneller durchsuchen können. Die beschleunigten Suchvorgänge können allerdings zu einem langsameren Rechner führen, denn die Suchindizierung kostet Ressourcen. Dies gilt insbesondere für Systeme, die ohnehin etwas schwach auf der Brust sind. Bei ihnen kann es zu einem Geschwindigkeitsschub führen, die Suchindizierung abzuschalten.

Um das zu bewerkstelligen, geben Sie services.msc in das Windows-Suchfeld ein und öffnen die Dienste-App. In der Auflistung scrollen Sie bis zum Eintrag “Windows Search” – und vollziehen einen Doppelklick. Im folgenden Fenster können Sie den Dienst stoppen und Ihren Rechner neu starten. Anschließend sind Ihre Suchvorgänge möglicherweise etwas langsamer, den Unterschied werden Sie allerdings kaum bemerken. Dafür sollten Sie den Geschwindigkeitszuwachs umso mehr spüren.

Alternativ können Sie die Indizierung auch nur für Dateien an bestimmten Speicherorten deaktivieren, während Dateien und Ordner, in, beziehungsweise nach denen Sie häufig suchen, weiterhin indiziert werden. Dazu geben Sie im Windows-Suchfeld “index” ein und öffnen anschließend die App “Indizierungsoptionen“. Klicken Sie auf die Schaltfläche “Ändern“, und Sie sehen eine Liste der Speicherorte, die indiziert werden. Damit ein spezifischer Speicherport nicht mehr indiziert wird, deaktivieren Sie einfach das entsprechende Kontrollkästchen daneben.

6. Festplatte entrümpeln

Eine überfüllte Festplatte mit Dateien, die nicht mehr benötigt werden, kann Ihren PC ausbremsen. Sich ein paar Minuten Zeit zu nehmen, um Ihre Festplatte aufzuräumen, kann in einen sofortigen Geschwindigkeitsschub resultieren. Dazu brauchen Sie nicht mehr als das Windows-11-Bord-Tool “Speicheroptimierung“.

Dieses finden Sie über das Einstellungsmenü, unter dem Punkt System -> Speicher. Wenn Sie den Schieberegler bei Speicheroptimierung nach rechts schieben, überwacht Windows 11 Ihren PC kontinuierlich und löscht automatisiert temporäre oder alte Dateien. Dabei können Sie die Funktionsweise des Tools an Ihre Bedürfnisse anpassen. Sie können die Speicheroptimierung auch anweisen, Dateien in Ihrem Download-Ordner oder Ihrem Papierkorb nach einer bestimmten Frist zu löschen.

7. Schatten, Animationen und visuelle Effekte deaktivieren

Auf schnellen, neueren PCs beeinträchtigen die visuellen Effekte von Windows 11 die PC-Leistung für gewöhnlich nicht. Auf älteren, langsameren Rechnern kann das anders aussehen. Sollte Ihr PC in letztgenannte Kategorie fallen, fahren Sie in der Regel besser, wenn Sie die visuellen Schmankerl von Windows 11 deaktivieren.

Dazu geben Sie sysdm.cpl in das Windows-Suchfeld ein und starten das gleichnamige Systemsteuerungselement. Im folgenden Dialogfeld “Systemeigenschaften” navigieren Sie zur Registerkarte “Erweitert“. Anschließend klicken Sie auf die Schaltfläche “Eigenschaften” im Bereich “Leistung“. Sie sehen nun das Dialogfeld “Leistungsoptionen” mit einer langen Liste von Animationen und Spezialeffekten. Hier können Sie nach Belieben experimentieren. Wenn Sie einfach nur zielstrebig die größten Performance-Fresser entfernen möchten – das sind in der Regel die Optionen:

• Animation beim Minimieren und Maximieren von Fenstern;

• Animationen auf der Taskleiste;

• Fensterschatten anzeigen;

• Menüelemente nach Aufruf ausblenden;

• Menüs in Ansicht ein- oder ausblenden;

• Quickinfo in Ansicht ein- oder ausblenden;

• Steuerelemente und Elemente innerhalb von Fenstern animieren.

Die einfachste Lösung: Wählen Sie oben im Dialogfeld die Option “Optimale Einstellung automatisch auswählen“. In diesem Fall deaktiviert Windows 11 automatisch die Effekte, die Ihr System verlangsamen.

8. Transparenz deaktivieren

Ein weiterer Hebel, um Windows 11 schneller zu machen: Deaktivieren Sie auch die Transparenzeffekte in der Taskleiste und an anderen Stellen. Diese kosten erstaunlich viel Systemleistung. Klicken Sie sich dazu im Einstellungsmenü über “Personalisierung” bis zu “Farben” durch und schieben Sie den Schieberegler für die Transparenzeffekte auf Aus.

9. Energieeinstellungen anpassen

Mit Hilfe der Energieeinstellungen Ihres Windows-11-PCs können Sie Energieeffizienz und Leistung in Einklang bringen. Ist auf Ihrem System ein Energiesparplan aktiviert, führt das also in jedem Fall zu Leistungseinbußen.

Um das zu verhindern, rufen Sie die Systemsteuerung auf und wählen dann “Hardware und Sound“, gefolgt von “Energieoptionen“. Wählen Sie nun die gewünschte Einstellung. Für Desktop-Benutzer gibt es keinen Grund, die Option “Energiesparen” zu wählen – und selbst Laptop-Benutzer sollten die Option “Ausgewogen” in Betracht ziehen.

10. Windows-Tipps und -Tricks abschalten

Windows 11 analysiert ständig, was Sie auf Ihrem PC tun, und gibt Ihnen an diversen Stellen Tipps, “um noch mehr zu machen”. Hilfreich sind die allerdings selten – und ein schlechtes Gefühl gibt’s inklusive, wenn Windows ständig über die Schulter schaut. Viel wichtiger ist aber, dass diese Art des Monitorings auch Ihr System verlangsamen kann.

Um Windows 11 dazu zu bringen, die Ratschläge für sich zu behalten, öffnen Sie das Einstellungsmenü und wählen anschließend “System” und dann “Benachrichtigungen“. Hier scrollen Sie ganz nach unten, um unter dem Punkt “Zusätzliche Einstellungen” das Kontrollkästchen “Tipps und Vorschläge erhalten, wenn Windows verwendet wird“.

11. Spielmodus deaktivieren

Der in Windows 11 integrierte Spielmodus ist sinnvoll, wenn Sie Games zocken. Sobald das System eines erkennt, verwendet es die Systemressourcen vorrangig dafür – zulasten aller anderen Anwendungen und Hintergrundprozesse. Wenn Sie allerdings gerade nicht, beziehungsweise nie spielen, kann der Spielmodus Ihr System verlangsamen, denn er hält einige Systemressourcen in Reserve – und führt gelegentlich auch zu Stabilitätsproblemen.

Da der Spielmodus standardmäßig aktiviert ist, müssen Sie ihn abschalten. Dazu rufen Sie im Einstellungsmenü “Spiele” und anschließend “Spielemodus” auf und betätigen den Schieberegler entsprechend.

12. Treiber aktualisieren

Veraltete Treiber können Ihren Windows-11-PC signifikant erlahmen lassen. Um zu verhindern, dass es soweit kommt, gehen Sie wie folgt vor:

• Rufen Sie die Windows-Einstellungen auf (Windows-Taste + I).

• Wählen Sie zunächst “Windows Update” im Menü links, anschließend im Hauptfenster zuerst “Erweiterte Optionen“, dann “Optionale Updates“.

• In der Treiberupdate-Auflistung dürfen Sie nun diejenigen auswählen, die Sie herunterladen und installieren möchten.

13. Windows neu starten

Last, but not least eine echte Geheimwaffe aus den IT-Abteilungen dieser Welt: Wenn Ihr Rechner lahmt, starten Sie ihn neu. Das sorgt dafür, dass der Arbeitsspeicher wieder ins Reine kommt und nicht mehr benötigte Prozesse beendet werden.

Dieser Beitrag ist im Original bei unserer Schwesterpublikation Computerworld.com erschienen.

SAP-Anwenderunternehmen stehen unter Druck, auf SAP S/4HANA zu wechseln, weil die Mainstream-Wartung für SAP ERP (SAP ECC 6.0) Ende 2027 ausläuft und die bis Ende 2030 geltende erweiterte Wartung kostenpflichtig ist.

Zwar stellt SAP mit der „SAP ERP, Private Edition, Transition Option“ eine weitere Wartungsverlängerung bis 2033 in Aussicht. Da diese einer Neuimplementierung gleichkommt, bleibt SAP-Kunden mehr Zeit für die Planung, die Analyse und das Changemanagement. Der Nachteil: Wer diese Option nutzt, läuft Gefahr, technologisch ins Hintertreffen zu geraten, da Innovationen nahezu ausschließlich für SAP S/4HANA bereitgestellt werden.

Zögerliche SAP-S/4HANA-Transformation trotz Wartungsdruck

Obwohl der Druck hoch ist, hat eine große Zahl der SAP-Bestandskunden die Transformation auf die seit 2015 verfügbare ERP-Suite offenbar noch nicht vollzogen. Eine COMPUTERWOCHE-Expertenrunde zeigte, wo die größten Hürden liegen und was erfolgreiche Projekte auszeichnet.

Warum etliche Unternehmen die Transformation vor dem regulären Wartungsende scheuen und stattdessen zwei Prozent Mehrkosten für die erweiterte Wartung einkalkulieren, brachte ein Teilnehmender auf den Punkt: Firmen haben über Jahrzehnte in ihre SAP-ERP-Lösung investiert und sie an individuelle Prozessanforderungen angepasst, damit die Abläufe entlang der Supply Chain reibungslos laufen. Er habe daher in den vergangenen zehn Jahren keinen Kunden erlebt, der freiwillig umsteigen wollte. Alle hätten gesagt, dass sie müssen.

Nach Erfahrungswerten eines weiteren Experten nutzen erst rund 20 Prozent der SAP-Kunden SAP S/4HANA als Kernapplikation produktiv, unter anderem, weil entsprechende Transformationsprojekte auf sieben bis neun Jahre angelegt sind.

Altlasten bremsen die SAP-S/4HANA-Transformation

Unternehmen, die sich für den Wechsel entscheiden, verzichten häufig auf jede Modernisierung. Sie vollziehen einen Eins-zu-eins-Umstieg ohne Code-Modifikation, sei es in Form einer System Conversion (Brownfield-Ansatz) oder per Lift and Shift in SAP Cloud ERP Private (früher: SAP S/4HANA Cloud Private Edition). Dabei ist eine große Zahl von SAP-ERP-Installationen gar nicht zukunftsfähig, weil sie auf Prozessen aus den 1990er Jahren basieren und im Lauf der Jahre durch zahlreiche Eigenentwicklungen erweitert wurden.

Nicht selten gibt es bis zu mehrere tausend kundeneigene Programme im Z/Y-Namensraum, die zum Teil nicht mehr genutzt werden und das System unnötig belasten. Die Experten waren sich einig, dass eine solche rein technische Migration, bei der Altlasten wie ABAP-Eigenentwicklungen mitgeschleppt werden, keinen Mehrwert für das Unternehmen bringt.

Es muss geprüft werden, welche Eigenentwicklungen beibehalten werden, weil sie wettbewerbsdifferenzierend und damit geschäftskritisch sind, und welche gelöscht werden müssen, weil sie nicht genutzt werden oder weil es dafür inzwischen SAP-Standardfunktionen gibt. Handlungsbedarf besteht auch bei einer dreistelligen Anzahl von Buchungskreisen, von denen niemand weiß, welche noch benötigt werden, oder bei zahlreichen Dubletten in den Kreditoren- und Debitorenstammdaten.

Studie “SAP S4HANA”: Sie können sich noch beteiligen!

Zum Thema SAP S4HANA führt die COMPUTERWOCHE derzeit eine Multi-Client-Studie unter IT-Verantwortlichen durch. Haben Sie Fragen zu dieser Studie oder wollen Partner bei dieser Studie werden, helfen wir Ihnen unter research-sales@foundryco.com gerne weiter.

Migrations-Tools und KI-Agenten beschleunigen den Umstieg

Um diesen Prüf- und Bereinigungsaufwand zu bewältigen, bietet SAP mehrere Tools, um die Transformation auf SAP S/4HANA zu vereinfachen: darunter SAP Activate, SAP Cloud ALM, Migration Cockpit, Readiness Check, Custom-Code-Check oder Modifikationsabgleich. Ergänzt werden sie durch Lösungen wie Signavio für die Prozessanalyse. Die Experten schätzen den Effizienzgewinn durch solche Migrationswerkzeuge auf 30 bis 50 Prozent.

Zusätzliche Produktivität versprechen KI-Agenten, die Altsysteme automatisiert analysieren, Code bereinigen und Datenflüsse transformieren. Das reduziert den Migrationsaufwand und beschleunigt den Umstieg.

Scope-Management als Schlüssel für den Projekterfolg

Einig waren sich die Teilnehmenden, dass SAP-S/4HANA-Transformationsprojekte in der Regel nicht an der Technologie scheitern, sondern an einer mangelhaften Scope-Definition und am unzureichenden Changemanagement.

Ein Scope-Management vor dem Projektstart, das berücksichtigt, wie viel Veränderung der IT-Organisation und den Fachbereichen zugemutet werden kann, sei essenziell für den Erfolg, sagte einer der Teilnehmenden. Es erfordert die Fähigkeit zu priorisieren und ein iteratives Vorgehen, bei dem zunächst geschäftskritische Must-haves und Quick Wins umgesetzt werden. Weniger wichtige Nice-to-haves folgen später. Wer dagegen in der Konzeptionsphase bereits den großen Wurf anstrebt, wird voraussichtlich scheitern. Als Beispiel wurde der direkte Umstieg auf ein SAP-S/4HANA-Kernsystem genannt, das nach dem Clean-Core-Ansatz von nicht mehr lauffähigen Programmen und obsoleten Erweiterungen bereinigt ist.

Genauso wichtig ist ein Change-Management, das Mitarbeitende von Beginn an einbezieht, die nötige Akzeptanz schafft und vom Top-Management aktiv unterstützt wird, sowie eine verbindliche Governance mit klaren Zielvorgaben. Unverzichtbar ist auch die Einbindung der Fachbereiche. Sie stellt die größte Herausforderung dar, da Unternehmen befürchten, dass durch die SAP-S/4HANA-Transformation zu viele personelle Ressourcen gebunden werden, die dann für Kernaufgaben fehlen. Kommt es vor, dass IT und Fachbereiche als Antipoden agieren, sollte ein Change-Coach als Vermittler eingesetzt werden.

Hybride Betriebsmodelle setzen sich langfristig durch

Bereits vor dem Projektstart muss abschließend geklärt sein, welches Betriebsmodell für SAP S/4HANA am besten zu einem Unternehmen und seinen Zielen passt, auch mit Blick auf regulatorische Anforderungen. Das ist häufig nicht der Fall, sodass das Projektteam unnötig Zeit damit verbringt, das passende Betriebsmodell zu ermitteln. Das bremst Transformationsvorhaben aus.

Nach Ansicht eines Teilnehmenden wird sich langfristig ein hybrides Betriebsmodell durchsetzen, bei dem der SAP-Kunde entscheidet, welche Elemente der SAP-S/4HANA-Landschaft in einer Hyperscaler-Cloud, einer souveränen Cloud und/oder On-Premises laufen. Eine weitere, weitgehend unbekannte Möglichkeit ist der Betrieb im Rahmen der Customer-Data-Center-Option (CDC) von SAP Cloud ERP Private (früher: SAP S/4HANA Cloud Private Edition), die aus Gründen wie Datenschutz, Leistung und Souveränität eine interessante Alternative sein kann.

Mehrere Experten stellen darüber hinaus fest, dass die vollwertige SaaS-Lösung SAP Cloud ERP Public (früher: SAP S/4HANA Cloud Public Edition) inzwischen verstärkt eingesetzt wird. Sie stellt vorkonfigurierte Kern-ERP-Funktionen (Best Practices) bereit und lässt sich relativ schnell einführen, ermöglicht aber kaum individuelle Anpassungen. Diese Abstriche nehmen Unternehmen in Kauf, um von regelmäßigen, automatischen Upgrades und technologischen Innovationen zu profitieren.

Kritisiert wurde allerdings, dass die Cloud-Diskussion häufig unter begrifflichen Unschärfen leidet. So macht der Betrieb von SAP S/4HANA in einer Hyperscaler- oder SAP-Cloud die Lösung noch lange nicht zum Software-as-a-Service-Angebot. Solche Ungenauigkeiten irritierten SAP-Kunden und bremsten die Entscheidungsfindung. Letztlich sind beim Cloud-Betrieb auch die Kosten entscheidend. Zwar wollen viele Unternehmen anfangs maximale Sicherheit mit Private Network und Confidential Computing, wählen dann aber günstigere Commercial-Cloud-Angebote. Ausnahmen bilden regulierte Branchen und der öffentliche Sektor.

Ob hybrides Betriebsmodell oder Kostenfrage, am Ende entscheidet über den Projekterfolg nicht allein die Technologie, sondern auch, wie diszipliniert Scope und Wandel im Unternehmen gesteuert werden.

Teilnehmer der Round-Table “SAP S4HANA 2027”

Was ist Claude Mythos?

Claude Mythos ist ein KI-Modell, das von Anthropic entwickelt wurde und für Anwendungen in den Bereichen Cybersicherheit und Gesundheitswesen optimiert ist. Ursprünglich wurde Mythos 5 im April einer kleinen Gruppe geprüfter Technologiepartner zugänglich gemacht – im Vorfeld eines geplanten, breiter angelegten Rollouts.

Zu diesem Zweck rief das KI-Unternehmen das Projekt „Glasswing“ ins Leben, ein Konsortium, das Infrastrukturanbietern, Open-Source-Entwicklern und großen Technologieunternehmen einen begrenzten, kontrollierten Zugriff zu Mythos gewährt. Ziel der Initiative ist es, Verteidigern zu ermöglichen, Schwachstellen schneller aufzuspüren und zu beheben, als Angreifer sie identifizieren können. Das erscheint auch dringend notwendig, setzen diese doch zunehmend selbst auf KI-gestützte Werkzeuge.

Über welche Fähigkeiten verfügt Claude Mythos?

Die ersten 50 Partner von Project Glasswing konnten mithilfe von Mythos mehr als 10.000 Schwachstellen mit hohem oder kritischem Schweregrad in allen gängigen Betriebssystemen und Webbrowsern aufspüren.

So identifizierte das Modell Sicherheitslücken, die selbst den fähigsten Sicherheitsforschern jahrelang entgangen waren – etwa einen 27 Jahre alten Fehler in OpenBSD. Zudem hat Mythos bewiesen, dass es mehrere Schwachstellen miteinander verknüpfen kann.

Wie schränkt Anthropic den Zugang zu Claude Mythos ein?

Anthropic teilte bei der Vorstellung von Claude Mythos mit, es schränke die Verfügbarkeit des Spitzen-KI-Modells bewusst ein, da dessen Fähigkeiten von Angreifern leicht missbraucht werden könnten.

Im Juni wurde die Technologie dann für weitere 150 Organisationen freigegeben. Alle Mythos-Partner müssen hierbei aber zustimmen, dass ihre Daten 30 Tage lang zu Sicherheitsüberwachungszwecken gespeichert werden.

Am 15. Juni verhängte die Trump-Regierung allerdings Exportbeschränkungen für Claude Fable 5 und Claude Mythos 5. Diese sollten ausländischen Staatsangehörigen sowohl innerhalb als auch außerhalb der USA den Zugang verwehren. Am 30. Juni wurden die Beschränkungen jedoch bereits wieder aufgehoben.

Was ist Claude Fable?

Für einen breiteren Einsatzbereich bietet Anthropic Claude Fable 5 an. Das Modell basiert auf derselben technischen Grundlage wie Mythos. Es verfügt jedoch über strenge Sicherheitsmechanismen, die den Betrieb in als „riskant“ eingestuften Bereichen der Cybersicherheit einschränken. Alle als problematisch deklarierten Anfragen werden stattdessen automatisch an das ältere und weniger leistungsfähige Large Language Model (LLM) Opus 4.8 weitergeleitet.

Wie nutzen Security-Partner von Anthropic den Zugriff auf Mythos?

Cisco, einer der Projekt-Glasswing-Partner, hat seine „Foundry Security Spec“ als Open-Source-Lösung veröffentlicht. Hierbei handelt es sich um ein modellunabhängiges Framework für Sicherheitstests, das es anderen Anbietern und Sicherheitsexperten in Unternehmen ermöglichen soll, ähnliche Arbeitsabläufe zu entwickeln, ohne bei Null anfangen zu müssen.

Vor kurzem betonten Vertreter von Cisco auf einer Online-Veranstaltung, dass Verteidiger KI nutzen können, um Sicherheitsprobleme wesentlich schneller und in größerem Umfang zu identifizieren, zu bestätigen und zu beheben. Ältere Modelle, die nach dem Prinzip „eine Schwachstelle finden und patchen“ funktionieren, seien nicht mehr zeitgemäß. Dies liege daran, dass Angreifer KI einsetzen, um den Weg von der Entdeckung einer Schwachstelle bis zu deren Ausnutzung zu beschleunigen. Cisco wiederum setzt KI intern bereits in der Defensive ein, um 1,8 Milliarden Zeilen Code im gesamten Produktportfolio zu scannen.

Gleichzeitig betonen die Experten, dass kleinere Unternehmen keinen Zugriff auf eingeschränkte KI-Modelle benötigen, um ihre Sicherheit zu verbessern. In solchen Betrieben lasse sich stattdessen mehr erreichen, indem grundlegende Sicherheitsmaßnahmen optimiert werden. Hierzu zählen laut Cisco unter anderem Authentifizierung, Netzwerk-Segmentierung, Zero Trust und die Behebung aktiv ausgenutzter Schwachstellen.

Bieten andere KI-Anbieter etwas Vergleichbares zu Claude Mythos an?

Mythos ist das prominenteste Beispiel für Frontier-KI-Modelle. Mit ihnen kann die Suche nach Zero-Day-Lücken in einem Tempo und Ausmaß automatisiert werden, die weit über die Fähigkeiten menschlicher Teams hinausgeht.

Allerdings arbeiten auch etliche andere Anbieter an hochleistungsfähigen, auf Sicherheit ausgerichteten „Frontier“-KI-Modellen. Zudem gibt es andere leistungsstarke Open-Source-Modelle, die sich problemlos für die Cybersicherheitsforschung nutzen lassen. Claude Mythos ist also bei weitem nicht die einzige verfügbare Option.

So werden beispielsweise die Modelle GPT-5.4-Cyber sowie GPT-5.5 von OpenAI genutzt, um Schwachstellen zu erkennen und zu analysieren. Auch in der Malware-Analyse und der Bedrohungsmodellierung kommen sie zum Einsatz. Zugang zu diesen Technologien können Sicherheitsanbieter, Unternehmen und Forscher über das Programm „Trusted Access for Cyber“ (TAC) von OpenAI erhalten.

Zusätzlich hat das chinesische Cybersicherheitsunternehmen 360 Security Technology mit Tulongfeng ein System entwickelt, das als Gegenstück zu Anthropics „Mythos“ beschrieben wird.

Privat lassen sich leistungsstarke offene Modelle – darunter DeepSeek V3.2 von DeepSeek und Llama 4 von Meta – auf GPU-Infrastrukturen betreiben und in der Cybersicherheitsforschung einsetzen. Fugu des japanischen Anbieters Sakana AI ist eine weitere Option in dieser Kategorie.

Was kritisieren Cybersicherheitsexperten an Claude Mythos?

Kritiker aus dem Cybersecurity-Bereich räumen ein, dass Claude Mythos zweifellos hochentwickelt sei. Die Marketing-Behauptung, wonach es zuverlässig produktive IT-Systeme lahmlegen könne, übersteige jedoch die tatsächlichen Fähigkeiten.

Darüber hinaus beklagen sich Sicherheitsexperten – etwa in Podcasts – über die übertrieben restriktiven Sicherheitsmechanismen von Claude Fable: Bereits Anfragen, einen sicherheitsrelevanten Blogbeitrag zusammenzufassen oder sogar das Wort „Exploit“ zu buchstabieren, würden auf das deutlich schwächere Modell Opus 4.8 zurückgestuft. Dadurch würden selbst alltägliche Aufgaben in der Informationssicherheit unnötig erschwert.

Andere Experten warnen davor, dass Frontier-KI-Modelle anfällig für False Positives seien. Eher grundsätzlich ist die Kritik, dass das schnellere Aufspüren von mehr Schwachstellen das eigentliche Problem nicht löst, nämlich zuverlässig Sicherheitslücken zu beheben oder nicht-technische Angriffsvektoren wie Social Engineering zu verhindern.

Wie sollten CISOs auf Mythos reagieren?

Die Nachrichtendienste der „Five Eyes“ (USA, Großbritannien, Kanada, Australien und Neuseeland)  warnen davor, dass hochmoderne KI-Modelle wie Claude Mythos „sowohl offensive als auch defensive Cyber-Fähigkeiten grundlegend verändern werden“ – und zwar in einem Zeitraum von Monaten statt Jahren.

„Während KI uns dabei helfen wird, die Cyberabwehr im Laufe der Zeit zu verbessern, erhöht sie zugleich Geschwindigkeit, Ausmaß und Raffinesse von Cyberbedrohungen“, heißt es in der Erklärung der Gruppe. Unternehmen sollen daher KI nutzen, um ihre Abwehrmechanismen im Rahmen umfassenderer Strategien zur Stärkung der Cybersicherheits-Resilienz zu verbessern.

Die meisten Unternehmen seien jedoch bei weitem noch nicht darauf vorbereitet, was dies für ihre Bedrohungsmodelle bedeutet, warnt ein Experte. „Wir verfügen heute über KI-Systeme, die realistische Angriffswege über Software, Anbieter und kritische Infrastrukturen hinweg schneller abbilden können, als menschliche Angreifer sie erfassen können“, erläutert Joe Hubback, Partner und CISO beim Beratungsunternehmen Elixirr sowie ehemaliger McKinsey-Partner. Dadurch, dass „Fähigkeiten der ‚Mythos-Klasse‘ vor der breiten kommerziellen Einführung stünden, handle es sich nicht mehr um „ein Nischenproblem der Forschung“, ergänzt er. Vielmehr sei es jetzt ein Faktor, den jedes Unternehmen in sein Bedrohungsmodell einbeziehen müsse, so der Experte.

Auch ein Bericht der Cloud Security Alliance warnt davor, dass KI die Zeitspanne zwischen der Entdeckung einer Schwachstelle und deren Ausnutzung drastisch verkürzt habe. Damit seien herkömmliche Sicherheitsmodelle, die auf „Patchen und Reagieren“ basieren, überholt. Unternehmen sollten sich vielmehr auf anhaltende Wellen von Schwachstellen einstellen, die durch „Project Glasswing“ und andere Quellen mittels KI aufgedeckt werden.

