PeopleImages.com – Yuri A – Shutterstock 2545291163

Für Laien mag das wie ein Märchen klingen, aber: Das Gesicht eines Menschen ist wie ein offenes Buch. Es erzählt von Charaktereigenschaften, Denkmustern und natürlich auch vom Führungsstil. Die Wurzeln dieser Wissenschaft der Psychophysiognomie reichen Jahrtausende zurück und werden heute in vielen Bereichen genutzt, von der Kriminalistik bis zur Persönlichkeitsentwicklung. 

Das Bewegungsnaturell

Die Formensprache eines Gesichts gibt wertvolle Hinweise. Markante, eckige Formen wie ein breiter Kiefer und dominante Wangenknochen deuten auf das Bewegungsnaturell hin. Solche Chefs sind „Macher“, lieben Herausforderungen und handeln zielstrebig. Ihr Führungsstil ist dynamisch und durchsetzungsstark. 

Doch es gibt eine Kehrseite: Diese Persönlichkeiten können dominant wirken und wenig Geduld aufbringen. Ihre direkte Art fordert klare Kommunikation und schnelle Ergebnisse. 

Umgangstipp: Begegnen Sie solchen Chefs mit gut strukturierten Vorschlägen, ohne lange Erklärungen. Struktur und Fakten statt Emotionen sind hier der Schlüssel. Respektieren Sie seine Entscheidungsfreude, aber zeigen Sie, dass Sie selbst eine starke Position vertreten können. 

Das Empfindungsnaturell

Chefs mit feinen, zarten Gesichtszügen und großen Augen sind dem Empfindungsnaturell zuzuordnen. Diese Persönlichkeiten sind kreativ, emphatisch und feinfühlig. Sie legen Wert auf ein harmonisches Arbeitsumfeld, lieben den Dialog und entwickeln kreative Lösungen gemeinsam mit ihrem Umfeld. 

Aber aufgepasst: Ihre hohe Sensibilität macht sie empfänglich für Konflikte oder Spannungen. Kritik sollte stets diplomatisch formuliert werden, da sie schnell als persönliche Ablehnung wahrgenommen werden kann. 

Umgangstipp: Bauen Sie Vertrauen auf, zeigen Sie Wertschätzung und Respekt und präsentieren Sie Ideen als Teil eines gemeinsamen Prozesses. 

Das Ernährungsnaturell

Schließlich gibt es Chefs, deren Gesichtszüge durch runde Formen geprägt sind – typische Zeichen des Ernährungsnaturells. Sie schätzen Stabilität, Behaglichkeit und klare Strukturen. Ihr Führungsstil ist pragmatisch und auf langfristige Sicherheit ausgerichtet. Sie sind ausgezeichnete Netzwerker und lieben es, Ressourcen zu planen und zu verteilen.  

Achtung: Ihre Komfortzone kann manchmal eine gewisse Trägheit mit sich bringen und sie neigen dazu, Veränderungen nur sehr langsam zu akzeptieren. Sie schätzen bewährte Lösungen und haben eine Vorliebe für Traditionen. 

Umgangstipp: Argumentieren Sie pragmatisch und betonen Sie die Vorteile von Stabilität und Sicherheit. Geben Sie ihnen die Zeit, neue Ideen zu durchdenken und zeigen Sie vor allem klar auf, wie einfach und sinnhaft die Umstellung zum langfristigen Erfolg beiträgt. 

Die Mischung macht’s: Kombinierte Naturelle und ihre Ansprechbarkeit

In der Realität sind die wenigsten Menschen einem einzigen Naturell klar zuzuordnen. Häufig vereinen Gesichter Merkmale von zwei – manchmal sogar drei – Naturellen. So treffen beispielsweise die Zielstrebigkeit des Bewegungsnaturells und die Empathie des Empfindungsnaturells aufeinander oder die Stabilität des Ernährungsnaturells wird durch kreative Aspekte des Empfindungsnaturells ergänzt. 

Viele Führungspersönlichkeiten sind übrigens klare Bewegungs-Ernährungs-Naturelle, da der ihnen innewohnende Pragmatismus und die Zielorientiertheit durch die Dynamik des Bewegungsnaturells angeschoben wird. 

Tipp: Achten Sie darauf, welche Merkmale stärker ausgeprägt sind, und gestalten Sie Ihr Verhalten und Ihre Kommunikation entsprechend, das eröffnet ganz neue Möglichkeiten der Zusammenarbeit. 

„Du“-Denken oder „Ich“-Denken: Welcher Typ ist Ihr Chef? 

Ein weiterer Aspekt der Gesichtsdeutung ist, ob jemand im „Ich-“ oder „Du-Modus“ agiert. Eingefallene Wangen und eine große Nase deuten auf ein „Ich“-Denken hin – ergebnisorientiert und zielgerichtet, aber weniger mitarbeiterbezogen. Eine hohe Stirn, volle Wangen und offene Augen signalisieren dagegen den „Du-Modus“. Solche Chefs schätzen Teamgeist und gemeinsame Lösungen. 

Tipp: Stimmen Sie Ihre Kommunikation darauf ab. „Ich“-Denker schätzen klare Ergebnisse, während „Du“-Denker einen wertschätzenden Dialog bevorzugen. 

Nutzen statt Urteilen: Wie Gesichtslesen Ihre Arbeitsbeziehung verbessert

Die Psychophysiognomie ist keine Wahrsagerei, sondern eine klare Methode, um Menschen besser zu verstehen. Indem Sie die Gesichtsstruktur Ihres Chefs analysieren, erkennen Sie, was ihn antreibt und wie Sie Konflikte vermeiden können. Dieses Wissen hilft, Vertrauen aufzubauen und effektiver zu agieren. 

Fakt ist, das Gesichtslesen schärft den Blick für die Einzigartigkeit jedes Menschen, reduziert Missverständnisse und verbessert die Zusammenarbeit. In einer Welt, die stark von zwischenmenschlichen Verbindungen abhängt, ist dies ein unschätzbarer Vorteil. 

Foto: I Believe I Can Fly – shutterstock.com

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.

Gorodenkoff | shutterstock.com

Die Debatte über (generative) künstliche Intelligenz (KI) fokussiert sich meist auf die Produktivität des Einzelnen – und die Zahlen hierzu sind bemerkenswert. So zeigte ein großangelegtes Feldexperiment der Harvard Business School in Zusammenarbeit mit der Boston Consulting Group, dass der Einsatz generativer KI bei Wissensaufgaben sowohl die Ergebnisqualität als auch die Bearbeitungsgeschwindigkeit signifikant verbessert. Dabei ist der Nivellierungseffekt besonders beachtlich:

• Während erfahrene Fachkräfte ihre Leistung um rund 17 Prozent steigerten,
• lagen die Verbesserungen bei den schwächeren Teilnehmern bei über 40 Prozent.

Diese individuellen Produktivitätsgewinne übertragen sich jedoch nicht automatisch in gleichem Maße auf die Organisationsebene. Unternehmen schaffen nicht bloß durch die isolierte Performance Einzelner Wert, sondern vor allem durch die Fähigkeit, Wissen zu bündeln, komplexe Entscheidungen zu treffen und gemeinsam Innovationen hervorzubringen.

Wenn jedes Teammitglied zunehmend mit seinem eigenen KI-Assistenten interagiert, kann dies die Kernmechanismen erfolgreicher Zusammenarbeit beeinträchtigen. Die entscheidende Herausforderung besteht somit darin, den Zuwachs an individueller Produktivität in eine echte organisatorische Leistungssteigerung zu übersetzen.

3 Produktivitäts-Bruchstellen im KI-Zeitalter

Ob aus temporären Effizienzgewinnen nachhaltige Wettbewerbsvorteile entstehen, hängt deshalb maßgeblich davon ab, wie Führungskräfte die folgenden drei Bruchstellen gestalten, die aufeinander aufbauen. Diese repräsentieren jene organisatorischen Übergänge, an denen individuelle Produktivitätsgewinne durch KI in kollektive Leistungsnachteile umschlagen können – wenn sie nicht aktiv gestaltet werden.

1. Bruchstelle: Wissenssicherung

Der Weg zur Seniorität folgte lange einer stabilen Logik: Operative Erfahrung führte zu Expertise, diese wiederum zu Einfluss. Wer über mehr Wissen verfügte, übernahm komplexere Aufgaben und wurde zur zentralen Orientierungsperson im Team. Generative KI bricht diese Logik auf, da weniger erfahrene Mitarbeitende mithilfe von KI-Tools heute Analysen, Konzepte und Problemlösungen in hoher Qualität erstellen können. Ein Teil des traditionellen Wissensvorsprungs erfahrener Kräfte verliert dadurch seine Exklusivität.

Auf diese Weise gerät ein impliziter Erfolgsfaktor von Organisationen ins Wanken: der organische Wissenstransfer. Bislang floss Wissen primär über erfahrene Kräfte, was Mentoring und kollektives Lernen quasi „nebenbei“ sicherstellte. Fällt dieser Austausch weg, weil Aufgaben isoliert im Dialog mit der KI gelöst werden, besteht das Risiko eines doppelten Kompetenzverlusts:

• Beschäftigte in Junior-Rollen können mithilfe von KI überzeugende Ergebnisse liefern, ohne den zugrundeliegenden Lösungsweg vollständig verstehen zu müssen. Der Lerneffekt wird dadurch reduziert und die Fähigkeit zur eigenständigen Problemlösung sowie zur kritischen Validierung der KI-Ergebnisse eingeschränkt. Die Folge ist eine wachsende, unkritische Abhängigkeit von der Technologie.
• Erfahrene Fachkräfte laufen Gefahr, zur rein reaktiven Korrekturinstanz von KI-Ergebnissen zu werden. Ihre Erfahrung fließt dann nicht mehr aktiv in die Gestaltung ein, sondern beschränkt sich zunehmend auf die nachträgliche Qualitätskontrolle. Mögliche Folgen sind Motivationsverlust, mentaler Rückzug der Leistungsträger und der schleichende Verlust des in der Organisation vorhandenen Erfahrungswissens.

Um diesen doppelten Kompetenzverlust zu verhindern, müssen Führungskräfte den Rollenwandel der Seniorität aktiv gestalten. Künftig sollte sich diese nicht mehr primär über exklusives Fachwissen definieren, sondern über die Fähigkeit, die richtigen Fragen zu stellen, Zusammenhänge einzuordnen und Teams bei der kritischen Bewertung von KI-Ergebnissen anzuleiten. Diese Begleitung kann nicht erst im Rahmen der abschließenden Qualitätskontrolle erfolgen, sondern muss bereits während der Arbeit mit KI ansetzen.

Ziel ist es, Wissen, Erfahrungswerte und Kontext kontinuierlich zu vermitteln, die Urteilskraft der Junioren gezielt zu entwickeln und sie schrittweise zu einer eigenständigen Validierung und reflektierten Nutzung von KI-Ergebnissen zu befähigen.Gelingt dieser Rollenwandel nicht, können Teams zwar kurzfristig ihre individuelle Produktivität steigern, verlieren jedoch zunehmend das gemeinsame Verständnis für fachliche Zusammenhänge und den organisatorischen Kontext.

Die durch KI erzielten Produktivitätsgewinne können dann durch Fehlentscheidungen, steigenden Korrekturaufwand und einen schleichenden Qualitätsverlust auf Teamebene wieder aufgezehrt werden. Ohne die systematische Sicherung von Erfahrungswissen zu agieren, heißt, teure Fehler zu produzieren – nur deutlich schneller.

2. Bruchstelle: Qualitätssicherung

Die Herausforderung endet jedoch nicht bei der Wissenssicherung. Sie betrifft im nächsten Schritt auch die Art und Weise, wie Teams die Qualität ihrer Entscheidungen absichern, wenn ein wachsender Teil der Analyse-, Bewertungs- und Wissensarbeit durch KI unterstützt wird. Je mehr Vorarbeit KI übernimmt, desto stärker hängt die Qualität organisatorischer Entscheidungen davon ab, die generierten Ergebnisse kritisch zu überprüfen und einzuordnen.

Eine Besonderheit generativer KI besteht darin, dass ihre Leistungsfähigkeit keiner intuitiven Logik folgt. Die eingangs zitierte Studie beschreibt dieses Phänomen als „Jagged Technological Frontier“: KI-Systeme können bei bestimmten Aufgaben eine Performance auf Expertenniveau erreichen, während sie bei scheinbar ähnlichen Fragestellungen überraschend große Schwächen aufweisen. Die Grenzen dieser Leistungsfähigkeit sind jedoch nicht für jeden Nutzer ohne weiteres erkennbar.

Genau daraus entstehen neue Herausforderungen für Führungskräfte: Mit der Integration von KI in den Arbeitsalltag steigt das Risiko des sogenannten “Automation Bias” (PDF), also der Tendenz, algorithmischen Empfehlungen unkritisch zu vertrauen. Die Gefahr liegt dabei selten in offensichtlichen Fehlern, sondern in plausiblen (aber falschen) Antworten, die überzeugend formuliert sind und deshalb ungeprüft übernommen werden.

Zudem greift ein Beschleunigungseffekt: KI verkürzt den Weg von der Fragestellung bis zum Ergebnis erheblich und damit auch jene Diskussionen, mit denen Teams bislang die Qualität ihrer Entscheidungen abgesichert haben. Wo früher Analysen debattiert und Annahmen abgewogen wurden, liegt heute in Sekunden ein Resultat vor. Das eigentliche Risiko liegt dabei darin, dass Ergebnisse schneller entstehen als sie kritisch überprüft werden können. So ist es möglich, dass Produktivitätsgewinne mit einem Verlust an Ergebnisqualität einhergehen.

Führungskräfte sollten daher Strukturen schaffen, die den Einsatz von KI transparent gestalten und Ergebnisse offen zur Diskussion stellen. KI-generierte Inhalte müssen denselben kritischen Maßstäben unterworfen werden wie die Arbeit eines erfahrenen Teammitglieds. Dazu benötigen Teams Validierungskompetenz, eine Verantwortungskultur und etablierte Prüfprozesse. Die entscheidende Frage sollte daher nicht sein, ob ein Ergebnis vom Menschen oder der Maschine stammt. Sondern, wer dieses auf fachliche Korrektheit überprüft und die Verantwortung für die darauf basierende Entscheidung übernimmt.

KI steigert zwar die Geschwindigkeit – das wird jedoch erst dann zum echten Wettbewerbsvorteil, wenn es mit Urteilskraft und gelebter Accountability einhergeht.

3. Bruchstelle: Innovationssicherung

Wie zuvor beschrieben, kann der Einsatz generativer KI gemeinsame Diskussionen verkürzen, was wiederum die Innovationskraft des Unternehmens belasten kann. KI liefert dabei nicht nur einen ersten Lösungsvorschlag, sondern erhöht zugleich die Wahrscheinlichkeit, dass sich Teams früh auf eine gemeinsame Richtung festlegen. Echte Innovationen entstehen jedoch selten durch schnelle Einigkeit: Sie entstehen durch produktive Reibung, tiefgehende Debatten und dadurch, etablierte Denkmuster zu hinterfragen.

Ein wesentlicher psychologischer Mechanismus dieser frühen Konvergenz ist der sogenannte Ankereffekt: Da KI in Sekundenschnelle plausible Ergebnisse liefert, wirkt dieser erste Entwurf als kognitiver Anker. Das menschliche Gehirn orientiert sich somit unbewusst an diesem Startpunkt, was den Suchraum für alternative Lösungen vorzeitig verengt und so die Innovationsfähigkeit schwächen kann.

Führungskräfte stehen deshalb vor der zusätzlichen Aufgabe, produktiven Widerspruch bewusst zu organisieren. Kritische Rückfragen und konträre Sichtweisen sind das notwendige Gegengewicht zur KI-generierten Konvergenz. Und: Organisationen verlieren selten ihre Innovationskraft, weil ihnen Antworten fehlen. Vielmehr, weil sie aufhören, Alternativen ernsthaft zu diskutieren. Eine höhere Geschwindigkeit im Lösungsprozess führt daher nicht automatisch zu höherer Innovationsfähigkeit.

Entscheidend ist, dass Organisationen weiterhin Räume schaffen, in denen unterschiedliche Perspektiven aufeinandertreffen, bestehende Annahmen hinterfragt werden und neue Ideen entstehen können. Mit anderen Worten: KI erzeugt Konvergenz, Innovation braucht Divergenz.

KI schafft eine neue Realität

Diese drei Bruchstellen verdeutlichen, dass generative KI nicht nur Arbeitsprozesse, sondern auch die Grundlagen organisationaler Leistungsfähigkeit grundlegend verändern kann. Wissen entsteht anders, Entscheidungen werden anders getroffen und Innovation entwickelt sich unter veränderten Voraussetzungen.

Je stärker KI in den Arbeitsalltag integriert wird, desto entscheidender wird es, die genannten Bruchstellen bewusst zu gestalten. Der nachhaltige Nutzen von KI entsteht nicht allein durch den Einsatz der Technologie, sondern durch die Fähigkeit einer Organisation, ihre Strukturen, Lernprozesse und Entscheidungsmechanismen an diese neue Realität anzupassen. (fm)

Dieser Beitrag wurde im Rahmen des deutschsprachigen Experten-Netzwerks von Foundry veröffentlicht. Lust mitzumachen? Jetzt bewerben!

Nelson Antoine | shutterstock.com

Der heimliche Cybercrime-Akt zweier KI-Modelle von OpenAI hat weltweit ein enormes Echo in Mainstream– und sozialen Medien hervorgerufen. Der Vorfall dürfte die Debatte über die allgemeine KI-Sicherheit und den verantwortungsvollen Umgang mit der Technologie neu befeuern.

Doch der Incident wirft auch spezifische Fragen auf. Etwa, wie genau die OpenAI-Modelle es geschafft haben, ihrer Sandbox zu entkommen und warum das beim ChatGPT-Erfinder zunächst niemandem aufgefallen ist. Oder, wie andere Unternehmen solche und ähnliche Vorkommnisse künftig verhindern können. Dazu haben wir die Einschätzung von Branchenexperten und Analysten eingeholt.

Zunächst werfen wir aber noch einen kurzen Blick darauf, was sich eigentlich abgespielt hat. Falls Sie bereits informiert sind, können Sie alternativ auch das nachfolgende Meme konsumieren, um sich den Vorfall noch einmal auf unkonventionellere Art und Weise vor Augen zu halten.

Der autonome Hugging-Face-Hack

Die KI-Plattform Hugging Face meldete Mitte Juli einen Cyberangriff auf ihre Produktions-Infrastruktur. Diese wurde offenbar vollständig autonom von einem agentenbasierten KI-System gefahren, das sich dabei sowohl Zugriff auf interne Datensätze als auch auf Zugangsdaten verschaffen konnte.  

Wie sich im Rahmen der folgenden Untersuchung herausstellte, stammte die autonom hackende KI von OpenAI. Eigentlich wollte der KI-Pionier lediglich zwei seiner neuen Modelle – GPT 5.6 Sol sowie ein nicht näher spezifiziertes Pre-Release-Modell – innerhalb einer Sandbox mit dem Benchmarking-Tool ExploitGym testen.

Die Aufgabe für die KI: Schwachstellen in tragfähige Exploits zu verwandeln. Die Testumgebung selbst war OpenAI zufolge mit beschränktem Netzwerkzugriff ausgestattet. Die KI sollte lediglich auf einen intern gehosteten Drittanbieter-Service zugreifen können, der als Proxy und Cache für eine Package-Registry fungierte. Die Guardrails auf Modellebene waren für den Test laut dem KI-Unternehmen reduziert worden.

Das war der KI aber offenbar nicht genug: Sie verkettete zunächst einige zuvor unbekannte Schwachstellen in der Testumgebung, um sich uneingeschränkten Internet-Zugriff zu verschaffen, wie OpenAI in einem Blogbeitrag offenlegt: „Mit diesem Zugriff führten unsere Modelle in unserer Forschungsumgebung eine Reihe von Privilege-Escalation- und Lateral-Movement-Aktionen aus, bis sie eine Node mit Internetzugang erreichten.“

Weil die OpenAI-Modelle bei Hugging Face offenbar Lösungen für ihre ExploitGym-Aufgaben vermuteten, suchten sie nach Möglichkeiten, Zugriff auf diese zu erhalten. Und fanden sie dann auch, wie OpenAI darlegt: „In einem Beispiel verkettete das Modell mehrere Angriffsvektoren, darunter gestohlene Zugangsdaten und Zero-Day-Schwachstellen, um auf den Servern von Hugging Face einen Remote-Execution-Pfad zu finden.“

Das Security-Team von OpenAI konnte diese Vorgänge im Nachgang identifizieren und schloss sich daraufhin mit dem Team von Hugging Face zusammen, welches die Attacke seinerseits bereits identifiziert und (mit einigen Anlaufschwierigkeiten) eingedämmt hatte.