„Die bei Mythos beobachteten Fähigkeiten werden schon bald breiter verfügbar sein. Dadurch wird sich die Anzahl sowie Häufigkeit komplexer, neuartiger Angriffe, denen sich Unternehmen gegenübersehen, drastisch erhöhen“, heißt es in der Warnung. Sicherheitsverantwortliche müssten daher ihre Verteidigungsstrategien auf einen „Mythos-ready“-Ansatz umstellen, der auf kontinuierlichem Schwachstellenmanagement, schnellerer Priorisierung und verbesserter Reaktion auf Sicherheitsvorfälle basiert. (tf)

Dieser Artikel basiert auf einem Beitrag von CSO.

Regelmäßige Netzwerk-Scans reichen für eine gehärtete Angriffsfläche nicht mehr aus. Um die Sicherheit von Unternehmensressourcen und Kundendaten zu gewährleisten, ist eine kontinuierliche Überwachung auf neue Ressourcen und Konfigurationsabweichungen erforderlich. Werkzeuge aus den Bereichen Cyber Asset Attack Surface Management (CAASM) sowie External Attack Surface Management (EASM) sind darauf ausgelegt, die Angriffsfläche von Unternehmen:

• zu quantifizieren,

• zu minimieren, und

• zu härten.

Das Ziel besteht dabei darin, den Angreifern möglichst wenig Informationen über das Security-Niveau des Unternehmens zu geben und gleichzeitig kritische Business Services aufrechtzuerhalten. Dabei spielt inzwischen auch Agentic AI eine immer größere Rolle.

12 Attack-Surface-Management-Tools

Die folgenden zwölf Lösungen unterstützen Sie dabei, Risiken zu identifizieren und zu managen.

Axonius Cyber Asset Attack Surface Management

Diese CAASM-Suite von Axonius deckt alle wichtigen Aspekte ab, wenn es um Attack Surface Monitoring geht. Das Tool erstellt zunächst ein Asset-Inventar, das automatisch aktualisiert und mit Kontext aus internen Datenquellen und Ressourcen angereichert wird.

Dabei ist es auch möglich, Monitoring-Prozesse aufzusetzen, die auf Grundlage von Richtlinien wie PCI oder HIPAA ablaufen. So lassen sich Konfigurationen oder Schwachstellen identifizieren, die diesen zuwiderlaufen und entsprechende Maßnahmen ergreifen.

Bugcrowd EASM

Bugcrowd hat im Mai 2024 Informer.io übernommen und dessen EASM-Angebot in seine Security-Plattform integriert. Diese automatisiert die Asset Discovery über Webapplikationen, APIs und andere “public facing”-Komponenten des IT-Stacks hinweg.

Assets überwacht die Lösung kontinuierlich, wobei identifizierte Risiken in Echtzeit priorisiert werden. Darüber hinaus stehen auch Zusatz-Services wie manuelle Risikoprüfungen oder Penetrationstests zur Verfügung. Das Workflow-basierte Response-System der Lösung verspricht eine einfachere Einbindung mehrerer Teams, indem existierende Ticketing- und Kommunikations-Tools integriert werden. Praktisch ist auch die Möglichkeit, Konfigurationsänderungen oder System Updates zu validieren, um sicherzustellen, dass identifizierte Bedrohungen tatsächlich bereinigt wurden.  

CrowdStrike Falcon Exposure Management

Crowdstrike hat sein Falcon-Surface-Angebot von einem Standalone EASM-Tool zu einem Kernbestandteil von Falcon Exposure Management ausgebaut. Die Lösung wird nun auch durch KI-nativen Code dabei unterstützt, Risiken zu identifizieren und auszuschalten. Darüber hinaus kommt die Technologie auch für Adversarial-AI-Szenarien zum Einsatz.

Die Crowdstrike-Lösung kann außerdem:

• Risiken mit dem Business-Kontext korrelieren,
• die Ausnutzbarkeit validieren und
• direkte Abhilfemaßnahmen über die Falcon-Plattform einleiten.

Unternehmen sollen sich mit dem Tool einen nachhaltigen Überblick über ihre Angriffsfläche verschaffen und Risiken oder Bedrohungen mit einer Vielzahl von Techniken aufspüren können. Dazu gehören etwa aktive, passive und API-basierte Scans, um mit dem Internet verbundene Ressourcen zu identifizieren.

Falcon Exposure Management ist nicht Teil des Enterprise-Softwarepakets von Crowdstrike. Es kann als Abonnementlizenz auf Basis der gemanagten Endpunkte erworben werden.

CyCognito Attack Surface Management

Das CAASM-Produkt von CyCognito bietet eine kontinuierliche Überwachung und Inventarisierung von Assets. Dabei spielt es keine Rolle, ob diese On-Premises, in der Cloud, bei einem Drittanbieter oder einer Tochtergesellschaft vorliegen.

Um den Triage-Prozess und die Risiko-Priorisierung zu erleichtern, kann auch Business-Kontext hinzugefügt werden (beispielsweise Beziehungen zwischen einzelnen Assets). Das hilft dabei, sich auf die wichtigsten Netzwerkrisiken zu konzentrieren. CyCognitos Tool verfolgt darüber hinaus auch Konfigurationsänderungen und ermöglicht so, neue Risiken für die Unternehmensinfrastruktur schnell zu identifizieren.

JupiterOne Cyber Asset Attack Surface Management

JupiterOne preist seine CAASM-Lösung als eine Möglichkeit an, “Cyber-Asset-Daten nahtlos in einer einheitlichen Ansicht zu aggregieren”. Der Kontext wird bei Bedarf automatisch hinzugefügt, und die Beziehungen zwischen den Assets können definiert und optimiert werden, um Schwachstellenanalyse und Incident-Response-Fähigkeiten zu verbessern.

Benutzerdefinierte Abfragen ermöglichen es Cybersecurity-Teams, komplexe Fragen zu beantworten, während der Asset-Bestand über eine interaktive Map durchsucht werden kann. Die Security-Tools, in die Sie bereits investiert haben, können Sie integrieren – was eine ganzheitliche, zentralisierte Perspektive auf das Security-Niveau zulässt.

Microsoft Defender External Attack Surface Management

Microsoft Defender EASM erkennt nicht verwaltete Assets und Ressourcen, die per Schatten-IT bereitgestellt werden oder sich auf anderen Cloud-Plattformen befinden. Sobald die Assets und Ressourcen identifiziert sind, sucht das Tool nach Schwachstellen auf jeder Ebene des Technologie-Stacks, einschließlich der zugrunde liegenden Plattform, App-Frameworks, Webanwendungen, Komponenten und des Kerncodes.

Defender EASM ermöglicht es IT-Profis, Schwachstellen in neu entdeckten Ressourcen schnell zu beheben, indem diese nach Entdeckung in Echtzeit kategorisiert und priorisiert werden. Naturgemäß lässt sich Defender EASM eng mit anderen Microsoft-Lösungen wie Security Copilot integrieren.

Outpost24 EASM

Der schwedische Anbieter Outpost24 hat 2023 den belgischen EASM-Anbieter Sweepatic übernommen und dessen Tool in seine Modul-Kollektion für Threat Intelligence, Data Leakage und Pentesting integriert. Diese EASM-Lösung ist sowohl Standalone, als auch als Managed Service erhältlich und kann Daten entweder passiv über DNS und andere TCP/IP-Details oder über direkte Verbindungen zu Cloud-Anbietern wie AWS und Azure sowie den Lösungen großer Softwareanbieter (etwa ServiceNow, Slack oder Atlassian) erfassen.

Palo Alto Networks Cortex Xpanse

Xpanse ist Teil der XSIAM-Produktsuite von Palo Alto, kann jedoch auch separat erworben werden. Das Standalone-Produkt hat allerdings einen etwas geringeren Funktionsumfang.

Das Palo-Alto-Tool unterstützt auch die Integration mit Tools von Drittanbietern wie Qualys, Jira und ServiceNow. Zudem verfügt das Produkt über eine beeindruckende Auswahl an vorgefertigten Detection-Regeln, Widgets, um Queries und Discovery-Routinen zu erstellen und anpassbare Daten-Dashboards aufzusetzen.

Rapid7 Surface Command

Surface Command ist nur eines von zahlreichen Modulen, das Rapid7 im Angebot hat (unter anderem Vulnerability und Incident Management sowie Cloud-Native Security). Das Tool bringt Threat Exposure, Detection und Response unter einen Nenner und verspricht eine kontinuierliche „Vogelperspektive“ über sämtliche Schwachstellen – vom Endpunkt bis hin zur Cloud.

Das Rapid-7-Tool ist darauf konzipiert, blinde Flecken in der Security aufzuspüren sowie Reaktion und Behebung zu beschleunigen. Für letzteres sind zudem auch agentenbasierte KI-Funktionen enthalten.

RiskProfiler EASM

Über die RiskProfiler-Plattform lassen sich sämtliche externen Bedrohungen managen. Das Tool ermöglicht beispielsweise Dark-Web-Monitoring, digitales Monitoring sowie Hacking-Kampagnen, Schwachstellen und Supply-Chain-Angriffe zu tracken. Die hieraus gewonnenen Bedrohungsinformationen werden von KI-Agenten zu einem einheitlichen Korpus verdichtet.

Bestandteil des Tools sind zudem mehr als 13.000 vorinstallierte Regeln, die sowohl Open-Source- als auch eigene proprietäre Algorithmen miteinander verbinden. Auch die Risikobewertungen von Drittanbietern werden analysiert. Ein anpassbares Management-Dashboard visualisiert die Daten in diversen Ansichten. 

SOCRadar AttackMapper

Mit AttackMapper (ein Teil der Tool-Suite für SOC-Teams), will SOCRadar, den Anwendern die Sicht der Angreifer auf die Assets ermöglichen. Das Tool überwacht Assets mithilfe von Agentic AI dynamisch in Echtzeit, identifiziert neue oder veränderte und analysiert sie auf potenzielle Schwachstellen.

Die Ergebnisse werden mit bekannten Angriffsmethoden korreliert, um den Entscheidungsfindungs- und Triageprozess zu unterstützen. Dabei überwacht AttackMapper nicht nur Endpunkte und Software Vulnerabilities, sondern auch SSL-Schwachstellen, abgelaufene Zertifikate, DNS-Einträge und Konfigurationen. Das Tool erkennt selbst Website-Defacement-Angriffe, was entscheidend sein kann, um die Markenreputation zu schützen.

Tenable Attack Surface Management

Tenable hat schon seit einigen Jahren Tools im Angebot, um Schwachstellen aufzuspüren – und auch die aktuelle Tool-Suite wird modernen IT-Sicherheitsanforderungen gerecht. Bei Tenable Attack Surface Management handelt es sich um das EASM-Modul des Unternehmens, das in dessen Exposure-Management-Plattform „One“ integriert ist.

Tenable Attack Surface Management liefert Kontext und Details zu Assets und Schwachstellen, allerdings nicht nur aus technischer Sicht, sondern auch auf Business-Ebene, was für eine umfassende Priorisierung der Maßnahmen erforderlich ist.

7 Fragen vor dem ASM-Invest

Die folgenden Fragen sollten Sie sich und potenziellen Anbietern von Attack-Surface-Management-Lösungen stellen, bevor Sie einen Vertrag unterzeichnen.

• Benötigt unser Unternehmen eine EASM- oder eine CAASM-Lösung? Die Antwort darauf hängt davon ab, ob Sie nach internen oder externen Angreifern suchen – und wie groß der Anteil Ihrer lokalen Infrastruktur ist.
• Wie umfangreich – und effektiv – ist das Tool automatisiert? Erkennt es zuverlässig alle anfälligen Ressoucren, einschließlich digitaler Zertifikate, offengelegter Anmeldedaten und mit dem Netz verbundene Server und Services? Welche Metadaten und weiteren Details liefert die Lösung?  
• Wie behebt die Lösung Schwachstellen, wenn sie welche findet? Läuft das automatisiert ab oder sind manuelle Eingriffe erforderlich?
• Unterstützt das Tool Continuous Monitoring? Und falls ja: Wie werden Veränderungen nachgehalten?
• Welche Schwachstellen werden wie mit anderen SOC-Tools geteilt oder integriert?
• Gibt es unterschiedliche Dashboards für Management- und andere Zwecke? Beziehungsweise: Wie lässt sich das Tool auf unterschiedliche Benutzergruppen anpassen?
• Wie sieht ihre Preisgestaltung im Detail aus? Stellen Sie sicher, dass Sie das Preisgefüge des Anbieters Ihrer Wahl wirklich verstehen. In den meisten Fällen sind Sie dabei mit komplexen, nutzungsabhängigen Abrechnungsmodellen konfrontiert.

(fm)

Dieser Beitrag ist im Original bei unserer Schwesterpublikation CSOonline.com erschienen.

Wie schnell sich Krisen auf globale Lieferketten auswirken können, zeigte sich in den letzten Monaten immer wieder. Dabei sind Krisen an sich kein neues Phänomen. Ein Novum ist jedoch die Wucht, mit der diese Unternehmen treffen – in Beschaffung, Produktion und Wertschöpfung.

Der Grund dafür liegt in der engen Verflechtung von Politik und Wirtschaft. Geopolitische Entscheidungen bleiben heute nicht mehr auf die Ebene internationaler Beziehungen beschränkt, sondern beeinflussen Lieferketten direkt: Handelsbeschränkungen, Sanktionen und entsprechend angepasste Transportrouten verändern Materialflüsse und Beschaffungsprozesse unmittelbar.

Geopolitik und ihre Wirkung auf Lieferketten

Besonders deutlich werden diese Auswirkungen in der diskreten Fertigung, zum Beispiel in der Automobilindustrie. Denn hier lassen sich Lieferanten nicht kurzfristig austauschen. Viele Unternehmen arbeiten mit langjährigen, ausgewählten Partnern. Komponenten entstehen in gemeinsamer Entwicklung und werden oft ausschließlich von einem Lieferanten bezogen.

Das hat berechtigte Effizienzgründe, wird in Krisenzeiten aber zum Risiko. Fällt ein Lieferant weg, etwa durch unterbrochene Handelswege oder geopolitische Entscheidungen, geraten ganze Wertschöpfungsketten unter Druck. Alternative Bauteile müssen erst entwickelt, qualifiziert und getestet, neue Lieferanten auf die Einhaltung regulatorischer Vorgaben – etwa des Lieferkettensorgfaltspflichtengesetzes (LkSG) –  geprüft werden. Das dauert und schlägt sich direkt in der Produktionsplanung, der Materialverfügbarkeit und letztlich in den Kosten nieder.

Eine Single Source zu haben, ist nicht per se problematisch, solange Unternehmen ihre Abhängigkeit kennen und aktiv steuern. Das bedeutet:

• Kritische Materialien oder Komponenten im Blick zu haben,
• alternative Bezugsquellen frühzeitig zu identifizieren und zu validieren, sowie
• relevante Zulieferer regelmäßig zu überprüfen, um im Ernstfall schnell agieren zu können.

Die eigene IT-Landschaft als potenzielle Risikoquelle

Dieses Bewusstsein gewinnt vor dem Hintergrund zunehmender technologischer Abhängigkeiten noch mehr an Relevanz. Denn auch in der eigenen IT-Landschaft entstehen über Jahre Strukturen, die sich nicht kurzfristig ersetzen lassen. Mit Blick auf  SAP-Anwender sind das zum Beispiel: ein ERP-Kern, ein einzelner Hyperscaler, eine bestimmte Cloud-Region (Standort des Rechenzentrums des Hosters) oder ein hochspezialisierter Softwareanbieter – auch das zählt jeweils als Single Source. Die Wechselkosten sind hoch, die Integration der Systeme, Anwendungen und Prozesse komplex – und das nötige Knowhow steckt oft in wenigen Köpfen.

Damit stellen sich in der Debatte um digitale Souveränität im Kern dieselben Fragen wie im Kontext der Lieferkette:

• Wie groß ist unser „Klumpenrisiko“?
• Wo sind wir über die Zeit in eine Abhängigkeit hineingewachsen?
• Wie schnell sind wir handlungsfähig, wenn sich Rahmenbedingungen ändern?

Dabei geht es um mehrere Ebenen: Datenstandorte, rechtliche Vorgaben, den operativen Betrieb sowie die technische Kontrolle über die eingesetzten Plattformen.

Also etwa, wenn der Cloud-Anbieter ausfällt, regulatorische Vorgaben den Betrieb in bestimmten Regionen einschränken oder Exportkontrollen den Zugriff auf kritische Technologien begrenzen. So kann die Abhängigkeit von Softwareplattformen oder zentralen Kernsystemen im Ernstfall dazu führen, dass Unternehmen nicht mehr frei über ihre Prozesse und Daten verfügen können.

Auch die Antworten auf diese Fragen ähneln denen der Lieferkettenproblematik: So wie ein modulares Produktportfolio Unternehmen in der Beschaffung flexibel macht, sorgt eine modulare, standardisierte Architektur in der IT für mehr Flexibilität. Ein sauberer ERP-Kern – Stichwort Clean Core –, offene Schnittstellen, portierbare Daten und sauber dokumentierte Prozesse sind das digitale Pendant zum qualifizierten Zweitlieferanten. Sie schaffen die Voraussetzung, um im Bedarfsfall überhaupt eine Wahl zu haben.

Künstliche Intelligenz schafft neue Abhängigkeiten

Mit dem rasant steigenden Einsatz künstlicher Intelligenz erhält das Thema digitale Souveränität eine weitere Dimension. Unternehmen integrieren Sprachmodelle und KI-Agenten beispielsweise mittels SAP Business AI zunehmend in ihre Geschäftsprozesse. Sie automatisieren Abläufe, lassen sich bei Entscheidungen unterstützen und beschleunigen die Entwicklung neuer Produkte und Dienstleistungen.

Wie schnell daraus ein strategisches Risiko werden kann, zeigte der Fall Anthropic im Juni 2026: US-Behörden wiesen das KI-Unternehmen an, sein neuestes Modell für Nicht-US-Bürger  zu blockieren – aus Gründen der nationalen Sicherheit. Die Firma reagierte – und sperrte den Zugang zu seinen  fortschrittlichsten KI-Modellen weltweit.

Inwiefern nationale Sicherheit hierbei tatsächlich eine Rolle gespielt hat, sei dahingestellt. Fakt ist aber, dass der Vorgang ein grundlegendes Problem demonstriert: Unternehmen haben keinen Einfluss darauf, ob leistungsfähige KI-Modelle verfügbar bleiben, eingeschränkt oder nur bestimmten Nutzergruppen zugänglich gemacht werden.

Bedenkt man, dass Hersteller wie SAP einen großen Teil der neu angekündigten Business AI Platform auf genau diesem Anbieter aufbauen, stellt sich – wie in vielen anderen Fällen auch – die Frage: Wie unabhängig sind wir wirklich? Und: Gibt es im Fall der Fälle einen Plan B?

Es geht nicht mehr allein um Datenstandorte, Cloud-Infrastrukturen oder Software-Plattformen. Erfolgsentscheidend wird zunehmend, wer den Zugang zu KI-Systemen kontrolliert, unter welchen Bedingungen sie genutzt werden dürfen und wie schnell sich diese Rahmenbedingungen ändern können.

Resilienz schlägt reine Effizienz

Damit verschiebt sich der Maßstab. Über Jahre war Effizienz für Unternehmen das oberste Gebot: Bestände runter, Just-in-Time hoch, Lieferantenzahl reduzieren, IT-Landschaft konsolidieren. Jeder dieser Punkte ist nachvollziehbar, macht die Systeme in Summe aber auch verletzlicher.

Genau deshalb reicht der Blick auf Effizienz allein heute nicht mehr aus – und Resilienz wird immer wichtiger. Wenn Lieferketten reißen, geopolitische Entscheidungen Märkte verändern oder der Zugang zu digitalen Technologien eingeschränkt wird, entscheidet nicht mehr die schlankste Struktur über den Erfolg, sondern die anpassungsfähigste.

Am Ende geht es weder um vollständige Autarkie noch um die Illusion, Risiken vollständig auszuräumen. Unternehmen werden auch künftig auf Lieferanten, Technologien und Partner angewiesen sein. Entscheidend ist aber, diese Abhängigkeiten bewusst zu gestalten, statt sich von ihnen überraschen zu lassen. Wer seine kritischen Schnittstellen kennt, Alternativen vorbereitet und Handlungsspielräume erhält, verbindet Effizienz mit Widerstandsfähigkeit. Genau daraus entsteht, worauf es in unsicheren Zeiten ankommt: Entscheidungsfreiheit. (mb)

Seit 2017 hat die Bundesregierung mehr als eine Milliarde Euro in die Hand genommen, um den Grundstein für die nächste technologische Revolution zu legen – das Quantencomputing. Im Whitepaper „Quantencomputing in Deutschland: Vom Forschungsstandort zum Innovationsökosystem“ zieht Fraunhofer ISI nun Bilanz. Steht Deutschland vor einem neuen Wirtschaftswunder oder bleibt es ein exzellenter, aber ökonomisch stumpfer Forschungsstandort?

Auf den ersten Blick lesen sich die Zahlen wie eine Erfolgsgeschichte: Deutschland hat sich im globalen Quantencomputer-Wettlauf als Schwergewicht etabliert. In der wissenschaftlichen Disziplin rangiert die Bundesrepublik weltweit auf einem beeindruckenden dritten Platz, nur geschlagen von den Supermächten USA und China. Besonders in Europa nimmt Deutschland eine unangefochtene Führungsposition ein.

Akademisch Top

Zwischen München, Berlin, Dresden und Hannover ist demnach eine lebendige Landschaft aus über 200 Wissenschaftsakteuren und regionalen Kompetenzclustern entstanden. Dies zeigt auch eine interaktive Landkarte zu öffentlich geförderten Organisationen, die sich mit Quantencomputern befassen.

Doch hinter der glänzenden Fassade der Publikationsrekorde verbirgt sich ein strukturelles Ungleichgewicht. Rund 80 Prozent aller Aktivitäten finden in Universitäten und Forschungsinstituten statt. Die Industrie steht bislang mit lediglich 17 Prozent am Spielfeldrand. „Exzellente Forschung allein reicht nicht aus“, mahnt auch der Draghi-Report zur europäischen Wettbewerbsfähigkeit. Die alles entscheidende Frage lautet: Kann Deutschland wissenschaftliche Stärke in industrielle Wertschöpfung verwandeln? Oder anders formuliert, bei der industriellen Anwendung steckt Deutschland noch in den Kinderschuhen.

Suche nach Quantenvorteil

Allerdings darf auch nicht vergessen werden, dass sich die Technologie trotz Milliarden-Investitionen noch in einer Phase der Unsicherheit befindet. Noch ist es weltweit aus Sicht der Studienautoren keiner Plattform gelungen, einen robusten und industriell relevanten Quantenvorteil nachzuweisen. Die Herausforderungen sind nach wie vor groß: Fehlerkorrektur, Skalierung und die Systemintegration der empfindlichen Quantenbits (Qubits) gilt es in Griff zu bekommen.

Bisher förderte Deutschland, so die Autoren des Whitepapers, nach dem Gießkannenprinzip: Technologieoffenheit war das Gebot der Stunde. Doch die 2025 beschlossene „Hightech Agenda Deutschland“ läutet einen Paradigmenwechsel ein. Bis 2030 sollen mindestens zwei fehlerkorrigierte Quantencomputer auf europäischem Spitzenniveau entstehen. Dafür wird das Feld radikal eingegrenzt: Die Ressourcen fließen künftig konzentriert in drei vielversprechende Quanten-Plattformen – Supraleiter, Ionenfallen und Neutralatome.

Valley of Death der Innovationen

Dabei identifizieren die Experten des Fraunhofer ISI ein gefährliches Dilemma. Während die USA auf kapitalkräftige Tech-Giganten wie IBM oder Google und hochfinanzierte Startups setzen, entstehen deutsche Demonstratoren meist aus befristeten Förderprojekten wissenschaftlicher Gruppen. Es fehlen, so die Autoren, die großen Systemintegratoren, die die komplexen Bauteile zu marktfähigen Produkten orchestrieren.

Zudem drohe eine nationale Fragmentierung. Die neun verschiedenen regionalen Quanteninitiativen der Bundesländer – vom „Munich Quantum Valley“ bis „Quantum Saxony“ – seien zwar eine Stärke, führten aber oft zu Redundanzen und ineffizientem Mitteleinsatz.

Agenda für technologische Souveränität

Damit der Sprung aus dem Labor in die Fabrikhallen gelingt, schlägt das Whitepaper drei radikale Kurskorrekturen vor:

• Anwendung vor Theorie:

Technologische Ziele müssen aus echten Use Cases in der Chemie, Logistik oder Materialentwicklung abgeleitet werden, statt nur nach immer höheren Qubit-Zahlen zu jagen.

• Europäische Allianz:

Deutschland kann den Wettlauf gegen China und die USA nicht allein gewinnen. Integrierte europäische Wertschöpfungsketten und gemeinsame Standards sind überlebenswichtig.

• Wirtschaftliche Anreize:

Unternehmen müssen durch Industry-Fellowships und offene Testbeds früher in die Entwicklung eingebunden werden, um den Übergang zur Marktreife zu beschleunigen.

Letztlich zeigt das Whitepaper: Die wissenschaftliche Basis ist Weltklasse, doch die Uhr tickt. In den nächsten Jahren wird sich entscheiden, ob die Milliarden-Investitionen in nachhaltige Arbeitsplätze und technologische Souveränität fließen oder ob Deutschland lediglich als verlängerte Werkbank für ausländische Tech-Giganten endet.

Fehlende Fach- und Servicekräfte? Deutsche Hoteliers und Gastronomen reagieren darauf mit verkürzten Servicezeiten oder zusätzlichen Ruhetagen. Die Chinesen schlagen einen anderen Weg ein: Sie setzen verstärkt auf Roboter mit KI. Davon, wie diese in Restaurants als Bedienung fungieren oder als autonome Drohnen zu Essenskurieren werden, konnten wir uns bereits 2024 auf einer Chinareise überzeugen.

Doch jetzt geht man in China noch einen Schritt weiter. 2027 will man das erste vollständige Roboterhotel eröffnen. Egal, ob Concierge, Bedienung, Zimmerservice, Koch oder Reinigungskraft, diese Aufgaben sollen Roboter mit „verkörperter KI“ („Embodied AI“) übernehmen.

Das Robo-Hotel im Perlfluss-Delta

Entstehen soll das Hotel inmitten des Perlfluss-Deltas auf einer künstlichen Insel, wo ein gigantisches Infrastrukturprojekt Shenzhen mit Zhongshan verbindet. Auf der Westlichen Künstlichen Insel bereiten Pudu Robotics und die Shenzhen Culture & Tourism Industry Development Co. Ltd das neue Hotel vor.

Dabei verfolgt das Projekt einen ganzheitlichen Ansatz, bei dem Roboter nicht nur als Einzelkämpfer auftreten, sondern in einem vernetzten Ökosystem zusammenarbeiten. Sobald ein Gast das Hotel betritt, beginnt eine Reise, die von Embodied AI  gesteuert wird.

Die digitale Belegschaft

Ein Blick auf die digitale Belegschaft verrät die technologische Tiefe des Vorhabens. Quasi als Doorman-Ersatz ist der „PUDU T300“ für die grobe Arbeit zuständig und transportiert mit einer Traglast von 300 Kilogramm schweres Gepäck, wobei er sogar autonom Aufzüge nutzt. Währenddessen flitzt der „FlashBot“ durch die Gänge, um Getränkebestellungen auszuliefern, die die Gäste zuvor per Smartphone aufgegeben haben.

In den öffentlichen Bereichen sorgen der „PUDU CC1 Pro“ und der „MT1“ für Sauberkeit, indem sie Abfälle mittels KI-basierter Erkennung identifizieren und die Böden eigenständig pflegen. Für den Charme und die Interaktion sind andere zuständig: „BellaBot Pro“ serviert Kaffee mit Sprach- und Lichteffekten, während  „KettyBot Pro“ Snacks verteilt und auf seinem Display Event-Informationen präsentiert. Für den Unterhaltungsfaktor sorgen interaktive Auftritte des „PUDU D5“, die demonstrieren sollen, dass Roboter mehr können, als nur effizient zu sein.

Das Gehirn hinter der Hardware

Was wie Science-Fiction klingt, basiert auf einer komplexen Softwarearchitektur. Das Herzstück des Systems ist das KI-Modell „PuduFM 1.0“ in Kombination mit der Plattform „PuduAgent“. Diese Architektur nutzt sogenannte Vision-Language-Action-Modelle (VLA), die es den Robotern ermöglichen, Gesten zu verstehen, soziale Interaktionen zu meistern und ihre Routen in einer sich ständig verändernden Umgebung dynamisch anzupassen. Dadurch, dass das Framework geteilt wird, lernen die Maschinen voneinander. So profitiert ein Reinigungsroboter von denselben Kernfähigkeiten wie ein Empfangsroboter. Dies soll Entwicklung und Einsatz massiv beschleunigen.

Auch wenn die Eröffnung des Hotels erst für 2027 angekündigt ist, soll bereits Ende 2026 der Probebetrieb starten. In der Testphase will man ausgewählte Zimmer und Dienstleistungen der Öffentlichkeit zugänglich machen. Langfristig – bis 2030 – will China die Westliche Künstliche Insel zu einem globalen Benchmark für die Konvergenz von Tourismus und intelligenter Automatisierung ausbauen.

Ob man als Hotelgast wirklich das charmante Lächeln einer Empfangsdame gegen das digitale Blinken eines Roboters eintauschen will, sei dahingestellt. Auf jeden Fall ist das Projekt ein weiterer Beleg dafür, wie rasend schnell KI und Robotik klassische Geschäftsmodelle transformieren – zumindest in China.

Oft liefern kompromittierte Endgeräte die lediglich angelehnte Hintertür, durch die Ransomware ins Unternehmen schlüpft. Gartner-Analysten raten deshalb zu unveränderbaren Endpunkten. Igel Technology liefert dafür eine solche Architektur – und neuerdings zudem schnelle Hilfestellung für gekaperte Windows-Clients.

Das Bremer Unternehmen behauptete sich einst im Bereich Thin Clients gegen Größen wie HP und Dell, Ende 2022 verkündete Igel dann, keine TCs mehr zu produzieren, sondern Hardware von Partnern wie HP, Lenovo und LG zu nutzen.

Denn Igel hatte erkannt: Die eigentliche Stärke liegt im angriffsresistenten, weil stark abschottbaren Linux-Betriebssystem Igel OS samt zentraler Verwaltung per zugehöriger Universal Management Suite (UMS). Seither arbeitete das Unternehmen, ab 2023 unter der Führung des in den USA lebenden Dänen Oestermann, daran zum zum Anbieter einer, so Igel, „Adaptive Secure Endpoint Platform“ zu werden. Diese Plattform setzt, so eine weitere Igel-Formulierung, das „Preventative Security Model“ um, soll also Kompromittierung a priori verhindern.

Igels erweiterbare Endpunkt-Plattform

Hierfür ist das Igel OS in schönster Thin-Client-Tradition auf das Nötigste reduziert, gehärtet und somit hochgradig manipulationsresistent. In Kombination mit rein serverseitiger Datenhaltung scheint dies heute nützlicher denn je. Denn Ransomware-Angriffe haben sich, wie einst die Kaninchen in Australien, zur regelrechten Landplage entwickelt. Und Security-Fachleute warnen allerorts, dass Cyberkriminelle verstärkt KI nutzen, um ihre Angriffe weiter zu automatisieren, zu skalieren und zu beschleunigen.

Die Analysten von Gartner bestätigen die neue Strategie von Igel. „Endpunkte sind die am stärksten fragmentierte, poröse Oberfläche einer Organisation“, schreiben die Marktforscher in einem Papier vom Februar 2026, dessen Titel auch gleich einen Ausweg weist: „Nutzen Sie unveränderbare Endpunkte, um Ransomware zu besiegen, Konfigurationsabweichungen zu stoppen und schnelle Wiederherstellung zu garantieren“. Denn „veränderliche, agentenlastige Endpunkte“ – vulgo Windows-PCs – seien das Haupteinfallstor für Angriffe, so die Analysten.

Unveränderliche Endpunkte hingegen, so Gartner-Analyst Franz Hinner und seine Co-Autoren, könnten die Angriffskette durchbrechen und Persistenz der Angreifer im Netzwerk für langfristige oder wiederholte Angriffe verhindern. Indem sich die Sicherheitskontrollen vom Endgerät auf die Identität verlagerten, so die Marktforscher, ließen sich die Ausfallzeiten der Mitarbeiter um 98 Prozent senken.

Eben dieses Konzept verfolgt Igel mit der „Adaptive Secure Endpoint Platform“, die esüber offene APIs erlaubt, Drittanbieterlösungen zu integrieren. Rund 130 Partner zählt man inzwischen, so die Bremer, darunter Identity-Security-Anbieter wie Okta, Imprivata und Microsoft (mit Entra ID) sowie diverse weitere Security-Größen, mit deren Hilfe Igel Zero-Trust-Architekturen umzusetzen kann.

Doch Igel verlässt sich längst nicht nur auf seine Partner: Auch das hauseigene Entwicklungsteam unter der Leitung von General Manager und CTO Matthias Haas treibt die Softwareentwicklung eifrig voran. Hierfür unterhält Igel heute neben dem Stamm-Entwicklungsstandort Augsburg weitere in Bukarest, Bangalore und Fort Lauderdale, USA. Federführend ist jedoch weiterhin die deutsche Lokation.

Bei einer Kundenveranstaltung in Frankfurt präsentierte Igel kürzlich zahlreiche Erweiterungen seiner Plattform. Hierzu zählen unter anderem:

• kontextbezogene Zugriffskontrollen, ermöglicht durch die Kooperation mit Security-Partnern;
• ein Managed Hypervisor inklusive der Option, auf den TCs Published Apps lokal laufen zu lassen;
• Managed Container (wichtig für das Industrieumfeld);
• Unterstützung für ARM-Prozessoren.

Und natürlich darf das Thema KI nicht fehlen: Igel AI Armor soll die KI-Nutzung absichern, MCP-Support sei hierfür in Arbeit.

Eine pfiffige Lösung ist „Igel Business Continuity & Disaster Recovery“. Die Funktionsweise: Ein Windows-Endpunkt läuft virtualisiert auf Igel OS. Im Notfall, etwa bei einem Ransomware-Angriff, müssen die Anwender nur die F9-Taste drücken. Dies führt zum Neustart samt Auswahl, ob man den Windows-Rechner oder das abgesicherte Igel OS starten möchte. Neben diesem Dual Boot gibt es, etwa für Industrie-PCs, auch eine USB-Boot-Option.

Dadurch, so Igel, seien Unternehmen in Minuten wieder arbeitsfähig. Oder konkret ausgedrückt: Anwender können gehostete und SaaS-Applikationen wie Windows 365 weiter nutzen und bleiben damit zumindest im Kern handlungsfähig. Das Windows-OS liegt dabei für Forensik-Zwecke weiterhin unangetastet vor. Die Lösung erweist sich laut CEO Klaus Oestermann als „Türöffner“ für die Neukundengewinnung, ebenso beim Ausbau bestehender Installationen.

Igel-Vorteile für Kliniken und die Industrie

Wie Igel anhand mehrerer Kundenszenarien veranschaulichte, bieten unveränderliche, zentral verwaltete Endpunkte auch jenseits von Malware-Schutz und Resilienz im Angriffsfall Vorteile.

So brauchten die PCs des britischen NHS Gloustershire Hospitals früher laut Igel-Angaben 30 Minuten bis zum erfolgten Login. Mitarbeiter riefen deshalb vom Arbeitsweg aus an und baten einen Kollegen, sie mit ihrem Passwort einzuloggen, damit sie bei Ankunft schnell arbeitsfähig sind – das Gegenteil von Nutzerfreundlichkeit und ein Alptraum für jeden CISO.

Mit Igel OS und der Access-Management-Lösung Imprivata dauere der Login nun nur noch eine Minute, berichteten die Bremer, ein erneuter Login wenige Sekunden. Ein Arzt auf Visite müsse sich also nicht mehr minutenlang vom Patienten abwenden, um mit dem PC zu kämpfen, sondern könne sich schnell wieder der Behandlung widmen.

Hierzulande setzen laut Peter Goldbrunner, Vice President und General Manager Central Europe bei Igel, rund 300 Kliniken auf Igel OS. Auch sonst wachse das Geschäft in Deutschland ebenso schnell wie das internationale Business – und das vom hohen Niveau des Stammlandes aus betrachtet.

So betreibe nun etwa Aldi Nord die Steuerung der Backautomaten in seinen Filialen mittels zentral verwalteter Igel-OS-Endpunkte. In der Industrie wiederum, so Goldbrunner, nutze beispielsweise Audi inzwischen Steuerungsrechner mancher Produktionsanlagen virtualisiert auf Igel-OS-Endpunkten statt wie bislang Industrie-PCs. Damit sollen sich die Industriesteuerungen selbst dann zügig weiterbetreiben lassen, wenn wie letztes Jahr bei Jaguar Land Rover Cyberangreifer zuschlagen sollten – ohne dass ein Techniker vor Ort eingreifen muss.

Laut Emanuel Pirker, Ex-Chef des 2025 von Igel akquirierten TC-Herstellers Stratodesk und nun verantwortlich für den Contact-Center-Bereich, können Igel-OS-Endpunkte im Call- oder Contact-Center die Kosten deutlich senken. Das Onboarding neuer Mitarbeiter sei in fünf Minuten erledigt – wichtig in einer Branche mit extrem hoher Personalfluktuation. Datensicherheit und Compliance seien gewahrt, da keine Daten auf den Endpunkten gespeichert werden. Zudem sinken laut Pirker die Betriebskosten durch längere Hardware-Lebenszyklen, weniger Update-Bedarf und einfacheres Management. UMS ist hierfür auf Wunsch „as a Service“ erhältlich, auch aus einem Rechenzentrum im EU-Rechtsraum. (mb)

Vergleicht man den Bau von Brücken mit der Softwareentwicklung, zeigen sich bedeutende Unterschiede: Denn auch wenn keine Brücke – ähnlich wie ein Softwareprojekt – der anderen bis aufs „Haar“ gleicht, werden sie aus bekannten Materialien mit bekannten Eigenschaften geschaffen.  

Im Gegensatz dazu beinhaltet der Softwareentwicklungsprozess wesentlich mehr „unknown Unknowns“. Was dazu führt, dass er jede Menge Paradoxa beinhaltet, mit denen Developer teilweise nur schwer umgehen können. Wichtig ist aber vor allem, sich ihre Existenz bewusst zu machen – nur so lassen sich die daraus entstehenden Fallstricke umgehen. Insbesondere, wenn es dabei um die folgenden vier Paradoxa geht.

1. Ohne Plan, aber mit Deadline

Zielführend einzuschätzen, wie lange ein Softwareprojekt dauern wird, ist wahrscheinlich die größte Herausforderung für Softwareentwickler überhaupt. Denn darüber lässt sich keine abschließende, verbindliche Aussage treffen. Sicher, man kann den ungefähren Aufwand schätzen – das geht im Regelfall allerdings daneben. Meistens wird der zeitliche Aufwand drastisch unterschätzt.

Wird die gesetzte Deadline dann verpasst, ärgern sich vor allem die Kunden. Sie stecken nicht in der Haut der Devs und durchblicken die Abläufe und möglichen Hindernisse (im Regelfall) nicht. Also sind sie frustriert, weil ihre Software nicht zum vereinbarten Zeitpunkt ausgeliefert wird.  

Auch sämtliche Versuche, mit schicken, agilen Methoden wie Story Points oder Planing Poker zielführender vorhersagen zu wollen, wann ein Softwareprojekt abgeschlossen wird, bringen nichts wenig. Wir scheinen einfach nicht in der Lage, Hofstadters Gesetz (der Verzögerung) zu überwinden.

2. Mehr Mannstärke, mehr Verzug

Stellt ein Manager einer Fabrik fest, dass die monatliche Quote für abgefüllte Zahnpastatuben in Gefahr ist, setzt er mehr Arbeiter ein, um die Vorgabe zu erfüllen. Ähnlich verhält es sich beim Hausbau: Wenn Sie doppelt so viele Häuser wie im Vorjahr bauen wollen, hilft es in der Regel, die Vorleistungen – Arbeit und Material – zu verdoppeln.

Im Fall der Softwareentwicklung verhält sich das völlig anders, wie Frederick Brooks bereits 1975 in seinem Buch „Vom Mythos des Mann-Monats“ herausgearbeitet hat. Demnach hilft es wenig, verzögerte Softwareprojekte mit zusätzlicher Mannstärke retten zu wollen. Im Gegenteil: Gemäß dem Brooks’schen Gesetz verzögert das das Projekt nur noch zusätzlich. Schließlich können neu hinzukommende Teammitglieder nicht sofort zum Projekt beitragen. Sie benötigen Zeit, um sich in den Kontext komplexer Systeme einzuarbeiten, was oft auch zusätzliche Kommunikationsmaßnahmen nach sich zieht. Am Ende verzögert sich dann nicht nur alles noch weiter – es kostet auch mehr.

3. Mehr Skills, weniger Programmier-Tasks

Als Softwareentwickler umfassende Expertise aufzubauen und sämtliche erforderlichen Regeln und Feinheiten zu verinnerlichen, um wartbaren, sauberen Code zu schreiben, nimmt etliche Jahre in Anspruch. Dabei erscheint es auch relativ paradox, dass die Programmieraufgaben mit steigender Erfahrung eher weniger werden: Statt zu programmieren, sitzen leitende Entwickler vor allem in Design-Meetings, überprüfen den Code anderer und übernehmen weitere Führungsaufgaben.  

Das heißt zwar nicht, dass Senior Developer einen kleineren Beitrag leisten. Schließlich sorgen sie in Führungspositionen dafür, dass zeitgemäß und zielführend gearbeitet wird und tragen so wesentlich zum Team- und Unternehmenserfolg bei. Aber am Ende schreiben sie dennoch weniger Code.

4. Bessere Tools, keine Zeitvorteile

Vergleicht man die Webentwicklung von heute mit performanten Tools wie React, Astro und Next.js mit dem Gebaren von vor 30 Jahren (Stichwort Common Gateway Interface), wird klar, dass wir uns seitdem um Lichtjahre weiterentwickelt haben. Doch obwohl unsere Tools immer besser und die Prozessoren immer schneller werden, scheinen sich Softwareprojekte insgesamt nicht zu beschleunigen. Das wirft Fragen auf:

• Unsere Websites sehen zwar immer besser aus, aber sind wir wirklich produktiver?
• Laufen unsere Websites schneller und verarbeiten sie Daten besser?

Natürlich abstrahieren die Frameworks und Bibliotheken von heute viele Komplexitäten. Sie führen aber auch zu neuen Problemen. Zum Beispiel langen Build-Pipelines, Konfigurationsalbträumen oder Abhängigkeitsproblemen. (fm)

Sie wollen weitere interessante Beiträge zu diversen Themen aus der IT-Welt lesen? Unsere kostenlosen Newsletter liefern Ihnen alles, was IT-Profis wissen sollten – direkt in Ihre Inbox!

Das Model Context Protocol (MCP) hat sich zur Standard-Schnittstelle zwischen LLM-gestützten Tools und lokalen Systemen, internen und externen APIs sowie Datenquellen entwickelt. Offizielle MCP-Server stehen inzwischen nicht nur für große Cloud-Plattformen und DevOps-Tools zur Verfügung, sondern werden auch von den meisten wichtigen Datenbankplattformen unterstützt.

Einen MCP-Server für Datenbanken zu nutzen, kann Anwender unter anderem dazu befähigen,

• Abfragen durchzuführen, Daten zu erstellen und zu aktualisieren sowie administrative Tasks zu erledigen, ohne manuell SQL schreiben zu müssen.
• mit LLMs neuen Code zu schreiben oder Automatisierungen zu erstellen, die auf das jeweilige Datenbankschema abgestimmt sind.
• das Debugging über schnellere Abfragen optimieren, um Datenprobleme oder Fehlkonfigurationen aufzudecken.

In diesem Beitrag stellen wir ihnen offizielle MCP-Server von führenden Datenbank-Plattformanbietern vor. Diese Server können von jedem MCP-kompatiblen Tool, jeder IDE und jedem Agenten genutzt werden. Das erfordert oft nur einen kleinen JSON-Eintrag in der MCP-Konfigurationsdatei.

Amazon Aurora MCP-Server

MySQL und PostgreSQL sind die weltweit am häufigsten verwendeten Open-Source-Datenbanken. In beiden Fällen existiert jedoch kein einheitlicher MCP-Server. Dafür gibt es diese bei verschiedenen Anbietern. Einer davon ist Amazon Web Services (AWS).

Das Unternehmen bietet für seinen gemanagten relationalen Datenbank-Service Aurora einen offiziellen MCP-Server an. Dieser ist sowohl mit MySQL als auch mit PostgreSQL kompatibel. Laut der Dokumentation auf GitHub kann der Amazon Aurora MySQL MCP-Server dazu genutzt werden, natürlichsprachliche Befehle in MySQL-kompatible SQL-Abfragen umzuwandeln. Diese können anschließend auf Aurora-MySQL-Datenbanken ausgeführt werden. In ähnlicher Weise bietet der Aurora Postgres MCP-Server MCP-Tools, um mit PostgreSQL-Datenbanken zu arbeiten. Für verteilte Postgres-Datenbanken übernimmt der Aurora DSQL MCP-Server dieselbe Funktion.

AWS hat darüber hinaus ein wachsendes Portfolio mit offiziellen MCP-Servern für seine gesamte Produktpalette aufgebaut – darunter auch andere Amazon-Datenbankplattformen wie:

• DynamoDB,
• ElastiCache und
• Redshift.

Zu empfehlen für: AWS-agnostische Anwender, die ihre LLM-Interaktionen mit Daten unterfüttern wollen.

BigQuery MCP-Server

BigQuery ist Googles Cloud-basierte Datenanalyseplattform und eine beliebte Datenquelle für KI-Anwendungen. BigQuery-Nutzer mit konfiguriertem API-Zugriff können den BigQuery MCP Server nutzen, um über MCP-kompatible KI-Clients mit der Plattform zu interagieren. Mithilfe dieses Remote-MCP-Servers können Entwickler:

• Abfragen zu Datenquellen generieren und ausführen oder
• Metadaten zu Datensätzen, Tabellen und Schemata abrufen.

All das ist mit einem einfachen Prompt in natürlicher Sprache realisierbar, beispielsweise: „Liste alle Datensätze im Projekt PROJECT_ID auf.“ Die Ergebnisse lassen sich nach Region, Datensatz-ID, Spaltennamen und weiteren Kriterien filtern. Als Teil von Googles vollständig gemanagtem, remote gehostetem MCP-Portfolio kann der BigQuery MCP Server verteilten Teams das Leben in Bezug auf Security, Wartung und Benutzerfreundlichkeit leichter machen. Allerdings unterliegen die BigQuery-MCP-Tools einigen Beschränkungen hinsichtlich des Umfangs der Abfrageergebnisse, der Verarbeitungszeit und anderen Faktoren.

Zu empfehlen für: Anwender, die bereits auf BigQuery setzen und zusätzliche, agentische Kontrollmaßnahmen wünschen.

Elastic Agent Builder

Eine weitere wichtige Datenbankkategorie umfasst Plattformen, die für Keyword- und semantische Suchen konzipiert sind. In diesem Bereich wird häufig Elasticsearch eingesetzt. Anstelle eines einzelnen MCP-Servers bietetdas Unternehmen inzwischen den Elastic Agent Builder an. Dabei handelt es sich um ein umfassenderes Framework, das auf agentenbasierte Workflows ausgerichtet ist.

Mit dem Elastic Agent Builder können Anwender mit KI-Agenten chatten, um Kontext aus den Elasticsearch-Daten abzurufen und diesen auf verschiedene Umgebungen auszuweiten. Der Agent Builder selbst enthält einen MCP-Server-Endpunkt für die Programmability und um Agenten anderen Clients zugänglich zu machen. Hierbei handelt es sich ausdrücklich nicht um eine direkte MCP-Schnittstelle zu den reinen Elasticsearch-APIs. Stattdessen stellt das Interface Skills der Agentenplattform bereit.

Ein möglicher Nachteil ist dabei, dass dadurch eine zusätzliche Ebene zwischen IDE (beziehungsweise Agenten) und den Daten, nach denen gesucht wird, eingezogen wird. Einen Agenten einzurichten, erfordert eine höhere Abonnement-Stufe und im Vergleich zu anderen MCP-Servern sind zusätzliche Konfigurationsschritte erforderlich.

Zu empfehlen für: Anwender, die Wert auf eine erweiterbare gemeinsame Ebene für die Interaktion sowohl mit Elasticsearch als auch mit externen MCP-Servern legen und gleichzeitig Verantwortlichkeiten wie Berechtigungen zentralisieren möchten.

Neo4j MCP-Server

Graph-Datenbanken sind inzwischen ebenfalls ein wichtiger NoSQL-Datenbanktyp. Dieser ist darauf spezialisiert, mithilfe von Nodes und Edges Abfragen in stark vernetzten Datenstrukturen zu beschleunigen. Eine populäre Option in diesem Bereich ist Neo4j. Der zugehörige offizielle MCP-Server funktioniert mit jeder Art von Neo4j-Deployment (Desktop, Sandbox, selbstverwaltet und gemanagt) und ermöglicht es LLM-basierten Clients unter anderem:

• Graph-Schemata abzurufen,
• Lese- und Schreibanweisungen auszuführen, oder
• Graph-Algorithmen auszuführen.

Darüber hinaus sind weitere Neo4j-MCP-Server für spezielle Anwendungsbereiche verfügbar.

Zu empfehlen für: Neo4j-Poweruser, die mit ihren Graph-Datenbanken auf chatbasierte Weise experimentieren möchten.

MCP Toolbox for Databases

Bei MCP Toolbox for Databases handelt es sich um einen bemerkenswerten MCP-Server von Google, der als populäre „Sammellösung“ für verschiedene Datenbanktypen dient. Denn dieser Server verbindet LLMs nicht mit einer einzelnen verwalteten Datenbank, sondern vereinheitlicht den LLM-Zugriff auf mehrere Systeme. Die Open-Source-Utility wird mit vorkonfigurierten Einstellungen für knapp 30 verschiedene Datenbanken ausgeliefert – darunter:

• PostgreSQL,
• MySQL,
• SQL Server,
• Oracle Database,
• MongoDB,
• Redis,
• Neo4j,
• Snowflake, sowie
• die Datenbanken in Google Cloud.

Sobald die Datenquellen in einer tools.yaml-Datei definiert sind, können mit der MCP Toolbox strukturierte Abfragen oder semantische Suchen in Datenbanken durchgeführt werden – direkt über eine IDE oder einen Agentic Client und in natürlicher Sprache. Dabei werden Befehle in Aktionen wie list_tables und execute_sql übersetzt.

Zu empfehlen für: Anwender, die verschiedene Datenbanken in Google Cloud (oder anderswo) nutzen und einen „All-in-One“-MCP-Server brauchen.

MongoDB MCP-Server

MongoDB ist eine populäre, dokumentenorientierte NoSQL-Datenbank. Die verantwortlichen Entwickler haben ebenfalls einen offiziellen MCP-Server veröffentlicht. Dieser ist sowohl mit der quelloffenen Datenbank als auch mit der gehosteten Cloud-Datenbankplattform MongoDB Atlas kompatibel. Um mit MongoDB-Instanzen zu interagieren, stellt der MCP-Server eine Reihe von Tools bereit. Damit ist es etwa möglich:

• die Datenbank abzufragen,
• Informationen zu Sammlungen abzurufen,
• Indizes zu erstellen und zu entfernen, oder
• Statistiken zur Datenbanknutzung zu erfassen.

Für MongoDB-Atlas-Prozesse stehen zudem weitere Tools zur Verfügung, beispielsweise um Benutzer zu erstellen und zu clustern.  

Die Tools des MongoDB MCP-Servers sind standardmäßig schreibgeschützt, können aber für Schreibzugriff umkonfiguriert werden. Diese können lokal genutzt werden, unterstützen aber auch den Streamable-HTTP-Transport für Remote-Server (was allerdings mit größeren Sicherheitsbedenken verbunden ist).

Zu empfehlen für: Alle, die MongoDB nutzen und ihre KI-fähige IDE oder CLI mit mehr Automatisierungsfunktionen ausstatten möchten.

Pinecone MCP-Server

Geht es um native Vektordatenbanken, ist Pinecone eine performante und weit verbreitete Option – inklusive einer gut durchdachten API und umfassenden SDKs. Der Pinecone MCP-Server erweitert diese Möglichkeiten und befähigt Benutzer etwa dazu, die Dokumentation abzufragen und Funktionen über KI-Agenten und KI-fähige IDEs auszuführen. Dabei zeichnet sich der Pinecone MCP-Server durch einfache Konfiguration und Installation aus. Derzeit besteht der Pinecone MCP-Server aus neun MCP-Tools. Diese decken diverse schreibgeschützte Aktionen ab, etwa:

• Knowledge Gathering über die offizielle Pinecone-Dokumentation,
• die Abfrage von Vektordatensätzen, Index-Metadaten, Konfigurationen sowie Statistiken, und
• Datensätze und Indizes zu aktualisieren, beziehungsweise neu zu erstellen.

Zu empfehlen für: Pinecone-Nutzer, die neue LLM-gestützte Workflows ausprobieren möchten, um Indizes mit Embeddings zu erstellen oder Ergebnisse mithilfe von natürlichsprachlichen Befehlen  überprüfen möchten.