„Wir betrachten dies als beispiellosen Cybervorfall mit hochentwickelten Fähigkeiten und reagieren entsprechend. Wir teilen zu diesem Zeitpunkt vorläufige Erkenntnisse, damit Sicherheitsverantwortliche nachvollziehen können, was passiert ist, und besser einschätzen können, wozu die Modelle inzwischen in der Lage sind“, schreibt OpenAI in seinem Blog – und verspricht, weitere Details zu veröffentlichen, sobald diese vorliegen.

KI-Ausbruch bei OpenAI – so reagieren Experten

Branchenexperten und Analysten bewerten den schlagzeilenträchtigen Incident um OpenAI und Hugging Face folgendermaßen:

• Alexei Balaganski, Lead Analyst bei KuppingerCole: „Dieser Vorfall sollte nicht als ‚Rogue AI‘-Geschichte betrachtet werden. Das Modell hat exakt das getan, wofür agentische Systeme gemacht sind: Es hat sich allen verfügbaren Tools und Wegen bedient, um das ihm gesetzte Ziel zu erreichen. Die Sicherheitsvorkehrungen, die es normalerweise in Zaum gehalten hätten, wurden von OpenAI selbst zu Testzwecken deaktiviert. Darin besteht die wahre Lektion.“
• Jonathan Care, Lead Analyst und AI Practice Lead bei KuppingerCole: „Es geht bei diesem Vorfall nicht darum, dass eine KI ausgebrochen ist und zum Angreifer wurde. Wir wussten, das würde passieren. Bemerkenswert ist allerdings, dass die Verteidiger – in diesem Fall das Team von Hugging Face – keine kommerziellen KI-Modelle nutzen konnten, um den Angriff zu analysieren. Denn deren Guardrails sorgen dafür, dass kein Exoploit-Code verarbeitet werden kann.“
• Gerald Beuchelt, CISO bei Acronis: „Der Vorfall verdeutlicht eine zentrale Herausforderung für Incident-Response-Teams: Angreifer sind nicht an Nutzungsrichtlinien gebunden. Verteidiger können hingegen an die Grenzen ihrer eigenen Tools stoßen, wenn diese genau jene Daten nicht verarbeiten, die für eine Untersuchung erforderlich sind. Im Ernstfall können daraus Verzögerungen mit unmittelbaren operativen Folgen entstehen.“
• Sabine Frömling, Experten-Autorin und Cybersecurity-Beraterin: „Der eigentliche Sicherheitsvorfall war nicht die KI – sondern die Sandbox, die aus Versehen eine Tür zum Internet hatte. Man hat ein Raubtier freigelassen und dem Zaun die Schuld gegeben.“
• Martin Zugec, Technical Solutions Director bei Bitdefender: „Was meiner Meinung nach für KI-generierte Malware galt, untermauert auch dieser Vorfall: Die Bedrohung ist real, KI ist aber keine Magie. Wer glaubt, es mit einer neuartigen Superwaffe zu tun zu haben, wartet auf eine neuartige Gegenmaßnahme. Wer jedoch erkennt, dass es sich um bereits bekannte, aber unerbittlich angewandte Angriffstechniken handelt, weiß bereits, was zu tun ist.“
• Richard Werner, Cybersecurity Platform Lead Europe bei TrendAI: „Das Narrativ von der ‚eigenmächtig handelnden KI‘ ist effizient darin, Verantwortung abzuwälzen. Das ist, als würden Sie eine autonome Waffe bauen, diese auf einem vermeintlich sicheren Testgelände erproben, sie außer Kontrolle geraten und jemanden treffen lassen – und der Welt anschließend erklären, die Waffe habe eigenständig gehandelt. Das ist zwar technisch korrekt. Dennoch bleibt es Ihre Waffe, Ihr Testgelände und Ihr Versagen.“

Was Unternehmen jetzt tun sollten

IT- und Sicherheitsentscheider können aus dem Hugging-Face-Hack mehrere Lektionen ziehen. Etwa, dass Sicherheitsvorkehrungen auf Modellebene nicht als primäre Security-Grenze für KI-Agenten geeignet sind, wie Biswajeet Mahapatra, Principal Analyst bei Forrester, festhält: „Prompt-Guardrails sind keine Sicherheits-, sondern Verhaltenskontrollmaßnahmen. Und diese können versagen, umgangen oder absichtlich deaktiviert werden.“

Der Forrester-Analyst rät Unternehmen deshalb dazu, KI-Agenten als hochriskante, nicht-menschliche Identitäten zu behandeln – und jeden einzelnen in einer isolierten Umgebung zu betreiben, in der Datenzugriff auf den jeweiligen Task beschränkt bleibt und die Zugangsdaten selbst möglichst schnell ablaufen: „Das sorgt für einen akzeptablen ‚Blast Radius‘: Wird ein Agent kompromittiert, kann er nur einen einzigen Workflow, Datensatz oder eine einzige Anwendung beeinträchtigen. Anstatt die gesamte Unternehmensinfrastruktur.“

Sanchit Vir Gogia, Chefanalyst bei Greyhound Research, warnt an dieser Stelle davor, (Drittanbieter-)Services unter den Tisch fallen zu lassen: „Dienste, die auf Package Registries, Update-Systeme oder andere externe Ressourcen zugreifen, können ebenfalls zu Einfallstoren werden, wenn sie nicht derselben, ausgiebigen Prüfung unterzogen werden wie der Agent selbst.“

Unabhängig davon sollten Unternehmen laut Gogia auch testen, ob ihre Containment-Grenzen auch funktionieren, anstatt sich allein auf Architekturdiagramme oder dokumentierte Richtlinien zu verlassen: „Im Rahmen dieser Tests sollte geprüft werden, ob Anmeldedaten erlangt, Trust-Grenzen überwunden und Systeme außerhalb der einem Agenten zugewiesenen Aufgabe erreicht werden können.“

KuppingerCole-Chefanalyst Care rät IT-Entscheidern und Unternehmen im Wesentlichen zu drei Maßnahmen, nämlich:

• ein fähiges Modell auf der eigenen Infrastruktur auszuführen, das unter der eigenen Kontrolle steht und mit Guardrails ausgestattet ist, die sowohl eine forensische als auch defensive Nutzung ermöglichen. Nur so ließen sich Angriffe dieser Art auch zuverlässig analysieren.
• jeden KI-Agent in der eigenen Umgebung als privilegierten Insider zu behandeln – statt als vertrauenswürdigen Benutzer: „Wenn die Modelle von OpenAI aus ihrer Sandbox ausgebrochen sind, sollten Sie davon ausgehen, dass Ihre Agenten dazu auch in der Lage sind.“
• den eigenen Incident-Response-Plan mit Blick auf Angriffe in maschineller Geschwindigkeit zu aktualisieren: „Hugging Face hatte einige Tage Zeit, um zu reagieren, Sie haben vielleicht nur Minuten.“   

Acronis-CISO Beuchelt rät Organisationen, die gehostete LLMs für Security-Untersuchungen einsetzen, dazu, deren Grenzen möglichst bereits im Vorfeld zu durchdringen und zu testen – sowie ein alternatives Modell auf der eigenen Infrastruktur bereitzuhalten: „So reduzieren Sie das Risiko, im entscheidenden Moment keinen Zugriff auf wichtige Analysefunktionen zu haben. Gleichzeitig bleiben sensible Incident-Daten und Zugangsinformationen innerhalb der eigenen Organisation.“

Udo Schneider, Governance, Risk & Compliance Lead Europe bei TrendAI weist darauf hin, dass die beiden naheliegendsten Lösungsansätze bei Angriffen wie dem der OpenAI-KI auf Hugging Face nur teilweise greifen. Human-in-the-Loop-Kontrollen funktionierten zwar, so der Experte, skalierten aber nicht für die langlaufenden, komplexen Workflows, denen Incidents dieser Art entspringen. Ebenso könnten engere Guardrails für Modelle oder Prompts zwar helfen, stellten jedoch keine Garantie dar: „Es handelt sich um probabilistische Systeme. Eine Guardrail ist insofern keine Mauer, sondern eher eine starke Wahrscheinlichkeitsannahme.“

Deshalb komme es laut Schneider vor allem auf die unspektakulären, nicht-KI-spezifischen Kontrollen an: „Zugriffsfilterung, Kontrolle darüber, was überhaupt als Input beim Modell ankommt, Sandboxes, die tatsächlich halten, und Berechtigungskonzepte nach dem Least-Privilege-Prinzip.“

In Panik zu verfallen, wäre nach Ansicht von Martin Zugec, Technical Solutions Director bei Bitdefender, in jedem Fall die falsche Reaktion:„Was gegen solche Angriffe wirkt, ist eine präventionsorientierte Security, die den Handlungsspielraum eines Angreifers von vorneherein einschränkt – und eine verhaltensbasierte Abwehr, die bösartige Muster kennzeichnet, unabhängig davon, mit welchen Tools diese generiert wurden.“

Dieser Artikel wurde mit Material unserer Schwesterpublikation CSOonline.com angereichert.

Foto: N Universe | shutterstock.com

Unter den Massen von KI-Tools und -Anwendungen, die aktuell als Mobile-, Desktop- oder Web-App zur Wahl stehen, gibt es nicht wenige, die sich in erster Linie dadurch auszeichnen, dass sie:

• Output von fragwürdiger Genauigkeit liefern,

• dubiose Texte erzeugen, oder

• Bilder generieren, die zum Klick auf den X-Button verleiten.

KI-Tools dieser Art sind vor allem darauf ausgerichtet, vom anhaltenden Generative-AI (GenAI)-Hype zu profitieren – und trüben leider auch den Blick für die echten Anwendungsperlen im Bereich generative KI. Wie etwa die folgenden GenAI-Apps, die Ihre Produktivität im Arbeitsalltag drastisch steigern und damit erhebliche Zeitgewinne realisieren können. Probieren Sie’s aus!

1. ChatPDF

Sie kennen solche Situationen: Jemand schickt Ihnen einen schlanken 300-Seiter im .pdf-Format und bereits nach Seite Zwei stellt sich heraus, dass sich dieser in etwa so faszinierend liest wie eine Steuererklärung. In Zukunft dürfen Sie sich bei solchen und ähnlichen Gelegenheiten auf ChatPDF verlassen und dabei richtig Zeit einsparen.

Dieses rein webbasierte Tool – nicht zu verwechseln mit gleichnamigen Mobile Apps – tut exakt das, was es verspricht: Sie befähigen, mit .pdf-Dateien zu chatten. Darüber hinaus können Sie über das Webportal auch Office-Dokumente im .doc- oder .docx-Format hochladen, um anschließend dank KI-Unterstützung möglichst schnell und einfach Informationen über den Inhalt zu erfragen. Dabei kann es sich konkret um einfache Zusammenfassungen oder spezifische, inhaltsbezogene Fragen handeln. Sie können bei Bedarf sogar mehrere Dokumente einspeisen und diese gemeinschaftlich abfragen. Die Verantwortlichen von ChatPDF versprechen dabei, sämtliche Daten sicher zu speichern, auf Anfrage zu löschen und keinesfalls an Dritte weiterzugeben. Dennoch sollten sensible unternehmensbezogene Dokumente eher nicht diesen Weg nehmen.

ChatPDF verarbeitet davon abgesehen Dokumente in (fast) jeder Sprache – und unterstützt diese auch mit Blick auf die KI-Chat-Funktion. Zwei Dokumente dürfen Sie täglich kostenlos über den Service hochladen und abfragen – wobei die Dateien maximal 120 Seiten lang oder 10 MB groß sein dürfen. Die GenAI-Webanwendung dürfte also in ihrer kostenlosen Variante bereits für die meisten Gelegenheits-User ausreichend sein. Sollten Sie Bedarf haben, der darüber hinausgeht, steht Ihnen die Bezahlversion ChatPDF Plus ab 24,99 Euro pro Monat (oder circa 120 Euro pro Jahr) zur Verfügung.

2. Beautiful.ai

Präsentationen (richtig) zu erstellen, kann zum Pain geraten. Es sei denn, Sie lassen Generative AI den wesentlichen Teil des Gestaltungsprozesses übernehmen. Das funktioniert mit der KI-basierten Präsentationssoftware Beautiful.ai. Das (möglicherweise) größte Defizit dieses ebenfalls webbasierten KI-Tools ist, dass es zwar auch deutschsprachige Prompts verarbeitet, zur Zeit aber nur englischsprachige Präsentationen erstellt. Das tut es dafür aber richtig gut, wie bereits die Mini-Demo auf der offiziellen Webseite zeigt. Die KI-App unterstützt Sie nicht nur beim Design der einzelnen Folien, sondern auch bei der Formatierung von Inhalten und dabei, Brand Guidelines einzuhalten – sowie bei allen anderen Aspekten, die wichtig sind, damit Ihre Präsentation einen möglichst professionellen Eindruck hinterlässt.

Foto: JR Raphael | IDG

Die generativen KI-Funktionen des Web-Services umfassen auch eine Funktion, um Inhalte zu generieren. Sie können die KI beispielsweise damit beauftragen, eine ganz bestimmte Art von Präsentation zu einem bestimmten Thema zu erstellen. Dazu zieht die Anwendung öffentlich verfügbare Daten heran. Das Ergebnis bedarf zwar sehr wahrscheinlich einer gründlichen Überprüfung, Überarbeitung und Re-Formulierungskur. Dennoch kann es Ihnen eine nützliche erste Grundlage liefern, auf der sich aufbauen und damit potenziell eine Menge Zeit sparen lässt. Beautiful.ai lässt sich mit PowerPoint, Slack, Webex und Dropbox integrieren.

Leider gibt’s den KI-Präsentations-Zauber nicht umsonst. Ein Abonnement für Beautiful.ai kostet für Einzelpersonen 12 Dollar pro Monat. Im Team mit der GenAI-App zu arbeiten, schlägt mit mindestens 40 Dollar pro Nutzer und Monat zu Buche. Einen individuellen Enterprise-Preisplan gibt’s auf Anfrage.

3. Toki

Allen technologiegetriebenen Productivity-Fortschritten zum Trotz bleibt ein Task lästig: mit einem Kalender zu interagieren. Dieser Aufgabe verschreibt sich der KI-Kalenderassistent Toki, der zuvor unter dem Namen Dola bekannt war. Dabei handelt es sich um eine Chatbot-Lösung, die sich in die Messaging-Plattformen WhatsApp, Telegram, Line sowie iMessage einbinden lässt und sich anschließend zum Beispiel mit den Kalender-Apps von Google und Apple verbindet. Da dieses KI-Tool das Netzwerkprotokoll CalDAV nutzt, um auf die Kalenderdaten zuzugreifen, müssen Sie im Fall von Outlook leider den Umweg über ein Drittanbieter-Plugin nehmen.

Ist die Integration erledigt, steht Toki über integrierte Schaltflächen in den Messaging-Apps zur Verfügung, um Termine zu erstellen, zu verschieben – oder direkt Fragen zu freien Terminslots zu stellen. Darüber hinaus kann dieses Tool auch genutzt werden, um Termine mit Infos anzureichern – beispielsweise Vorschläge für beliebte Restaurants in einer bestimmten Gegend oder auch Ideen für den neuen Firmenslogan, der beim Meeting gefunden werden soll.

Der Service ist in so gut wie allen Sprachen verfügbar und in begrenzten Umfang kostenlos nutzbar. Zahlende Benutzer erhalten mehr Features ab 3,99 Dollar pro Monat.

4. Fathom

Dass virtuelle Meetings richtig schlimm werden können, wissen wir wohl alle. Und auch wenn selbst Generative AI Sie (noch) nicht davor bewahren kann, an digitalen Foltersessions teilzunehmen: Es gibt eine KI-App, die das erträglicher macht – Fathom.

Bei dieser Anwendung handelt es sich um einen KI-Assistenten für Videokonferenzen in Form klassischer Software für Windows– oder Mac-Systeme, die wahlweise mit Zoom, Microsoft Teams oder Google Meet integriert wird. Nach der Installation läuft Fathom unauffällig im Hintergrund und transkribiert (über eine Kalender-Integration) entweder automatisch oder auf Knopfdruck sämtliche Videoanrufe. Notizen machen gehört damit in beiden Fällen der Vergangenheit an. Die Zusammenfassungen oder Informationen stehen direkt zur Verfügung und lassen sich gezielt durchsuchen, weiterverarbeiten oder auch in anderen Produktivitäts- und Collaboration-Tools wie Slack nutzen.

Sämtliche Daten werden dabei laut Fathom während der Übertragung und im Ruhezustand verschlüsselt. Außerdem versprechen die Verantwortlichen ausdrücklich, keine KI-Modelle auf Kundendaten zu trainieren. Sämtliche Details zu Security- und Compliance-Themen sind – vorbildlicherweise – über ein dediziertes Trust Center abrufbar.

Foto: JR Raphael | IDG

Die KI-Software unterstützt diverse verschiedene Sprachen, darunter Englisch, Französisch, Spanisch, Italienisch und Deutsch. Noch dazu ist Fathom komplett kostenlos nutzbar – ohne Einschränkungen hinsichtlich der Anzahl oder Länge der aufgezeichneten Videokonferenzen. Erst fortschrittlichere KI-Funktionen lässt sich das Team hinter der GenAI-Anwendung bezahlen.

Die Fathom Team Edition bietet weitergehende, fortschrittliche KI-Funktionen – beispielsweise automatisierte Keyword Alerts, Highlight-Zusammenstellungen oder Team-Management-Funktionen. Die kostenpflichtige Variante ermöglicht darüber hinaus die Integration in Enterprise-Systeme wie HubSpot, Salesforce oder Zapier. Die Preise beginnen bei 15 Dollar pro Monat und User. Die kostenlose Version bietet Premium-Features für fünf Anrufe pro Monat.

5. Whisper Web

Falls Sie bereits Audiodateien besitzen, die beispielsweise im Rahmen von Meetings oder Telefongesprächen entstanden sind und jetzt in Text umgewandelt werden sollen, ist Whisper Web die richtige Adresse – zumindest, wenn es sich um englischsprachige Audioaufnahmen handelt. Diese quelloffene Webanwendung basiert auf der Entwicklungsarbeit von OpenAI und bietet Echzeit-Transkriptionen direkt im Browser. Das Large Language Model, das dazu zum Einsatz kommt, wird über die App heruntergeladen und lokal ausgeführt – die Daten, die Sie der KI übermitteln, verlassen also das Device nicht.

Whisper Web kann Audioinhalte entweder direkt über Ihr Mikrofon erfassen oder aus entsprechenden Audiodateien extrahieren. Laut den Entwicklern ist die KI-App auf mehrsprachige Daten trainiert und unterstützt auch die Transkription anderer Sprachen (zu Englisch). Der Test mit einem deutschsprachigen Audio-File brachte allerdings nicht mehr als undefiniertes Kauderwelsch hervor. Dafür ist das Tool Open Source und komplett kostenlos nutzbar – Sie benötigen dazu auch kein dediziertes Konto.

6. AudioPen

Wenn Sie nicht ohne Ihr Notizbuch (oder eine entsprechende App) auskommen, könnte das KI-Tool AudioPen sich zu Ihrer neuen Lieblings-App mausern. Die Software erfasst auf Knopfdruck Sprachnotizen jeglicher Art und erstellt daraus im Handumdrehen eine schriftliche Zusammenfassung. Und zwar in “schön”: Füllwörter oder Wiederholungen werden automatisiert eliminiert. Jede Aufnahme wandert direkt in das digitale Notizbuch und lässt sich anschließend durchsuchen, teilen oder auch in eine andere Sprache übersetzen. Auch bei AudioPen handelt es sich um eine vollständig webbasierte Applikation, die sich übrigens optional auch in Form einer Progressive Web App installieren lässt.

Foto: JR Raphael | IDG

Das KI-Tool für Sprachnotizen ist kostenlos nutzbar, solange Sie sich auf Aufnahmen mit bis zu drei Minuten Länge und maximal zehn Notizen beschränken können. Für Ansprüche, die darüber hinausgehen, steht eine “Prime”-Version der App zur Verfügung, die mindestens 99 Dollar pro Jahr kostet – dafür aber uneingeschränkt nutzbar ist und eine Reihe zusätzlicher Funktionen bietet. (fm)

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

hasan as’ari – shutterstock.com

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.

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”

Harald Becker / Hewlett-Packard GmbH

Sonja Brüggemann / Lufthansa Industry Solutions GmbH & Co. KG

Microsoft Deutschland GmbH

VOGUS – Wolfgang Voglhuber / Natuvion GmbH

smartShift Technologies GmbH

T. Schneider / Shutterstock

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.

Foto: klyaksun – shutterstock.com

Eine Art magische Taste zur Automatisierung langweiliger und repetitiver Aufgaben am Arbeitsplatz – und damit vereinfachte Arbeitsabläufe und mehr Zeit für wichtige Tasks – das ist das Versprechen von Robotic Process Automation (RPA). RPA integriert auch neue KI-Algorithmen in alte Technologie-Stacks: Viele Plattformen bieten Computer Vision und Machine Learning Tools. Dennoch: RPA ist kein Automatismus, ein beträchtliches Maß an manuellen Eingriffen und Anpassungen ist während des Trainings entsprechender Modelle erforderlich. Noch gibt es einige Tasks, die vorkonfigurierte Bots nicht erledigen können – allerdings werden die Softwareroboter zunehmend intelligenter und ihr Training einfacher.

Der RPA-Markt bietet eine Mischung aus neuen, speziell entwickelten Tools und älteren Werkzeugen, die mit zusätzlichen Automatisierungsfunktionen ausgestattet wurden. Einige Anbieter vermarkten ihre Tools unter dem Begriff “Workflow-Automatisierung” oder “Work Process Management”, andere sprechen von “Geschäftsprozessautomatisierung”.

Was Robotic Process Automation leisten sollte

Bevor Sie sich für ein RPA-Produkt entscheiden, sollten Sie sich darüber im Klaren sein, dass jedes Produkt seine eigenen proprietären Dateiformate zum Einsatz bringt. Deshalb sind RPA-Lösungen nicht miteinander kompatibel. Die Konsequenz für Sie als Anwender: Sie sollten in Frage kommende Produkte vorab sorgfältig evaluieren und einen Proof of Concept durchführen. Nachträglich auf ein anderes Produkt umzusteigen, ist in der Regel relativ mühsam – und kostspielig.

Stellen Sie sicher, dass sämtliche grundlegenden und speziellen Funktionen, die Sie benötigen, auch im Zusammenspiel mit Ihrer IT-Umgebung funktionieren. Auf folgende Faktoren gilt es dabei besonders zu achten:

• Bots sollten simpel einzurichten sein. Zudem sind verschiedene Möglichkeiten, um RPA-Bots für unterschiedliche Personas aufzusetzen, essenziell. Ein Recorder sollte die normalen Aktionen von Business-Nutzern erfassen. Citizen Developer sollten Low-Code-Umgebungen nutzen können, um Bots und Business-Regeln zu definieren. Und Profi-Devs sollten echten Automatisierungs-Code erstellen können, der auf die APIs des RPA-Tools zugreift.
• Low-Code-Funktionen sind unerlässlich. In der Regel vereint Low-Code eine Drag-and-Drop-Zeitleiste mit einer Aktions-Toolbox und Property-Formularen – ab und an muss auch ein Code-Snippet erstellt werden. Das geht deutlich schneller, als Business-Regeln mit herkömmlichen Verfahren zu erstellen.
• Die Lösung der Wahl sollte sowohl Attended als auch Unattended Bots unterstützen. Manche Bots sind nur sinnvoll, um sie on Demand (attended) auszuführen – etwa wenn es darum geht, einen genau definierten Task auszuführen. Andere eignen sich, um auf bestimmte Events zu reagieren (unattended) – etwa Due-Diligence-Prüfungen für übermittelte Kreditanträge. Sie benötigen beide Formen.
• Machine-Learning-Fähigkeiten sind Pflicht. Noch vor wenigen Jahren hatten viele RPA-Tools Probleme, Informationen aus unstrukturierten Dokumenten zu extrahieren.  Heutzutage kommen ML-Lernfunktionen zum Einsatz, um solche Daten zu analysieren. Das bezeichnen einige Anbieter und Analysten auch als “Hyperautomation”.
• Der Faktor Mensch braucht Raum. Kategoriale maschinelle Lernmodelle schätzen in der Regel die Wahrscheinlichkeit möglicher Ergebnisse. Ein Modell zur Vorhersage von Kreditausfällen, das eine Ausfallwahrscheinlichkeit von 90 Prozent angibt, könnte beispielsweise empfehlen, den Kredit abzulehnen, während ein Modell, das eine Ausfallwahrscheinlichkeit von 5 Prozent berechnet, empfehlen könnte, diesen zu gewähren. Zwischen diesen Wahrscheinlichkeiten sollte Spielraum für ein menschliches Urteil bestehen. Das RPA-Tool Ihrer Wahl sollte deshalb die Möglichkeit für manuelle Reviews bieten.
• Bots müssen sich mit ihren Enterprise Apps integrieren lassen – ansonsten können sie keine Informationen daraus abrufen und bringen entsprechend wenig. Die Integration geht in der Regel einfacher vonstatten, als PDF-Dateien zu parsen. Nichtsdestotrotz benötigen Sie dafür Treiber, Plugins und Anmeldedaten für sämtliche Datenbanken, Buchhaltungs- und HR-Systeme sowie weitere Unternehmens-Apps.
• Orchestrierungsmöglichkeiten sind unverzichtbar. Bevor Sie Bots ausführen können, müssen Sie sie konfigurieren und die dafür erforderlichen Anmeldedaten bereitstellen, in der Regel über einen eigens abgesicherten Credential Store. Zudem müssen Benutzer autorisiert werden, um Bots erstellen und ausführen zu können.
• Cloud-Bots können zusätzliche Benefits bringen. Als RPA eingeführt wurde, liefen die Bots ausschließlich auf den Desktops der Benutzer oder den Servern des Unternehmens. Mit dem Wachstum der Cloud haben sich jedoch virtuelle Cloud-Maschinen für diesen Zweck etabliert. Einige RPA-Anbieter haben auch bereits Cloud-native Bots implementiert, die als Cloud-Apps mit Cloud-APIs ausgeführt werden, anstatt auf virtuellen Windows-, macOS- oder Linux-Maschinen. Selbst wenn Sie derzeit nur wenig in Cloud-Anwendungen investiert haben, ist diese Funktion mit Blick auf die Zukunft empfehlenswert.
• Process-Mining-Fähigkeiten können Aufwand reduzieren. Der zeitaufwändigste Teil einer RPA-Implementierung besteht im Regelfall darin, Prozesse zu identifizieren, die automatisiert werden können – und diese entsprechend zu priorisieren. Je besser die RPA-Lösung Ihrer Wahl Sie in Sachen Process Mining und Task Discovery unterstützen kann, desto schneller und einfacher können Sie automatisieren.
• Skalierbarkeit ist das A und O. Wenn Sie RPA unternehmensweit einführen und sukzessive ausbauen möchten, können leicht Skalierungsprobleme auftreten – insbesondere, wenn es um Unattended Bots geht. Dagegen hilft oft eine Cloud-Implementierung, insbesondere, wenn die Orchestrierungskomponente in der Lage ist, bei Bedarf zusätzliche Bots bereitzustellen.

Die besten RPA-Softwarelösungen

Im Folgenden haben wir die aktuell wichtigsten Anbieter und Lösungen im Bereich Robotic Process Automation für Sie zusammengestellt. Die Auflistung erhebt keinen Anspruch auf Vollständigkeit und basiert unter anderem auf den Bewertungen von Anwendern sowie den Einschätzungen von Analysten.

Zu beachten ist dabei, dass KI-Agenten klassischen RPA-Lösungen zunehmend den Rang ablaufen, da sie weitergehende, intelligentere Automatisierungsinitiativen ermöglichen: Während Robotic Process Automation vor allem regelbasiert funktioniert, “lernen” KI-Agenten aus Daten. Diverse Anbieter haben bereits auf den Trend reagiert und ihr Automatisierungsangebot entsprechend neu ausgerichtet.

• Airslate
• Appian
• Automation Anywhere
• AutomationEdge
• AWS Lambda
• Cyclone Robotics
• Datamatics
• EdgeVerve Systems
• Fortra Automate
• IBM
• Laiye
• Microsoft
• Mulesoft (Salesforce)
• NiCE
• Nintex
• Pega
• SAP
• ServiceNow
• SS&C Blue Prism
• Tungsten Automation (ehemals Kofax)
• UiPath
• WorkFusion

(fm)

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

Deutsche Bahn AG/Dominic Dupont

In einer Kooperation haben die Deutsche Bahn und das Quantencomputing-Unternehmen IQM gezeigt, dass Quantencomputer bereits heute reale Probleme lösen können. Gemeinsam entwickelten die Partner einen hybriden quanten-klassischen Algorithmus, um einen optimalen Fahrplan über fünf Städte hinweg zu erstellen.

Letztlich also ein klassisches mathematisches Problem, das seit 1930 als Traveling Salesman Problem (TSP) bekannt ist. Allerdings stellt die Modellierung und Berechnung des entsprechenden Graphen selbst für heutige Computer noch eine Herausforderung dar. Quantencomputer sollen dies in Zukunft besser können.

Herausforderung perfekter Fahrplan

Dass dies keine graue Theorie ist, haben Bahn und IQM jetzt gezeigt. Zum Einsatz kam dabei der „Quantum Approximate Optimization Algorithm“ (QAOA), der direkt auf der Hardware von IQM ausgeführt wurde. Dieser Algorithmus wurde mit realen Daten der Bahn gefüttert.

Der verwendete Betriebsdatensatz bestand aus einem Fahrplan mit 190 Fahrten über fünf deutsche Städte hinweg. Dabei beginnt ein Zug an einem bestimmten Punkt, absolviert eine Reihe von Fahrten und muss am Ende wieder zu seinem Ausgangspunkt zurückkehren – ein geschlossener Zyklus (Umlauf). Dabei muss sichergestellt werden, dass jede einzelne geplante Fahrt im Fahrplan von genau einem dieser Zyklen abgedeckt wird.

Der hybride Weg

Allerdings können die Züge nicht unendlich lange fahren. In der Praxis müssen sie alle 4.000 km zur Wartung – in diesem Fall nach Hamburg. Hierbei gilt es noch Leerkilometer zu vermeiden. Alleine in diesem Beispiel ergeben sich etwa 98.500 mögliche Zyklen, die zu bewerten sind. So gilt es Leerfahrten oder etwa Doppelfahrten zu vermeiden.  

Da diese Menge zu groß für normale Computerprogramme ist, nutzt die Bahn moderne Hybrid-Algorithmen, die das Problem in kleinere, handhabbare Stücke zerlegen und Schritt für Schritt lösen. Auch der Quantencomputer übernahm nicht die gesamte Arbeit, sondern löste gezielt kleinere, hochkomplexe Teilprobleme innerhalb eines klassischen Rahmens, der das Gesamtproblem steuert.

Kein Warten auf die Zukunft

Dabei unterstreichen die beiden Partner drei Ergebnisse:

• Praxistauglichkeit heute:

Der Ansatz funktioniert auf Hardware, die bereits jetzt verfügbar ist. Unternehmen müssen also nicht auf die Entwicklung perfekt fehlerfreier Quantensysteme warten, um erste Mehrwerte zu generieren.

• Automatische Verbesserung:

Das System ist so konzipiert, dass es sich mit der Weiterentwicklung der Quantenprozessoren automatisch verbessert, ohne dass der Algorithmus neu programmiert werden muss.

• End-to-End-Lösung:

Der gesamte Prozess – von der Problemstellung bis zum fertigen, praxistauglichen Fahrplan – wurde vollständig auf IQM-Hardware durchgeführt.

Für Inés de Vega, Chief Scientist bei IQM, zeigt die Zusammenarbeit, dass Quantencomputer bereits heute in der Lage sind, groß angelegte, reale Optimierungsprobleme zu lösen. Auch Manfred Rieck, Leiter Quantentechnologie bei der Deutschen Bahn, zeigt sich optimistisch: „Quantencomputing ist gekommen, um zu bleiben“.

Meilenstein für den EU-Quantensektor

Die jetzt gewonnenen Erkenntnisse gehen weit über die Schiene hinaus. Die Architektur des Algorithmus ist so allgemein gehalten, dass sie auch auf die Logistik, den Energiesektor oder die Fertigungsindustrie übertragen werden kann.

Für IQM, das Unternehmen hat weltweit bislang 23 Quantencomputer verkauft, ist dieser Erfolg auch ein wichtiger wirtschaftlicher Beleg. So unterstreicht das Projekt die Stärke des europäischen Quanten-Ökosystems. Und zeigt last, but not least: Der Quantenvorteil rückt in greifbare Nähe.

Viele Unternehmen investieren derzeit mehrstellige Millionenbeträge in die Modernisierung ihrer SAP-Landschaften. Doch nach Einschätzung der Deutschsprachigen SAP-Anwendergruppe (DSAG) wird dabei ein entscheidender Erfolgsfaktor häufig unterschätzt: die Qualifizierung der eigenen Entwickler.

In einer neuen Handlungsempfehlung fordert der Anwenderverband CIOs auf, die Weiterbildung von SAP-Entwicklern nicht als freiwillige Schulungsmaßnahme, sondern als strategisches Investitionsprogramm zu behandeln. Gut ausgebildete Entwickler seien die Voraussetzung für stabile, wartbare Eigenentwicklungen ohne wachsende technische Schulden. Ohne Fortbildung beim Upgrade auf S/4HANA blieben die Potenziale der neuen Technologien ungenutzt.

Veraltetes Know-how wird zum Projektrisiko

Wie die Autoren ausführen, verfügen zwar viele ABAP-Entwickler über jahrzehntelange Erfahrung mit SAP R/3 oder ECC und besäßen umfangreiches Prozesswissen. Mit S/4HANA, Clean Core und ABAP Cloud hätten sich die Entwicklungsparadigmen jedoch grundlegend verändert.

Langfristig drohe dies zu schlechten Architekturentscheidungen, aufwendigen Workarounds und Eigenentwicklungen, die bei jedem Release nachgepflegt werden müssten, zu führen, so die DSAG. Auch viele Business Consultants orientierten sich noch zu stark an klassischen GUI-Transaktionen und berücksichtigten moderne Fiori-Technologien zu wenig.

Die Folge seien sogenannte “Bildungsschulden”, meint die SAP-Anwendervereinigung. Diese blieben zunächst unsichtbar, machten sich später jedoch in Form längerer Projekte, steigender Wartungskosten und einer wachsenden Abhängigkeit von externen Dienstleistern bemerkbar.

Kompetenzaufbau darf nicht erst im Projekt beginnen

Besonders kritisch sehen die DSAG-Autoren den Zeitpunkt der Weiterbildung. Wer erst während eines laufenden S/4HANA-Migrationsprojekts mit dem Kompetenzaufbau beginne, erhöhe das Projektrisiko erheblich. Fehlendes Wissen über CDS, RAP oder Fiori führe zu Architekturentscheidungen, die später teuer korrigiert werden müssten. Gleichzeitig lasse sich der notwendige Lernaufwand kaum parallel zum Tagesgeschäft bewältigen.

Aber auch nach abgeschlossener Migration müssen sich die SAP-Entwickler laut DSAG weiter fortbilden. Wer danach so weiterarbeite wie auf ECC, verpasse die Möglichkeiten aktueller SAP-Technologien – auch wenn technisch alles noch funktioniere, warnen die Autoren. Gleichzeitig könnten sie das Gelernte gleich anwenden, womit sich das neue Wissen verfestigt.

KI ersetzt keine Entwicklerkompetenz

Laut DSAG gilt auch für die Entwicklung im SAP-Umfeld: KI-Werkzeuge können zwar Code erzeugen und erklären. Voraussetzung sei dabei jedoch, dass Entwickler die Ergebnisse auch fachlich bewerten könnten. „Nur wer versteht, was guter SAP-Code ist, kann KI als Beschleuniger einsetzen“, so die Autoren. Andernfalls fungiere KI als Risikoverstärker und beschleunige im schlimmsten Fall lediglich die Entstehung technischer Schulden.

Voraussetzung für den erfolgreichen KI-Einsatz seien deshalb solide Software-Engineering-Kenntnisse, automatisierte Tests und ein Verständnis moderner SAP-Entwicklung.

Die fünf Empfehlungen der DSAG

Die DSAG empfiehlt CIOs deshalb, Weiterbildung fest in ihre Transformationsstrategie zu integrieren. Konkret nennt der Verband fünf Maßnahmen, nämlich:

• verbindliche Lernpfade für unterschiedliche Rollen wie ABAP-, CAP- oder Integrationsentwickler sowie Business Consultants zu definieren,
• geeignete Sandbox- und Testumgebungen bereitzustellen,
• Fortbildungszeiten verbindlich in die Kapazitätsplanung aufzunehmen,
• Schulungen zeitlich mit Migrations- und Modernisierungsprojekten zu verzahnen, sowie
• bestehende DSAG-Leitfäden als Referenzrahmen für die Entwicklung zu nutzen.

farknotarchitect / Shutterstock.com

Das Telefon klingelt, Sie nehmen ab, doch niemand spricht. Meistens ist das ein technischer Fehler oder ein überlastetes Callcenter-System. Manchmal aber auch nicht. Lesen Sie, was hinter stummen Anrufen wirklich steckt und wie Sie sich schützen.

Was hinter einem stummen Anruf stecken kann

Die meisten stillen Anrufe haben eine technische Ursache. Automatisierte Wählsysteme in Callcentern rufen oft schneller an, als ein Mitarbeitender verfügbar ist. Verbindungsabbrüche oder versehentliche Anrufe aus der Hosentasche kommen ebenfalls häufig vor.

Daneben gibt es jedoch einen anderen Verwendungszweck: die automatisierte Nummernprüfung. Dabei werden massenhaft Rufnummern angewählt, um festzustellen, welche aktiv sind und ob jemand abhebt. Eine erreichbare Nummer ist im Kontext von Telefonbetrug und Phishing deutlich wertvoller als eine, die nicht reagiert.

Warum schon das Abheben eine Information für Betrüger ist

Mit dem Abheben bestätigen Sie, dass Ihre Nummer aktiv ist und der Anschluss genutzt wird. Das reicht in diesem Moment bereits aus. Der stumme Anruf ist dabei selten das eigentliche Ziel, sondern nur der erste Schritt. Es folgen gezieltere Kontaktversuche: weitere Anrufe, SMS, Schockanrufe mit falschen Identitäten oder Phishing-Versuche. Auch über Messenger wie Whatsapp nehmen Betrüger zunehmend Kontakt auf.

Das sollten Sie niemals am Hörer sagen

Ein kurzes “Hallo” beim Abheben ist kein Problem. Gefährlich wird es erst, wenn Sie anfangen zu reden. Sagen Sie zum Beispiel “[Eigener Name] hier, wer ist da?” oder “Mama, bist du das?”, haben Betrüger bereits verwertbare Informationen: Namen, Beziehungen, vielleicht sogar Adressen oder mehr. Das reicht, um einen späteren Anruf gezielt und überzeugend zu gestalten.

So reagieren Sie bei stummen Anrufen richtig

Spricht nach dem Abheben niemand, legen Sie einfach auf, ohne weitere Angaben zu machen. Unbekannte Nummern sollten Sie nicht zurückrufen, besonders bei Nummern aus dem Ausland oder mit ungewöhnlichen Vorwahlen.