Redis MCP-Server

Als schnelle In-Memory-Datenbank wird Redis vornehmlich für Caching, Echtzeitanalysen und andere Anwendungsfälle eingesetzt, bei denen es auf die Latenz ankommt. Die Macher von Redis stellen ebenfalls einen offiziellen MCP-Server zur Verfügung, der Lese-, Abfrage- und Schreibfunktionen realisiert. Entwickler können den Redis MCP-Server über einen LLM-Client nutzen, um Redis-Daten auf Prompt-Basis:

• abzufragen,
• zu analysieren oder
• einzubetten.

Die Dokumentation enthält auch einige Beispiel-Prompts für gängige Anwendungsfälle.

Im Gegensatz zu anderen MCP-Servern, die nur einen Teil der Plattformfunktionen abbilden, bietet Redis MCP vollen Support. Laut dem zugehörigen GitHub-Repository stellt es so auch kein Problem dar, mit Redis-Konstrukten wie Hashes, Lists, Sets und Streams zu arbeiten. Ein möglicher Nachteil dieser Option: Der Redis MCP-Server bietet bislang keinen Support für Streamable-HTTP-Transport. Bis es soweit ist, ist dieser MCP-Server auf eine lokale Bereitstellung beschränkt.

Zu empfehlen für: Alle, die einen lokalen MCP-Server für die Arbeit mit Redis-Daten suchen.

Snowflake MCP-Server

Snowflake ist eine in der Cloud gehostete, KI-fähige Datenplattform, die im Enterprise-Umfeld häufig für Data Warehousing, Datenanalysen und Data Engineering eingesetzt wird. Im Vergleich zu anderen Plattformen zeichnet sich Snowflake dabei dadurch aus, dass es vollumfänglich gemanagt wird und strukturierte sowie unstrukturierte Datentypen kombiniert. Der Snowflake MCP Server, der über GitHub verfügbar ist, lässt sich für diverse Standardoperationen der Snowflake-Plattform einsetzen. Dazu gehören etwa:

• „Fuzzy“-Suchen über Snowflakes Cortex Search in allen Datensätzen, sowie
• semantische Abfragen strukturierter Daten mithilfe von Cortex Analyst.

Zu den weiteren Funktionen gehören Objektmanagement-Prozesse – also Datensätze zu erstellen, zu aktualisieren oder zu löschen. Der MCP-Server kann darüber hinaus weitere agentenbasierte Funktionen realisieren, etwa SQL-Anweisungen für Backend-Datenbanken zu generieren und auszuführen. Der Snowflake MCP-Server ist dabei sowohl gut durchdacht als auch umfassend dokumentiert.

Zu empfehlen für: Anwender, die bereits mit Snowflake arbeiten.

Supabase MCP-Server

PostgreSQL ist eines der beliebtesten und bewährtesten objektrelationalen, SQL-basierten Datenbanksysteme. Seiner aktiven Open-Source-Community sei Dank wurde PostgreSQL über Jahrzehnte hinweg weiterentwickelt. Aufgrund des quelloffenen Charakters gibt es jedoch keinen „offiziellen“ MCP-Server für die Plattform. Anthropic hatte ursprünglich zwar eine Referenzimplementierung entwickelt, diese ist jedoch mittlerweile archiviert.

Stattdessen bieten auf PostgreSQL aufbauende Datenbankplattformen verschiedene Varianten von MCP-Servern an. Diese unterscheiden sich hinsichtlich ihrer Herstellerneutralität und Spezifität. Eine bemerkenswerte Option ist der MCP-Server von Supabase, einer Cloud-basierten „Backend-as-a-Service“- und Postgres-Entwicklungsplattform. Der Supabase MCP Server verbindet KI-Agenten mit Supabase-Projekten und ermöglicht es Entwicklern, Befehle in natürlicher Sprache zu erteilen, um:

• Tabellen zu verwalten,
• Daten abzufragen,
• Protokolle abzurufen, und
• Konfigurationsinformationen einzusehen.

Allerdings gibt es noch kein finales Release des MCP-Servers von Supabase, weswegen einige Funktionen noch experimentell sind.

Zu empfehlen für: Entwickler, die Supabase nutzen und nach einem MCP-Server suchen, um KI-Assistenten mit Postgres-Datenbanken zu verbinden – auf experimenteller Basis.

Weitere MCP-Serveroptionen für Datenbanken

Neben den offiziellen MCP-Servern mit Anbieter-Support stehen auch zahlreiche MCP-Server für weitere Datenbankplattformen und -typen zur Verfügung. Zum Beispiel:

• DBHub, ein MCP-Server, der den LLM-Zugriff über verschiedene Datenbanktypen hinweg bündelt und mit MySQL, PostgreSQL, SQL Server, MariaDB und SQLite kompatibel ist.
• Der MCP Server for MySQL, der vom deutschen Full-Stack-Entwickler Ben Borla entwickelt und für Claude Code optimiert wurde.
• Die Supabase-, respektive Postgres-Alternativen pgEdge Postgres MCP, Neon MCP Server und Postgres MCP Pro.
• Die auf Vektordatenbanken ausgelegten MCP-Server von Weaviate und Milvus.

(fm)

Dieser Artikel ist im Original bei unserer Schwesterpublikation Infoworld.com erschienen.

CISOs räumen meist ein, dass kein Unternehmen vollkommen sicher ist. Viele geben jedoch auch zu, dass ihre Sicherheitsmaßnahmen noch nicht den gewünschten Standard erreichen.

Ein Drittel der für den „2025 Voice of the CISO Report“ (Download gegen Daten) von Proofpoint befragten CISOs gab an, dass die Daten in ihrem Unternehmen nicht ausreichend geschützt seien. 58 Prozent sagten, ihre Betriebe seien nicht darauf vorbereitet, auf einen Cyberangriff zu reagieren. Gleichzeitig waren nur zwei Drittel (67 Prozent) der Meinung, dass ihre Unternehmen über ausreichende Budgets, Personal und Tools verfügten, um ihre Cybersicherheitsziele zu erreichen.

Diese Zahlen deuten darauf hin, dass in vielen, wenn nicht sogar den meisten Betrieben nach wie vor kritische Sicherheitslücken bestehen. Da Angreifer zunehmend auf Automatisierung und Künstliche Intelligenz setzen, wächst der Druck, diese offenen Flanken zu schließen. Es folgen sechs kritische Gaps, die die Aufmerksamkeit der CISOs erfordern.

Die Wahrnehmungslücke

Obwohl CISOs in den letzten Jahren Business-orientierter geworden sind, sehen viele ihre Hauptaufgabe immer noch im Schutz digitaler Systeme. Diese sollten, laut Errol Weiss, CSO bei Health-ISAC, jedoch als Gewährleistung der Geschäftsresilienz betrachten werden.

„CISOs betrachten einen ‚schlechten Tag‘ immer noch aus der IT-Perspektive; sie sehen Sicherheit nach wie vor als ein IT-Problem“, bemerkt Weiss. Sie müssten ihren Fokus verlagern: weg vom Schutz der Systeme um jeden Preis hin zum Aufbau von Resilienz mit Augenmerkt auf Folgewirkungen, wenn etwas ausfällt.

Weiss merkt an, dass diese Lücke in vielen Unternehmen unter anderem deshalb weiterhin besteht, weil die Geschäftskontinuität, die das Herzstück der Resilienz bildet, in der Regel in den Zuständigkeitsbereich anderer Führungskräfte als der CISOs fällt. „Die Geschäftskontinuität war traditionell das Problem anderer, doch nun muss sie zu einem Schwerpunkt für die Sicherheitsorganisation werden“, sagt er.

Wenn CISOs sich umfassend damit auseinandersetzen, wie sich digitale Bedrohungen auf das Unternehmen auswirken könnten, anstatt damit, wie sich Angriffe auf die IT-Umgebung auswirken, erhalten sie ein genaueres Bild der größten Risiken und können das Ausmaß eines Vorfalls besser einschätzen, erklärt Weiss. Dies wiederum ermöglicht es CISOs, Abwehr- und Abhilfemaßnahmen effektiver zu priorisieren, wodurch ein Vorfall wahrscheinlicher eingedämmt werden kann und keine unerwarteten Folgen auftreten, die den Geschäftsbetrieb beeinträchtigen.

Der Speed-Gap zwischen Angreifern und Verteidigern

Der Jahresrückblick 2025 des Threat-Intelligence-Anbieters Cisco Talos stellte fest, dass „die Bedrohungslandschaft 2025 durch eine beispiellose Beschleunigung bei der Ausnutzung von Schwachstellen geprägt war, wobei Angreifer neue Sicherheitslücken wie React2Shell und ToolShell fast unmittelbar nach ihrer Offenlegung als Waffen einsetzten.“

Die meisten Sicherheitsteams agieren nicht so schnell, was zu einer Agilitätslücke zwischen ihnen und den Angreifern führt, sagt Buck Bell, Director of Security Strategy beim IT-Dienstleister CDW. „Die meisten Lücken, die wir heute sehen, sind Lücken in der Umsetzung“, fügt er hinzu.

Viele Sicherheitsprogramme basieren nach wie vor auf veralteten Denkweisen, darunter „statische Sicherheitsmaßnahmen in einer Welt, die Anpassungen in Echtzeit erfordert“, sagt er. Monatliche Penetrationstests und Patch-Dienstage beispielsweise sind Relikte einer vergangenen Ära, die in einigen Sicherheitsabteilungen jedoch nach wie vor bestehen. „Die Realität ist, dass Unternehmen heute schneller handeln müssen“, fügt er hinzu.

Bell sagt, dass zeitgemäße CISOs ihre Abläufe beschleunigen, indem sie KI, Automatisierung und Praktiken wie Continuous Threat Exposure Management (CTEM) einsetzen.

Der Speed-Gap zwischen Geschäft und Sicherheit

Ebenso müssen einige CISOs schneller und agiler werden, damit die Sicherheit genauso schnell voranschreiten kann wie das Geschäft. Wie das Beratungsunternehmen PwC in seinem „2026 CISO Outlook“ feststellt: „Die Rolle des CISOs befindet sich an einem entscheidenden Wendepunkt. Angesichts der technologischen Beschleunigung und neuer Bedrohungen wird von Ihnen erwartet, dass Sie im Tempo des Wandels vorangehen. KI, Quantencomputing und eine hypervernetzte Welt gestalten Risiken neu – und Ihr Unternehmen beobachtet das genau.“

Chirag Shah, Global Information Security Officer und Datenschutzbeauftragter beim Softwareunternehmen Model N, weiß: „Das Geschäft will schneller laufen und wenn es schneller laufen will, bedeutet das, dass wir in den Bereichen Sicherheit und Compliance mit ihm Schritt halten müssen.“ Aber er weiß auch, dass die Sicherheit Mühe hat, Schritt zu halten. „Wir spielen immer ein Aufholspiel“, fügt er hinzu.

Shah hat Maßnahmen ergriffen, um den Prozess zu beschleunigen, beispielsweise durch die Weiterbildung des Sicherheitspersonals im Bereich KI, damit sie gemeinsam mit dem Unternehmen an dessen vorrangigen Projekten arbeiten können.

Chris Cochran, Field CISO und Vizepräsident für KI-Sicherheit am SANS Institute, erklärt, dass CISOs, die Rahmenwerke und Standards einführen und mit ihren Sicherheitskollegen zusammenarbeiten, ebenfalls Geschwindigkeit aufnehmen können, indem sie sich bewährte Strategien zu eigen machen und umsetzen, die sich im Zuge von Veränderungen im Business schnell erweitern und skalieren lassen.

Die Skill-Kluft

CISOs haben seit langem Schwierigkeiten, die benötigten Fachkräfte zu finden. Früher ging es vor allem darum, genügend Personal zu finden, um Stellen zu besetzen. Heute sind sie eher besorgt, dass Sicherheitsexperten nicht über die aktuellen Kompetenzen verfügen, die sie für den Erfolg benötigen.

Laut dem „SANS 2026 Cybersecurity Workforce Research Report“ (Download gegen Daten) „durchläuft die Belegschaft im Bereich Cybersicherheit einen grundlegenden Wandel. Unternehmen bauen ihre Teams top-down neu auf, da künstliche Intelligenz traditionelle Einstiegspunkte verdrängt. Zugleich schaffen regulatorische Compliance-Anforderungen neue Rahmenbedingungen für die Validierung von Kompetenzen. Diese Konvergenz führt zu einer breiter werdenden Qualifikationslücke, die Unternehmen nur schwer schließen können, obwohl sie zunehmend erkennen, dass die richtigen Fähigkeiten wichtiger sind, als einfach den Personalbestand aufzustocken.“

Weiter heißt es: „Der Bedarf an Spezialisten in neuen Rollen hat sich im Jahresvergleich fast verdoppelt, während die zusätzliche Einstellung von Mitarbeitern mit bestehenden Kompetenzen erheblich zugenommen hat.“

Das treibt CISOs zunehmend Sorgenfalten auf die Stirn: 60 Prozent der Sicherheitsverantwortlichen bezeichnen diese Qualifikationslücke als ihre größte Herausforderung im Personalbereich für das Jahr 2026 (gegenüber 52 Prozent im Vorjahr). 40 Prozent gaben an, Personalmangel sei ihr Hauptproblem.

Beth Miller, Global Field CISO beim Softwarehersteller Mimecast, sagt, dass es nicht nur eine Qualifikationslücke im Sicherheitsbereich ist, die CISOs zu schaffen macht. Die Kluft bestehe bei den benötigten Sicherheitskompetenzen im gesamten Unternehmen. „Man kann ein hochqualifiziertes Sicherheitsteam haben, aber wenn man nicht auch im gesamten Betrieb über Sicherheits-Skills verfügt, bleibt dennoch eine Lücke“, sagt sie. Um diese Lücke zu schließen, müsse man „in die menschliche Komponente im gesamten Unternehmen investieren“, fügt sie hinzu.

Cochran vom SANS Institute machte ähnliche Beobachtungen und erklärte, dass CISOs eine Kultur des kontinuierlichen Lernens und der Weiterbildung aufbauen müssen.

Lücken bei der Absicherung von KI

CISOs hinken bei der Absicherung von KI-Implementierungen aus mehreren Gründen hinterher.

Zunächst einmal, so Miller von Mimecast, „entwickelt sich der KI-Bereich schneller, als CISOs darauf vorbereitet sind. Das Muster, das wir in unserem und anderen Unternehmen beobachten, ist, dass die Führungsebene eine Initiative ankündigt, um KI einzuführen – das läuft top-down und ist oft mit Wettbewerbsdruck oder den Erwartungen des Vorstands verbunden. Dann entwickeln die Geschäftsbereiche innerhalb weniger Wochen KI-Tools, verbinden diese mit Daten und integrieren KI in bestehende Systeme, während die CISOs erst während oder nach der Implementierung von diesen [Initiativen] erfahren.“

Es gibt auch KI-Deployments, die von bottom-up erfolgen, oft ohne jegliche Beteiligung oder Kenntnis der Führungsebene. „Schatten-KI findet in der gesamten Branche statt“, sagt Shah von Model N. Während die Sicherheits- oder IT-Abteilung diese Implementierungen vielleicht nachträglich entdeckt, beseitigt das Sicherheitslücke nicht von selbst.

Experten verweisen zudem auf zwei weitere Herausforderungen: Erstens gilt es, die richtigen Sicherheitskontrollen für KI zu entwickeln, während sich die Technologie weiterentwickelt. Zweitens müssen alle Beteiligten davon überzeugt werden, diese Kontrollen und Governance-Rahmenwerke zu akzeptieren und einzuhalten, während sie sich mit der Technologie weiterentwickeln. Diese Dynamik führt unweigerlich zu einer Kluft zwischen dem, was zur Sicherung der KI erforderlich ist, und den tatsächlich umgesetzten Kontrollen. „Es handelt sich um eine Governance-Lücke, die sich als IT-Problem tarnt“, fügt Miller hinzu.

Der SANS-Bericht ergab, dass nur 54 Prozent der befragten Unternehmen über KI-Sicherheitsrichtlinien verfügten und nur ein Fünftel (20 Prozent) über umfassende Governance-Rahmenwerke. Währenddessen implementieren etwa 75 Prozent entweder Governance-Strukturen oder noch dabei waren, diese aufzubauen.

SANS kam zu dem Schluss, dass „die KI-Sicherheits-Governance noch in den Kinderschuhen steckt“. Andere Experten bestätigten dies und erklärten, dass CISOs sich auf

• Observability-Tools,
• die Fähigkeit, Einfluss auf die Führungsebene zu nehmen,
• KI-bezogene Sicherheitssensibilisierung und -schulungen,
• neue Best Practices für KI-Sicherheit sowie
• neue KI-Governance-Rahmenwerke

stützen müssen, um die in vielen Unternehmen offenbar klaffende Lücke zu schließen.

Die Legacy-Lücke

Laut Jason Lish, Global CISO bei Cisco, legen viele Führungskräfte im Business in Bezug auf Technologie eine „Set-it-and-forget-it-Mentalität“ an den Tag. Sie sträuben sich gegen Modernisierungsmaßnahmen der IT, solange die Systeme funktionieren und keine Wettbewerbsvorteile bieten.

Dies stellt nicht nur CIOs vor Herausforderungen, wenn sie versuchen, KI und andere neue Technologien in Altsysteme zu integrieren, sondern auch CISOs, die moderne Sicherheitspraktiken und -technologien implementieren wollen, erklärt Lish. Dase wird zu einem immer drängenderen Sicherheitsproblem, da Angreifer KI immer geschickter nutzen, um Altsysteme und solche ohne Support, in denen moderne Sicherheitskontrollen nicht implementiert werden können, auszunutzen.

Eine Studie aus dem Jahr 2026 der National Association of State CIOs sowie Deloitte & Touche ergab, dass CISOs die Legacy-Infrastruktur als eines der drei größten Hindernisse bei der Bewältigung von Cybersicherheitsherausforderungen nannten. Daneben nannten sie immer geschicktere Angriffe und unzureichende Finanzmittel für Cybersicherheit.

„CISOs sollten hier über einen risikobasierten Ansatz nachdenken“, sagt Lish, „sich an den Vorstand oder die Führungsetage wenden und sagen: ‚Dies sind die kritischsten Teile der veralteten Geräte, die wir ersetzen müssen‘, und ihnen helfen, das Risiko zu verstehen, das entsteht, wenn dies nicht geschieht. Der CISO muss derjenige sein, der diese Priorisierung vornimmt.“ (jd)

Organisationen stehen heute vor einem grundlegenden Spannungsfeld: Sie müssen gleichzeitig diskutieren und handeln. An genau dieser Stelle zeigt sich das zentrale Dilemma, denn: Zu viel Diskussion führt zu Analyseparalyse. Zu frühe Entscheidungen führen zu Fehlsteuerung.

Hinzu kommt, dass Unternehmen in Umfeldern agieren, in denen sichere Vorhersagen kaum möglich sind: Märkte verändern sich schneller, werden komplexer. Technologische Entwicklungen beschleunigen sich und strategische Optionen sind zunehmend von Unsicherheit geprägt. Effektive Organisationen benötigen daher Mechanismen, die produktiven Dissens ermöglichen, ohne Handlungsfähigkeit zu verlieren.

Ein weit verbreiteter Ansatz, um Entscheidungsstau zu vermeiden und eine konsequente Umsetzung sicherzustellen, ist das Prinzip „Disagree and Commit“. Es erlaubt offene Diskussion, fordert danach allerdings vollständige Ausrichtung auf die getroffene Entscheidung. Dieses Modell hat sich in der Vergangenheit insbesondere in schnell wachsenden Organisationen als wirkungsvoll erwiesen.

In jüngerer Zeit gewinnt jedoch eine alternative Entscheidungslogik an Bedeutung: „Disagree and Let’s See“. Statt Entscheidungen als endgültige Festlegungen zu behandeln, werden sie als überprüfbare Hypothesen verstanden. Konflikt wird also nicht durch Commitment aufgelöst, sondern durch strukturiertes Lernen.

In diesem Beitrag werfe ich einen detaillierten Blick auf beide Entscheidungsmodelle und zeige, unter welchen Bedingungen welche Logik die größte Wirkung hat.

Das bewährte Prinzip: Konflikt, Entscheidung, Commitment

„Disagree and Commit” folgt einer eingängigen Logik: Zunächst findet eine offene Diskussion statt, in der unterschiedliche Perspektiven und kritische Einwände ausdrücklich erwünscht sind. Anschließend wird eine klare Entscheidung getroffen und geschlossen umgesetzt – unabhängig von persönlichen Präferenzen.

Die Stärke dieses Entscheidungsmodells liegt in drei zentralen Funktionen:

1. Entscheidungsgeschwindigkeit: Organisationen vermeiden endlose Debatten, sobald eine Entscheidung getroffen wurde.

2. Operatives Alignment: Teams handeln koordiniert, auch wenn individuelle Meinungen auseinandergehen.

3. Verantwortungsklarheit: Zwischen der Diskussions- und Umsetzungsphase wird klar unterschieden.

Diese Entscheidungsarchitektur ist besonders effektiv in Umfeldern, in denen Geschwindigkeit wichtiger ist als Perfektion und in denen Verzögerung ein erhebliches Risiko darstellt.

Wenn Commitment an seine Grenzen stößt

Mit steigender Unsicherheit treten jedoch strukturelle Spannungen dieses Modells stärker hervor. Einerseits entsteht ein Integritätsproblem: Menschen sollen Entscheidungen vollständig unterstützen und mittragen, die sie möglicherweise weiterhin für suboptimal halten. In der Praxis führt das häufig zu performativer Zustimmung statt echter Überzeugung: Die Hände gehen nach oben, die innere Überzeugung bleibt jedoch aus.

Andererseits kann Commitment unbeabsichtigt Dissens unsichtbar machen. Das bedeutet konkret: Wenn nach der Entscheidung eine vollständige Ausrichtung erwartet wird, verschwinden alternative Perspektiven aus der organisationalen Wahrnehmung. Das gilt, auch wenn sie weiterhin relevant und im späteren Verlauf möglicherweise den entscheidenden Impuls hätten liefern können. Das ist besonders problematisch, wenn sich Rahmenbedingungen nach der Entscheidung verändern.

Ein weiterer Punkt betrifft die Grundannahme des Modells: Es impliziert, dass Entscheidungen als richtig oder falsch bewertet werden können. In hochunsicheren Kontexten ist diese Annahme häufig allerdings nicht haltbar. Denn viele strategische Entscheidungen sind primär keine Urteile, sondern Wetten auf zukünftige Entwicklungen.

Nicht zuletzt kann „Disagree and Commit” in hierarchisch geprägten Strukturen als Machtinstrument wirken: Die Diskussion wird formal zwar eröffnet, das Ergebnis steht jedoch bereits fest. In solchen Fällen dient das Prinzip eher dazu, Debatten zu beenden als die beste Entscheidung zu treffen.

Wichtig ist: Diese Spannungen deuten nicht auf ein Scheitern des Modells hin, sondern sind Ausdruck veränderter Entscheidungsrealitäten, denen wir heute begegnen.

Ein Perspektivwechsel: Entscheidungen als Hypothesen

Eine alternative Entscheidungslogik, die in jüngerer Zeit an Bedeutung gewonnen hat, setzt an genau dieser Stelle an: „Disagree and Let’s See”. Statt Entscheidungen als endgültige Festlegungen zu behandeln, werden sie als überprüfbare Hypothesen verstanden. Das ist die Grundannahme dieses Prinzips: In vielen organisationalen Kontexten weiß niemand mit Sicherheit, welche Option die beste ist. Insbesondere dann nicht, wenn man einer ungewissen Zukunft entgegenblickt.

Infolgedessen verschiebt sich die Struktur von „Konflikt, Entscheidung, Commitment” zu „Konflikt, Hypothese, Test, Erkenntnis”. Der entscheidende Unterschied: Teams müssen sich nicht vollständig von einer Option überzeugen lassen, sondern lediglich bereit sein, sie systematisch zu testen. Alignment entsteht in diesem Entscheidungsmodell daher nicht durch gemeinsame Überzeugung, sondern durch gemeinsame Lernbereitschaft.

In der praktischen Umsetzung bedeutet das: Annahmen werden explizit formuliert, beobachtbare Erfolgskriterien definiert, zeitlich begrenzte Testphasen von Hypothesen vereinbart und Ergebnisse strukturiert ausgewertet. Entscheidungen werden dadurch reversibler, transparenter und weniger politisch aufgeladen.

Kulturelle Auswirkungen experimenteller Entscheidungsmodelle

Das bringt wiederum bemerkenswerte kulturelle Auswirkungen mit sich. Denn wenn Entscheidungen als Experimente verstanden werden, verändern sich grundlegende Organisationsdynamiken:    

• Psychologische Ehrlichkeit steigt: Menschen müssen keine Sicherheit simulieren, die nicht existiert.
• Verantwortung verschiebt sich: Nicht die Verteidigung einer Position steht im Mittelpunkt, sondern die Qualität des Lernprozesses.
• Fehler verlieren ihr Stigma: Wenn Entscheidungen als Tests definiert sind, sind unerwartete Ergebnisse kein Scheitern, sondern Information.
• Konflikte werden produktiver: Unterschiedliche Perspektiven erhöhen die Qualität von Hypothesen, statt Einigkeit zu erschweren.

Diese Dynamiken unterstützen insbesondere Organisationen, die in innovationsgetriebenen oder sich schnell verändernden Märkten agieren.

Situative Reife: Der richtige Modus zur richtigen Zeit

Stellt man die beiden Entscheidungslogiken direkt gegenüber, wird deutlich, dass beide Modelle unterschiedliche Stärken aufweisen und damit auf verschiedene Anforderungen organisationaler Steuerung einzahlen:

• Bei irreversiblen oder zeitkritischen Entscheidungen bleibt schnelles Commitment der richtige Weg („Disagree and Commit”).
• Bei hoher Unsicherheit oder Innovationsvorhaben kann kontrolliertes Experimentieren die klügere Wahl sein („Disagree and Let’s See”).

Eine pauschale Aussage lässt sich daher nicht treffen darüber, welche der beiden Logiken grundsätzlich überlegen ist. Stattdessen lautet die zentrale strategische Frage, unter welchen Bedingungen welches Modell angemessen ist. Organisationen und vor allem Führungskräfte benötigen demnach zunehmend die Fähigkeit, zwischen beiden Logiken zu wechseln und diese gezielt einzusetzen.

Auch Unsicherheit wird anerkannt

Moderne Organisationen operieren nicht mehr primär in stabilen Entscheidungsräumen, sondern in lernintensiven Umfeldern. Entscheidungsqualität wird damit zunehmend durch die Geschwindigkeit und Präzision organisationalen Lernens bestimmt.

Gemessen an diesem Maßstab war „Disagree and Commit” ein entscheidender Entwicklungsschritt, um produktiven Konflikt mit Handlungsfähigkeit zu verbinden. „Disagree and Let’s See” erweitert dieses Prinzip nun um eine wichtige Dimension: die systematische Anerkennung von Unsicherheit.

Vor diesem Hintergrund liegt die Zukunft organisationaler Entscheidungsfindung nicht darin, Dissens schneller zu beenden, sondern darin, ihn besser zu nutzen. Nicht Alignment ist die knappste Ressource moderner Organisationen, sondern Erkenntnis. (mb)

Der Bitkom hat eine aktuelle Zahl vorgelegt: rund 109.000 unbesetzte IT-Stellen in deutschen Unternehmen. Das ist weniger als in den Rekordjahren 2022 und 2023 mit 137.000, beziehungsweise 149.000 unbesetzten Positionen, bleibt aber der viertgrößte Wert seit Beginn der Erhebung. 85 Prozent der befragten Unternehmen klagen über einen Mangel an IT-Personal, 79 Prozent erwarten eine weitere Verschärfung. Im Durchschnitt dauert es 7,7 Monate, eine freie IT-Stelle zu besetzen.

Diese Zahlen sind kein Hinweis auf einen schwächelnden Markt für externe Expertise. Ganz im Gegenteil, sie deuten darauf hin, dass der richtige Experte oder die passende Spezialistin nicht gefunden werden.

Das wirkt sich auf die Auftragslage von IT-Freiberuflern aus. Bei verhaltenen Konjunkturaussichten werden die vorhandenen Budgets in den Unternehmen noch genauer geprüft. Generalistisches Know-how reicht in vielen Ausschreibungen nicht mehr aus. Gefragt sind spezialisierte Kompetenzen und auch Nachweise zu Cloud-Architekturen, Datenplattformen, Prozessautomatisierung und vor allem die saubere Integration von KI in bestehende Systeme.

Laut Bitkom nutzen inzwischen 41 Prozent der Unternehmen ab 20 Beschäftigten KI aktiv, weitere 48 Prozent planen oder diskutieren den Einsatz. Vor einem Jahr lag der Anteil der Anwender noch bei rund 17 Prozent.

Wer als Externer in ein Projekt geholt wird, soll heute unter Umständen die Lücke füllen, die intern die größten Herausforderungen verursacht. Genau hier zeigt sich das eigentliche Problem. Die Anforderungen an freie IT-Experten verändern sich schneller, als viele im Tagesgeschäft Schritt halten können.

Das Weiterbildungsparadox

Hier besteht dringender Nachholbedarf: Wie eine repräsentative Studie der Bertelsmann Stiftung Ende 2025 ergab, plant nur jeder Zweite, sich in den kommenden zwölf Monaten beruflich weiterzubilden. Damit entfernt sich Deutschland von den Weiterbildungszielen der Europäischen Union. Nach diesen sollten 65 Prozent der Arbeitnehmenden jedes Jahr eine Weiterbildung aufnehmen.

Hinzu kommt ein Altersgefälle: Während sich bei den 25- bis 34-Jährigen 29 Prozent weiterbilden, sind es bei den 55- bis 64-Jährigen nur noch 19 Prozent. Für Angestellte ist diese Lücke schon problematisch. Für Solo-Selbstständige ist sie eine reale Bedrohung des Geschäftsmodells.

Aus meinen Gesprächen mit freiberuflichen IT-Profis kenne ich das Muster gut. Weiterbildung wird verschoben, weil ein laufendes Projekt Priorität hat. Dann kommt das nächste. Und das übernächste. Bis irgendwann die Anfrage kommt, für die das eigene Profil nicht mehr ganz passt. Das Gespür dafür, wann die eigene Expertise zu altern beginnt, geht im operativen Alltag schnell verloren.

Dazu kommen handfeste Hürden: Weiterbildung kostet Zeit, die unmittelbar Umsatz blockiert. Sie kostet Geld, das vorher verdient sein will. Und ihr Nutzen lässt sich vorab schwer beziffern. Drei nachvollziehbare Gründe, sie aufzuschieben und gleichzeitig drei schlechte Gründe, sie nicht anzugehen.

Interessant ist in diesem Zusammenhang ein Detail aus der Bitkom-Studie: 27 Prozent der im vergangenen Jahr neu besetzten IT-Stellen gingen an Quereinsteiger. Das sind Menschen mit Ausbildungen außerhalb der IT, mit nicht-technischen Studienabschlüssen oder autodidaktisch erworbenem Wissen.

Die Jobplattform Stepstone bestätigt diesen Trend branchenübergreifend: Für 2026 priorisieren 64 Prozent der Unternehmen, gezielt Quereinsteiger einzustellen. 77 Prozent wollen ihre Auswahlkriterien anpassen und Kompetenzen stärker gewichten als formale Abschlüsse. Der Arbeitsmarkt bewegt sich also messbar in Richtung „Skills-based Hiring“.

Was bedeutet das für IT-Freiberufler? Im Kern dasselbe wie für angestellte Quereinsteiger – nur müssen sie den Qualifizierungsprozess komplett selbst organisieren. Die Evidenz dafür, dass sich diese Investition lohnt, ist solide. So hat das Institut für Arbeitsmarkt- und Berufsforschung (IAB) in mehreren Studien nachgewiesen, dass geförderte Weiterbildungen die Beschäftigungschancen und das Einkommen messbar verbessern.

Eine Untersuchung des Instituts für Arbeitsmarkt – und Berufsforschung (IAB) zeigt beispielsweise, dass Teilnehmende fünf Jahre nach Beginn der Weiterbildung im Durchschnitt 93 Tage länger beschäftigt waren und ihr Einkommen um rund 13 Prozent stärker gestiegen ist als das von vergleichbaren Personen ohne Weiterbildung. Für Selbstständige sind die Effekte naturgemäß schwerer zu quantifizieren, da weniger Studien diese Gruppe explizit untersuchen. Das Muster ist jedoch konsistent: Wer Kompetenzen erweitert, verbessert seine Marktposition.

Was sich konkret ändern muss

Ich plädiere für einen pragmatischen Umgang mit dem Thema. Es geht nicht darum, jedes halbe Jahr ein neues Zertifikat zu sammeln. Es geht um drei Entscheidungen, die jeder IT-Freelancer regelmäßig treffen sollte:

1. Das eigene Leistungsversprechen realistisch betrachten: Welche Kompetenzen werden in zwölf bis 24 Monaten von Kunden tatsächlich nachgefragt? In welchen davon bin ich gut genug aufgestellt, in welchen verlasse ich mich auf Wissen, das schon etwas älter ist? Diese Inventur ersetzt keine Marktforschung, aber sie schafft die Grundlage für jede sinnvolle Lerninvestition. Hilfreich ist dabei der Blick auf die Stellenanzeigen großer Unternehmen und Beratungen. Oder aber man fragt das KI-Modell seiner Wahl: Welche Skills tauchen seit Monaten regelmäßig auf? Genau dort entstehen die Projekte, die in den kommenden Quartalen vergeben werden.

2. Feste Lernzeiten im Kalender: Der Tipp klingt banal, ist aber der Unterschied zwischen Vorsatz und Praxis. Wer Weiterbildung nicht plant wie einen Kundentermin, kommt nicht dazu. Zwei halbe Tage im Monat sind ein guter Startpunkt. Für tiefergehende Qualifizierungen lohnt es sich, Projektpausen bewusst einzuplanen, statt sie als verlorene Zeit zu verbuchen.

3. Die Finanzierung sauber regeln: An dieser Stelle wird oft zu früh aufgegeben. Für Solo-Selbstständige gibt es das Förderprogramm KOMPASS des Bundesministeriums für Arbeit und Soziales, kofinanziert über den Europäischen Sozialfonds Plus. Bis zu 90 Prozent der Weiterbildungskosten werden erstattet, maximal 4.500 Euro pro Person und Jahr.

Voraussetzung ist unter anderem, dass man seit mindestens zwei Jahren hauptberuflich und mit maximal einem Vollzeitäquivalent an Beschäftigten selbstständig tätig ist. Die Qualifizierung muss mindestens 20 Stunden umfassen und innerhalb von sechs Monaten abgeschlossen sein. Es empfiehlt sich hierbei ein Angebot von einem nach AZAV zertifizierten Anbieter zu nutzen, um die Qualität gesichert zu bekommen.

Eine Einschränkung gehört zur Ehrlichkeit dazu: Das Programm ist so stark nachgefragt, dass die Erstberatung in den bundesweit rund 30 Anlaufstellen seit März 2026 zeitweise ausgesetzt wurde, um bereits laufende Anträge sauber abzuarbeiten. Auch die Ausgabe neuer Qualifizierungsschecks wird bundesweit zwischen Mai und Oktober 2026 begrenzt.

Warum das auch ein wirtschaftspolitisches Thema ist

Solo-Selbstständige sind kein Randphänomen der Digitalwirtschaft. Sie schließen spezialisierte Lücken in Projekten, beschleunigen Transformation und tragen messbar zur Innovationsfähigkeit von Unternehmen bei. Wenn ihre Qualifikation stagniert, bremst das Wertschöpfungsketten, die ohnehin unter Druck stehen. Die jüngste Bitkom-Erhebung zur Digitalisierung zeigt: 78 Prozent der Unternehmen halten die aktuelle Wirtschaftskrise auch für eine Krise zögerlicher Digitalisierung. Und ein Drittel berichtet, dass KI-Projekte deutlich teurer geworden sind, als ursprünglich erwartet. Beides verweist auf denselben Engpass: zu wenige Menschen, die ihre Werkzeuge wirklich beherrschen.

Förderprogramme wie KOMPASS sind deshalb mehr als ein finanzieller Zuschuss. Sie sind ein Signal, dass diese Berufsgruppe wirtschaftspolitisch ernst genommen wird. Was sie nicht leisten können: die strategische Entscheidung, in welche Kompetenzen jemand investiert. Diese Entscheidung bleibt am Schreibtisch der Selbstständigen liegen. (mb)

Vibe Coding verspricht zwar seit seinem Aufkommen, die Softwareentwicklung wesentlich zu beschleunigen und zu demokratisieren, ist aber – insbesondere in einem professionellen Umfeld – nicht unumstritten.

Inzwischen sind die Tools in diesem Bereich allerdings reif genug, um die anfänglichen Versprechen auch einzulösen. Zumindest, wenn es um Prototypen oder ein Minimum Viable Product (MVP) geht. Nur ein paar Textanweisungen, schon entspringt der KI etwas, das früher Wochen in Anspruch genommen hätte. Ganz zu schweigen vom damit verbundenen bürokratischen Aufwand für Business-Anwender.

Natürlich kann es beim Vibe Coding weiterhin zu Fehlern und Versäumnissen kommen. Dabei stellt sich allerdings die Frage, ob das schlimmer ist als das, was ein menschliches Team versehentlich verbocken oder übersehen könnte, wenn es das gleiche erstellt.

In diesem Artikel stellen wir Ihnen in aller Kürze 19 empfehlenswerte Vibe-Coding-Tools vor.

Vibe coding now has an official illustrative GIF! https://t.co/dHKuJwTBzj

— Simon Willison (@simonw) March 23, 2025

Base44/Wix

Im Fall von Base44 (inzwischen im Besitz von Wix), beginnt mit einem „Builder Chat“, der die Datenarchitektur fokussiert. Davon ausgehend erstellt das Vibe-Coding-Tool auf Basis natürlichsprachlicher Anweisungen React- und Tailwind-Code für das Frontend, die in einem Deno-Backend zusammengeführt werden.

Um den Entwicklungsprozess zusätzlich zu beschleunigen, stehen diverse Templates für gängige Anwendungsfälle zur Verfügung, etwa in den Bereichen E-Commerce, Content-Management und Produktivität. Die Benutzeroberfläche dieser Lösung lässt sich dabei über einen visuellen Editor im Drag-und-Drop-Verfahren anpassen.

Betty Blocks

Die Macher hinter der No-Code-Lösung Betty Blocks wollen in erster Linie „Citizen Developer“ ansprechen – also Nicht-Programmierer, die jedoch wissen, welche Art von Anwendung ihr Fachbereich benötigt.

Aus der natürlichsprachlichen Beschreibung dieser Applikation erzeugt die Betty-Blocks-Plattform React-Code. Dieser wird zur „Weiterverarbeitung“ in ein Code Repository exportiert – kann jedoch auch für zukünftige Deployment-Zwecke auf WASM-Ebene kompiliert werden. Darüber hinaus bietet die Lösung auch einen Low-Code-Ansatz an, der eine visuelle Oberfläche für weitere Anpassungen und Verfeinerungen bereitstellt.

Blink

Der Code-Agent von Blink erstellt TypeScript-React-Anwendungen und bietet zwei Modi: den Agent-Modus (zum Erstellen) und den Chat-Modus (zum Planen).

Blink hostet jede Anwendung über sein internes Content Delivery Network, ermöglicht es aber auch, diese auf eigene Server oder in die Cloud zu exportieren.

Bolt

Der No-Code-Service von Bolt wurde mit dem Ziel entwickelt, ein singuläres visuelles Interface zu verschiedenen Backend-Coding-KIs bereitzustellen. Entsprechend ist es möglich, mit diversen verschiedenen Agenten zu arbeiten, darunter etwa Claude und Gemini.  

Weil das Tool über einen eigenständigen Design-Layer verfügt, lassen sich Standard-Designs erstellen, die dann von jeder App genutzt werden können, die die KI erzeugt. Bolt steht zudem als Open-Source-Version zur Verfügung, die unter der MIT-Lizenz veröffentlicht wurde.

Bubble

Auch bei Bubble handelt es sich um ein No-Code-Tool. Dieses umfasst verschiedene Funktionen, die weit über einen bloßen Chat hinausgehen. Ein visueller Editor ist ebenfalls mit an Bord, um die Benutzeroberfläche schnell und einfach auf die eigenen Bedürfnisse anzupassen.

Eine Workflow-Ansicht verschafft zudem Überblick über vieles, was im Hintergrund abläuft – und schafft damit Transparenz für die Benutzer. Die Zielsetzung dieses Tools besteht darin, den Menschen stärker als Partner der KI einzubinden.

Claude Code

Anthropics Vorzeige-LLM Claude kann diverse Programmieraufgaben übernehmen – beispielsweise neue Applikationen erstellen oder alte reparieren. Das Backend lässt sich mit vielen traditionellen IDEs wie Visual Studio Code verbinden – oder auch mit einem Slack-Kanal.

Eine populärer Anwendungsfall für Claude Code ist, große Codebasen zu durchsuchen, um Probleme zu finden und zu beheben. Anwender loben außerdem, dass sich Claude sehr gut auf lokale Codierungsstandards ausrichten lässt.

Continue

Der quelloffene KI-Agent von Continue eignet sich am besten für professionelle Entwickler, die bei ihrer Arbeit zusätzliche Unterstützung wünschen. Das Tool überwacht Codebasen auf spezifische Trigger, beispielsweise neue Pull-Releases – und schaltet dann KI-Agenten ein, um diverse Routineaufgaben zu erledigen.

Die Zielsetzung bei diesem Tool besteht darin, menschlichen Profis die langweiligsten Tasks zu ersparen, damit diese sich darauf konzentrieren können, kreativ zu sein. Continue lässt sich in diverse IDEs und KI-APIs integrieren.

Create.xyz

Das Tool von Create.xyz heißt “Anything” und soll jede erdenkliche React/Tailwind-App aus einem simplen Text-Prompt erstellen können.

Die Ergebnisse werden aus vielen stilisierten Komponenten für Tasks, die sowohl im Browser als auch auf mobilen Plattformen gut laufen (etwa Datenbankzugriff) generiert. Entwickler können sich dann tiefgehend mit dem Code auseinandersetzen und persönliche Akzente setzen.

Cursor

Vor allem Entwickler der alten Schule finden häufig Gefallen an Cursor. Dieses Tool generiert neuen Code, überprüft alten und trackt entstehende Probleme – zum Beispiel über Slack.

Zudem ist diese Lösung in der Lage, mehrere Dateien gleichzeitig zu bearbeiten und komplette Codebasen zu analysieren, bevor sie einen Aktionsplan vorschlägt. Cursor ist vor allem für den Einsatz in traditionellen Entwicklungsumgebungen konzipiert.

Emergent

Die Webanwendung von Emergent ist ein Frontend für KI-Agenten-Teams. Aus einer einfachen Text-Beschreibung entsteht ein Frontend (React), ein Backend (Node.js), Datenbanken (MongoDB) sowie eine Sammlung von APIs mit vollständiger Integration (Stripe und Co.).

Die Zielsetzung ist es, die gesamte Development-Komplexität zu abstrahieren. Das soll Nicht-Entwicklern ermöglichen, alles zu erstellen, was sie wollen. Entwickler können es beispielsweise für  Prototypen nutzen – die nahezu produktionsreif sind.

Kilo Code

Der Open-Source-Agent von Kilo verfügt über eine Reihe von Funktionen, die für Programmierer interessant sind. Insbesondere solche, die regelmäßig größere Codebasen pflegen und erweitern. Der Orchestrator-Modus hilft beispielsweise dabei, Arbeitspläne zu erstellen, die Code-Review-Funktion überprüft auf Fehler.

Eine Memory Bank speichert dabei übergeordnete Details zur Architektur des Projekts. Durch die Anbindung an mehr als 500 KI-Modelle dürften Anwender keine Probleme damit haben, das richtige für ihre Zwecke zu integrieren. Zudem wird so die Bindung an einen (LLM-)Anbieter vermieden.

Lindy

Das Tool von Lindy ist darauf ausgelegt, „Agenten“ zu erstellen, bei denen es sich in der Regel um Code-Schnipsel handelt, die im Hintergrund arbeiten. Diese reagieren auf bestimmte Trigger wie eine Slack-Nachricht oder einen neuen Commit in einem Repository.

Diese Events lassen sich durch Hunderte verschiedene Webanwendungen auslösen, darunter auch die aller großen Cloud-Anbieter und Office-Organisationsplattformen wie Jira oder Zoho. Standardanwendungen lassen sich mit Lindy zudem über vordefinierte Templates noch schneller erstellen. Ein gängiger Anwendungsfall für dieses Tool ist beispielsweise ein KI-Agent für den IT-Support.

Lovable

Die No-Code-Oberfläche von Lovable erstellt Anwendungen per Chat-Anweisung und stellt sie über die Lovable-Cloud bereit. Das Tool kümmert sich um die Benutzeroberfläche (React plus Tailwind), die Business-Logik und die Datenbank (hauptsächlich Supabase).

Im Ergebnis ist Lovable eines der besten Werkzeuge, um besonders schnell zu Enterprise-reifen Prototypen mit ausgefeilten Benutzeroberflächen zu kommen – und diverse Sicherheits- und Zugriffskontrollfunktionen zu erstellen, die für größere Umgebungen erforderlich sind.

Replit

Die No-Code-Lösung von Replit liefert Code in bis zu 30 Programmiersprachen – darunter alle gängigen und auch weniger verbreitete. Das Haupt-Interface ist ein No-Code-Chatbot, anschließend wird der Code jedoch in ein Repository übertragen, wo er mit traditionellen Methoden weiter verfeinert werden kann.

Der Datenbank-Layer ist bei dieser Lösung ausgegliedert. Dadurch stehen etwa Optionen wie getrennte Datenbanken für Produktion und Testing zur Verfügung. Zudem beinhaltet Replit auch Enterprise-Funktionen – zum Beispiel für Teams, die gemeinsam per Chat eine App optimieren möchten.

Softgen

Das Softgen-Tool erstellt vollständige Next.js-Webanwendungen als MVP aus einfachen Textbeschreibungen und funktioniert mit den wichtigsten KI-Modellen wie Claude 4.5 oder Gemini.

Dank einer Pay-as-you-go-Option bezahlen Anwender bei diesem Vibe-Coding-Tool nur für die Token, die sie für ihre Anwendung benötigen.

Solid

Solid legt den Schwerpunkt auf die Erstellung von“Enterprise Grade“- Apps, inklusive erstklassigen Security-Modellen und verteilter Bereitstellung.

Die Dokumentation betont die iterative Zusammenarbeit mit der KI und die Nutzung ihrer Stärken – nämlich ein React/Tailwind-Frontend mit einer Vielzahl von Backends zu generieren.

Tempo Labs

Der visuelle Editor von Tempo Labs zielt darauf ab, menschliche Benutzer dazu zu befähigen, React-Apps schneller zu erstellen – um den Faktor Zehn. Einfache visuelle Aufgaben lassen sich dabei auch ganz ohne KI ausführen.

Das Tool legt den Schwerpunkt auf Design und unterhält eine Bibliothek mit Standardelementen für jedes Projekt. Jede React-Codebasis kann importiert und mit vorgefertigten Komponenten und Vorlagen erweitert werden. Es ist ein Editor, der inspirieren kann.

Vercel

Die v0-Plattform von Vercel bietet eine ausgedehnte Template-Kollektion als Grundlage, um Anwendungen zu designen. Auch bei dieser Lösung ist das Haupt-Interface ein Chat-Fenster, über das sich jedes erdenkliche Design umsetzen lässt. Allerdings dienen die Templates hier sowohl als Inspiration als auch als gemeinsame Sprache, um die Spezifikationen zu verfassen.

Die Lösung bietet auch Designvorlagen, die die Harmonisierung verschiedener Anwendungen vereinfachen. Dazu definiert sie einmalig einen Look und verwendet diesen dann wieder. Ein Schwerpunkt liegt dabei auf mobilen Browsern, was es vereinfacht, Webseiten zu erstellen, die für Mobilgeräte optimiert sind.

Windsurf

Windsurf ist eine integrierte Entwicklungsumgebung mit eingebetteter KI. Sie ist darauf ausgelegt, längere mehrstufige Pläne („Cascades“) zu generieren – etwa, um Bugs zu beheben oder eine Codebasis um Funktionen zu erweitern. Anders ausgedrückt: Windsurf ermöglicht Vibe Coding, das darauf ausgerichtet ist, traditionelle Dev-Techniken zu unterstützen.

Die Tabulatortaste ist innerhalb der Windsurf-IDE dabei besonders leistungsstark: Bei Betätigung springt die KI von einem vorgeschlagenen Fix zum nächsten. Ihre Zustimmung signalisieren die Benutzer dabei durch einen erneuten Tab-Tastendruck. (fm)

Dieser Artikel ist im Original bei unserer Schwesterpublikation CIO.com erschienen.

Open-Source-Code ist in Unternehmen allgegenwärtig; Schätzungen zufolge nutzen mehr als 90 Prozent der Fortune-500-Unternehmen ihn in ihren Software-Lieferketten. Open-Source-Code ist jedoch bekanntermaßen voller Schwachstellen und das Aufspüren und Beheben dieser Fehler kann für Sicherheitsteams zu einem endlosen Kampf werden.

IBM und Red Hat setzen darauf, dass eine neue Initiative, Project Lightwell, dazu beitragen kann, diesen Prozess zu beschleunigen. Im Rahmen des Projekts wollen die beiden Unternehmen fünf Milliarden Dollar sowie 20.000 Ingenieure von IBM und Red Hat bereitstellen, um eine Art „Clearingstelle“ für Unternehmen aufzubauen.

Den Unternehmen zufolge soll diese als KI-gestützte „Sicherheits-Koordinierungsebene“ dienen und Unternehmen die Möglichkeit geben, Patches direkt in ihre bestehenden Software-Lieferketten zu integrieren.

„Project Lightwell“ befindet sich derzeit in der Konzeptphase mit einer Gruppe von elf Finanzpartnern und soll später als kommerzielles Abonnement angeboten werden.

„Die Fortschritte bei KI-Tools haben die Patching-Landschaft revolutioniert – also die Fähigkeit, Schwachstellen in Software zu entdecken, ohne dabei an Behebungsgeschwindigkeit einzubüßen“, erklärt Ashesh Badani, Senior Vice President und Chief Product Officer bei Red Hat, gegenüber CSOonline. „Jeder nutzt Open-Source-Software und die Herausforderung besteht darin, Schwachstellen nicht schnell genug beheben zu können.“

Die Lücke bei der Behebung von Schwachstellen schließen

Die Sicherheitsprobleme bei Open-Source-Software sind gut dokumentiert: Fast 50.000 Common Vulnerabilities and Exposures (CVEs) wurden im Jahr 2025 veröffentlicht, und das Project Glasswing von Anthropic, das auf dem Mythos Preview-Modell basiert, fand kurz nach dem Start rund 3.900 bisher unentdeckte Schwachstellen mit hohem oder kritischem Schweregrad in Open-Source-Software.

IBM betreibt eines der größten kommerziellen Open-Source-Ökosysteme und nutzt mehr als 62.000Softwarepakete in Umgebungen wie Linux, Kubernetes, Kafka, Terraform und Java. Das Unternehmen bietet dort bereits Lebenszyklusmanagement, Validierung und Patching an.

Mit Project Lightwell sollen diese Prinzipien nun auf KI-Frameworks, unabhängige Bibliotheken, Sprach-Toolchains und Daten-Streaming-Plattformen ausgeweitet werden. Ziel ist es, validierte Sicherheitskorrekturen für Open-Source-Code bereitzustellen, der bereits in Unternehmensumgebungen eingesetzt wird – ohne Stabilität, Zertifizierungen oder Compliance-Anforderungen zu beeinträchtigen.

IBM zufolge sind dafür keine Upgrades oder der Zugriff auf den Quellcode erforderlich. Project Lightwell werde Sicherheitskorrekturen auf genau die Abhängigkeitsversionen zurückportieren, die bereits getestet und bereitgestellt wurden. Die Lösung arbeitet auf Basis von Konfigurationsdateien wie pom.xml, sodass der Code innerhalb der kontrollierten Unternehmensumgebung verbleibt. Der anfängliche Fokus liegt auf Java/Maven, später sollen auch PyPI, npm, Go und weitere Plattformen unterstützt werden.

Diskrete Fehlerbehebung möglich

Unternehmen sollen zudem die Möglichkeit erhalten, sensible Schwachstellen unter Embargo über ein „sicheres Vermittlermodell“ zu teilen und validierte Patches zu erhalten, die Red Hat-Plattformen und unabhängigen Community-Code abdecken. Darüber hinaus können sie Korrekturen über Abhängigkeitsketten hinweg bereitstellen, Probleme in aktiven Produktionsumgebungen melden und beheben sowie Korrekturen an die Upstream-Community weitergeben, damit diese sie integrieren kann.

„Wir wollen sicherstellen, dass alle Korrekturen, die wir den Unternehmen über die Clearingstelle zur Verfügung stellen, auch wieder ihren Weg zurück in die Open-Source-Projekte finden, die [den Code] entwickelt haben“, erklärt Badani. „Wenn beispielsweise ein Stück Python-Code gepatcht wurde, soll die Korrektur schnell an die Python-Community zurückgeliefert werden.“

Mithilfe fortschrittlicher KI und in Zusammenarbeit mit führenden Open-Source-Mitwirkenden werden sich die Ingenieure von IBM und Red Hat darauf konzentrieren, Upstream- und Downstream-Umgebungen besser zu verbinden, damit die Korrekturen sofort für Unternehmen nutzbar sind. Zudem sollen sie Patches entwickeln, große Mengen an Schwachstellen analysieren und priorisieren sowie Abhängigkeiten absichern.