Verdächtige Nummern lassen sich direkt auf dem Smartphone blockieren. In unseren Ratgebern erfahren Sie, wie das unter Android funktioniert und wie Sie Betrugsanrufe auf Handy und Festnetz generell stoppen. Zusätzlichen Schutz bieten Dienste wie Tellows, die Nummern anhand von Nutzerdatenbanken bewerten und unbekannte Anrufer bereits vor dem Abheben einordnen. Noch einen Schritt weiter geht Googles KI-gestützter Anrufschutz für Android, der eingehende Anrufe automatisch auf bekannte Betrugsmuster prüft.

Bei wiederholten stummen Anrufen von derselben Nummer können Sie diese direkt beim Beschwerdeformular der Bundesnetzagentur für belästigende Anrufversuche melden.

(PC-Welt)

Microsoft entdeckt laut dem aktuellen Digital Defense Report durchschnittlich 38 Millionen neue Identitätsrisiken pro Tag.

Gelangen Angreifer über kompromittierte Zugangsdaten, gestohlene Tokens oder andere Identitätsangriffe an ein Benutzerkonto, entscheidet nicht nur die Kompromittierung selbst über den Schaden – sondern vor allem die Frage, auf welche Informationen dieses Konto zugreifen kann.

Genau hier entsteht in vielen Unternehmen ein weiteres Risiko. Über Jahre hinweg werden Inhalte geteilt, Projektbereiche geöffnet, Teams angelegt oder Freigabelinks erstellt. Häufig bleiben diese Berechtigungen bestehen, obwohl der ursprüngliche Bedarf längst entfallen ist. So entsteht Oversharing: Informationen sind für deutlich mehr Personen zugänglich als ursprünglich vorgesehen.

shutterstock/CL STOCK

KI macht sichtbar, was längst offenstand

„Wir sehen oft, dass Sicherheitskonfigurationen zwar initial sauber eingeführt wurden, im laufenden Betrieb dann aber viele Lücken entstehen“, sagt Sebastian Stiller, Product Owner Modern Workplace bei OEDIV, einem Unternehmen der Oetker-Gruppe, das mittelständische Unternehmen in IT-Strategie und -Betrieb begleitet.

Microsoft behandelt Oversharing inzwischen ausdrücklich als Governance- und Copilot-Risiko und empfiehlt, über SharePoint- und OneDrive-Governance gezielt zu prüfen, welche Inhalte zu weit freigegeben sind und dadurch in KI-gestützten Suchen sichtbar werden können.

„Das ist eine Erkenntnis, die wir bei unseren Kunden regelmäßig sehen: Governance ist nicht nur ein Regelwerk, sondern eine kontinuierliche Aufgabe“, erläutert Stiller. „Viele Unternehmen haben die Werkzeuge, aber nicht den Prozess.“

Endgeräte werden zur kontrollierten Zugriffsschicht

Die Herausforderung beschränkt sich nicht auf Identitäten, Berechtigungen und Datenzugriffe. Ähnliche Defizite zeigen sich auch bei den Endgeräten selbst. Multi-Faktor-Authentifizierung und risikobasierte Zugriffe gehören heute zum Basisschutz. Doch es reicht nicht aus, Geräte einmal sicher einzurichten und danach sich selbst zu überlassen.

Moderne Arbeitsplatzumgebungen benötigen kontinuierliche Compliance-Prüfungen, standardisierte Sicherheits-Baselines sowie ein strukturiertes Patch-, Update- und Gerätemanagement. Die Folgerung ist: Auch Endgeräte müssen ein zentraler Bestandteil der Sicherheitsarchitektur werden.

Das deutet auf eine zentrale Schwäche vieler Sicherheitsstrategien hin: Erprobte Sicherheits-Tools und Abwehrprogramme sind weit verbreitet, aber sie werden häufig nicht durchgängig genutzt oder dauerhaft operationalisiert. „In vielen Unternehmen fehlt ein dauerhaftes, möglichst automatisiertes Draufschauen“, berichtet Stiller aus seinen Erfahrungen. „Das liegt daran, dass Sicherheit häufig als Projekt gedacht wird – und nicht als kontinuierlicher Betriebsprozess.“

Sicherheit ist keine Lösung, sie ist ein Betriebsmodell

Wer Sicherheit als Betriebsmodell denkt, muss oft nur seine Standardlösungen konsequenter nutzen. „Viele Unternehmen verfügen bereits über einen großen Teil der notwendigen Sicherheitsfunktionen“, erzählt Stiller. „Die eigentliche Herausforderung liegt häufig nicht in der Technologie, sondern in deren Operationalisierung – also darin, diese Funktionen konsequent, dauerhaft und kontrolliert zu betreiben.“

OEDIV sieht Modern Workplace Security als Zusammenspiel aus Governance, Security und laufendem Betrieb. In diesem Sinne steht bei OEDIV Managed Microsoft 365 im Zentrum. Der Service macht Microsoft-365-Umgebungen dauerhaft kontrollierbar – mit klaren Regeln, laufender Überwachung und strukturierten Verbesserungsprozessen.

OEDIV adressiert damit die oben erwähnten Schwachstellen: Konsequente Governance und fortlaufendes Nachschärfen im Regelbetrieb. So wird aus Managed Microsoft 365 ein Betriebsmodell für Sicherheit, Governance und Kontrolle. Das sorgt zum Beispiel dafür, dass zu weitreichende Freigaben oder Risiken im Identitäts- und Zugriffsmanagement frühzeitig sichtbar und gezielt adressiert werden können.

Zu einem Betriebsmodell gehört operative Steuerung

Ergänzt wird dieser Ansatz durch Managed Workplace, das die operative Steuerung der Endgeräte nach zwei komplementären Ebenen strukturiert: Einerseits sollen die Geräte durch Endpoint Management, Patching und Endpoint Security sicher und aktuell bleiben. Andererseits geht es um die operative Kontrolle der Geräteflotte – vom Mobile Device Management bis zur kontrollierten Bereitstellung von Anwendungen.

Im Zusammenspiel mit Managed Microsoft 365 entsteht so eine integrierte Steuerungsebene: Identitäten, Geräte und Datenzugriffe sind nicht länger isolierte Inseln, sondern ein durchgehend kontrollierter Bereich. So lässt sich zum einen die Sicherheit technisch erhöhen. Zum anderen entsteht ein operativer Rahmen, in dem Abweichungen schneller erkannt und entsprechende Maßnahmen umgehend eingeleitet werden können.

Diese integrierte Steuerungsebene funktioniert nach zwei zentralen Leitprinzipien, die OEDIV in alle Services einbettet: Security by Design bedeutet, dass Sicherheit von Anfang an in jede Komponente eingearbeitet ist – nicht als Zusatzmodul, sondern als durchgängiges Strukturprinzip. Bei beiden Services ist jeder operative Schritt mit Sicherheitsvorgaben verwoben.

Evergreen by Design adressiert das Problem der Statik. Viele IT-Systeme werden einmal konfiguriert und danach kaum modernisiert. OEDIVs Service-Modell bettet kontinuierliche Aktualisierungen, Patches und Best-Practice-Optimierungen ein – Sicherheit und Modernität entstehen im laufenden Betrieb, nicht nur bei der initialen Konfiguration.

„Deshalb positionieren wir Managed Workplace und Managed Microsoft 365 nicht als isolierte Lösungen, sondern als integrierte Service-Angebote“, erläutert Stiller. „Governance, Security und Betrieb sind bei uns nicht voneinander zu trennen – sie sind die Grundlage für echte Kontrolle.“

Sicherheit zur Betriebsroutine machen

Terelyuk | shutterstock.com

Application Programming Interfaces (APIs) wurden ursprünglich als Mechanismus entwickelt, um Computern zu ermöglichen, untereinander zu kommunizieren. Im Laufe der Zeit haben sie sich jedoch zu einem eigenständigen Ökosystem entwickelt. Inzwischen steht für jeden erdenklichen Entwicklungszweck eine nützliche API bereit. Einige sind lediglich dazu da, mit Softwarelösungen zu interagieren – etwa E-Mail-Clients, Spreadsheets oder KI-Systemen. Andere sind Informationsquelllen, die Karten, Wegbeschreibungen oder anderen Content liefern. Diese APIs ersparen es Entwicklern, eigene Datenbanken von Grund auf neu aufbauen zu müssen.

In diesem Artikel liefern wir Ihnen eine kleine, aber feine Auswahl nutzwertiger, kostenloser APIs.

Pexels

Ein schönes Bild kann eine Webseite direkt aufwerten. Mit dieser API bekommen Sie Zugang zu einer größten Online-Sammlungen kostenloser Stockfotos und -videos, die Sie für Ihre Apps und Webseiten nutzen können. Der einzige “Haken”: Sie müssen die Copyright-Vermerke korrekt angeben. Ein guter Deal.

Hacker News

Um sich in Sachen Innovationen auf dem Laufenden zu halten oder einfach um neue Ideen aufzutun, ist Hacker News eine der ersten Adressen. Über die zugehörige API der Webseite können Sie auf die Artikel und Diskussionsforen zugreifen, ohne dazu das Internet zu durchforsten.

Regierungs-Repositories

Die meisten Städte und Länder bieten eigene, frei zugängliche APIs an, die Zugriff auf die Daten diverse Regierungsinstitutionen bieten. Über das deutsche bundDEV-Portal erhalten Sie unter anderem Zugriff auf die Schnittstellen und öffentlich zugänglichen Daten von:

• der Bundesagentur für Arbeit,
• dem Bundestag und Bundesrat,
• dem statistischen Bundesamt,
• dem deutschen Wetterdienst, oder
• der Bundesnetzagentur.

Newscatcher

Wer News analysieren muss, hat es angesichts des Überangebots mitunter schwer. Dagegen hilft die API von Newscatcher: Ein Enterprise-Tool, um News-Daten anzuzapfen und analysieren. Dazu sammelt die API Nachrichten von weltweit mehr als 120.000 Quellen im Web, reichert sie mit Hilfe von NLP mit Metadaten an und stellt diese in organisierter Form bereit.

KI-APIs

Multimedia

Auch diverse Tech-Größen hosten APIs, die Sie bei Tasks im Zusammenhang mit Bildern, Audioaufnahmen und generell Multimedia-Inhalten unterstützen können. Dazu gehören etwa:  

• Amazon Rekognition,
• IBM Watson Visual Recognition,
• Google Cloud Vision API, und
• Microsoft Azure AI Vision

Aber auch kleinere Anbieter haben interessante Nischen-API-Angebote in petto. Diese beiden Anbieter verfügen über kostenlos nutzbare Angebote:

• Clarifai ist eine API, um beispielsweise Logos, Kleidung, Personen, Fahrzeuge, Waffen oder Uniformen in Bildern und Videos zu identifizieren.
• Roboflow bietet spezielle Funktionen, um die Sicherheit und Genauigkeit von Fabrikprozessen zu optimieren.

KI-gestützte Suchen

KI-APIs können zudem die Möglichkeiten von Suchmaschinen erweitern, um auch Antworten zu finden, die nicht von bestimmten Keywords abhängig sind.

• Recombee hat beispielsweise eine API entwickelt, die als “Personalisierungs-Engine” bezeichnet wird. Sie kann die Suchfunktionen einer Website erweitern.
• Algolia bietet eine “Recommendation Engine” an, die auf E-Commerce spezialisiert ist.
• Shaped verspricht eine Personalisierung im “TikTok-Stil”, die sich tief in diverse Bereiche Ihrer Website einbetten lässt.

Weitere APIs, die speziell mit Blick auf KI-Integrationen und Workflow-Automatisierung interessant sind, finden Sie hier. (fm)

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

Gorodenkoff | shutterstock.com

Detection Engineering war einst ein Nischenbereich, der vor allem für Großunternehmen relevant war. Inzwischen wird die Methodologie allerdings in diversen Branchen als unverzichtbar für den Security-Betrieb angesehen.

In diesem Beitrag erfahren Sie:

• was Detection Engineering ist,
• wie es sich von Threat Detection unterscheidet,
• welche Aspekte die Adoption treiben,
• welche Voraussetzungen dabei erfüllt sein sollten, und
• welche Rolle KI und Automatisierung dabei spielen können.

Was ist Detection Engineering?

Beim Detection Engineering geht es darum, Systeme zu entwickeln und zu implementieren, mit denen potenzielle Sicherheitsbedrohungen innerhalb der spezifischen Technologieumgebung eines Unternehmens identifiziert werden können – ohne dabei in einer Flut von Fehlalarmen unterzugehen. Dazu werden intelligente Regeln erstellt, um potenziell verdächtige oder schadhafte Vorgänge in den Netzwerken oder Systemen eines Unternehmens zu identifizieren und entsprechend aussagekräftige Warnmeldungen darüber zu generieren.

Der Detection-Engineering-Prozess umfasst in der Regel:

• Bedrohungen zu modellieren,
• die TTPs der Angreifer zu analysieren,
• Detection-Regeln zu schreiben, zu testen und zu validieren, sowie
• sich an neue Bedrohungen oder Angriffstechniken anzupassen.

Laut dem vom SANS Institute und Anvilogic veröffentlichten „State of Detection Engineering Report 2026“ (Download gegen Daten) investieren 80 Prozent der befragten Organisationen (und 85 Prozent der Großunternehmen) inzwischen aktiv in Detection Engineering. Von diesen verfügen mittlerweile 60 Prozent über eigene, dedizierte Teams in diesem Bereich. Und: 67 Prozent der Befragten geben an, dass Detection Engineering ausgeprägten Support durch das Management genießt.

Die Ergebnisse des Reports deuten darauf hin, dass viele Unternehmen Detection-Engineering-Praktiken nicht nur eingeführt, sondern zu einem strategischen Fokuspunkt ihrer Cybersecurity-Bemühungen gemacht haben. Oder, wie die Studienautoren es ausdrücken: „Noch vor einem Jahrzehnt war Detection Engineering relativ unbekannt. Heute ist es essenziell für die Security Operations.“

Der Report beschreibt zudem, wie sich die Detection-Engineering-Praktiken im Laufe der letzten Jahre weiterentwickelt haben. Waren diese zunächst übermäßig abhängig von herstellerspezifischen Konsolen und proprietären Sprachen, hielten dann nach und nach Softwareentwicklungsprinzipien wie CI/CD Einzug.

Detection Engineering vs. Threat Detection

Laut den Verfechtern des Ansatzes unterscheidet sich Detection Engineering wesentlich von herkömmlicher Threat Detection – mit Blick auf Ansatz, Methodik und die Integration in den Development Lifecycle:

• So sind traditionelle Threat-Detection-Prozesse in der Regel reaktiv und stützen sich auf vordefinierte Regeln und Anbietersignaturen – die Anpassungsmöglichkeiten für die Anwender sind limitiert.
• Im Gegensatz dazu kommen beim Detection Engineering Prinzipien der Softwareentwicklung zum Einsatz, um eine benutzerdefinierte Detection-Logik für eine spezifische Unternehmensumgebung und ihre Bedrohungslandschaft zu erstellen und zu pflegen. Das Ziel besteht darin, maßgeschneiderte Mechanismen zu entwickeln, um unternehmensspezifische Bedrohungen erkennen zu können.

Deshalb geht Detection Engineering oft mit einem stärkeren Fokus auf verhaltensbasierte Erkennungsmethoden einher, wie Heath Renfrow, CISO und Mitbegründer des Cyber-Recovery-Anbieters Fenix24, erklärt: „Detection Engineering ist verhaltensgesteuert, kontextsensitiv und auf die einzigartige Bedrohungslandschaft eines einzelnen Unternehmens zugeschnitten. Es ist ein Mix aus Security Operations, Threat Intelligence und Data Science.“

Warum Detection Engineering eingeführt wird

Die Einführung von Detection Engineering wird von einer ganzen Reihe von Faktoren vorangetrieben. Der wichtigste ist die Tatsache, dass Standard-Detection-Mechanismen nicht ausreichen: „Diese erfassen keine Baseline für die Umgebung, reduzieren die Anzahl der Fehlalarme nicht und – was besonders beunruhigend ist – warnen nicht immer vor den wirklich wichtigen Ereignissen“, konstatiert Johnathon Miller, Vice President of Security Operations beim Plattformanbieter Lumifi Cyber.

Generische Warnmeldungen, die den organisatorischen Kontext nicht berücksichtigen, haben sich vielerorts zum Problem entwickelt und fördern die „False Positive Fatigue“ – wie auch die vorab zitierte Studie belegt:

• 64 Prozent der Befragten geben an, unter hohen Fehlalarmraten zu leiden,
• 61 Prozent haben mit unpräzisen Detection-Mechanismen zu kämpfen, und
• 34 Prozent berichten von zeitlich verzögerten Updates und Optimierungen.

„Herkömmliche Methoden zur Bedrohungserkennung waren in der Vergangenheit statisch: Wenn a gleich a ist, wird eine Warnmeldung ausgelöst“, erklärt Kevin Gonzalez, Vice President of Security, Operations and Data bei Anvilogic. Laut dem Experten handle es sich oft um starre Black-Box-Mechanismen, denen es an Flexibilität bei der Anpassung mangele. Diese Ansätze seien laut Gonzalez zwar bis zu einem gewissen Grad nützlich, würden im Zuge einer Skalierung aber unüberschaubar – insbesondere bei hybriden Umgebungen.

Ein weiteres Problem ist das wachsende Ausmaß und die zunehmende Raffinesse der Sicherheitsbedrohungen. Angreifer setzen immer ausgefeiltere und schwerer zu erkennende Techniken ein – darunter Fileless Malware, Zero-Day-Exploits sowie „Living off the Land“- und Supply-Chain-Attacken. Die zunehmende Nutzung der Cloud hat darüber hinaus neue Schwachstellen eröffnet und blinde Flecken geschaffen, die mit herkömmlichen Detection-Methoden oft nur schwer abzudecken sind.

„Unternehmen erkennen mittlerweile, dass proaktive Erkennungstechniken die Verweildauer der Angreifer verkürzen, die Reaktionsfähigkeit verbessern und die allgemeine Cyberresilienz stärken. Zudem legen Compliance-Frameworks und auch Cyberversicherer zunehmend gesteigerten Wert auf robuste Detection-Strategien“, meint Sicherheitsentscheider Renfrow.

Detection Engineering – die Voraussetzungen

Zu den Unternehmen, die auf Detection Engineering setzen, zählen Firmen aus dem Bankensektor, der Tech- und Cybersecurity-Branche sowie dem Healthcare-Bereich. Also hauptsächlich Branchen, die strengen regulatorischen Anforderungen unterliegen oder regelmäßig zum Ziel raffinierter Angreifer werden.  

Tatsächlich können jedoch die meisten Unternehmen mit einer komplexen IT-Infrastruktur von Detection Engineering profitieren – zum Beispiel auch mit Blick auf Security Operations Center (SOCs), wie Michael Mumcuoglu, CEO beim Detection-Engineering-Anbieter CardinalOps, erklärt: „Nicht nur die Bedrohungslandschaft verändert sich, sondern auch die eigene interne IT-Infrastruktur. Das kann zu Abweichungen bei der Detection führen, so dass die Regeln nicht mehr eingehalten und somit auch keine Warnmeldungen mehr ausgelöst werden.“

Als zentrale Voraussetzungen für den Aufbau von Detection-Engineering-Fähigkeiten gelten unter Sicherheitsexperten:

• Daten: Detection-Engineering-Teams benötigen Zugriff auf Protokolle und Security-Event-Daten von Endgeräten, Netzwerken, Cloud-Umgebungen und Sicherheits-Tools sowie auf eine zentralisierte SIEM– oder Log-Management-Plattform, um diese zu aggregieren und zu normalisieren.
• Qualifiziertes Personal: Detection Engineers, Security-Analysten und Threat Researcher sind nötig, um Detection-Regeln zu entwickeln und zu verfeinern.
• Formalisierte Prozesse: Diese sind essenziell, um Bedrohungen zu modellieren, zu testen und Threat-Daten in die Incident Response zu integrieren.

CISO Renfrow empfiehlt Detection-Engineering-Interessierten zudem, Frameworks wie MITRE ATT&CK zu nutzen, um sicherzustellen, dass bekannte Adversary-Techniken abgedeckt werden. Zusätzlich rät der Sicherheitsentscheider Anwenderunternehmen dazu, Adversary-Emulation-Tools einzusetzen, um die Effektivität ihrer Bemühungen zu validieren.

Automatisiertes Detection Engineering

Bei der Optimierung und Automatisierung von Detection-Regeln können auch künstliche Intelligenz (KI) und Machine Learning (ML) unterstützen, wie ein weiterer Blick auf den Report von SANS und Anvilogic deutlich macht. Demnach:

• setzen 45 Prozent der Studienteilnehmer in ihren Detection-Engineering-Programmen KI ein, um Anomalien zu erkennen sowie Regeln zu generieren und Warnmeldungen zu triagieren.
• sind 88 Prozent davon überzeugt, dass KI in den nächsten drei Jahren erheblichen Einfluss auf ihre Detection-Engineering-Programme haben wird.
• nutzen 93 Prozent der Befragten aktuell eine Form der Automatisierung in ihrem Detection-Engineering-Workflow ein – oder planen damit.

„Einer der stärksten Anwendungsfälle für KI ist es, riesige Datenmengen zu analysieren, um Anomalien zu identifizieren. Insbesondere, wenn es um KI-Modelle geht, die auf benutzerdefinierten Datensätzen trainiert wurden“, meint auch Glenn Thorpe, Senior Director of Security Research and Detection Engineering beim Plattformanbieter GreyNoise Intelligence.

Geht es darum, Detection-Engineering-Prozesse zu automatisieren, nehmen Anwender vor allem drei Bereiche in den Fokus. Sie:

• mappen ihre Detection-Abdeckung mit dem MITRE-ATT&CK-Framework,
• identifizieren fehlerhafte oder falsch konfigurierte Detection-Regeln, und
• operationalisieren Threat-Informationen in umsetzbare Erkennungsregeln.

Security-Experte Thorpe warnt Unternehmen allerdings davor, nach einer Einheitslösung zu suchen, um Detection-Engineering-Kapazitäten aufzubauen: „Um ein effektives Team in diesem Bereich aufzubauen, sind vor allem eine kreative, vielschichtige Denkweise und Neugierde gefragt.“

Ein guter Ausgangspunkt wäre laut dem Manager, die Kerndaten des eigenen Unternehmens zu identifizieren und Menschen zu finden, die diese aus unterschiedlichen Perspektiven analysieren können: „Verschaffen Sie sich ein realistisches Bild davon, was Sie nicht wissen – und schließen sie dann diese Informationslücken. Dabei werden Sie wahrscheinlich feststellen, dass schon kleinere Veränderungen mehr Transparenz schaffen und es erleichtern, den Netzwerk-Traffic zu verstehen.“ (fm)

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

SAP

Unternehmen stehen derzeit vor zwei gleichzeitigen Herausforderungen: Die Risiken rund um KI entwickeln sich schneller als die Governance, während sich der geschäftliche Nutzen oft nur schwer messen lässt.

Das ist eines der Kernergebnisse von „The Value of AI“, einer Studie, die SAP in Zusammenarbeit mit Oxford Economics in diesem Jahr zum zweiten Mal erstellt hat. Für die Studie wurden weltweit 2.600 Führungskräfte aus 13 Ländern befragt, darunter 200 Entscheiderinnen und Entscheider aus Deutschland.

Hohe Erwartungen, geringe Vorbereitung

Im Durchschnitt wollen deutsche Unternehmen in diesem Jahr rund 35 Millionen Euro in KI investieren und rechnen mit einem ROI von 24 Prozent (Vorjahr: 17 Prozent). Besonders hoch sind die Erwartungen an KI-Agenten: Ihr wirtschaftlicher Nutzen soll innerhalb von zwei Jahren auf rund 18 Millionen Euro steigen. Und: 90 Prozent der befragten Unternehmen schreiben Agentic AI das Potenzial zu, ihre Organisation grundlegend zu verändern. Andererseits fühlen sich nur vier Prozent der Unternehmen vollständig auf den Einsatz von KI-Agenten vorbereitet.

Insbesondere beim Thema Governance bestehen Lücken:

• Nur elf Prozent der Befragten halten die Steuerungsfähigkeiten in ihrem Unternehmen für ausreichend,
• mehr als 50 Prozent verfügen nicht über Prozesse zur menschlichen Kontrolle von KI-Agenten, und
• lediglich 30 Prozent haben Berechtigungs- oder Agentenverzeichnisse eingerichtet.

Gleichzeitig befürchten oder akzeptieren viele Unternehmen, KI-Agenten schneller einzuführen, als sie diese kontrollieren können. Weitere Bremsklötze sind Schwächen in der Organisation des KI-Einsatzes, mangelhafte Datenqualität, unzureichende Qualifizierung der Beschäftigten sowie die weit verbreitete Nutzung von Schatten-KI.

Im CW-Gespräch nimmt Sean Kask, Chief AI Strategy Officer bei SAP, zu den wichtigsten Ergebnissen der Studie Stellung.

“Die Governance-Frage ist aktuell die größere Herausforderung”

Herr Kask, im Vorwort der Studie schreiben Sie, dass Unternehmen derzeit vor zwei Herausforderungen gleichzeitig stehen: Die Risiken rund um KI entwickeln sich schneller als die Governance, während sich der geschäftliche Nutzen oft nur schwer messen lässt. Was bereitet Unternehmen die größeren Probleme?

Sean Kask: Den geschäftlichen Nutzen von IT-Investitionen zu messen, war nie einfach. Das gilt auch für KI. Deshalb halte ich die Governance-Frage aktuell für die größere Herausforderung. Klassische Governance-Prinzipien und bewährte Verfahren für sichere Softwareentwicklung bleiben zwar auch im Zeitalter großer Sprachmodelle und agentischer KI wichtig. Gleichzeitig entstehen aber völlig neue Risiken.

Sobald Unternehmen KI breit ausrollen, entdecken sie beispielsweise plötzlich Hunderte oder sogar Tausende sogenannter „Shadow Agents“, die Mitarbeitende ohne zentrale Kontrolle einsetzen. Oder sie stellen fest, dass ein erheblicher Teil der Belegschaft Inhalte in private ChatGPT-Konten kopiert. Solche Risiken werden häufig erst sichtbar, wenn KI bereits produktiv genutzt wird.

Deutsche Unternehmen investieren laut Ihrer Studie mit durchschnittlich fast 40 Millionen Dollar mehr in KI als Unternehmen in allen anderen untersuchten Ländern. Woran liegt das?

Kask: Mich hat weniger die Höhe der Investitionen überrascht als vielmehr die Tatsache, dass sich Investitionsniveau und erzielter Return on Investment über die verschiedenen Länder hinweg insgesamt sehr ähnlich entwickelt haben. Warum Deutschland mehr investiert, lässt sich nicht eindeutig beantworten. Teilweise dürfte es schlicht daran liegen, dass die Kosten hier höher sind als beispielsweise in Indien.

Wir sehen aber auch eine hohe KI-Adoption bei deutschen Unternehmen. SAP verfügt über ein Dashboard, mit dem wir nachvollziehen können, wie unsere Kunden KI-Funktionen einsetzen. Deutschland gehört dabei zu den Ländern mit einer besonders hohen Nutzung. Hinzu kommen die starke industrielle Basis und die politischen Impulse aus Europa, die den Einsatz von KI vorantreiben. Entsprechend investieren Unternehmen hier gezielt in den Aufbau entsprechender Kompetenzen.

Laut Studie sind 47 Prozent der deutschen Unternehmen mit dem Return on Investment ihrer KI-Investitionen zufrieden. Gleichzeitig sagen 77 Prozent, dass sie das Potenzial von KI noch längst nicht ausschöpfen. Ist das nicht ein Widerspruch?

Kask: Nein, dieses Muster sehen wir weltweit. Unternehmen investieren zunächst in einige wenige KI-Anwendungsfälle und stellen fest: Das funktioniert, wir erzielen einen Mehrwert. Entsprechend sind sie mit ihrer Investition zufrieden.

Doch genau dadurch erkennen sie auch weitere Einsatzszenarien. Sie beschäftigen sich mit KI-Agenten und möchten diese ebenfalls nutzen. Genau an diesem Punkt stoßen viele jedoch auf neue Herausforderungen bei der Einführung und Skalierung.

Die Studie zeigt deshalb vor allem eine Lernkurve: Je mehr Erfahrungen Unternehmen mit KI sammeln, desto größer wird ihr Bewusstsein für das bislang ungenutzte Potenzial.

Der Studie zufolge verfügen nur 35 Prozent der deutschen Unternehmen über KPIs auf Vorstandsebene, die direkt an die Einführung von KI gekoppelt sind. Welche Kennzahlen sollten Aufsichtsgremien und CEOs aus Ihrer Sicht unbedingt messen?

Kask: Ein zentraler Indikator ist für uns das Enablement der Mitarbeitenden. Wie viele Beschäftigte haben bereits Schulungs- oder Upskilling-Programme rund um KI erfolgreich absolviert? Ohne entsprechende Kompetenzen bleibt auch die KI-Adoption hinter ihren Möglichkeiten zurück.

Ebenso wichtig ist Transparenz. Unternehmen sollten wissen, welche KI-Agenten in ihrer Landschaft tatsächlich im Einsatz sind. SAP bietet hierfür den SAP AI Agent Hub an, der der Agenten aus SAP- und Drittanbieter-Umgebungen automatisch entdeckt und inventarisiert. Kunden konnten so bereits Tausende Agenten identifiziert, was den Bedarf an zentraler Governance und Transparenz deutlich macht.

Außerdem sollten Unternehmen einen vollständigen Überblick über alle KI-Anwendungsfälle haben. Für jeden Use Case sollte ein belastbarer Business Case vorliegen. Häufig erleben wir zwei Extreme: Entweder steht der Vorstand unter Druck, möglichst schnell KI einzuführen und stellt dafür pauschal Budget bereit. Oder das Management hält sich zunächst zurück. Dann entstehen überall im Unternehmen eigenständig Pilotprojekte, einzelne Fachbereiche beschaffen eigene Werkzeuge und schließen eigene Verträge ab.

Bei SAP verfolgen wir deshalb einen klar strukturierten Auswahlprozess. Jede Idee durchläuft zunächst eine Bewertung des zu erwarteten Geschäftswerts. Danach prüfen wir die technische Machbarkeit, die Datenverfügbarkeit sowie ethische und Governance-Aspekte. Aus Sicht des Managements ist entscheidend, jederzeit Transparenz über alle laufenden KI-Projekte zu haben und diese konsequent nach ihrem Geschäftswert zu priorisieren.

“Auch Agenten brauchen einen ‘Hire-to-Retire’-Lebenszyklus”

Auch mit der Einführung von Dutzenden oder sogar Hunderten KI-Agenten wird die Governance immer komplexer. Welche Funktionen benötigen Enterprise-Plattformen, um KI-Agenten sicher und kontrolliert im großen Maßstab zu verwalten?

Kask: Wir versuchen bewusst, KI nicht zu stark zu vermenschlichen. Dennoch hilft die Analogie: Für Agenten braucht es einen vollständigen „Hire-to-Retire“-Lebenszyklus. Das beginnt mit der Erkennung und Registrierung eines Agenten. Anschließend wird er in die Unternehmensumgebung integriert, erhält die notwendigen Berechtigungen und Zugriff auf die Datenquellen, die er für seine Aufgaben benötigt.

Ebenso wichtig ist die Observability. Unternehmen müssen jederzeit nachvollziehen können, was ein Agent im System tatsächlich macht. Darüber hinaus sollten sie Leistungskennzahlen erfassen: Erreicht der Agent die gewünschten Ergebnisse? Wie effizient arbeitet er? Wie viele Tokens verbraucht er? Wie viele Verarbeitungsschritte benötigt er für eine Aufgabe?

Letztlich geht es um mehrere Bausteine: ein vollständiges Inventar aller Agenten, geeignete Governance-, Risk- und Compliance-Mechanismen (GRC), Transparenz über das Verhalten der Agenten sowie eine kontinuierliche Überwachung. Nur so lässt sich sicherstellen, dass KI-Agenten dauerhaft innerhalb der definierten Leitplanken arbeiten und den gewünschten Geschäftswert liefern.

Welche Geschäftsprozesse werden Unternehmen Ihrer Einschätzung nach in den nächsten zwei bis drei Jahren tatsächlich vollständig an KI-Agenten delegieren?

Kask: Derzeit funktionieren solche Agenten vor allem in klar abgegrenzten Anwendungsfällen besonders gut. SAP wird mehr als 50 (aktuell 34) spezialisierte KI-Agenten veröffentlichen.

Ein Beispiel ist die periodische Rechnungslegung. Dort müssen Buchungen anhand zahlreicher Regeln erfolgen, die in Dokumenten, E-Mails oder früheren Transaktionen hinterlegt sind. Der Agent analysiert diese verschiedenen Informationsquellen, leitet daraus eine Empfehlung ab und schlägt dem Sachbearbeiter die passende Buchung vor.

Nach dem, was wir aus Kundenprojekten hören, verbringen Mitarbeitende mittelgroßer Unternehmen heute oft rund zwölf Stunden pro Monat mit diesen Aufgaben. Mithilfe eines KI-Agenten lässt sich dieser Aufwand auf zwei bis drei Stunden reduzieren.

Ein weiteres Einsatzfeld ist die Produktionsplanung. Ändern sich Liefertermine oder gehen kurzfristig neue Aufträge ein, muss der gesamte Produktionsplan angepasst werden. Genau solche komplexen Optimierungsaufgaben eignen sich hervorragend für KI-Agenten.

Grundsätzlich gibt es kaum Grenzen dafür, in welchen eng umrissenen Geschäftsprozessen Agenten eingesetzt werden können. Vollständig autonom werden sie allerdings zunächst nicht agieren.

“Vertrauen in KI beginnt mit einer stabilen Basis”

Viele Unternehmen tun sich noch schwer, KI-Agenten zu vertrauen. Schließlich arbeiten große Sprachmodelle probabilistisch und können halluzinieren. Gerade bei Finanzprozessen ist das problematisch. Wie schaffen Sie Vertrauen?

Kask: Vertrauen beginnt mit einer stabilen Basis. Die ERP-Systeme bleiben das verlässliche „System of Record“. Sie arbeiten deterministisch, enthalten die Geschäftslogik und die relevanten Unternehmensdaten. KI-Agenten bauen auf dieser Basis auf – sie ersetzen sie nicht.

Ebenso wichtig ist das „Human in the Loop“-Prinzip. Mitarbeitende müssen nachvollziehen können, was der Agent macht, seine Ergebnisse überprüfen und bei Bedarf eingreifen. Deshalb spielt auch die Qualifizierung der Beschäftigten eine entscheidende Rolle. Sie müssen verstehen, wie generative KI funktioniert und wo ihre Grenzen liegen.

Natürlich können Sprachmodelle halluzinieren. Gleichzeitig darf man nicht vergessen, dass auch Menschen nicht fehlerfrei arbeiten. Entscheidend ist das Zusammenspiel von Mensch und KI. So lassen sich sowohl die Effizienz als auch die Qualität vieler Geschäftsprozesse verbessern.

Ein weiterer wichtiger Baustein ist Transparenz. Unsere globale KI-Ethikrichtlinie schreibt beispielsweise vor, dass Nutzer immer erkennen können müssen, wenn KI beteiligt ist. In Joule lässt sich nachvollziehen, welche Datenquellen der Agent genutzt hat und welche Schritte er bei seiner Entscheidung durchlaufen hat. Diese Nachvollziehbarkeit ist eine wesentliche Voraussetzung für Vertrauen.

Was unterscheidet einen SAP-Agenten von einem allgemeinen KI-Agenten, der lediglich auf ein ERP-System zugreift?

Kask: Der entscheidende Unterschied liegt darin, dass Joule und die SAP-Agenten direkt im ERP-System verankert sind. Dort haben wir beispielsweise einen „Knowledge Graph“ aufgebaut, der die semantischen Beziehungen zwischen sämtlichen Tabellen, Geschäftsobjekten und Datenfeldern beschreibt.

Um die Größenordnung zu verdeutlichen: Der SAP S/4HANA Knowledge Graph basiert auf rund 452.000 ABAP-Tabellen, 7,3 Millionen Datenfelder und Tausenden analytischen Sichten. Die semantischen Beziehungen zwischen diesen Artefakten werden im Knowledge Graph modelliert und für KI-Anwendungen nutzbar gemacht.

Wenn ein Anwender beispielsweise sämtliche offenen Bestellungen einsehen möchte, muss der Agent nicht erst mühsam nach den relevanten Informationen suchen. Er weiß sofort, welche Tabellen und Objekte relevant sind und kennt auch die Beziehungen zwischen einer Bestellung, einer Bestellanforderung, den zuständigen Genehmigern und weiteren Geschäftsobjekten. Dadurch arbeitet der Agent nicht nur deutlich präziser, sondern benötigt auch erheblich weniger Tokens, weil er den Suchraum stark eingrenzen kann.

Versucht man stattdessen, KI lediglich auf ein bestehendes System aufzusetzen oder Daten aus einem relationalen ERP-System herauszulösen, gehen viele dieser Beziehungen verloren. Man zerstört gewissermaßen den semantischen Kontext, der für präzise Antworten entscheidend ist.

Deshalb betrachten wir das ERP-System als einen enormen strategischen Vorteil. Es ist seit Jahrzehnten das System of Record und enthält rund 50 Jahre kodiertes Geschäfts- und Prozesswissen. Dieses Wissen bildet die Grundlage für das, was wir als „Autonomous Enterprise“ bezeichnen. Die Agenten bauen auf diesem Wissen auf und entwickeln es weiter.

Künftig werden SAP-Agenten zudem über Standards wie Agent-to-Agent (A2A) bidirektional mit Agenten anderer Anbieter kommunizieren.

Laut Ihrer Studie schafft KI derzeit den größten Mehrwert bei der Entscheidungsfindung, der Kundeninteraktion und der Gewinnung neuer Erkenntnisse – weniger bei klassischen Produktivitätssteigerungen. Wird sich dadurch die Art verändern, wie Unternehmen KI-Investitionen künftig begründen?

Kask: Die Produktivität wurde in unserer Studie lediglich etwas niedriger bewertet als beispielsweise die Gewinnung neuer Erkenntnisse. Langfristig bleibt Produktivität aber das eigentliche Ziel. Gerade Europa leidet seit Jahren unter einem vergleichsweise schwachen Produktivitätswachstum.

Bei SAP bewerten wir deshalb jede neue KI-Funktion zunächst anhand ihres konkreten Geschäftsnutzens. Für alle Agenten und KI-Funktionen, die wir in unserem „AI Feature Catalog“ erfassen, erstellen wir zunächst eine Wertanalyse. Wir fragen: Welchen Nutzen hat die Funktion für den Anwender? Trägt sie zu mehr Umsatz bei? Steigert sie die Produktivität? Erst dann wird sie weiterentwickelt.

Im Moment liegt der größte Mehrwert häufig noch darin, Informationen aus strukturierten und unstrukturierten Datenquellen zusammenzuführen und per natürlicher Sprache zugänglich zu machen. Der nächste Schritt besteht aber darin, diese Erkenntnisse direkt in effizientere Geschäftsprozesse zu überführen. Genau dort werden sich die größten Produktivitätsgewinne künftig realisieren.

“Der größte Fehler wäre, gleich das gesamte Unternehmen zu transformieren”

Wenn Sie CIOs nur einen oder zwei Ratschläge für den Übergang von generativer KI zu KI-Agenten geben könnten – welche wären das?

Kask: Der größte Fehler wäre aus meiner Sicht, gleich das gesamte Unternehmen transformieren oder zunächst sämtliche Daten perfekt aufbereiten zu wollen.

Stattdessen sollte man überlegen, welche Art von Agent einen hohen Mehrwert schaffen kann – und diesen dann umsetzen. Natürlich braucht dieser Agent Zugriff auf konsistente und kontextreiche Unternehmensdaten. Genau daran arbeiten wir bei SAP mit Technologien wie dem „Knowledge Graph“, der die semantischen Zusammenhänge der Unternehmensdaten abbildet.

Darüber hinaus stellen wir mit „Data Products“ und der „SAP Business Data Cloud“ Werkzeuge bereit, die Daten aus unterschiedlichen Quellen für KI-Agenten nutzbar machen. Dank Zero-Copy- und Data-Fabric-Ansätzen können Informationen aus Altsystemen, Snowflake oder ERP-Systemen zusammengeführt werden, ohne dass Daten dafür zunächst umfangreich repliziert werden müssen. Für einen Einkaufsagenten lassen sich so genau die relevanten Daten für den jeweiligen Anwendungsfall bereitstellen.