Badami zufolge stammen die 20.000 Ingenieure aus den bestehenden Teams von IBM und Red Hat. Bei Bedarf sollen weitere Fachkräfte hinzugezogen werden. Die Unternehmen wollen sowohl moderne Foundation-Modelle führender KI-Labore als auch eigene KI-Werkzeuge und Frameworks einsetzen. Die fünf Milliarden Dollar werden in KI-Werkzeuge und den Aufbau der erforderlichen Infrastruktur investiert.

Zu den frühen Unterstützern von Project Lightwell zählen unter anderem Bank of America, BNY, Citi, Goldman Sachs, JPMorganChase, Mastercard, Morgan Stanley, Royal Bank of Canada, State Street, Visa und Wells Fargo. Nach der Designphase soll das Angebot schrittweise weiteren Kunden über ein Abonnementmodell zugänglich gemacht werden.

Ein Aufruf zum Handeln?

David Shipley von Beauceron Security bezeichnet die Initiative als „dringend notwendig“, wenn Unternehmen Open Source langfristig erhalten wollen. Die Zeit, in der Billionenwerte auf der Arbeit freiwilliger Entwickler beruhten, sei mit Claude Mythos abrupt zu Ende gegangen. Nun müssten Unternehmen ihren Beitrag leisten, um Open Source zu unterstützen.

„Wenn wir keinen Weg finden, in Open Source zu investieren, besteht die Alternative darin, dass jeder seinen eigenen maßgeschneiderten Code mithilfe von KI entwickelt“, erklärt Shipley. Das wäre aus Rechen- und Umweltperspektive „enorm verschwenderisch“.

Menschen bleiben unverzichtbar

Red-Hat-Manager Badani betont, dass KI zwar hervorragend darin sei, Sicherheitsprobleme in Open-Source-Code aufzudecken, der Prozess der Fehlerbehebung jedoch nach wie vor mühsam sein kann. Korrekturen müssten zunächst an die Entwickler weitergeleitet, an die Open-Source-Community verteilt und dann an Kunden und Nutzer zurückgespielt werden.

„Den Fehler zu finden ist eine Sache“, so Badani. „Die eigentliche Herausforderung sind die vielen Schritte, die erforderlich sind, um ihn tatsächlich zu beheben. Genau diesen zusätzlichen Zeitaufwand wollen wir verkürzen.“

Während die öffentliche Diskussion häufig davon geprägt sei, menschliche Entwickler durch KI zu ersetzen, verfolge Project Lightwell den gegenteiligen Ansatz, fügte der Red-Hat-CPO an „Wir können das Problem mit einer Kombination aus KI-Tools und menschlichem Wissen und Fachkompetenz angehen. Die Verbindung beider Aspekte führt zu einem besseren Ergebnis als ausschließlich das eine oder das andere zu nutzen.“ (mb)

Die alternative Python-Laufzeitumgebung PyPy setzt einen speziell entwickelten JIT-Compiler ein, um gegenüber der Standard-Runtime CPython potenziell massive Geschwindigkeitssteigerungen zu erzielen. Für diese Performance muss allerdings häufig die Kompatibilität mit dem restlichen Python-Ökosystem (insbesondere C-Extensions) zurückstehen.

Inzwischen verspricht ein neuer, nativer JIT-Compiler allerdings auch eine deutliche verbesserte Performance für CPython. Darüber hinaus steht die Laufzeitumgebung nun auch als alternative Build-Version zur Verfügung, die die GIL eliminiert. Das ermöglicht Free-Threaded-Operationen – und eröffnet damit weitere Wege zu erheblichen Leistungssteigerungen. Ob CPython damit auf dem Weg ist, PyPy zu verdrängen, haben wir in einem Benchmark-Vergleich herausgefunden.

Wo PyPy unübertroffen bleibt

Aufgrund seiner Indirektion und Abstraktion performt CPython bei einfachen numerischen Operationen seit je her schlecht. In CPython gibt es etwa keine primitiven Ganzzahlen auf Maschinenebene. Das hat zur Folge, dass Benchmarks wie der folgende tendenziell recht schlecht ausfallen:

def transform(n: int):
    q = 0
    for x in range(0, n * 500):
        q += x
    return q


def main():
    return [transform(x) for x in range(1000)]

main()

Auf einem Ryzen 5 3600 mit sechs Kernen benötigt Python 3.14 etwa neun Sekunden, um diesen Benchmark auszuführen. PyPy hingegen erledigt das in nur etwa 0,2 Sekunden. Bei mathematischen Berechnungen profitiert der neue Python-JIT-Compiler noch nicht wirklich: Ist er aktiv, sinkt die Zeit geringfügig auf etwa acht Sekunden.

Kommt die No-GIL-Version von Python auf eine Multithread-Version desselben Codes zur Anwendung, sieht das folgendermaßen aus:

def transform(n: int):
    q = 0
    for x in range(0, n * 500):
        q += x
    return q


def main():
    result = []
    with ThreadPoolExecutor() as pool:
        for x in range(1000):
            result.append(pool.submit(transform, x))
    return [_.result() for _ in result]

main()

Der Unterschied ist, gelinde gesagt, dramatisch. Python 3.14 erledigt diese Aufgabe in 1,7 Sekunden. Das ist zwar immer noch ein ganzes Stück weit weg von den PyPy-Ergebnissen, aber ein ausreichend großer Sprung, um die Nutzung von Threads und No-GIL zu rechtfertigen.

Ironischerweise verlangsamt die Multithread-Version auf PyPy die Execution drastisch – statt 0,7 stehen 2,1 Sekunden auf der Uhr. Das liegt daran, dass PyPy weiterhin über einen GIL-ähnlichen Sperrmechanismus verfügt und damit keine vollständige Parallelität zwischen den Threads besteht. Die JIT-Kompilierung von PyPy funktioniert am besten, wenn alles in einem einzigen Thread ausgeführt wird.

Einen Prozess- gegen einen Thread-Pool auszutauschen, ist an dieser Stelle auch nicht wirklich hilfreich. Eine Prozess-Pool-Version des oben angeführten Beispiels beschleunigt die Ausführung zwar etwas (auf PyPy um 1,3 Sekunden) – allerdings sind Prozess-Pools und Multiprocessing auf PyPy bei weitem nicht so gut optimiert wie in CPython.

Die Zeitwerte für “Vanilla” Python 3.14 nochmals im Überblick:

• Ohne JIT, GIL: 9 Sekunden;
• Mit JIT, GIL: 8 Sekunden;
• Ohne JIT, ohne GIL: 9,5 Sekunden.

Der No-GIL-Build ist bei Single-Thread-Operationen immer noch etwas langsamer als die reguläre Version. JIT hilft hier ein wenig, aber nicht viel. Die gleiche Aufschlüsselung für Python 3.14 und einen Prozess-Pool:

• Ohne JIT, GIL: 1,75 Sekunden;
• Mit JIT, GIL: 1,5 Sekunden;
• Ohne JIT, ohne GIL: 2 Sekunden.

Mit anderen Skript-Formen sehen die Werte für Python 3.14 folgendermaßen aus:

• Threaded-Version ohne GIL: 1,7 Sekunden;
• Multiprocessing-Version mit GIL: 2,3 Sekunden;
• Multiprocessing-Version mit GIL und JIT: 2,4 Sekunden;
• Multiprocessing-Version ohne GIL: 2,1 Sekunden.

Und die Ergebnisse von PyPy:

• Single-Threaded-Skript: 0,2 Sekunden;
• Multithreaded-Skript: 2,1 Sekunden;
• Multiprocessing-Skript: 1,3 Sekunden.

Das n-Body-Problem

Ein weiterer Benchmark mit mathematischem Schwerpunkt, bei dem Vanilla Python traditionell schlecht abschneidet, ist n-body. Auch dieses Problem lässt sich nur schwer durch parallele Berechnungen beschleunigen. Es ist zwar möglich, aber nicht einfach.

Mit 1.000.000 Wiederholungen liefert der n-body-Benchmark folgende Ergebnisse:

• Python 3.14, ohne JIT: 7,1 Sekunden;
• Python 3.14, mit JIT: 5,7 Sekunden;
• Python 3.15a4, ohne JIT: 7,6 Sekunden;
• Python 3.15a4, mit JIT: 4,2 Sekunden.

Für die JIT-fähigen Editionen von Python ist das relativ beeindruckend. PyPy durchläuft denselben Benchmark allerdings in nur 0,7 Sekunden.

Pi berechnen

Manchmal hat sogar PyPy Probleme mit Mathematik-lastigen Python-Programmen. Werfen Sie etwa einen Blick auf diese Implementierung, um die Nachkommastellen von Pi zu berechnen. Das ist ein weiteres Beispiel für einen Task, der sich kaum oder gar nicht parallelisieren lässt – deswegen nutzen wir an dieser Stelle einen Single-Threaded-Test.

Die Berechnung von 20.000 Nachkommastellen führt zu folgendem Ergebnis:

• Python 3.14, ohne JIT: 13,6 Sekunden;
• Python 3.14, mit JIT: 13,5 Sekunden;
• Python 3.15, ohne JIT: 13,7 Sekunden;
• Python 3.15, mit JIT: 13,5 Sekunden;
• PyPy: 19,1 Sekunden.

Überraschend ist hier vor allem, dass PyPy in diesem Szenario schlechter performt als Standard-Python.

Hier hat CPython aufgeholt

Eine Variante des Google-n-Gram-Benchmarks verarbeitet eine mehrere Megabyte große CSV-Datei und erstellt dazu einige Statistiken. Dadurch ist dieser Benchmark stärker I/O-gebunden als die vorherigen, die eher CPU-gebunden waren. Dennoch ist es möglich, ihn für nützliche Informationen über die Runtime-Geschwindigkeit hernazuziehen.

Wir haben drei Varianten dieses Benchmarks erstellt: Single-Threaded, Multi-Threaded und Multi-Process. Hier ein Blick auf die erstgenannte Version:

import collections
import time
import gc
import sys
try:
    print ("JIT enabled:", sys._jit.is_enabled())
except Exception:
    ...

def main():
    line: str
    fields: list[str]
    sum_by_key: dict = {}

    start = time.time()

    with open("ngrams.tsv", encoding="utf-8", buffering=2 << 24) as file:
        for line in file:
            try:
                fields = line.split("\t", 3)
            except:
                continue
            try:
                sum_by_key[fields[1]] += int(fields[2])
            except:
                sum_by_key[fields[1]] = int(fields[2])

    summation = collections.Counter(sum_by_key)
    max_entry = summation.most_common(1)
    stop = time.time()
    print(stop - start)

    if len(max_entry) == 0:
        print("No entries")
    else:
        print("max_key:", max_entry[0][0], "sum:", max_entry[0][1])

try:
    gc.freeze()
    gc.disable()
except Exception:
    ...
main()

So verarbeitet Python 3.14 diesen Benchmark mit verschiedenen Skript-Versionen:

• Single-Threaded, GIL: 4,2 Sekunden;
• Single-Threaded, JIT, GIL: 3,7 Sekunden;
• Multi-Threaded, ohne GIL: 1,05 Sekunden;
• Multi-Processing, GIL: 2,42 Sekunden;
• Multi-Processing, JIT, GIL: 2,4 Sekunden;
• Multiprocessing, kein GIL: 2,1 Sekunden.

Die Ergebnisse mit PyPy:

• Single-Threaded: 2,75 Sekunden;
• Multi-Threaded: 14,3 Sekunden (kein Tippfehler);
• Multiprocessing: 8,7 Sekunden.

In diesem Szenario kann die CPython-Version ohne GIL und mit Multithreading sogar PyPy in seiner Optimalkonfiguration schlagen. Bislang existiert zwar noch keine CPython-Version, die JIT und Free Threading unterstützt – aber diese ist nicht mehr weit entfernt und könnte das Bild noch weiter verschieben.

CPython vs. PyPy – das JIT-Fazit

Zusammenfassend lässt sich festhalten, dass PyPy grundlegende, nicht optimierte Versionen eines Mathematik-lastigen Skripts immer noch besser verarbeitet als CPython. Aber: CPython erzielt durch Free Threading und Multiprocessing drastische, relative Verbesserungen. PyPy kann diese integrierten Funktionen zwar nicht nutzen, aber seine Grundgeschwindigkeit ist so hoch, dass Threading oder Multiprocessing für einige Aufgaben nicht wirklich erforderlich sind. Beispielsweise lässt sich das n-body-Problem nur schwer parallelisieren. Die Berechnung von Pi ist so gut wie gar nicht parallelisierbar. Es ist also von Vorteil, diese Algorithmen schnell in Single-Thread-Versionen auszuführen.

Herausgestochen hat bei unserem Vergleichstest, dass die Vorteile von PyPy nicht universell – oder gar konsistent – sind. Sie variieren vielmehr je nach Szenario. Und selbst innerhalb desselben Programms kann es eine enorme Vielfalt an Szenarien geben. Einige Programme laufen mit PyPy enorm schnell, aber vorab einzuschätzen, welche das sind, ist nicht trivial und nur über einen Benchmark der Anwendung herauszufinden. Zu beachten ist darüber hinaus, dass auch Multiprocessing mit PyPy weniger gut funktioniert, weil es im Vergleich zu CPython einen deutlich langsameren Mechanismus zur Datenserialisierung zwischen Prozessen einsetzt.

So schnell PyPy auch sein mag, die hier vorgestellten Benchmarks verdeutlichen die Vorteile echter Parallelität mit Threads in bestimmten Szenarien. (fm)

Dieser Artikel ist im Original bei unserer Schwesterpublikation Infoworld.com erschienen.

Die Zeiten, in denen Large Language Models (LLMs) für offene Münder sorgten, einfach nur weil sie ganze Sätze generieren, sind längst vorbei. Inzwischen liegt der Fokus vor allem darauf, KI-Modellen tiefgehendes Fachwissen „beizubringen“. Der beste Weg, um das zu erreichen, ist Spezialisierung: Anstatt ein „One-Size-Fits-All“-Modell zu entwickeln, wird gezielt ein spezialisiertes für Fachgebiete aufgebaut – etwa die Medizin, das Rechts- oder das Bankwesen.   

Dieser Trend zur Spezialisierung wird ebenso sehr von Effizienz wie von Qualität getrieben: Fokussierte KI-Modelle verursachen geringere Betriebskosten – und auch ihr Training kann sich weniger kostenintensiv gestalten, zumindest wenn ein solider Korpus an Trainingsdaten vorhanden ist. Das ist eine Herausforderung für sich, der nicht wenige Teams damit begegnen, dedizierte Experten an Bord zu holen, um Ontologien aufzubauen und Antworten doppelt zu überprüfen. Und das aus gutem Grund: Bei generalistischen (Consumer-)LLMs sind ein paar Halluzinationen unter Umständen noch verschmerzbar – wenn es um medizinische oder rechtliche Fragen geht, ist das nicht akzeptabel.

In diesem Artikel stellen wir Ihnen 17 interessante LLM-Optionen vor, die sich besonders gut für ganz spezifische Aufgabenbereiche eignen.

BioGPT

Microsoft hat BioGPT entwickelt, indem es ein Transformer-Modell auf Basis der GPT-2-Architektur mit Millionen von PubMed-Zusammenfassungen trainiert hat. Das Ziel war es, ein generatives Tool zu schaffen, das fundierte und verständliche Antworten auf Fragen im Bereich Biomedizin liefern kann.

Inzwischen wurden auch erweiterte Versionen des LLM entwickelt – etwa BioGPT-Large und BioGPT-Large-PubMedQA. Diese liefern noch bessere Outputs, allerdings auf Kosten einer vier- bis fünffachen Erhöhung der Parameterzahl.

BioMistral

Das Mistral-Team hat auf Grundlage seines Mistral 7B Instruct v0.1-Grundmodells BioMistral entwickelt. Da das Grundmodell darauf ausgelegt ist, Anweisungen zu befolgen, eignet es sich besonders gut, um bei Standard-Tasks zu unterstützen – etwa Zusammenfassungen zu generieren.

Die Mehrsprachigkeit des Basismodells eröffnet zudem globale Möglichkeiten. 4-Bit- und 8-Bit-Versionen realisieren zudem den Einsatz bei Deployments mit eingeschränkten Ressourcen. Mistral bietet zudem mehrere experimentelle Versionen des LLMs (DARE, TIES und SLERP) an, die mithilfe verschiedener Algorithmen entwickelt wurden, um neue medizinische Informationen einzubinden.

BloombergGPT

Investoren und Trader, die ein Bloomberg-Abo besitzen, können auch BloombergGPT befragen.

Das KI-Finanzmodell mit 50 Milliarden Parametern wurde auf der umfangreichen Dokumentensammlung des Unternehmens trainiert, die über gut eine halbe Dekade zusammengestellt wurde.

ChatGPT Health

OpenAI hat ChatGPT Health entwickelt, um Patienten ein Tool an die Hand zu geben, das dabei unterstützen kann, sich auf Arzttermine vorzubereiten und Diagnosen zu interpretieren. Darüber hinaus beantwortet dieses LLM auch einige allgemeine Fragen, etwa zur Nutzung von Gesundheits-Apps wie Apple Health.

Neben dem Zweck, medizinische Informationen zu liefern wurde das Modell auch mit dem Ziel entwickelt, sich leicht in andere Softwarelösungen integrieren zu lassen. Laut OpenAI steht der Datenschutz dabei im Vordergrund. Nichtsdestotrotz ist es (unter anderem) für Deutschland derzeit noch nicht freigegeben.

ClimateBERT

ClimateBERT wurde mit klimabezogenen Texten, Forschungsarbeiten und Berichten von Unternehmen vortrainiert. Dieses LLM ermöglicht es den Benutzern, Absätze in Texten zu finden und zu analysieren, in denen klimarelevante Themen diskutiert werden.

Das Modell ist nicht nur dazu in der Lage, diese Diskussionen zu lokalisieren, sondern auch deren Sentiment zu klassifizieren.

COiN

JP Morgan Chase hat das COiN-Modell entwickelt, um die verschiedenen Geschäftsdokumente zu analysieren, die die Beziehungen zu seinen Kunden und Partnern regeln. Der Fokus lag dabei vor allem auf den im Vertragsrecht üblichen sprachlichen Strukturen. Damit kann das LLM verschiedenen Dokumente auf rechtliche Schwachstellen analysieren.

Schätzungen zufolge kann dieses KI-Modell einer Rechtsabteilung 30 Prozent Zeit einsparen und Vertragsverhandlungen beschleunigen. Anmerkung: JP Morgan verfügt auch über einen Krypto-Token namens COIN, der jedoch nicht mit dem LLM in Verbindung steht.

CyLens

Ein Team von Wissenschaftlern hat CyLens entwickelt, um Security-Profis dabei zu unterstützen, Cyber Threats zu bekämpfen.

Dazu haben die Macher mehrere hunderttausend Threat Reports zu einem Trainingsdatensatz zusammengefasst. Dadurch ist das LLM etwa in der Lage, Bedrohungen zu attribuieren oder Angriffskampagnen zu analysieren.

DeepSeek-R1 Legal

Diverse Benutzer haben das Grundmodell von DeepSeek mit verschiedenen juristischen Dokumenten feinabgestimmt und das Ergebnis anschließend quantisiert.

Dabei war die Zielsetzung, das „Chain-of-Thought“-Modell klein genug zu halten, um es lokal betreiben zu können – etwa in Anwaltskanzleien.

Earth-2

Die Earth-2-LLMs wurden von Nvidia entwickelt, um multivariable Wettervorhersagen zu realisieren oder atmosphärische Bedingungen auf Stadtebene zu simulieren – inklusive einer Visualisierung die dem Ruf Nvidia als Grafik-Krösus gerecht wird.

Zum „Paket“ gehören mehrere verschiedene Modelle, die entweder auf unmittelbare Vorhersagen (Earth-2 Nowcasting) oder auf längerfristige globale Prognosen (Earth-2 Medium Range) abgestimmt sind.

FinGPT

Das Team der AI4Finance Foundation hat FinGPT als Open-Source-Alternative für alle entwickelt, die Antworten auf Fragen zur Unternehmensfinanzierung und zu den Wertpapiermärkten benötigen.

Insofern ist dieses LLM darauf optimiert, die historische Wertentwicklung von Aktien zu analysieren – und Prognosen für die nahe Zukunft zu erstellen. Das Tool ist nur eines von vielen, die von der AI4Finance Foundation entwickelt wurden.

GNoME

Die Idee hinter GNoME (kurz für „Graph Networks for Materials Exploration“) besteht darin, das menschliche Wissen über Moleküle und Kristallstrukturen zu organisieren. Das soll es Wissenschaftlern und Ingenieuren erleichtern, das richtige Material für eine spezifische Aufgabe zu finden.

Hierbei handelt sich nicht um ein LLM im eigentlichen Sinn, sondern um ein „Graph Neural Network“, das auf Tausenden bekannter Molekülstrukturen trainiert wurde.

MedGemma

Diese Open-Weight-Modelle von Google sollen dabei unterstützen, medizinische Bilder und Texte in Krankenakten zu entschlüsseln. Bilddaten von Röntgenaufnahmen oder höherdimensionalen Quellen wie CT-Scans können ebenfalls ausgewertet werden.

Die Modelle können als nützliche Bausteine für die Forschung oder für komplexere KI-Pipelines fungieren. Sie stehen auch über Google Cloud sowie über Hugging Face und andere Open-Weight-Repositories zur Verfügung.

Meditron-70B

Das Team der École Polytechnique Fédérale de Lausanne hat dieses medizinische Open-Weight-LLM entwickelt, das auf Llama-2-70B aufbaut. Der Trainingsdatensatz für das Modell wurde auf Basis von PubMed-Artikeln und -Abstracts sowie einigen standardmäßigen, klinischen Guidelines zusammengestellt

Die Zielsetzung war dabei ein Modell, das viele Standardfragen aus der medizinischen Ausbildung beantworten und gleichzeitig Ärzte unterstützen kann, die sich tiefgehender mit einer Diagnose auseinandersetzen müssen.

Med-PaLM

Med-PaLM wurde von Google mit einer speziellen Architektur entwickelt. Diese ist darauf optimiert, präzise Antworten zu liefern, auf die sich Ärzte verlassen können. Das auf dem Transformer-Modell basierende System wird in allen Phasen des Datenverarbeitungsprozesses so abgestimmt, dass die Genauigkeit im Vordergrund steht und gleichzeitig das Risiko für unzureichende Outputs minimiert wird.

Im Ergebnis hat dieses LLM hervorragende Ergebnisse bei umfassenden Tests seines klinischen Wissens sowie bei Messungen der Widerstandsfähigkeit gegenüber Adversarial-Angriffen geliefert. Google vertreibt dieses Modell zwar nicht, vermarktet es jedoch als Teil der MedLM-Modellfamilie für Gesundheitsdienstleister.

OpenDAC

Das OpenDAC-Modell wurde von Wissenschaftlern entwickelt, die sich mit Projekten zur Eindämmung des Klimawandels beschäftigen. Das Ziel dabei war es, ein Modell zu entwickeln, das bei der Suche nach den besten Chemikalien zur Absorption von CO2 helfen kann.

Dabei handelt es sich um eine sehr spezifische Herausforderung, die jedoch ein großes Problem darstellt. Denn diese Chemikalien müssen sowohl wirtschaftlich vertretbar als auch effektiv sein.

Sec-PaLM 2

Google hat sein PaLM-2-Modell mit einer Sammlung von Dokumenten trainiert, die Beispiele für Sicherheitsbedrohungen und schadhaften Code sind.

So ist das Sec-PaLM-2-LLM in der Lage, Sicherheitsprobleme in natürlicher Sprache mit jedem zu „besprechen“, der Fragen zu Anomalien in Logdateien oder E-Mail-Anhängen haben könnte. Das Unternehmen integriert das Modell in andere Google-Produkte wie die Vertex AI Workbench oder das Gemini Security Command Center.

WiseYield

Diese KI-gestützte Prognose-Engine unterstützt Landwirte bei der Entscheidung, wann der beste Zeitpunkt ist, um Saatgut auszubringen – oder zu ernten.

Dazu stützt sich das LLM auf Wettervorhersagen sowie historische Daten. (fm)

Dieser Artikel ist im Original bei unserer Schwesterpublikation Infoworld.com erschienen.

Erst Ende 2024 gegründet, hat das österreichische Deep-Tech-Startup Emmi AI nun in Rekordzeit einen Exit hingelegt. Wie das Linzer Unternehmen bekannt gab, wurde es von der französischen KI-Schmiede Mistral AI übernommen. Mit der Akquisition, so hieß es, wolle Mistral AI seine Position im Bereich industrieller KI stärken und eine umfassende KI-Plattform für Engineering- und Simulationsanwendungen aufbauen.

Emmi AI hat sich auf sogenannte „Physics AI“-Modelle spezialisiert. Die Technologie soll industrielle Simulations- und Entwicklungsprozesse in Branchen wie Energie, Automobilindustrie, Halbleiterfertigung und Luftfahrt deutlich beschleunigen. Zum Einsatz kommen die Lösungen unter anderem bei Echtzeit-Simulationen, digitalen Zwillingen sowie bei komplexen physikalischen Berechnungen.

Strategischer Ausbau des Portfolios

Mit der Übernahme verfolgt Mistral AI ambitionierte Ziele im europäischen Industriemarkt. Das Unternehmen kombiniert seine KI-Plattform mit dem Engineering-Know-how von Emmi AI und will sich damit als führender Transformationspartner für Industrieunternehmen positionieren.

Das Team von Emmi AI, darunter mehr als 30 Forscher und Ingenieure, wird im Mai 2026 zu den Science- und Applied-AI-Teams von Mistral AI wechseln. Zudem kündigte das Unternehmen an, seine Investitionen in Europa weiter auszubauen. Besonders Österreich, Deutschland und Litauen, wo Teile des Emmi-Teams angesiedelt sind, sollen davon profitieren.

„Diese strategische Übernahme festigt unsere Führungsposition im Bereich Industrial AI und macht uns zum bevorzugten Partner für Hersteller in anspruchsvollen Branchen wie Luftfahrt, Automobilindustrie und Halbleiterfertigung“, kommentiert Arthur Mensch, Mitgründer und CEO von Mistral AI, den Zukauf. Ziel sei es, Kunden eine vollständig integrierte Plattform zur Lösung komplexer Entwicklungs- und Forschungsaufgaben bereitzustellen.

Auch Guillaume Lample, Mitgründer und Chief Science Officer von Mistral AI, sieht in der Übernahme einen Wendepunkt für industrielle Innovationen. Durch den Einsatz von Physics AI wolle das Unternehmen Echtzeit-Simulationen und hochentwickelte digitale Zwillinge ermöglichen und damit langjährige technische Hürden überwinden.

Die Höhe des Kaufpreises für Emmi AI wurde nicht bekannt gegeben.