Der entscheidende Punkt ist: Unternehmen müssen nicht warten, bis sie vollständig in die Cloud migriert oder ihre gesamte Datenlandschaft konsolidiert haben. Mit den heute verfügbaren Technologien lassen sich Daten bereits jetzt für konkrete KI-Agenten nutzbar machen, kontrolliert verwalten und auf dieser Basis schnell erste geschäftliche Mehrwerte erzielen. Wer dagegen erst auf die perfekte Ausgangslage wartet, läuft Gefahr, den Anschluss zu verlieren.

Bird stocker TH /Shutterstock.com

Im Rahmen der Produktivitätsdebatte wird in Deutschland oft die falsche Frage gestellt. Öffentliche Diskussionen kreisen vor allem um Arbeitszeiten: Teilzeit, Vier-Tage-Woche oder eine vermeintlich sinkende Arbeitsbereitschaft. Doch in vielen Unternehmen zeigt sich eine andere Realität. Mitarbeitende arbeiten nicht unbedingt weniger – sie verbringen vielmehr zu viel Zeit mit Tätigkeiten, die eigentlich gar nicht existieren sollten.

Einer der am meisten unterschätzten Treiber dieses versteckten Produktivitätsverlusts ist indirekte Arbeit. Viele Beschäftigte verbringen einen erheblichen Teil ihres Arbeitstags mit unsichtbaren Aufgaben außerhalb ihres eigentlichen Tätigkeitsbereichs – etwa mit Reisebuchungen, Spesenabrechnungen, Genehmigungen oder interner Abstimmung. Was einzeln betrachtet gering erscheint, summiert sich im Unternehmensalltag schnell. Statt sich auf ihre Kernaufgaben zu konzentrieren, verbringen Mitarbeitende wertvolle Zeit damit, interne Prozesse zu durchlaufen, die außerhalb ihres eigentlichen Verantwortungsbereichs liegen.

Warum indirekte Arbeit zunimmt

Ein wesentlicher Grund für die zunehmende Verbreitung von indirekter Arbeit liegt in der Art und Weise, wie viele Unternehmen ihre digitale Transformation umgesetzt haben. In den vergangenen Jahren wurde stark in digitale Tools investiert. Neue Plattformen wurden in Bereichen wie HR, Finanzen, Einkauf und Zusammenarbeit eingeführt. Doch häufig wurden dabei:

• Prozesse nicht entsprechend angepasst,
• Systeme nicht vollständig integriert und
• Abläufe kaum automatisiert.

Das Ergebnis sind fragmentierte Systemlandschaften. Mitarbeitende wechseln im Arbeitsalltag häufig zwischen verschiedenen Plattformen, geben dieselben Informationen mehrfach ein oder koordinieren Prozesse manuell zwischen Systemen. Diese Fragmentierung führt zu ständigen Kontextwechseln und Unterbrechungen – selbst einfache Aufgaben werden so zu mehrstufigen Prozessen.

Unsichtbare Aufgaben kosten nicht nur Zeit – sie unterbrechen auch die Konzentration. Laut Untersuchungen, auf die sich die „American Psychological Association“ bezieht, können häufige Aufgabenwechsel und Unterbrechungen die effektive Produktivität um bis zu 40 Prozent reduzieren.

Wenn Mitarbeitende ihre Arbeit ständig unterbrechen müssen, um operative Aufgaben zu erledigen oder zwischen Systemen zu wechseln, fällt es schwer, fokussiert zu arbeiten. Das Ergebnis sind:

• langsamere Abläufe,
• fragmentierte Workflows und
• eine geringere Arbeitsqualität.

Das beeinflusst somit nicht nur die Effizienz, sondern auch die Qualität der Arbeit – insbesondere bei Tätigkeiten, die stark auf fokussiertem Arbeiten, Analysen und Zusammenarbeit basieren.

4 konkrete Ansätze, um indirekte Arbeit zu reduzieren

Die gute Nachricht: Es ist kein unvermeidbares Phänomen. In vielen Fällen ist diese Art von Overhead das Ergebnis struktureller Schwächen in Prozessen und Systemen, die Unternehmen gezielt angehen können. Im Folgenden vier konkrete Ansätze, mit denen Unternehmen indirekte Arbeit reduzieren können:

1. Die größten Quellen unsichtbarer Arbeit identifizieren

Unternehmen sollten daher zunächst ihre Abläufe systematisch analysieren und herausfinden, wo die größten Produktivitätsverluste entstehen. Oft verbringen Mitarbeitende mehr Zeit als erwartet damit, zwischen verschiedenen Systemen einzelne Prozessschritte zu durchlaufen.

Wer bei den größten Reibungspunkten ansetzt, erzielt die schnellste Wirkung. Selbst kleine Aufgaben können sich zu erheblichen Zeitverlusten summieren – insbesondere dann, wenn sie von Hunderten oder Tausenden Mitarbeitenden regelmäßig wiederholt werden.

2. Systemintegration priorisieren, statt neue Tools einzuführen

Viele Produktivitätsprobleme entstehen, weil Systeme nicht miteinander verbunden sind. Im Laufe der Zeit führen verschiedene Abteilungen neue Softwarelösungen ein, um spezifische Herausforderungen zu adressieren.

Auch wenn jedes Tool für sich gut funktioniert, führt die fehlende Integration zwischen den Systemen häufig zu zusätzlichem Aufwand für Mitarbeitende. Statt weitere Software einzuführen, sollten Unternehmen den Fokus darauf legen, bestehende Plattformen zu integrieren, sodass Prozesse durchgängig ablaufen. Wenn Daten automatisch zwischen Systemen fließen, entfallen viele manuelle Zwischenschritte.

3. Mitarbeitende in die Prozessgestaltung einbinden

Mitarbeitende wissen oft am besten, wo Prozesse im Arbeitsalltag nicht funktionieren. Sie erleben aus erster Hand, welche Genehmigungen zu lange dauern, wo Daten mehrfach eingegeben werden müssen oder welche unnötigen Schritte Workflows verlangsamen.

Das kontinuierliche Einholen von Feedback aus den Teams hilft, überflüssige Prozessschritte, doppelte Arbeit oder ineffiziente Genehmigungen zu identifizieren. Gleichzeitig erhöht die frühzeitige Einbindung die Akzeptanz neuer Workflows und Automatisierungslösungen.

4. Automatisierung nutzen, um Routinearbeit zu eliminieren

Automatisierungstechnologien ermöglichen es zunehmend, Routineprozesse wie Genehmigungen, Datentransfers oder Reporting automatisch abzuwickeln. Dadurch entfällt repetitive administrative Arbeit, die kein menschliches Urteilsvermögen erfordert.

Statt operative Abläufe zu steuern, können sich Mitarbeitende auf Aufgaben konzentrieren, die Analyse, Entscheidungsfähigkeit und Kreativität erfordern. Ziel von Automatisierung ist es nicht, Menschen zu ersetzen, sondern ihnen zu ermöglichen, sich auf wertschöpfende Tätigkeiten zu fokussieren.

Von indirekter Arbeit zu echter Produktivität

In einer Zeit, in der Produktivität und Wettbewerbsfähigkeit verstärkt im Fokus der wirtschaftlichen Debatte in Deutschland sind, könnte die Reduzierung von indirekter Arbeit einer der am meisten unterschätzten Hebel zur Steigerung der Leistungsfähigkeit von Organisationen sein. Die entscheidende Frage ist daher vielleicht nicht, wie lange Menschen arbeiten – sondern wie viel ihrer Arbeit tatsächlich Wert schafft. (mb)

Mercedes-Benz

Digital First ist bei Mercedes-Benz schon lange keine graue Theorie mehr, sondern gelebte Strategie, wie uns ein Besuch im Digital Factory Campus Berlin zeigte. Jetzt will der Autobauer den nächsten Schritt bei der Skalierung von Künstlicher Intelligenz gehen: Gemeinsam mit dem deutschen Low-Code-Spezialisten n8n führt das Unternehmen eine globale Plattform ein, mit der Beschäftigte eigene KI-gestützte Workflows entwickeln und direkt in operative Prozesse integrieren können.  

Das Unicorn n8n offeriert eine KI-gestützte Open-Source-Plattform für Workflow-Automatisierung. Sie ermöglicht es Unternehmen, tägliche Prozesse durch KI-Agenten effizient zu steuern. Seit der Bewertung des Berliner Unternehmens mit fast 2,4 Milliarden Dollar im Jahr 2025 hat n8n seine Marktpräsenz durch strategische Kooperationen, etwa mit der Telekom zur Unterstützung des Mittelstands in Bereichen wie Logistik und Vertrieb, weiter ausgebaut. Aktuell ist n8n, so die Telekom, die wertvollste deutsche KI-Firma mit einer Bewertung von 5,2 Milliarden Euro.

KI in Business-Alltag integrieren

Ziel ist es, Daten in Sekundenschnelle nutzbar zu machen. Dazu soll KI-gestützte Automatisierung zum Standard im gesamten Konzern werden. Dahinter steckt die Strategie, die KI-Nutzung von einzelnen Pilotprojekten in zentrale Abläufe im Geschäftsalltag zu überführen. „Wir geben unseren Teams bei Mercedes-Benz die Möglichkeit, Ideen in messbaren Nutzen entlang der Wertschöpfungskette zu übersetzen – und aktiv mitzugestalten, wie wir künftig arbeiten“, so Katrin Lehmann, die zum 1. September ihren Posten als CIO bei Mercedes-Benz verlässt.

Dedizierte KI-Use-Cases hat der Konzern schon genügend entwickelt. Hier sei nur an die eigene LLM-Suite MO360LLM, das Digital Factory Chatbot Ecosystem, das MO360 Multi-Agent-System erinnert – oder die AI Factory als Ideenschmiede für KI-Werkzeuge.

Drei Stufen der KI-Kompetenz

Doch der Konzern will mehr. KI- und Automatisierungsanwendungen sollen direkt in den Arbeitsalltag integriert werden. Das Ziel ist es, dass Mitarbeiter KI nicht nur passiv konsumieren, sondern aktiv gestalten. Dabei unterscheidet der Autobauer drei Stufen der KI-Kompetenz:

• Takers:

Nutzen KI-Tools im täglichen Arbeitsfluss.

• Makers:

Gestalten mithilfe von Plattformen wie n8n eigene, automatisierte Workflows.

• Builders:

Entwickeln als Experten hochspezialisierte Softwarelösungen.

Zusätzlichen Schub erhielt der konzernweite KI-Rollout durch einen Hackathon. Zu der Veranstaltung kamen mehr als 1.500 Mitarbeiter aus allen Geschäftsbereichen. Ziel war es, eigenständig Ideen für KI- und Automatisierungsanwendungen zu entwickeln. So arbeiten die Teilnehmer an konkreten Anwendungsfällen, um KI und Automatisierung direkt in ihren Arbeitsalltag zu integrieren.

Mercedes-Benz

Ferner diente der Hackathon dazu, kreative Impulse direkt von den Beschäftigten aufzunehmen und in die Praxis zu überführen. Die besten und stärksten Konzepte aus dem Wettbewerb sollen im Unternehmen umgesetzt werden. So ist geplant, KI-Workflows in allen zentralen Geschäftsbereichen zu implementieren, namentlich in der Entwicklung, Produktion, im Vertrieb sowie in den Bereichen Finanzdienstleistungen, Personal (HR) und IT.

Modulare Architektur

Ein weiteres Merkmal der KI-Workflows ist die Verbindung und Koordination über bereits bestehende IT-Systeme hinweg, um komplexe Abläufe zu vereinfachen. Neben klassischen Automatisierungsmethoden werden gezielt neue Ansätze mit KI-Agenten verfolgt. Und last, but not least sollen die Workflows die Teams unterstützen, Probleme schneller zu lösen und Entscheidungen auf der Grundlage von Daten zu treffen.

Da Software und KI zu zentralen Wettbewerbsfaktoren in der Industrie werden, setzt Mercedes-Benz auf eine modulare und flexible Technologiearchitektur. Und hier kommt die Plattform von n8n als Teil dieser Architektur in Spiel. Sie fungiert als Low-Code-Plattform, um Teams weltweit in die Lage zu versetzen, KI-Workflows selbst zu erstellen. Ohne tiefgreifende Programmierkenntnisse zu benötigen, sollen die Beschäftig so KI direkt in ihre operativen Prozesse integrieren.

Self-Hosting On-Premises

Gleichzeitig dient sie dazu, Workflows über bereits bestehende IT-Systeme hinweg zu orchestrieren. Hierzu verbindet die Plattform diese Systeme, um komplexe Abläufe zu vereinfachen und eine nahtlose Datenverarbeitung zu gewährleisten. Und noch ein Aspekt spricht aus Sicht von Mercedes-Benz für die gewählte Lösung: Die Stärkung der eigenen digitalen Souveränität.

So kann n8n selbst gehostet und Cloud-unabhängig betrieben werden. Sprich, die Plattform läuft innerhalb einer gesicherten und Governance-konformen Umgebung des Konzerns. Auf diese Weise behält Mercedes-Benz die volle Kontrolle über kritische Daten und Arbeitsabläufe.

FOTOGRIN – shutterstock.com

Für viele Geschäftsprozesse ist Technologie inzwischen unverzichtbar. Deshalb zählt diese auch zu den wertvollsten Assets eines Unternehmens. Leider stellt sie gleichzeitig jedoch auch eines der größten Risiken dar – was Risk-Assessment-Frameworks auf den Plan ruft.

IT-Risiken formal zu bewerten, ermöglicht es Organisationen, besser einzuschätzen, zu welchem Grad ihre Systeme, Devices und Daten schädlichen Einflüssen ausgesetzt sind. Etwa in Form von Cyberbedrohungen, Compliance-Verfehlungen oder Ausfällen. Zudem können IT- und Sicherheitsentscheider deren Folgen mit Hilfe von entsprechenden Rahmenwerken auch besser abzuschätzen. Das Ziel besteht am Ende darin, sämtliche identifizierten Risiken – und ihren Impact – zu minimieren.

In diesem Artikel stellen wir Ihnen (in aller Kürze) sechs populäre Risk-Assessment-Frameworks vor, die jeweils auf spezifische Risikobereiche abgestimmt sind.

1. COBIT

Das ist es: Hinter COBIT (Control Objectives for Information and Related Technology) steht der internationale IT-Berufsverband ISACA, der sich auf IT Governance fokussiert hat. Dieses sehr umfassende und breit angelegte Framework wurde entwickelt, um dabei zu unterstützen, Enterprise IT:

• zu verstehen,
• zu designen,
• zu implementieren,
• zu managen und
• zu steuern.

Das kann es: Laut ISACA definiert COBIT die Komponenten und Designfaktoren, ein optimales Governance-System aufzubauen und aufrechtzuerhalten. Die aktuelle Version, COBIT 2019, fußt auf einem Governance-Prinzipien-Sextett:

1. Value für Stakeholder liefern
2. ganzheitlichen Ansatz realisieren
3. Governance-System dynamisch gestalten
4. Management von Governance trennen
5. auf individuelle Unternehmensanforderungen abstimmen
6. Ende-zu-Ende-Governance-System realisieren

So funktioniert es: Das COBIT-Framework ist auf Business-Fokus konzipiert und definiert eine Reihe generischer Prozesse, um IT-Komponenten zu managen. Dabei werden außerdem auch Inputs und Outputs, Schlüsselaktivitäten, Zielsetzungen, Performance-Metriken und ein grundlegendes Reifegradmodell festgelegt.

Gut zu wissen: Laut ISACA ist COBIT flexibel zu implementieren und ermöglicht Unternehmen, ihre Governance-Strategie anzupassen.

2. FAIR

Das ist es: Das Framework FAIR (Factor Analysis of Information Risk) bildet eine Methodik ab, um unternehmensbezogene Risiken zu quantifizieren und zu managen. Dahinter steht das Fair Institute, eine wissenschaftlich ausgerichtete Non-Profit-Organisation, die sich dem Management von betrieblichen und sicherheitstechnischen Risiken verschrieben hat. Laut den Machern ist FAIR das einzige, quantitative Standardmodell auf internationaler Ebene, um diese Art von Risiken zu erfassen.

Das kann es: FAIR bietet ein Modell, um die genannten Risiken in finanzieller Hinsicht zu verstehen, zu analysieren und zu quantifizieren. Laut dem Fair Institute unterscheidet es sich dabei insofern von anderen Risk-Assessment-Frameworks, als dass es seinen Fokus nicht auf qualitative Farbdiagramme oder numerisch gewichtete Skalen legt. Stattdessen will FAIR eine Grundlage liefern, um einen robusten Risikomanagement-Ansatz auszubilden.

So funktioniert es: FAIR ermittelt in erster Linie Wahrscheinlichkeiten mit Blick auf die Frequenz und das Ausmaß von Data-Loss-Ereignissen. Es handelt sich hierbei nicht um eine Methodik, um individuelle Risikobewertungen durchzuführen. Vielmehr will das Framework Unternehmen in die Lage versetzen, IT-Risiken zu verstehen, zu analysieren und zu messen.

Zu den Komponenten des FAIR-Frameworks gehören:

• eine Taxonomie für IT-Risiken,
• eine standardisierte Nomenklatur für Risiken,
• eine Methode um Datenerfassungskriterien zu definieren,
• Messskalen für Risikofaktoren,
• eine Engine für Risikoberechnungen, sowie
• ein Modell, um komplexe Risikoszenarien zu analysieren.

Gut zu wissen: Die quantitative Risk-Assessment-Ansatz von FAIR ist branchenübergreifend anwendbar.

3. ISO/IEC 27001

Das ist es: Bei ISO/IEC 27001 handelt es sich um einen internationalen Standard, der mit Leitlinien in Sachen IT-Security-Management unterstützt. Ursprünglich wurde er im Jahr 2005 gemeinschaftlich von der International Organization for Standardization (ISO) und der International Electrotechnical Commission (IEC) veröffentlicht – und wird seither sukzessive überarbeitet.

Das kann es: ISO/IEC 27001 ist laut den Verantwortlichen ein Guide für Unternehmen jeder Größe und aus sämtlichen Branchen, um ein Information Security Management System (ISMS) aufzusetzen, zu implementieren, zu warten und fortlaufend zu verbessern.

So funktioniert es: ISO/IEC 27001 fördert einen ganzheitlichen Cybersicherheitsansatz, der Menschen, Richtlinien und Technologie auf den Prüfstand stellt. Ein auf dieser Grundlage erstelltes ISMS ist laut ISO ein Tool für Risikomanagement, Cyberresilienz und Operational Excellence.

Gut zu wissen: ISO/IEC-27001-konform zu sein bedeutet, einem weltweit eingesetzten Standard zu genügen und Datensicherheitsrisiken aktiv zu managen.

4. NIST Risk Management Framework

Das ist es: Das Risk Management Framework (RMF) wurde von der US-Behörde NIST (National Institute of Standards and Technology) entwickelt. Dieses Framework stellt einen umfassenden, wiederverwend- und messbaren, siebenstufigen Prozess in den Mittelpunkt, um IT- und Datenschutzrisiken zu managen. Dabei kommt eine ganze Reihe von NIST-eigenen Standards und Guidelines zur Anwendung, um die Implementierung von Risikomanagement-Initiativen zu unterstützen.

Das kann es: Laut NIST realisiert das RMF einen Prozess, der die Risikomanagementaktivitäten in den Bereichen Sicherheit, Datenschutz und Supply Chain in den Lebenszyklus der Systementwicklung integriert. Dabei berücksichtigt der Ansatz Effektivität, Effizienz und Einschränkungen durch geltende Gesetze, Direktiven, Anordnungen, Richtlinien, Standards oder Vorschriften.

So funktioniert es: Der siebenstufige Prozess des NIST RMF gliedert sich in.