In modernen Unternehmen greifen wir oft standardmäßig auf zentralisierte Befehls- und Kontrollstrukturen zurück. In Umgebungen, in denen viel auf dem Spiel steht – sei es ein Andengipfel, der von einem Whiteout heimgesucht wird oder eine volatile, weltumspannende Supply Chain –, stellt diese Zentralisierung einen „Single Point of Failure“ dar.

Um Komplexität und Risiken zu managen, gilt es in beiden Fällen, sich an der Architektur dezentraler Netzwerke zu orientieren. Das habe ich auf dem dritthöchsten Berg Ecuadors – dem Vulkan Cayambe – selbst erlebt.

Der Sturm im Hochlager

Die Steinmauern der Schutzhütte konnten unseren Herzschlag angesichts des draußen tobenden Sturms kaum besänftigen. Der Wind pfiff durch die Ritzen im Mauerwerk, während gefrorener Regen wie eine Handvoll Murmeln gegen die Fenster prasselte. Ich lag auf dem Rücken, eingepackt in einen Schlafsack, und starrte auf die Unterseite des Etagenbetts über mir. Mein Rucksack stand aufrecht neben mir, Stiefel und Ausrüstung waren bereits mit fast schon zwanghafter Ordentlichkeit gestapelt, um im entscheidenden Moment des Aufbruchs maximale Effizienz zu gewährleisten. Mein Tagebuch, angefüllt mit den Erlebnissen der Woche, lag oben auf dem Rucksack neben meiner Stirnlampe.

Ich konzentrierte mich darauf, meine Atmung zu regulieren, um mich zu akklimatisieren. Ich atmete tief ein und aus, um jeden Hauch Sauerstoff in der dünnen Luft optimal zu nutzen. Um 1:30 Uhr morgens betrat unser Haupt-Guide den Raum und verkündete, dass die Wetterlage schwierig sei, weswegen wir abwarten müssten. Es wurde 2:00 Uhr, 2:30 Uhr, 2:45 Uhr, 2:46 Uhr – wenn es eine Besteigung gab, die ich nur zu gerne auslassen wollte, dann diese. Um 2:48 Uhr beschloss der Guide allerdings, dass wir den Aufstieg trotz des ungünstigen Wetters versuchen würden. Also machten wir uns in einer Gruppe von acht Menschen auf den Weg. Wir versammelten uns draußen, bildeten vier Seilschaften („Rope Teams“), sprachen die Route nochmals ab und nahmen den Gipfel des Cayambe ins Visier.

Auf der folgenden Tour bestimmten unsere Guides nicht jeden Schritt wie in einer traditionellen hierarchischen Struktur, in der Informationen nach oben geleitet werden müssen, damit eine Entscheidung getroffen wird (und dann wieder nach unten geleitet, um ausgeführt zu werden). Stattdessen funktionierte die Expedition als eine Reihe von Nodes, beziehungsweise Knotenpunkten (Rope Teams). Jeder Bergführer war in seinem spezifischen Kontext autoritativ und verfügte über die Autonomie, Entscheidungen in Echtzeit auf der Grundlage des unmittelbar vor uns liegenden Terrains zu treffen.

Auf einem Berg wäre eine Verzögerung (Latenz) wie in der hierarchischen Struktur tödlich. Indem Autorität verteilt wird, entsteht eine Expedition, die „composable“ ist. Jedes Team agiert unabhängig, bleibt aber durch den „Shared State“ des Berges synchronisiert.

Der unerbittliche Aufstieg

Unser erster Abschnitt erforderte einen schwierigen Aufstieg über 450 Meter freiliegenden Fels – während uns die Elemente unerbittlich um die Ohren schlugen. Unsere Stirnlampen waren gegen den Whiteout fast nutzlos. Gefrorener Regen bildete eine Kruste auf meinem Gesicht, Eiskristalle nahmen meine Schutzbrille in Beschlag. Um mein Gesicht zu schützen, hielt ich den Kopf gesenkt – meine Lampe schaffte es ohnehin kaum, mehr als ein paar wenige Meter Vulkanasche und Eis auszuleuchten.

Langsam stiegen wir weiter auf. Jeden meiner Schritte beendete ich mit einem bewussten Strecken des hinteren Beins – dem sogenannten „Rastschritt“ –, um einen Moment der Erholung zu gewinnen. Ich verlor zwei Teams bereits aus den Augen – die Lichter des dritten flackerten noch wie erlöschende Funken etliche Meter entfernt. Das Heulen des Windes wurde nur von kurzen „Pieptönen“ aus dem Funkgerät unterbrochen. Durch das Rauschen hörte ich die gedämpften Stimmen der Bergführer, die Standorte, Gefahren und Routen diskutierten. Selbst in der Isolation dieses Sturms wusste ich, dass wir miteinander verbunden waren.

Wir erreichten den Gletscher unabhängig voneinander. Ich schlüpfte in meinen Klettergurt, schnallte meine Steigeisen an und sicherte mich mit einem Seil. Sobald ein Team doppelt sicherheitstechnisch überprüft worden war, verschwand es in der Dunkelheit. Innerhalb kurzer Zeit wuchs der Abstand zwischen uns erneut, bis ich die anderen nicht mehr sehen konnte. Mein Guide und ich fanden jedoch einen eigenen Rhythmus, das Seil blieb straff zwischen uns gespannt.

In solchen Momenten – wenn niemand sonst auf dem Berg zu sehen ist – verlangsamt sich die Zeit. Die Herausforderung wird innerlich, und man beginnt, jede Lebensentscheidung zu hinterfragen, die einen auf einen gefrorenen Grat in 5.800 Metern Höhe geführt hat. Die Funkpieptöne setzten sich fort – der Grund dafür war ich. Bei unserer letzten Gipfelbesteigung des Antisana hatte ich mit einer hartnäckigen Bronchitis zu kämpfen, die sich nun zurückmeldete. Mein Blutsauerstoffgehalt sank unter 85 Prozent – leider versagte jedoch mein Notfallinhalator in dieser Höhe. Auf zwei Dritteln des Weges zum Gipfel setzte schließlich der Husten ein. Ich kämpfte, bis ich einfach nicht mehr konnte.

Ich hustete heftig, meine Lungen brannten und keuchten. Plötzlich vibrierte meine Apple Watch und wollte einen Notruf absetzen. Ich schaltete die Smartwatch also aus, richtete mich auf, aß und trank etwas. Als wir weitergingen, setzten sich die „Signale“ aber fort und häuften sich – bis mich schließlich die Realität in Form eines schweren Hustenanfalls einholte. Letztlich kehrten wir deshalb um, beziehungsweise machten uns an einen alles andere als eleganten Abstieg.

Das verteilte Tagebuch

Am selben Tag trafen wir uns alle zum Essen und jedes Teammitglied schilderte seinen Weg und seine Erfahrungen. Die Erzählungen wurden miteinander abgeglichen, wodurch sich ein vollständiges Bild des Berges abzeichnete. Die Entscheidung, umzukehren, wurde dabei nicht nur in meinem Kopf “festgehalten”, sondern im kollektiven Gedächtnis des Teams. Das ist der Kern der Unveränderlichkeit (Immutability). In einem Distributed Ledger kann ein Ereignis, sobald es verifiziert und dem „Block“ (oder der Tagesetappe) hinzugefügt wurde, nicht mehr verändert oder gelöscht werden. Es wird Teil einer permanenten, überprüfbaren Ereigniskette, die eine „Single Source of Truth“ für die gesamte Organisation darstellt.

Bis heute bin ich immer noch beeindruckt von der Architektur professioneller Berg-Expeditionen. Jeder Bergführer hat Autorität über seine Seilschaft und arbeitet autonom – ist aber dennoch vernetzt. Der Chef-Guide trifft nicht jede kleine Entscheidung selbst: Er delegiert sie an die Knotenpunkte (die jeweiligen Bergführer), damit sie das tun, was in ihrem spezifischen Kontext am besten ist. Zusammengenommen wird jede einzelne Team-Erfahrung zur „Truth“ der Tour.

Genau so funktioniert ein Distributed Ledger: Am Arbeitsplatz kann ein Journal oder eine „Composable Authoritative Source“ auf verschiedene Systeme und Datenbanken aufgeteilt werden. Ähnlich wie bei unseren Seilschaften tragen verschiedene Organisationen oder Abteilungen die Verantwortung für ihren Teil eines Datensatzes. Sie arbeiten unabhängig voneinander, bilden jedoch gemeinsam einen singulären, autoritativen „Ledger“.

Konsensmechanismen in High-Entropy-Umgebungen

Die größte Herausforderung in verteilten Systemen – unabhängig davon, ob sie digital oder menschlich sind – ist der Konsens. Auch in Unternehmen ist es eine Kernfunktion, dass sich mehrere unabhängige Akteure auf eine Version von „Truth“ einigen – und sämtliche „Transaktionen“ aufzeichnen. Ein Protokoll bietet die Möglichkeit, die Transaktionen zwischen mehreren Systemen über interne Funktionen hinweg oder extern mit Geschäftspartnern zu synchronisieren und gewährt so einen ganzheitlichen Überblick über Wertströme.

In einem Distributed Ledger wird die „Truth“ im Wesentlichen durch zwei Methoden ermittelt – die ich beide auf dem Cayambe beobachten konnte:

1. Synchroner Konsens: Über Funkgeräte lieferten unsere Guides Status-Updates, um sicherzustellen, dass alle „Rope Teams“ über dieselben, aktuellen Informationen verfügen. Die Abstimmung dieser Perspektiven über den Tag hinweg gewährleistet „Proof of Work“ – die Bestätigung, dass der festgehaltene Fortschritt tatsächlich stattgefunden hat.
2. Gossip-Protokoll: Bei dieser alternativen Kommunikationsmethode besprechen die Guides Routen und Risiken mit anderen Teams, wenn sie sich begegnen. Die Informationen „springen“ sozusagen von Team zu Team. Auch im Fall eines Distributed Ledger werden Informationen dabei jedoch nicht im Stil eines „Stille-Post“-Spiels verfälscht. Vielmehr handelt es sich um eine schnelle Peer-to-Peer-Synchronisation, die letztendlich sicherstellt, dass jedes System die exakt selben Daten enthält.

Im Jahr 2026 sehen wir eine Entwicklung, die über Konsens hinausgeht, und „Proof of Work“ auch für widerstandsfähigere, asynchrone Modelle bietet. Um bei unserer Cayambe-Storyline zu bleiben: Der synchrone Konsens kann Fehlertoleranz beinhalten, die es dem Netzwerk ermöglicht, eine Einigung zu erzielen, selbst wenn einige „Nodes“ (Bergsteiger) offline sind oder widersprüchliche Signale senden.

Darüber hinaus kann das Gossip-Protokoll erweitert werden, um die Historie darüber, wer was wann gesagt hat, als “Directed Acyclic Graph“ (DAG) weiterzugeben. Im Gegensatz zu einer linearen Kette ermöglicht ein DAG, dass mehrere „Events“ gleichzeitig stattfinden. Übertragen auf das Alpinisten-Szenario: Team A kann einen Steinschlag umgehen, während Team B einen Gletscher überquert. Beide Realitäten werden in den Master-Datensatz synchronisiert – wobei keine Seite darauf warten muss, dass die andere fertig wird.

Blockchain-Konzepte im Bergsteiger-Kontext

Unsere Reiseberichte und Tagebücher „sichern“ die Informationen des jeweiligen Tages. Die Bewegungen zwischen den verschiedenen Lagern und dem Gipfel werden als Informationsblöcke kodiert. Diese werden wiederum zu einer Abfolge von Ereignissen zusammengefügt. Würde jemand versuchen, die Historie des zweiten Tages zu verändern, stünde das nicht mehr in Einklang mit der Realität.

In einer digitalen Blockchain werden diese Daten verschlüsselt und in eine Sequenz gebracht. Dadurch ist die Transaktionshistorie dauerhaft und für jeden Teilnehmer überprüfbar. Transaktionen können nicht mehr gelöscht oder verändert werden. Allerdings gibt es einen pragmatischen Ansatz, falls regulatorische Bestimmungen ein „Recht auf Vergessenwerden“ vorsehen: Eine Hyperledger Fabric bietet die Möglichkeit, Informationen zu verändern oder zu löschen.

Die nachfolgende Tabelle veranschaulicht Blockchain-Konzepte im Alpinisten-Kontext:

Objekt	“Berg”-Beispiel	Distributed Ledger
Node	ein einzelner Kletterer oder eine Seilschaft	ein Computer oder System
Transaktion	ein Ereignis oder Faktum während des Aufstiegs	eine Datenaufzeichnung
Konsens	per Funkkommunikation, Storytelling oder Peer-to-Peer-Gossip	über die Validierung des „Work State“
Block	ein abgeschlossenes und verifiziertes Segment der Expedition	ein Bündel verifizierter Transaktionen
Chain	die fortlaufende Route vom Basiscamp über die einzelnen Segmente bis zum Abschluss	die chronologische Anordnung von verlinkten Blöcken

Strategische Auswirkungen für Unternehmen

Wenn Sie sich nun Fragen, warum das für C-Level-Manager von Bedeutung ist: Indem sie sich ein Distributed-Ledger-Mindset aneignen, können Unternehmen einen verteilten Wertstrom erzeugen, bei dem Ledger über externe Geschäftspartner, Kunden und Lieferanten hinweg geführt werden. Das kann das Business enorm beschleunigen.

Konkret heißt das:

• Flexibilität und Agilität: Mithilfe von Distributed Ledgers können Unternehmen von monolithischen zu modularen Systemen auf Basis von Microservices übergehen, die gemeinsam orchestriert werden.
• Radikale Transparenz: Jeder Stakeholder hat Zugriff auf eine identische, in Echtzeit aktualisierte Aufzeichnung der „Truth“. Diese kann auch grenzüberschreitende Informationen mit externen Geschäftspartnern, Kunden oder Lieferanten umfassen. So entsteht ein vollständig integrierter Wertstrom, der „composable“ ist.
• Operative Ausfallsicherheit: Wenn eine „Node“ (ein Lieferant oder eine regionale Niederlassung) ausfällt, gewährleistet das übrige Netzwerk die Integrität der Daten.
• Geringere Reibungsverluste: Statt sich auf manuelle Audits oder Dritte zu verlassen, ist Trust Bestandteil der Systemarchitektur.

Letztendlich geht es bei einem Distributed Ledger weniger um den zugrundeliegenden Code und mehr um die Philosophie des kollektiven Vertrauens. Ob man nun durch die „Todeszone“ eines Berges oder die Komplexität eines globalen Marktes navigiert – die Wahrheit ist am resilientesten, wenn sie nicht „im Besitz“ eines einzelnen Guides ist. Sondern von allen getragen wird, die mutig genug sind, diese Reise anzutreten. (fm)

Dieser Beitrag wurde im Rahmen des englischsprachigen Expert Contributor Network von Foundry veröffentlicht. Alle Infos zum deutschen Experten-Netzwerk finden Sie hier.

Customer Identity & Access Management (CIAM) bildet eine Unterkategorie von Identity & Access Management (IAM). CIAM wird dazu eingesetzt, die Authentifizierungs- und Autorisierungsprozesse von Applikationen zu managen, die öffentlich zugänglich sind, beziehungsweise von Kunden bedient werden.

Geht es darum, die für Ihr Unternehmen passende CIAM-Lösung zu ermitteln, gilt es, die Benutzerfreundlichkeit mit einer langen Liste von Geschäftszielen und -anforderungen ins Gleichgewicht zu bringen:

• Marketingverantwortliche wollen Daten über Kunden und deren Geräte sammeln.

• Datenschutzbeauftragte wollen sicherstellen, dass alle Prozesse mit den Datenschutzbestimmungen in Einklang stehen.

• Security- und Risiko-Entscheider wollen die Integrität der Konten sicherstellen und die betrügerische Nutzung von Anmeldedaten so weit wie möglich verhindern.

Um Sie bei diesem heiklen Balanceakt zu unterstützen, haben wir die derzeit besten Lösungen, die der Markt für Customer Identity & Access Management zu bieten hat, für Sie zusammengestellt.

Empfehlenswerte Customer Identity & Access Management Tools

Die folgenden CIAM-Plattformen und -Lösungen werden von Analysten und Kunden aufgrund ihres Funktionsumfangs, ihrer Erweiterbarkeit und ihrer Benutzerfreundlichkeit bevorzugt.

IBM Security Verify

Im Enterprise-Bereich erhält IBMs Security Verify gute Noten für seine robuste Infrastruktur, die durch eine containersierte Multi-Cloud-Architektur gestützt wird. Diese ist nicht nur skalierbar, sondern bietet Unternehmen auch die Möglichkeit, isolierte Kundeninstanzen zu managen. Dabei bietet die IBM-Lösung Support für eine Vielzahl von Authentifizierungsstandards, inklusive FIDO 2 Server-Zertifizierung. Um Marketing-Analysen oder BI-Funktionen zu integrieren, können die Kunden entweder das IBM-eigene Ökosystem oder Drittanbieter über ein ausgedehntes Konnektoren-Portfolio ins Boot holen.

Ein wichtiges Alleinstellungsmerkmal des IBM-Produkts: Während viele andere CIAM-Produkte in Sachen risikobasierte Authentifizierung und Betrugsbekämpfung nur Integrationsoptionen anbieten können, bringt Security Verify diese Funktionen nativ mit: Die “Trusteer”-Funktionen nutzen Analysefunktionen, um Betrug mit Hilfe von KI-gestütztem, adaptivem Zugriff zu reduzieren. Das System nutzt eine Kombination aus Anomalieerkennung, Erkennung von Betrugsmustern und anderen passiven Verhaltensanalysen, um die Vertrauenswürdigkeit eines Kontos zu bewerten und die Authentifizierungsanforderungen entsprechend anzupassen.

Darüber hinaus bietet die IBM-Lösung auch ein Self-Service-Portal für die Benutzer, um Einwilligungen zu managen sowie eine Low-Code/No-Code-Management-Funktion, die Datenschutzbeauftrage und Business-Entscheidern ermöglicht, Datenschutzrichtlinien und -anforderungen ohne die Hilfe von Softwareentwicklern festzulegen und zu optimieren.

LoginRadius

Wenn Sie in Sachen CIAM eine schlüsselfertige Lösung suchen, die für ihre einfache Implementierung und Bedienung bekannt ist, sollten Sie einen Blick auf das Angebot von LoginRadius werfen: Sie bringt umfassenden API-Support mit und lässt sich in vielfacher Hinsicht an ihre Bedürfnisse anpassen. Allerdings handelt es sich hierbei nicht um eine Plattform, die für umfangreiche Code-Anpassungen unter der Haube gedacht ist. Vielmehr adressiert sie als No-Code-Lösung Unternehmen, die wenig bis gar keine Entwicklungsarbeit leisten wollen oder können.

Onboarding-Workflows werden über eine grafische Benutzeroberfläche abgewickelt, Richtlinien über Dropdown-Listen erstellt. Zu Integrationszwecken steht ein Marktplatz mit vordefinierten Konnektoren zur Verfügung. Darüber hinaus enthält die CIAM-Plattform auch eine integrierte Analyse-Engine mit Dutzenden von Reportings für Marketing- und Identitätsanalysen. Um Datenschutz- und Compliance-Anforderungen gerecht zu werden, stehen grundlegende Consent-Management- und Self-Service-Funktionen zur Verfügung – zudem wird etwa Social Login unterstützt.

Für die einfache Bedienung und die Deployment-Vorzüge opfern Unternehmen ein gewisses Maß an Kontrolle: So verfügt das Tool zwar über eine Authentifizierungs-Risiko-Engine, bietet aber nur wenig Kontrolle über dessen Priorisierung. Für Betrugserkennungs-Funktionen von Drittanbietern stehen nicht besonders viele Konnektoren zur Verfügung und Geräteattribute werden für Risikobewertungen und -analysen zwar untersucht, allerdings nur in begrenztem Umfang.

Microsoft Entra

Microsoft ist zwar ein wichtiger Akteur auf dem breiteren IAM-Markt, arbeitet sich in Sachen CIAM aber immer noch auf der Reifegradskala nach oben. Im Rahmen ihrer letzten großen Access-Management-Analyse argumentierten die Marktforscher von Gartner, die CIAM-Funktionen von Azure AD seien im Vergleich zu den Konkurrenzangeboten unausgereift, weswegen die meisten Kunden das Produkt nur für Workforce-Szenarien verwendeten. Seitdem ist allerdings viel passiert: Microsoft hat mit Nachdruck in sein gesamtes Identity-Portfolio investiert und sich mit einer neuen Produktlinie namens Entra positioniert. Diese umfasst nun das komplette Azure-AD-Paket, inklusive der CIAM-Funktionalitäten von Azure AD External Identities – zudem wurde auch die Open-Standard-Plattform Verified ID in den Mix aufgenommen. Microsoft setzt auf dieses dezentrale Identitätsnachweis-Ökosystem in erster Linie für Mitarbeiterszenarien und setzt damit einen langfristigen strategischen Schwerpunkt, der sich vermutlich auch auf externe Anwendungsfälle erstrecken wird.

Trotz einiger großer Funktionslücken – etwa fehlende Consumer Privacy Dashboards oder der eher rudimentären Adaptive-Authentication-Policy-Konstruktion – hat Azure AD External Identities Vorteile: Es ist extrem skalierbar, einfach zu bedienen und verfügt über einige starke Account-Takeover-Schutzmechanismen. Zudem lässt es sich gut mit Microsofts BI- und CRM-Plattformen für erweiterte Analysen integrieren und bietet ein kontinuierlich wachsendes Integrations-Ökosystem.

Okta / Auth0

Nach der Übernahme von Auth0 will Okta das CIAM-Produkt von Auth0 als eigenständiges Angebot neben den hauseigenen CIAM-Funktionen beibehalten, um Kunden maximale Flexibilität bei der Implementierung zu bieten. Nichtsdestotrotz wird es zu Überschneidungen und Integrationen kommen – Okta hat bereits mehrere Funktionen kombiniert, um die Fähigkeit zu Zusammenarbeit und Innovation zu beschleunigen.

Auth0 bietet zwar einige Workforce-IAM-Funktionen an, aber diese Plattform ist mit CIAM-Anwendungsfällen groß geworden – entsprechend stark ausgeprägt ist der Fokus auf diesen Bereich. Laut den Analysten von Gartner eignet sich die CIAM-Lösung von Auth0 vor allem dann, wenn Entwickler Access Management für Verbraucher in individuell entwickelte, API-lastige Anwendungen einbauen müssen. Dazu kombiniert die Plattform “großartige UX-Flows und UI-Anpassungsfähigkeiten” mit “umfassenden Entwickler-Tools und vollständiger API-Unterstützung”, heißt es in Gartners Magic Quadrant.

Das gesamte Okta-CIAM-Portfolio verfügt über eine Reihe von Konnektoren für Business Intelligence, CRM, Marketing-Analytics und -Automatisierung, andere IAM-Plattformen, beliebte SaaS-Anwendungen und Plattformen zur Betrugsbekämpfung. Raum nach oben gibt es bei diesem Produkt, wenn es darum geht, Geräteintelligenz und Verhaltensbiometrie in die nativen Funktionen der Plattform zu integrieren.

OneLogin

Der Identity-as-a-Service (IdaaS)-Anbieter OneLogin gehört in Gartners Magic Quadrant für Access Management zur Spitzengruppe und bietet einige abgespeckte, entwicklerfreundliche CIAM-Funktionen. Die könnten speziell für Unternehmen, die eine erschwingliche Option für den Aufbau einer stärkeren Kundenauthentifizierung suchen, hilfreich sein. Laut Gartner liegt die Stärke von OneLogin auch in den erschwinglichen Preisen, die das Unternehmen für externe Zugriffsmanagement-Anwendungen aufruft.

Die Lösung selbst zeichnet sich dabei durch seine flexible Erweiterbarkeit mit umfangreicher Entwicklerunterstützung und seine robusten APIs aus. Die Serverless Smart-Hooks-API-Funktion soll Entwickler dabei unterstützen, CIAM-Workflows und -Richtlinien anzupassen, um möglichst nahtlose und sichere Benutzererfahrungen während der Anmeldung zu gewährleisten. Entlastung gibt es auch, wenn es um Single-Sign-On geht – auch hier unterstützt das Tool dabei, entsprechende Funktionen in Consumer-Apps einzubauen.

Im Gegensatz zu vielen anderen CIAM-Lösungen in dieser Übersicht, gehören allerdings keine Out-of-the-Box-Funktionen für Consent Management oder geschäftsorientierte Funktionen wie Marketing-Analysen und Automatisierung zum Paket – es handelt sich in erster Linie um eine Authentifizierungs- und Autorisierungslösung.

Nach der Übernahme durch One Identity war erwartet worden, dass sich das Portfolio stärker in Richtung Workforce IAM entwickeln wird. Davon ist ein Jahr später allerdings noch nichts zu sehen.

Ping Identity

Ping Identity ist einer der ersten Enterprise-IAM-Anbieter, der in CIAM-Gewässer abtaucht. Dabei überzeugt er vor allem in Sachen Identitäsnachweise, -orchestrierung und Analytics-Funktionen – auch der Umfang der unterstützten Authentifikatoren sowie die Dokumentation und Sicherheit der API-Konnektoren sind positiv hervorzuheben. Ein “Fraud”-Modul spürt darüber hinaus mit Hilfe von Echtzeit-Verhaltensnavigation, Verhaltensbiometrie, Geräte- und Netzwerkattributen potenzielle, betrügerische Angriffe auf. Auch die Integration mit externen Betrugserkennungs-Plattformen ist möglich. Ping Identity hebt sich von anderen Anbietern zudem dadurch ab, dass es den FIDO-2-Standard nicht nur unterstützt, sondern einen entsprechend zertifizierten Server betreibt.

Die Analysten von KuppingerCole sehen auch Schwachpunkte, etwa die nur rudimentäre Verwaltung von Berechtigungen für Verbraucher, die in den meisten Fällen zusätzliche Entwicklungs- und Integrationsarbeit erfordern. Auch die noch in der Entwicklung befindlichen Out-of-the-Box-Konnektoren für erweiterte Business Intelligence, Customer Relationship Management und Marketing-Analytics bemängeln die Analysten – bewerten das Ping-Identity-Offering aber dennoch sehr positiv. Laut Gartner gehört Ping Identity zu den “erschwinglicheren Optionen auf dem CIAM-Markt”.

Im August 2023 übernahm der Ping-Identity-Mutterkonzern Thoma Bravo den Sicherheitsanbieter Forge Rock – und integrierte dessen Potfolio in Ping Identity. (fm)

Dieser Artikel ist im Original bei unserer Schwesterpublikation CSOonline.com erschienen.

Kriminelle Hacker suchen stets nach Möglichkeiten, Malware in großem Umfang zu verbreiten oder Distributed-Denial-of-Service (DDoS)-Angriffe zu fahren. Ein Botnet eignet sich dazu besonders gut.