1. wesentliche Aktivitäten, um die Organisation auf den Umgang mit Sicherheits- und Datenschutzrisiken vorzubereiten.
2. Systeme und Daten, die verarbeitet, gespeichert und übertragen werden, auf der Grundlage einer Impact-Analyse kategorisieren.
3. eine Reihe von Kontrollmaßnahmen auswählen, um Systeme auf der Grundlage einer Risikobewertung zu schützen.
4. Kontrollmaßnahmen implementieren – und dokumentieren, wie das vonstattengeht.
5. Kontrollmaßnahmen überprüfen und bewerten, ob diese wie gewünscht funktionieren.
6. Systembetrieb auf Grundlage einer risikobasierten Entscheidung autorisieren.
7. Implementierung und Systemrisiken kontinuierlich überwachen.

Gut zu wissen: Das RMF bietet einen verfahrenstechnischen und geordneten Prozess, um Organisation dabei zu unterstützen, Security in ihre allgemeinen Risikomanagement-Prozesse einzubetten.

5. OCTAVE

Das ist es: OCTAVE (Operationally Critical Threat, Asset, and Vulnerability Evaluation (PDF)) ist ein Framework, um Risiken im Bereich der Cybersicherheit zu identifizieren und zu managen. Es wurde vom CERT-Team der Carnegie Mellon University in den USA entwickelt.

Das kann es: Dieses Risk-Assessment-Framework definiert eine umfassende Evaluierungsmethode. Diese ermöglicht Unternehmen nicht nur, missionskritische IT-Assets zu identifizieren, sondern auch die Bedrohungen, die mit diesen in Zusammenhang stehen und die Schwachstellen, die das erst ermöglichen.

So funktioniert es: Laut den Verantwortlichen ermöglicht die Zusammenstellung von IT-Assets, -Bedrohungen und –Schwachstellen Unternehmen, zu durchdringen, welche Daten wirklich bedroht sind. Mit diesem Verständnis ausgestattet, können die Anwender eine Schutzstrategie entwickeln und implementieren, um diese nachhaltig zu schützen.

Gut zu wissen: Das OCTAVE-Framework ist in zwei Versionen erhältlich.

• OCTAVE-S bietet eine vereinfachte Methodik, die auf kleinere Unternehmen mit flachen hierarchischen Strukturen ausgerichtet ist.
• OCTAVE Allegro ist hingegen ein umfassenderes Framework, das sich in erster Linie für große Unternehmen oder solche mit komplexen Strukturen eignet.

6. TARA

Das ist es: TARA (Threat Assessment and Remediation Analysis) stellt eine Engineering-Methodik dar, mit deren Hilfe, Sicherheitslücken identifiziert, bewertet und behoben werden können. Dieses Framework wurde von der Non-Profit-Organisation MITRE entwickelt.

Das kann es: Das Framework ist Teil des MITRE-Systemportfolios, das darauf ausgerichtet ist, die Cybersicherheitshygiene sowie die Resilienz von IT-Systemen in einem möglichst frühen Stadium (innerhalb des Beschaffungsprozesses) zu adressieren.

So funktioniert es: Das TARA-Framework nutzt einen Datenkatalog, um Angriffsvektoren zu identifizieren, die genutzt werden könnten, um Systemschwachstellen auszunutzen sowie potenzielle Gegenmaßnahmen einzuleiten.

Gut zu wissen: TARA wurde ursprünglich im Jahr 2010 entwickelt und kam bereits in mehr als 30 Cyber-Risk-Assessments zum Einsatz. Dieses Framework eignet sich in besonderem Maße für Risikostudien, die sich auf Sicherheitsbedrohungen konzentrieren. (fm)

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

Foto: Andrey Popov – shutterstock.com

Mit Kolleginnen und Kollegen zusammenzuarbeiten, die ständig schlechte Laune haben und sich über alles beschweren, ist lästig und nervenaufreibend. Den Nörglern ist nichts gut genug: Führungskräfte sind unfähig, Kollegen faul oder überfordert und auch an den Kunden gibt es ständig etwas auszusetzen. Sie sind unverschämt und erwarten zu viel. Für Unternehmen sind solche Meckerer gefährlich. Die negative Energie, die sie ausstrahlen, kann die Teamarbeit lähmen, Kunden und Partner vergraulen und auf lange Sicht die Unternehmenskultur angreifen.

Der natürliche Reflex im Umgang mit solchen Misanthropen besteht in den meisten Unternehmen und Abteilungen darin, derartige Nebengeräusche erst einmal zu überhören, darüber zu schmunzeln oder sie als Lappalien abzutun. Manche Abteilungsleiter versuchen auch, die Querulanten auf ihre Seite zu ziehen, indem sie ihnen Informationen vorab geben, damit besagte Kollegen sich involviert fühlen und nicht querschießen.

Wie Nörgler verstummen

Beide Ansätze sind suboptimal: Anstatt sich mit dem Störenfried zu arrangieren oder ihn aus taktischen Gründen zu bevorzugen, sollten Vorgesetzte sich darauf konzentrieren, dieses offenkundige Fehlverhalten abzustellen. Immerhin geht es nicht nur um den Frieden im Team, sondern auch darum, als Führungskraft glaubwürdig zu bleiben.

Wie also kann man chronischen Nörglern und Jammerern das Handwerk legen? Zunächst einmal ist es wichtig einen Konsens im Team darüber zu haben, welches Verhalten am Arbeitsplatz alle für begrüßenswert halten und was jede(r) Einzelne dazu beitragen sollte. Klar formulierte Werte sind die Basis für jede Abteilungskultur. Gibt es im Team hier keinen Konsens, scheint alles erlaubt. Manche Mitarbeiter werden dann versuchen, nach ihren eigenen Werten zu leben und diese auch für andere durchzusetzen.

Wer Beschwerden hinter vorgehaltener Hand verhindern will, sollte zudem auf Transparenz setzen. Teammitglieder müssen Gelegenheit haben, ihre Bedenken über Regeln, Programme oder Aktivitäten in der Gruppe zu äußern. Halten sie im großen Kreis mit ihrer Meinung hinterm Berg, haben sie kaum die Legitimation, sich in kleiner Runde oder unter vier Augen zu beklagen. Zu groß ist ihr Risiko gefragt zu werden: Warum hast Du denn nichts gesagt? Es ist also unbedingt sinnvoll, Missstände offen anzusprechen und alle Beteiligten aufzufordern, Maßnahmen zu ihrer Behebung vorzuschlagen. Zudem sollte jeder wissen, dass es einer Teamkultur nicht zuträglich ist, wenn sich Einzelne hinter den Kulissen beschweren.

Führungskräfte sollten ihr Team kennen und wissen, wer die Quengler sind, die meistens außerhalb ihrer Hörweite agieren und möglichst unsichtbar bleiben wollen. Direkte Gespräche mit allen, auch formelle Umfragen sowie 360-Grad-Reviews können hier Klarheit bringen. Diese Nähe zum Team ist für Führungskräfte auch eine wichtige Präventivmaßnahme. Immer dann, wenn Vorgesetzte zu stark auf Distanz zu den Mitarbeitenden gehen, nutzen die Beschwerdeführer das Vakuum für sich. Also gilt es, Kontakt zu jedem Teammitglied zu halten, konstruktives Feedback zu geben und auch die Stimmung in der Arbeitsgruppe immer mal wieder für sich zu analysieren und bewerten.

Kommunikation frisst Negativität

Lassen sich Muster erkennen, worüber sich Mitarbeiter immer wieder beschweren, ist klares Feedback angesagt. Die schnelle, konstruktive Auseinandersetzung auf der Fachebene ist die Basis, genauso wichtig ist es aber, dem Betreffenden klar zu machen, was er mit seinem launischen Verhalten bewirkt. Dazu gilt es zu verdeutlichen, wie andauernde Mäkeleien dem Arbeitsumfeld schaden, wie sich Leistung und Moral negativ verändern und auch, wie es den Quenglern selbst in ihrem Arbeitsumfeld und auch in ihrem beruflichen Fortkommen schadet, wenn sie immer nur Misstöne erzeugen. Dabei sollten Vorgesetzte klar machen, dass kritischer Input zu Programmen, Richtlinien oder Aktivitäten am Arbeitsplatz immer gewünscht ist. Allerdings kommt es dabei auf den Kreis der Adressaten und den Ton an, in dem kommuniziert wird.

Wenn alle gut gemeinten Führungs- und Motivationsmaßnahmen nicht fruchten, müssen Vorgesetzte auch mal Klartext reden und – am besten unterstützt von der Personalabteilung – ein ernsthaftes Krisengespräch führen. Wichtig dabei ist zu dokumentieren, dass man es vorher schon im Guten versucht hat: Feedback-Gespräche und Coachings haben stattgefunden, aber nicht gefruchtet. Ziel eines Krisengesprächs sollte ein klares Programm zur Leistungs- und Verhaltensverbesserung sein, das Ziele benennt und Fortschritte dokumentiert.

Haben all diese Maßnahmen keinen Erfolg, sollten sich Vorgesetzte nicht scheuen, die Reißleine zu ziehen und die betreffende Person zu entlassen. Chronische Nörgler sind nur auf den ersten Blick harmlos, auf lange Sicht zerstören sie die Arbeitsatmosphäre und -kultur. Als Verantwortliche können Sie sich immer damit trösten, dass die betreffende Person im Unternehmen ohnehin nicht glücklich war.

Die 5 schlimmsten Kollegen

Foto: PointImages – shutterstock.com

Speziell in Situationen, in denen immenser Druck herrscht, neigen manche Mitarbeiter dazu, alle möglichen, absurden Versprechungen zu machen. Entweder um Aufmerksamkeit zu erringen oder um dem Vorgesetzten beziehungsweise dem Management zu gefallen. Versprechungen machen ist immer einfach, aber wenn das Mega-Projekt dann eben nicht in den versprochenen zweieinhalb Wochen abgeschlossen ist, ist das ungünstig.

Alexander Maasik empfiehlt: “Wenn es ein Teammitglied gibt, das am laufenden Band falsche Versprechungen gibt, von denen bereits vorher klar ist, dass sie unmöglich einzuhalten sind, sollten Sie seine Worte nicht mehr für bare Münze nehmen. Wenn Sie können, verlängern Sie den Zeitrahmen und/oder erhöhen Sie Budget oder Ressourceneinsatz, um Engpässe in anderen Bereichen kompensieren zu können.”

Foto: Africa Studio – shutterstock.com

Dann gibt es diese Kollegen, die das Collaboration-Prinzip der geteilten Verantwortung auf ihre ganz eigene Weise interpretieren. Getreu dem Motto: “Die anderen werden es schon richten.” Experte Maasik rät in einem solchen Fall dazu, dem betreffenden Mitarbeiter eine definierte Rolle und spezifizierte Verantwortlichkeiten im Team zuzuweisen. Alternativ könnten Sie den Verantwortungsschieber auch fragen, ob es Bereiche gibt, die ihn besonders interessieren. Eventuell könnten Sie so seine Leistungs-Leidenschaft neu entflammen.

“Manchmal können Sie solche Leute motivieren, indem Sie ihnen Führungsverantwortung übertragen oder ihnen die Verantwortung für ein bestimmtes Gebiet/Thema übertragen, das ihnen am Herzen liegt. Sollte betreffender Kollege allerdings für ausschweifende Arbeitsunlust bekannt sein, hilft unglücklicherweise nur, ihn (oder sie) im Auge zu behalten und sich wenn nötig an höhere Instanzen zu wenden.”

Foto: pathdoc – shutterstock.com

Es ist nur menschlich, nach Wertschätzung und Anerkennung zu streben. Aber einige Menschen übertreiben das in einem Ausmaß, dass sie fast schon selbst daran glauben, wenn sie sich fälschlicherweise die Erfolge anderer zuschreiben.

Maasik: “Leider nimmt der Enthusiasmus dieser Leute rasant ab, wenn es darum geht, die Verantwortung für Misserfolge zu übernehmen. Um solchen Entwicklungen entgegenzuwirken, empfiehlt es sich, genau festzuhalten, wer für welchen Part der Projektarbeit zuständig ist. So können auch alle Beteiligten sehen, wer welchen Beitrag leistet. Sollte jemand auf das Einheimsen von Lorbeeren bestehen, stellen Sie sicher, dass derjenige auch im Fall des Misserfolgs sein Fett abbekommt.”

Foto: Photographee.eu – shutterstock.com

Nicht führt die Team-Moral schneller und geradliniger in den Abgrund, als einer, der ständig nur kritisiert, auf Fehler “hinweist” oder sich über jeden Aspekt eines Projekts nur beschwert. Egal, ob es um Zuständigkeiten, Workloads oder die Strategie geht, der Makel-Magnat hat einfach immer was zu meckern.

“Dieses Verhalten ist absolutes Gift für das Teamwork. Diese Leute verbringen mehr Zeit damit, sich zu beschweren, als mit der Erfüllung ihrer Aufgaben. Der beste Weg solche Menschen zu handlen: 1. Ignorieren Sie das Gemecker, 2. Geben Sie ihm so viel Verantwortung, dass er (oder sie) keine Zeit mehr hat rumzujammern.”

Foto: YuriyZhuravov – shutterstock.com

Manche Leute arbeiten besser alleine. Ist auch gar kein Problem. Außer es handelt sich um Personen, die in Team-Projekte eingebunden sind. Dann könnte jemand, der Anweisungen aus Prinzip ignoriert und affin für Alleingänge ist, das ganze Projekt auf’s Spiel setzen.

Deswegen empfiehlt auch Alexander Maasik, solche Leute lieber aufs “Abstellgleis” zu befördern: “Finden Sie einen Bereich im Projekt, an dem ein solcher Mitarbeiter alleine arbeiten oder sich selbst verwirklichen kann. So holen Sie das Maximum an Produktivität aus diesem Kollegen heraus und stellen gleichzeitig sicher, dass der Rest des Teams intakt bleibt.”

Foto: Supamotion – shutterstock.com

Astronaut, Model, Polizist, Koch, Schuhverkäufer, Jet-Pilot, manchmal sogar Bundeskanzler – Jeder Mensch hat Berufe, von denen er in jungen Jahren geträumt hat. Auch wenn nur die Allerwenigsten ihre Kindheitsträume verwirklicht haben und sie heute rückblickend manchmal sogar belächeln, sind sie doch wertvolle Schätze, die helfen können, mehr Erfüllung im Job zu finden. “Die Geschichte jedes Menschen beginnt naturgemäß in der Kindheit”, erläutert die Münchner Karriereberaterin und Diplom-Psychologin Madeleine Leitner. “Darum bieten gerade die Kindheitsträume eine wertvolle Hilfe, wenn es darum geht herauszufinden, warum Menschen heute beruflich unzufrieden sind. So helfen sie sogar bei der Karriereplanung.”

Wilde Kerle, traurige Realität

Traumjobs aus der Kindheit verdeutlichen oft verblüffend das Problem in der heutigen Realität: Ein braver Familienvater, der auch im Job folgsam seinem dominanten Vorgesetzten assistiert, wollte als Kind eigentlich immer Raubritter werden und war im Gegensatz zu heute tatsächlich ein “wilder Kerl”. Oder: Eine in heftige Machtkämpfe im Management verstrickte Führungskraft war schon als Kind der Überzeugung, dass ihr Name später einmal auf einem Hochhaus stehen würde. Ein beruflich aufs Abstellgleis geratener Mitarbeiter im mittleren Management wollte als Kind zwar Matrose werden, hatte damals aber schon festgestellt, dass nur Kapitäne wirklich etwas zu sagen haben.

Schon Kinder haben eine Persönlichkeit mit Vorlieben und Abneigungen. Viele Menschen verlören aber im Laufe ihres Lebens aus den unterschiedlichsten Gründen ihren eigentlichen Wesenskern, weiß die Psychologin aus ihrer Erfahrung in der Beratung von Menschen in beruflichen Umbruchsituationen. “Die Erinnerungen an frühere Traumjobs in der Kindheit geben in der Zusammenarbeit oft wertvolle Hinweise auf des Pudels sprichwörtlichen Kern: Wer bin ich eigentlich? Was macht mir wirklich Spaß, was bringt mir Erfüllung?”

Foto: Madeleine Leitner

Ursachen kennen, Veränderungen anstoßen

Dabei warnt Leitner jedoch davor, bei der Interpretation der Ideen allzu schnelle und oberflächliche Schlussfolgerungen zu ziehen. Traumjobs können ganz unterschiedliche Vorstellungen und Motivationen zu Grunde liegen. Ein Pilot kann Touristen an ihr Urlaubsziel bringen und ihnen damit eine Freude machen, er kann als Kampfpilot das Böse bekämpfen oder als Kunstflieger kreative Showflüge entwickeln. Ein Förster kann etwas Gutes für Pflanzen und die Natur tun, Beute machen oder den Wald zu einem wirtschaftlichen Erfolgsmodell gestalten. Ein Arzt kann vor allem Menschen helfen wollen, aber auch Prestige und Wohlstand als Motivation sehen oder einfach nur ein perfekter Handwerker in seinem Spezialgebiet sein.

Der amerikanische Autor John Holland unterschied sechs unterschiedliche Motive, mit denen man die Vorstellung der Menschen von ihren Traumjobs kategorisieren kann:

1. R(ealistic): körperlich arbeiten

2. I(nvestigative): analysieren

3. A(rtistic): kreativ sein

4. S(ocial): helfen, unterstützen

5. E(nterprising): etwas managen

6. C(onventional): verwalten

Diese Kategorien erweisen sich selbst bei auf den ersten Blick sehr unterschiedlichen früheren Traumjobs eines Menschen als erstaunlich homogen. “Wenn man die daraus resultierenden Muster dann mit der aktuellen Tätigkeit und den dabei geforderten Elementen vergleicht, erkennt man zumeist sehr schnell, wo die Ursachen für Unzufriedenheit liegen”, so Leitner. Typische und besonders problematische Kombinationen sind zum Beispiel: ein “A”- lastiger, kreativer Mensch, der einen “C”-Verwaltungsjob ausübt. Auch eine “S”-Person, die primär helfen will, in ihrem Job aber vor allem Geschäfte und Umsatz generieren soll, wird in ihrem Wesenskern verletzt. Hier liegt ein wichtiger Schlüssel zum Verständnis des Veränderungsbedarfs.

Feintuning statt radikalem Wechsel

Dabei warnt die Psychologin jedoch ausdrücklich vor radikalen Berufswechseln. Oft reiche ein Feintuning. Mehr oder auch weniger Verantwortung, mehr oder weniger Kreativität, verwaltende oder gestaltende Tätigkeiten könne man oftmals auch im bestehenden Job übernehmen. Es komme auf die Details an, um wieder mehr Zufriedenheit im Beruf zu finden oder mehr Erfolg zu haben. Auch wenn manche Menschen ihren Kindheitsträumen bis heute nachtrauern, seien diese selten noch wirklich relevant. Wenn sie nämlich die Vorstellung von ihren früheren Traumjobs bewusst mit der Realität abglichen, führe das nicht selten schnell zur Ernüchterung.

“Das sollte man aber wirklich einmal ganz bewusst tun”, rät Leitner. “Am schlimmsten ist es nämlich, ein Leben lang einem Traum nachzutrauern, der sich in Wirklichkeit als Albtraum erwiesen hätte.”

Ground Picture – shutterstock.com

Eine Umfrage hat ergeben, dass ein Großteil, nämlich etwa zwei Drittel der sich Bewerbenden, sich gar nicht über den Einsatz von Algorithmen im Bewerbungsprozess bewusst sind. Auch wenn sich dies mittlerweile schätzungsweise zu etwa einem Gleichgewicht verschoben haben dürfte, gibt es dennoch viele, denen dies nicht bewusst ist. Merken Sie sich daher zunächst die Faustformel: Je größer das Unternehmen, desto höher die Chance, dass Algorithmen bei der Bewertung Ihrer Bewerbung involviert sind. Dies gilt vor allem für einfache Algorithmen, die z.B. ein Matching vornehmen oder bestimmte Aspekte sortieren, sowie kategorisieren und katalogisieren.

Denn sobald ein Algorithmus im Rahmen des Prozesses auch aktiv eine “Entscheidung trifft”, ist nach DSGVO die Zustimmung der betroffenen Person erforderlich und Sie haben das Recht, Informationen über die zugrundeliegende Entscheidungslogik zu erhalten. Lesen Sie daher im Idealfall vor der Bewerbung aufmerksam die Datenschutzbestimmungen des Unternehmens.

Wenn Sie nun aber wissen oder davon ausgehen, dass ein Unternehmen Algorithmen für die Bearbeitung von Bewerbungen einsetzt, dann gibt es eine ganze Menge Tipps und Kniffe, wie Sie dies zu Ihrem Vorteil nutzen können.