Botnet – Definition

Ein Botnet ist eine Sammlung von mit dem Internet verbundenen Geräten, die von einem Angreifer kompromittiert wurden, um DDoS-Angriffe und andere “Tasks” im “Schwarm” auszuführen. Die Idee dahinter: Jeder Rechner, der Teil des Botnetzes wird, wird zu einem “Zombie”-Rechner – ein hirnloser Bestandteil eines großen Netzwerks identischer Bots.

“Malware infiziert einen Computer, der dem Botnet-Betreiber zurückmeldet, dass der Rechner nun bereit ist, blindlings Befehle zu befolgen”, erklärt Nasser Fattah, North America Steering Committee Chair bei Shared Assessments. “Das geschieht ohne das Wissen des Benutzers. Das Ziel besteht darin, das Botnetz weiter auszubauen, um großangelegte Angriffe zu automatisieren und zu beschleunigen.”

Botnets – Architektur

Botnetze sind ein Beispiel für verteilte Computersysteme, die über das Internet betrieben werden. Die Personen oder Teams, die ein Botnet betreiben, sogenannte “Controller” oder “Herders”, müssen möglichst viele “Zombies” für ihre Armee rekrutieren – und dann deren Aktivitäten koordinieren, um Profit zu machen. Die Architektur, die zur Bildung und Aufrechterhaltung von Botnets beiträgt, besteht aus mehreren Komponenten:

Botnet-Malware: Cyberkriminelle übernehmen die Kontrolle über die Zielcomputer mithilfe von Malware. Es gibt eine Vielzahl von Vektoren, über die Malware auf einen Computer gelangen kann – von Phishing- und Watering-Hole-Angriffen bis hin zur Ausnutzung ungepatchter Sicherheitslücken. Der bösartige Code ermöglicht es Angreifern, kompromittierte Rechner zu Aktionen zu zwingen, ohne dass der Besitzer davon etwas bemerkt. “Die Malware selbst versucht oft nicht, etwas zu stehlen oder Schaden anzurichten”, erklärt Jim Fulton, Vice President beim Sicherheitsanbieter Forcepoint. “Stattdessen versucht sie, im Verborgenen zu bleiben, damit die Botnet-Software unbemerkt weiterarbeiten kann.”

Botnet-Drones: Sobald ein Gerät vom Angreifer übernommen wurde, wird es zur “Drone” – quasi einem “Fußsoldat” oder “Zombie” innerhalb der Botnetz-Armee -, der allerdings über ein gewisses Maß an Autonomie und in einigen Fällen auch über künstliche Intelligenz verfügt. “Eine Botnet-Drone kann andere Computer und Geräte mit einer gewissen Intelligenz rekrutieren, wodurch es schwieriger wird, sie zu finden und zu stoppen”, weiß Andy Rogers, Senior Assessor bei Schellman. “Sie findet anfällige Hosts und lädt sie ohne Wissen des Benutzers in das Botnetz ein.”

In Botnet Drones lassen sich alle Arten von Geräten verwandeln, die mit dem Internet verbunden sind, von PCs über Smartphones bis hin zu IoT-Devices. Letztere, etwa internetfähige Sicherheitskameras oder Kabelmodems, könnten für Angreifer sogar besonders interessant sein, wie Dave Marcus, Senior Director of Threat Intelligence bei LookingGlass Cyber, erklärt: “Bei solchen Devices neigen die Leute dazu, zu vergessen, dass sie da sind, weil man sie einmal einschaltet, und dann nicht mehr beachtet. Dazu kommt, dass viele Leute bei Routern und Switches keine Updates durchführen wollen, aus Angst, dabei etwas falsch zu machen. In beiden Fällen kann das dazu führen, dass die Geräte ungepatcht und damit angreifbar bleiben.”

Ganz wesentlich ist jedoch, dass es viele dieser Botnet Drones gibt und diese legitim wirken, wie Ido Safruti, Mitbegründer und CTO von PerimeterX zu bedenken gibt: “Indem legitime Geräte mit Malware infiziert werden, gewinnen Botnetz-Betreiber Ressourcen, die private IP-Adressen nutzen und wie legitime Nutzer aussehen sowie darüber hinaus auch kostenlose Rechenressourcen, um Aufgaben auszuführen.”

Botnet Command & Control: Das letzte Teil des Puzzles ist der Mechanismus, mit dem die Botnetze gesteuert werden. Frühe Botnets wurden in der Regel von einem zentralen Server aus gesteuert. Das machte es jedoch relativ leicht, das gesamte Netzwerk auszuschalten, indem dieser zentrale Knotenpunkt abgeschaltet wird. Moderne Botnetze operieren mit einem Peer-to-Peer-Modell, bei dem Befehle von Drone zu Drone weitergegeben werden, sobald diese ihre individuellen Malware-Signaturen über das Internet erkennen. Die Kommunikation der Bot-Herder und zwischen den Bots kann über verschiedene Protokolle erfolgen. Dabei kommt immer noch häufig das Oldschool-Chatprotokoll Internet-Relay-Chat (IRC) zum Einsatz, da es relativ leichtgewichtig ist und leicht auf Bots installiert werden kann, ohne viele Ressourcen zu beanspruchen. Es kommen aber auch eine Reihe anderer Protokolle zur Anwendung, darunter Telnet und normales HTTP, was die Erkennung des Datenverkehrs erschwert. Einige Botnets nutzen besonders kreative Mittel zur Koordination, und veröffentlichen Befehle auf öffentlichen Websites wie Twitter oder GitHub.

So wie die Botnetze selbst sind auch die verschiedenen Komponenten ihrer Architektur verteilt. “Kriminelle Hacker sind Spezialisten und die meisten Gruppen arbeiten in einem losen Verbund mit anderen Gruppen zusammen”, meint Garret Grajek, CEO von YouAttest. “In der Cybercrime-Welt kann es eine Gruppe geben, die eine neue, unveröffentlichte Schwachstelle ausnutzt, eine andere, die dann die Nutzlast des Botnetzes erstellt und eine weitere, die das Command & Control Center kontrolliert.”

Botnetze – Angriffsarten & Beispiele

Distributed Denial of Service (DDoS)-Angriffe sind wahrscheinlich die bekannteste und beliebteste Art von Angriffen, die über Botnetze initiiert werden. Im Rahmen dieser Angriffe versuchen Hunderte oder Tausende von kompromittierten Computern, einen Server oder eine andere Online-Ressource mit Anfragen zu überlasten und diese so außer Betrieb zu setzen. Das ist ohne Einsatz eines Botnet nicht möglich. Zudem sind DDoS-Attacken einfach zu initiieren, da fast jedes kompromittierbare Device über Internetkonnektivität und einen zumindest rudimentären Webbrowser verfügt.

Doch es gibt noch viele weitere Möglichkeiten für Angreifer, ein Botnetz zu nutzen. Die Zielsetzung der Angreifer kann dabei über die Art der Geräte bestimmen, die infiziert werden sollen, wie Marcus erklärt: “Wenn ich mein Botnet für Bitcoin-Mining nutzen möchte, habe ich es vielleicht auf IP-Adressen in einem bestimmten Teil der Welt abgesehen, weil diese Maschinen generell leistungsfähiger sind – sie haben einen Grafikprozessor und eine CPU und die Benutzer werden nicht unbedingt bemerken, dass im Hintergrund geschürft wird.”

Die Opfer der Angriffe bekommen zwar die kriminelle Energie derjenigen zu spüren, die das Botnet kontrollieren – die Besitzer der Bots selbst sollen jedoch, wenn es nach den Angreifern geht, nichts davon bemerken, was ihre Rechner anrichten. “Was passiert, hängt einfach davon ab, wie viel sich der Betreiber herauszunehmen bereit ist. Der Einsatz einer hochfunktionalen Malware, die viele verschiedene Dinge tut, erhöht die Wahrscheinlichkeit, entdeckt zu werden, weil der Besitzer Performance-Probleme seines Rechners auffallen könnten.”

Heutzutage sorgen zwar vor allem DDoS-Angriffe im Zusammenhang mit Botnetzen für Aufmerksamkeit – das allererste Botnet wurde allerdings kreiert, um Spam zu verbreiten. Khan C. Smith baute 2001 eine Bot-Armee auf, um sein Spam-Imperium auszubauen und verdiente damit Millionen von Dollar. Bis er schließlich vom Internetdienstleister EarthLink (erfolgreich) auf Schadensersatz in Höhe von 25 Millionen Dollar verklagt wurde.

Eines der wichtigsten Botnetze der letzten Jahre basierte auf der Schadsoftware Mirai und legte 2016 kurzzeitig einen großen Teil des Internets lahm. Mirai wurde von einem College-Studenten aus New Jersey geschrieben und entstand aus einer Auseinandersetzung zwischen Server-Hosts des populären Videospiels Minecraft. Das Botnet zielte speziell auf TV-Kameras mit Internetverbindung ab – ein Beleg dafür, wie bedeutend IoT-Gerätschaften in diesem Zusammenhang sind.

Es gibt jedoch noch zahlreiche andere Beispiele für Botnetze, weiß Kevin Breen, Director of Cyber Threat Research bei Immersive Labs: “Größere Botnets wie TrickBot nutzen Malware wie Emotet, die sich bei der Installation eher auf Social Engineering stützt. Diese Botnetze sind in der Regel widerstandsfähiger und werden für die Installation zusätzlicher, bösartiger Software wie Banking-Trojaner und Ransomware verwendet. In den letzten Jahren haben die Strafverfolgungsbehörden mehrfach – mit vereinzelten Erfolgen – versucht, die großen, kriminellen Botnetze zu zerstören. Diese scheinen sich im Laufe der Zeit jedoch immer wieder zu erholen.”

Botnet kaufen – so geht’s

Viele Cyberkriminelle bauen ihre Botnets nicht für den persönlichen Gebrauch auf, sondern um sie zu verkaufen. Diese Geschäfte laufen mehr oder weniger klandestin ab. Allerdings lassen sich mit einer einfachen Google-Suche schon relativ leicht Services finden, die euphemistisch als “Stresser” oder “Booter” bezeichnet werden: “Diese SaaS-Lösungen können ganz einfach – zum Beispiel über Paypal – gebucht werden – eigentlich, um die Belastbarkeit des eigenen Netzwerks zu testen. Einige dieser Serviceanbieter verkaufen ihre Dienste allerdings an jeden – ohne Auftraggeber oder Ziel zu überprüfen”, weiß Fattah.

Auch Security-Spezialist Breen ist der Meinung, dass jeder, der Botnet-Software herunterladen möchten, diese auch finden wird: “Wer nach den richtigen Begriffen sucht, landet schnell in einschlägigen Foren, wo neben entsprechenden Services oft auch Quellcode und geleakte Botnetze angeboten werden. Solche Angebote werden wird typischerweise von den berühmten ‘Skript-Kiddies’ genutzt, die damit zum Beispiel die Verbreitung von Krypto-Minern vorantreiben wollen.” Die echten Profis operieren hingegen im Darknet und können schwieriger zu finden sein: “Spezialisierte Darknet-Marktplätze werden in der Regel moderiert und sind nur auf Einladung zugänglich”, weiß Josh Smith, Analyst für Cyberbedrohungen bei Nuspire. “Hat man jedoch einmal Zugang erlangt, ist der weitere Prozess bemerkenswert kundenfreundlich ausgestaltet – inklusive Reputationssystem für Verkäufer.”

“Viele dieser Services bieten ein simples Interface, mit dem ein Botnet auf eine IP oder URL ausgerichtet und der Angriff dann mit einem Knopfdruck gestartet wird. Die Benutzer können Websites und Server direkt von Ihrem Browser aus lahmlegen und bleiben durch die Bezahlung mit Kryptowährungen weitgehend anonym“, erklärt Rogers. “Anspruchsvollere Bedrohungsakteure wie Ransomware-Banden arbeiten möglicherweise direkt mit den Betreibern großer Botnetze wie TrickBot zusammen, um großangelegte Spear-Phishing-Kampagnen anzustoßen”, meint Laurie Iacono, Associate Managing Director of Cyber Risk bei Kroll. “Sobald die Rechner infiziert sind, sammelt Malware Informationen, die Ransomware dabei hilft, das Netzwerk zu infiltrieren.”

Die Kosten für einen solchen Botnet-Service sind dabei relativ überschaubar, wie Anurag Gurtu, CPO von StrikeReady, preisgibt: “Der Zugang zu einem Botnet kann bis zu zehn Dollar pro Stunde kosten.” Dabei bekommen die Nutzer das, wofür sie bezahlen: “Wenn man einen ganz bestimmten Bot in einem spezifischen Teil der Welt haben möchte, steigen die Preise”, meint Marcus. “In bestimmten Teilen der Welt gibt es qualitativ bessere Rechner. Ein Botnetz, das auf Maschinen und IP-Adressen in den USA basiert, ist beispielsweise erheblich teurer als eines innerhalb der EU, weil die Rechner in den Staaten leistungsfähiger sind.”

Botnetz-Angriffe verhindern

Die Absicherung gegen Botnets kann zwei verschiedene Formen annehmen:

• Entweder Sie verhindern, dass Ihre eigenen Geräte zu Bots werden oder

• Sie wehren Angriffe ab, die über Botnetze gestartet werden.

In beiden Fällen gibt es wenige Verteidigungsmöglichkeiten, die nicht bereits Bestandteil einer ordentlichen Sicherheitsstrategie sind:

• Hacker verwandeln Geräte häufig mit Malware in Zombie-Rechner, die über Phishing-E-Mails verbreitet wird. Sie tun also gut daran, Ihre Mitarbeiter in Sachen Phishing umfassend aufzuklären.

• Auch unzureichend abgesicherte IoT-Geräte werden oft in Botnetze integriert. Stellen Sie also sicher, dass solche Devices nicht das herstellerseitig gesetzte Standardpasswort nutzen.

• Gelingt es Cyberkriminellen, Malware auf Ihren Computern einzuschleusen, benötigen Sie eine aktuelle Antivirus-Lösung, um sie zu erkennen.

• Wenn Sie Opfer eines DDoS-Angriffs werden, können Sie den bösartigen Traffic herausfiltern oder Ihre Kapazitäten mit Hilfe eines Content Delivery Network aufstocken.

Darüber hinaus gibt es auch einige Botnet-spezifische Techniken, die Sie einsetzen können, um sich zu schützen. Breen schlägt beispielsweise vor, auf verdächtigen Datenverkehr achten: “Eine Datenflussanalyse klingt kompliziert, kann aber Botnet-Command-and-Control-Traffic zu Tage fördern.”

“Wir verwenden mehrere Tools, um Botnetze zu stoppen”, erläutert Mark Dehus, Director of Threat Intelligence bei Lumen Black Lotus Labs. “Sobald ein neues Malware-Sample entdeckt wird, können wir beispielsweise die Methoden, mit denen es sich an einen Command & Control-Server meldet, mit Reverse Engineering nachvollziehen. So können wir einen Bot emulieren, der sich mit verdächtigen Servern verbinden, sie validieren und die Befehle überwachen kann, die sie an die Bots übermitteln. Der Kampf gegen Botnetze und ihre Betreiber ist langwierig, aber wir hoffen, das Blatt wenden zu können.” (fm)

Regelmäßige Netzwerk-Scans reichen für eine gehärtete Angriffsfläche nicht mehr aus. Um die Sicherheit von Unternehmensressourcen und Kundendaten zu gewährleisten, ist eine kontinuierliche Überwachung auf neue Ressourcen und Konfigurationsabweichungen erforderlich. Werkzeuge im Bereich Cyber Asset Attack Surface Management (CAASM) und External Attack Surface Management (EASM) sind darauf ausgelegt, die Angriffsfläche von Unternehmen:

• zu quantifizieren,

• zu minimieren, und

• zu härten.

Das Ziel besteht dabei darin, den Angreifern möglichst wenig Informationen über das Security-Niveau des Unternehmens zu geben und gleichzeitig kritische Business Services aufrechtzuerhalten. Dabei spielt inzwischen auch Agentic AI eine immer größere Rolle.

12 Attack-Surface-Management-Tools

Die folgenden zwölf Lösungen unterstützen Sie dabei, Risiken zu identifizieren und zu managen.

Axonius Cyber Asset Attack Surface Management

Diese CAASM-Suite von Axonius deckt alle wichtigen Aspekte ab, wenn es um Attack Surface Monitoring geht. Das Tool erstellt zunächst ein Asset-Inventar, das automatisch aktualisiert und mit Kontext aus internen Datenquellen und Ressourcen angereichert wird.

Dabei ist es auch möglich, Monitoring-Prozesse aufzusetzen, die auf Grundlage von Richtlinien wie PCI oder HIPAA ablaufen. So lassen sich Konfigurationen oder Schwachstellen identifizieren, die diesen zuwiderlaufen und entsprechende Maßnahmen ergreifen.

Bugcrowd EASM

Bugcrowd hat im Mai 2024 Informer.io übernommen und dessen EASM-Angebot in seine Security-Plattform integriert. Diese automatisiert die Asset Discovery über Webapplikationen, APIs und andere “public facing”-Komponenten des IT-Stacks hinweg.

Assets überwacht die Lösung kontinuierlich, wobei identifizierte Risiken in Echtzeit priorisiert werden. Darüber hinaus stehen auch Zusatz-Services wie manuelle Risikoprüfungen oder Penetrationstests zur Verfügung. Das Workflow-basierte Response-System der Lösung verspricht eine einfachere Einbindung mehrerer Teams, indem existierende Ticketing- und Kommunikations-Tools integriert werden. Praktisch ist auch die Möglichkeit, Konfigurationsänderungen oder System Updates zu validieren, um sicherzustellen, dass identifizierte Bedrohungen tatsächlich bereinigt wurden.  

CrowdStrike Falcon Exposure Management

Crowdstrike hat sein Falcon-Surface-Angebot von einem Standalone EASM-Tool zu einem Kernbestandteil von Falcon Exposure Management ausgebaut. Die Lösung wird nun auch durch KI-nativen Code dabei unterstützt, Risiken zu identifizieren und auszuschalten. Darüber hinaus kommt die Technologie auch für Adversarial-AI-Szenarien zum Einsatz.

Die Crowdstrike-Lösung kann außerdem:

• Risiken mit dem Business-Kontext korrelieren,
• die Ausnutzbarkeit validieren und
• direkte Abhilfemaßnahmen über die Falcon-Plattform einleiten.

Unternehmen sollen sich mit dem Tool einen nachhaltigen Überblick über ihre Angriffsfläche verschaffen und Risiken oder Bedrohungen mit einer Vielzahl von Techniken aufspüren können. Dazu gehören etwa aktive, passive und API-basierte Scans, um mit dem Internet verbundene Ressourcen zu identifizieren.

Falcon Exposure Management ist nicht Teil des Enterprise-Softwarepakets von Crowdstrike. Es kann als Abonnementlizenz auf Basis der gemanagten Endpunkte erworben werden.

CyCognito Attack Surface Management

Das CAASM-Produkt von CyCognito bietet eine kontinuierliche Überwachung und Inventarisierung von Assets. Dabei spielt es keine Rolle, ob diese On-Premises, in der Cloud, bei einem Drittanbieter oder einer Tochtergesellschaft vorliegen.

Um den Triage-Prozess und die Risiko-Priorisierung zu erleichtern, kann auch Business-Kontext hinzugefügt werden (beispielsweise Beziehungen zwischen einzelnen Assets). Das hilft dabei, sich auf die wichtigsten Netzwerkrisiken zu konzentrieren. CyCognitos Tool verfolgt darüber hinaus auch Konfigurationsänderungen und ermöglicht so, neue Risiken für die Unternehmensinfrastruktur schnell zu identifizieren.

JupiterOne Cyber Asset Attack Surface Management

JupiterOne preist seine CAASM-Lösung als eine Möglichkeit an, “Cyber-Asset-Daten nahtlos in einer einheitlichen Ansicht zu aggregieren”. Der Kontext wird bei Bedarf automatisch hinzugefügt, und die Beziehungen zwischen den Assets können definiert und optimiert werden, um Schwachstellenanalyse und Incident-Response-Fähigkeiten zu verbessern.

Benutzerdefinierte Abfragen ermöglichen es Cybersecurity-Teams, komplexe Fragen zu beantworten, während der Asset-Bestand über eine interaktive Map durchsucht werden kann. Die Security-Tools, in die Sie bereits investiert haben, können Sie integrieren – was eine ganzheitliche, zentralisierte Perspektive auf das Security-Niveau zulässt.

Microsoft Defender External Attack Surface Management

Microsoft Defender EASM erkennt nicht verwaltete Assets und Ressourcen, die per Schatten-IT bereitgestellt werden oder sich auf anderen Cloud-Plattformen befinden. Sobald die Assets und Ressourcen identifiziert sind, sucht das Tool nach Schwachstellen auf jeder Ebene des Technologie-Stacks, einschließlich der zugrunde liegenden Plattform, App-Frameworks, Webanwendungen, Komponenten und des Kerncodes.

Defender EASM ermöglicht es IT-Profis, Schwachstellen in neu entdeckten Ressourcen schnell zu beheben, indem diese nach Entdeckung in Echtzeit kategorisiert und priorisiert werden. Naturgemäß lässt sich Defender EASM eng mit anderen Microsoft-Lösungen wie Security Copilot integrieren.

Outpost24 EASM

Der schwedische Anbieter Outpost24 hat 2023 den belgischen EASM-Anbieter Sweepatic übernommen und dessen Tool in seine Modul-Kollektion für Threat Intelligence, Data Leakage und Pentesting integriert. Diese EASM-Lösung ist sowohl Standalone, als auch als Managed Service erhältlich und kann Daten entweder passiv über DNS und andere TCP/IP-Details oder über direkte Verbindungen zu Cloud-Anbietern wie AWS und Azure sowie den Lösungen großer Softwareanbieter (etwa ServiceNow, Slack oder Atlassian) erfassen.

Palo Alto Networks Cortex Xpanse

Xpanse ist Teil der XSIAM-Produktsuite von Palo Alto, kann jedoch auch separat erworben werden. Das Standalone-Produkt hat allerdings einen etwas geringeren Funktionsumfang.

Das Palo-Alto-Tool unterstützt auch die Integration mit Tools von Drittanbietern wie Qualys, Jira und ServiceNow. Zudem verfügt das Produkt über eine beeindruckende Auswahl an vorgefertigten Detection-Regeln, Widgets, um Queries und Discovery-Routinen zu erstellen und anpassbare Daten-Dashboards aufzusetzen.

Rapid7 Surface Command

Surface Command ist nur eines von zahlreichen Modulen, das Rapid7 im Angebot hat (unter anderem Vulnerability und Incident Management sowie Cloud-Native Security). Das Tool bringt Threat Exposure, Detection und Response unter einen Nenner und verspricht eine kontinuierliche „Vogelperspektive“ über sämtliche Schwachstellen – vom Endpunkt bis hin zur Cloud.

Das Rapid-7-Tool ist darauf konzipiert, blinde Flecken in der Security aufzuspüren sowie Reaktion und Behebung zu beschleunigen. Für letzteres sind zudem auch agentenbasierte KI-Funktionen enthalten.

RiskProfiler EASM

Über die RiskProfiler-Plattform lassen sich sämtliche externen Bedrohungen managen. Das Tool ermöglicht beispielsweise Dark-Web_monitoring, digitales Monitoring sowie Hacking-Kampagnen, Schwachstellen und Supply-Chain-Angriffe zu tracken. Die hieraus gewonnenen Bedrohungsinformationen werden von KI-Agenten zu einem einheitlichen Korpus verdichtet.

Bestandteil des Tools sind zudem mehr als 13.000 vorinstallierte Regeln, die sowohl Open-Source- als auch eigene proprietäre Algorithmen miteinander verbinden. Auch die Risikobewertungen von Drittanbietern werden analysiert. Ein anpassbares Management-Dashboard visualisiert die Daten in diversen Ansichten. 

SOCRadar AttackMapper

Mit AttackMapper (ein Teil der Tool-Suite für SOC-Teams), will SOCRadar, den Anwendern die Sicht der Angreifer auf die Assets ermöglichen. Das Tool überwacht Assets mithilfe von Agentic AI dynamisch in Echtzeit, identifiziert neue oder veränderte und analysiert sie auf potenzielle Schwachstellen.

Die Ergebnisse werden mit bekannten Angriffsmethoden korreliert, um den Entscheidungsfindungs- und Triageprozess zu unterstützen. Dabei überwacht AttackMapper nicht nur Endpunkte und Software Vulnerabilities, sondern auch SSL-Schwachstellen, abgelaufene Zertifikate, DNS-Einträge und Konfigurationen. Das Tool erkennt selbst Website-Defacement-Angriffe, was entscheidend sein kann, um die Markenreputation zu schützen.

Tenable Attack Surface Management

Tenable hat schon seit einigen Jahren Tools im Angebot, um Schwachstellen aufzuspüren – und auch die aktuelle Tool-Suite wird modernen IT-Sicherheitsanforderungen gerecht. Bei Tenable Attack Surface Management handelt es sich um das EASM-Modul des Unternehmens, das in dessen Exposure-Management-Plattform „One“ integriert ist.

Tenable Attack Surface Management liefert Kontext und Details zu Assets und Schwachstellen, allerdings nicht nur aus technischer Sicht, sondern auch auf Business-Ebene, was für eine umfassende Priorisierung der Maßnahmen erforderlich ist.

7 Fragen vor dem ASM-Invest

Die folgenden Fragen sollten Sie sich und potenziellen Anbietern von Attack-Surface-Management-Lösungen stellen, bevor Sie einen Vertrag unterzeichnen.

• Benötigt unser Unternehmen eine EASM- oder eine CAASM-Lösung? Die Antwort darauf hängt davon ab, ob Sie nach internen oder externen Angreifern suchen – und wie groß der Anteil Ihrer lokalen Infrastruktur ist.
• Wie umfangreich – und effektiv – ist das Tool automatisiert? Erkennt es zuverlässig alle anfälligen Ressoucren, einschließlich digitaler Zertifikate, offengelegter Anmeldedaten und mit dem Netz verbundene Server und Services? Welche Metadaten und weiteren Details liefert die Lösung?  
• Wie behebt die Lösung Schwachstellen, wenn sie welche findet? Läuft das automatisiert ab oder sind manuelle Eingriffe erforderlich?
• Unterstützt das Tool Continuous Monitoring? Und falls ja: Wie werden Veränderungen nachgehalten?
• Welche Schwachstellen werden wie mit anderen SOC-Tools geteilt oder integriert?
• Gibt es unterschiedliche Dashboards für Management- und andere Zwecke? Beziehungsweise: Wie lässt sich das Tool auf unterschiedliche Benutzergruppen anpassen?
• Wie sieht ihre Preisgestaltung im Detail aus? Stellen Sie sicher, dass Sie das Preisgefüge des Anbieters Ihrer Wahl wirklich verstehen. In den meisten Fällen sind Sie dabei mit komplexen, nutzungsabhängigen Abrechnungsmodellen konfrontiert.

(fm)