Klare Struktur und Betitelung

Algorithmen verarbeiten Informationen vor allem dann besonders zuverlässig, wenn Sie klar strukturiert und innerhalb dieser Struktur logisch angeordnet sind. Versehen Sie daher sämtliche Teilbereiche Ihres Lebenslaufs mit entsprechenden Überschriften, wie “Ausbildung”, “Berufserfahrungen” etc. Achten Sie anschließend darauf, dass Sie diese Struktur stringent einhalten und die Sortierung einheitlich ist. Üblich ist mittlerweile eine antichronologische Auflistung. Verzichten Sie aus diesem Grund auch lieber auf allzu ausgefallene und kreative Designs, schräge Anordnungen, sowie Tabellen, Logos oder Piktogramme, da diese die Dokumentenstruktur unterlaufen.

Geben Sie Beschäftigungszeiten niemals nur in Jahren an – offen gesagt hassen das bereits die menschlichen Personalerinnen und Personaler –, sondern immer mit den dazugehörigen Monaten. Haben Sie diese vergessen? Dann finden Sie die Information im jeweiligen Arbeitszeugnis. Sie möchten damit Lücken kaschieren? Das ist sowieso die Vermutung des Personalers oder der Personalerin.

Stichworte sinnvoll einsetzen

In aller Regel “achten” Algorithmen in einer Bewerbung auf bestimmte Stichworte, die Sie in der Regel in der Stellenausschreibung finden. Allerdings liegt der Fokus hierauf vor allem auf fachlichen Anforderungen, weniger auf persönlichen. Kaum ein Algorithmus wird Ihre Bewerbung beispielsweise nach “Kommunikationsfähigkeit” oder “Kundenorientierung” durchleuchten.

Wenn in der Ausschreibung aber bestimmte, fachliche Anforderungen genannt werden, wie z.B. bestimmte Technologien und Programmiersprachen bei IT-Positionen, dann müssen diese unbedingt in die Bewerbung mit aufgenommen werden, und zwar im exakten Wortlaut der Stellenanzeige. Weitere Informationen zu fachlich relevanten Themen und Stichworten, auf die auch der Algorithmus möglicherweise reagiert, finden Sie auf der Webseite des Unternehmens.

Achten Sie dabei darauf, dass für Ihre angestrebte Position sowohl lokale, als auch globale Begrifflichkeiten gebräuchlich sein könnten und versuchen Sie entsprechend, alle Optionen zu berücksichtigen. Wenn Sie eine Skill-Liste erstellen, ergänzen Sie die einzelnen Fähigkeiten bestenfalls um Ihr Kenntnisniveau. Hierzu sollten Sie Begriffe nutzen, bei denen Sie mit an Sicherheit grenzender Wahrscheinlichkeit davon ausgehen können, dass der Algorithmus diese interpretieren kann – wie z.B. “Expert”, “fortgeschritten” usw.

Reine Skill-Listen ergeben jedoch ohnehin nur dann Sinn, wenn es um Aufgaben mit einer Vielzahl fachlicher Anforderungen geht, wie z.B. in der Softwareentwicklung. Achten Sie dann darauf, dass Sie die Liste auch für menschliche Augen ansprechend und nachvollziehbar ist. Sollten für Sie hingegen nur einige Kernfähigkeiten relevant sein, dann kann es mehr Sinn machen, die Fähigkeiten anhand praktischer Erfahrungen aufzuführen. Da viele Algorithmen Profile mittlerweile semantisch nach Inhalten durchleuchten, sollte dies der Erfassung Ihrer Fähigkeiten in aller Regel nicht schaden.

Sprachliche Gestaltung

In den letzten Jahren häufen sich in Bewerbungen sogenannte Management Summaries oder “Kurzprofile”. Diese sind mitunter gar nicht so kurz, wie der Name vermuten lässt. Doch ist hierbei Vorsicht geboten. Denn ausschweifende Formulierungen und irrelevante Informationen sorgen für eine möglicherweise ungenauere oder sogar falsche Klassifizierung durch den Algorithmus. Gleichzeitig sollten Sie darauf achten, die “Sprache des Unternehmens” zu sprechen. Auch hier bietet Ihnen bereits die Stellenanzeige wichtige Anhaltspunkte. Wenn es für einen Sachverhalt Ihrer Arbeit mehrere, unterschiedliche Formulierungen gibt, nutzen Sie immer diejenige, die auch in dem Unternehmen verwendet wird, in dem Sie sich bewerben.

Nehmen Sie übrigens lieber Abstand davon, Ihre Teamfähigkeit, Flexibilität, Kreativität, Belastbarkeit usw. in Ihrer Bewerbung zu betonen. Zum einen sucht kein HR-Algorithmus dieser Welt nach diesen Begriffen und zum anderen sind diese Worthülsen ohne konkrete Beispiele aus der Praxis für Ihre Bewerbung auch für den menschlichen Betrachter im Unternehmen nutzlos.

Penible Korrektheit

Der Tipp, Rechtschreibfehler in der Bewerbung zu vermeiden, ist sicherlich nicht erst seit dem Einsatz von Algorithmen gültig und wichtig. Doch während das menschliche Auge über manchen Rechtschreibfehler genauso flüchtig hinwegliest, wie er auch entstanden ist, oder der menschliche Leser diesen sanftmütig toleriert, wird ein Algorithmus in den meisten Fällen unverzeihlich aussortieren. Der Begriff, den Sie ja eigentlich auch meinen, kommt für den Algorithmus im Dokument schlicht nicht vor. Wenn Sie beispielsweise anstatt “Kreditorenbuchhaltung” laut Ihrem Lebenslauf Erfahrungen in “Kreditprenbuchhaltung” haben, dann wird der Algorithmus Ihnen diese Fähigkeit einfach nicht zuerkennen.

Formale Tipps

Achten Sie unbedingt darauf, dass Ihr finales Dokument maschinenlesbar und das Kopieren von Text möglich ist. Verzichten Sie außerdem auf irrelevante Informationen, wie z.B. Namen, Geburtsdatum oder gar Beruf der Eltern, denn solche Informationen “verwirren” den Algorithmus. Nehmen Sie übrigens auch lieber Abstand von dem Gedanken, Ihre Stichwortliste noch um ein paar interessante, aber nicht zutreffende Begriffe mit weißer Schrift auf weißem Grund zu ergänzen.

Manch ein Algorithmus erkennt mittlerweile sehr wohl auch die Textfarbe. Zudem werden Sie ja auch in möglicherweise anschließenden Gesprächen gezielt auf diese Kenntnisse hin befragt. Spätestens dann sollte ein solcher “Täuschungsversuch” auffallen und Sie haben bei diesem Unternehmen keine Chancen mehr. Daher empfiehlt sich gegenüber dem Algorithmus schon im eigenen Interesse Ehrlichkeit bei der Bewerbung.

Befolgen Sie diese Kniffe bei der Erstellung Ihrer Vita, sollte Ihre Vita so aufbereitet sein, dass sie die erste Hürde im Recruiting-Prozess gut meistert – egal ob der erste Empfänger ein Mensch oder eine Künstliche Intelligenz ist.

wisely / Shutterstock.com

Ob der angebliche Bankmitarbeiter, der falsche Polizist oder der berüchtigte Enkeltrick: Telefonbetrug (Vishing) hat sich zu einer regelrechten Epidemie entwickelt. Kriminelle nutzen manipulierte Rufnummern (Spoofing; lesen Sie hierzu unseren Ratgeber Call-ID Spoofing: So schützen Sie sich vor betrügerischen Anrufen) und teils sogar KI-generierte Stimmen, um ihre Opfer unter Druck zu setzen – leider immer wieder mit Erfolg.

Doch jetzt die gute Nachricht: Die Tech-Konzerne rüsten auf und halten dagegen. Google hat tiefgreifende Schutzmechanismen in das Android-Betriebssystem integriert, die auch im Hintergrund den Kampf mit Betrügern aufnehmen.

Von der einfachen Spam-Warnung bis hin zur hochkomplexen Echtzeit-Analyse durch Künstliche Intelligenz – wir zeigen Ihnen, wie Ihr Smartphone Sie heute vor dem Schlimmsten bewahrt.

Die 6 wichtigsten Schutz-Techniken im Detail

Google

1. Scam Detection: Die KI hört mit und warnt in Echtzeit

Eines der neuesten Features im Kampf gegen Betrüger ist die sogenannte Scam Detection. Die Funktion analysiert laufende Gespräche direkt auf dem Smartphone. Auf neueren Pixel-Geräten kommt dafür die On-Device-KI Gemini Nano zum Einsatz.

Erkennt das System typische Betrugsmuster – etwa wenn sich ein Anrufer als Bankmitarbeiter ausgibt und zu einer dringenden Überweisung, der Herausgabe von PINs oder der Installation einer Fernwartungs-App auffordert –, erscheint eine deutliche Warnung auf dem Bildschirm. Zusätzlich macht das Smartphone per Ton und Vibration auf den möglichen Betrugsversuch aufmerksam.

Die Analyse erfolgt vollständig lokal auf dem Gerät. Laut Google werden dabei weder Gesprächsaufzeichnungen noch Transkripte an Server übertragen.

2. Fake Call Detection: Abwehr von KI-Stimmenklonen

Ein besonders perfider Trend sind nach wie vor Schockanrufe, bei denen Betrüger mittels KI-Deepfake die exakte Stimme eines Angehörigen nachahmen und per Rufnummern-Erkennung (Spoofing) sogar den Namen des Kontakts (z. B. „Mama“) auf Ihrem Display einblenden.

Hier greift die Fake Call Detection: Sobald der Anruf eingeht, baut Ihr Smartphone im Hintergrund über die verschlüsselte RCS-Technologie (Rich Communication Services) eine stille Verbindung zum echten Handy des angeblichen Absenders auf. Bei diesem digitalen Handschlag fragt das System an: „Rufst du mich gerade an?“ Meldet das andere Gerät ein „Nein“, entlarvt Android den Schwindel.

Der Clou dabei: Ihr Smartphone radiert das gefälschte Kontaktbild sowie den Namen („Mama“) umgehend vom Display und kennzeichnet den Anrufer als „Unbekannt“. Gleichzeitig warnt das System visuell vor Identitätsbetrug und bietet den Auflegen-Button an. Damit das klappt, müssen beide Seiten die offizielle Google Telefon-App nutzen.

3. Phone Call Spoofing Protection: „Verifizierte Finanzanrufe“

Im Kampf gegen den weitverbreiteten Banking Scam arbeitet Google direkt mit teilnehmenden Finanzinstituten zusammen. Die Funktion Verifizierte Finanzanrufe soll Android-Nutzer vor gefälschten Anrufen schützen, bei denen Betrüger die Telefonnummer einer Bank nachahmen.

Haben Sie die App einer teilnehmenden Bank (wie der Neobank Revolut) installiert, prüft das System im Hintergrund eingehende Anrufe solcher Nummern in Echtzeit.

Ist die App einer unterstützten Bank auf dem Smartphone installiert, kann Android eingehende Anrufe dieser Bank überprüfen. Dabei wird abgeglichen, ob der Anruf von der Bank autorisiert wurde.

Kann diese Echtheit nicht bestätigt werden oder stammt der Anruf von einer Rufnummer, die eigentlich nur für eingehende Kundenanrufe vorgesehen ist, warnt Android vor einem möglichen Spoofing-Versuch oder blockiert den Anruf. Nutzer erhalten anschließend einen entsprechenden Hinweis auf dem Display.

Zudem erkennt das System sogenannte Inbound-only-Nummern. Das sind Nummern der Bank, die ausschließlich für eingehende Kundenanrufe gedacht sind. Kommt von einer solchen Nummer ein Anruf rein, enttarnt Android das sofort als Spoofing und blockiert die Verbindung. Im Anschluss erhalten Sie eine Benachrichtigung auf dem Display.

Sie können übrigens schnell kontrollieren, ob die Funktion bei Ihnen aktiv ist. Der Pfad in den Einstellungen lautet:

Sicherheit & Datenschutz → Mehr Sicherheit & Datenschutz → Funktion „Verifizierte Finanzanrufe“.

Hinweis: Weil das Feature eine direkte Schnittstelle benötigt, wird Ihnen diese Option in den Android-Einstellungen erst dann angezeigt, wenn Sie eine unterstützte Banking-App auf Ihrem Smartphone installiert und eingerichtet haben. Leider gibt es für deutsche Kunden bisher noch nicht viele unterstützte Banken-Apps.

4. Call Screening und Call Reason: Ihr digitaler Butler

Eine weitere effektive Waffe gegen unbekannte Nummern ist das Call Screening (Anruf-Prüfung). Ruft eine unbekannte Nummer an, müssen Sie nicht selbst abheben. Stattdessen übernimmt Google als automatisierter Butler das Gespräch. Der Anrufer wird gebeten, seinen Namen und den Grund des Anrufs zu nennen.

Sie können währenddessen live auf Ihrer Anzeige mitlesen, was der Anrufer sagt, und per Knopfdruck entscheiden, ob Sie das Gespräch annehmen oder als Spam blockieren. Ergänzt wird das durch die Funktion Call Reason, bei der seriöse Unternehmen bereits vor dem Abheben digital den Grund des Anrufs übermitteln können.

Warum habe ich das noch nie gesehen und wie aktiviere ich es?

Das vollwertige Call Screening steht derzeit vor allem auf Google-Pixel-Smartphones zur Verfügung. Allerdings unterscheidet sich die deutsche Version stark vom vollautomatischen US-Vorbild. Hierzulande müssen Sie den Filter im Moment des Anrufs manuell per Knopfdruck aktivieren.

So sieht es in der Praxis aus: In den Einstellungen der Google Telefon-App finden Sie den Menüpunkt Anruf-Filter. Dort können Sie vorab eine von zwei Stimmen für die Ansage auswählen. Wenn nun ein unbekannter Anruf eingeht, tippen Sie auf dem Display auf den Button Anruf prüfen. Erst dann legt das Pixel für Sie los, liest den Text vor und transkribiert die Antwort des Anrufers live auf den Bildschirm. Ein Großteil der Sprachverarbeitung erfolgt dabei direkt auf dem Gerät, wodurch die Funktion schnell reagiert und ohne Internetverbindung auskommen soll.

5. Der Klassiker: Anrufer-ID und Spam-Schutz

Foundry

Schon seit einigen Android-Generationen ist der grundlegende Spam-Schutz in der Google Telefon-App der erste Schutzwall. Sobald ein Anruf eingeht, gleicht das System die Nummer umgehend mit einer von Google gepflegten Datenbank mit bekannten Spam- und Unternehmensnummern ab.

Ist die Nummer bereits negativ aufgefallen, wird der Anruf deutlich als Spam gekennzeichnet. Etwa durch ein leuchtendes Display oder Warnhinweise wie „Verdacht auf Spam“.

Sie können die App so konfigurieren, dass solche Anrufe direkt abgewiesen werden. Ergänzt wird das durch Verifizierte Anrufe, bei denen legitime Unternehmen mit offiziellem Firmenlogo eingeblendet werden können.

Die Einschränkung für Deutschland: Die Technik funktioniert auch hierzulande, allerdings müssen sich Unternehmen dafür zunächst bei Google registrieren. In der Praxis wird die Funktion bislang primär von größeren Unternehmen genutzt.

6. Flankenschutz: SMS-Spam-Filter gegen Phishing

Weil viele Telefonbetrugsfälle mit einer vorbereitenden SMS beginnen (etwa gefälschten Paketbenachrichtigungen mit einem Link), hat Google die Nachrichten-App Google Messages mit erweiterten Schutzfunktionen ausgestattet.

Die App nutzt automatisierte Filtermechanismen, um verdächtige Inhalte zu erkennen. Dazu gehören typische Phishing-Nachrichten, Krypto-Betrug, gefälschte Paket- oder Gewinnspielmeldungen sowie bekannte Scam-Muster mit manipulierten Links.

Erkannte Nachrichten können automatisch in einen Spam- oder Schutzbereich verschoben oder entsprechend markiert werden. Ein Teil der Erkennung erfolgt dabei direkt auf dem Gerät, sodass keine vollständige Analyse über externe Server notwendig ist.

Übersicht: Welche Schutztechnik gibt es für Ihr Smartphone?

Die Verfügbarkeit dieser Funktionen hängt stark vom Smartphone-Hersteller und der installierten Android-Version ab. Google spendiert seine besten Features traditionell zuerst den hauseigenen Pixel-Geräten. Samsung-Nutzer können die Google-Telefon-App jedoch in der Regel aus dem Play Store nachinstallieren, um kompatible Dienste freizuschalten.

Flankenschutz: So drehen Sie den Spieß um

Foundry

Bis die neuesten KI-Features flächendeckend auf jedem Smartphone landen, müssen Sie nicht tatenlos abwarten. Mit einfachen Kniffen verpassen Sie Ihrem Android-Handy sofort ein Sicherheits-Upgrade:

• Der proaktive Nummern-Schwindel: Betrüger können Sie nur anrufen, wenn sie Ihre Nummer haben. Wenn Sie bei Online-Gewinnspielen, Foren oder unübersichtlichen Webshops eine Telefonnummer angeben müssen, können Sie den kostenlosen Service „Frank geht ran“ nutzen (eine Initiative des Vereins Digitalcourage). Geben Sie dazu einfach die Fake-Nummer 0163 1737743 an. Ruft dort ein Scammer oder Werbe-Bot an, übernimmt ein digitaler Anrufbeantworter und würgt das Gespräch freundlich, aber bestimmt ab.
• Konsequentes Melden: Ist doch noch ein Betrüger zu Ihnen durchgekommen? Ein langer Druck auf den Eintrag in Ihrer Anrufliste reicht, um die Nummer lokal zu blockieren und bei Google als Spam zu melden. Wer der Allgemeinheit helfen will, meldet hartnäckige Rufnummern über die Online-Formulare der Bundesnetzagentur, um solchen Gaunern offiziell die Leitung kappen zu lassen.

Extra Schutzschild: Die besten Anti-Scam-Apps

Wer seinen Schutz gezielt erweitern möchte – besonders auf Smartphones, die Googles hauseigene Bordmittel nicht voll unterstützen –, findet im Play Store starke Alternativen. Diese Apps gleichen eingehende Anrufe mit umfangreichen Datenbanken und Cloud-gestützten Listen ab:

• Clever Dialer: Eine in Deutschland vielgenutzte Lösung mit Fokus auf Datenschutz. Das Tool erkennt lokale Kostenfallen erstaunlich zuverlässig, nutzt europäische Server und funktioniert, ohne dass das eigene Adressbuch zwingend hochgeladen werden muss. Zur App im Play Store.
• Truecaller: Der internationale Platzhirsch. Bietet dank mehrerer Millionen Nutzer weltweit eine blitzschnelle Warnungen vor neuen Betrugsmaschen. Beachten Sie aber: Die App erfordert weitreichende Datenfreigaben. Zur App im Playstore.
• tellows: Die Community-Lösung. Nutzer bewerten Nummern mit einem “tellows Score” nach Gefahrenpotenzial (z.B. “Gewinnspiel” oder “Ping-Anruf”). Zudem lassen sich ganze Vorwahlbereiche (z.B. aus dem Ausland) pauschal blockieren. Zur App im Play Store.

Wichtig: Diese Apps benötigen Systemrechte (wie den Zugriff auf Ihre Kontakte und die Erlaubnis, die Telefon-App zu überlagern), um im Ernstfall warnen zu können. Laden Sie solche Tools deshalb ausnahmslos aus dem offiziellen Google Play Store herunter.

Fazit

Wer ein aktuelles Android-Smartphone besitzt, ist Betrügern nicht mehr schutzlos ausgeliefert. Besonders Nutzer der Google Pixel-Reihe profitieren von einem starken, modernen Schutzschild aus On-Device-KI und cleveren Werkzeugen wie der Fake Call Detection oder dem Call Screening per Knopfdruck.

Damit die empfohlenen Drittanbieter-Apps im Ernstfall rechtzeitig warnen können, müssen Sie diesen bei der Einrichtung die nötigen Systemrechte gewähren – Googles eigene Bordmittel bringen diese Berechtigungen als System-Apps meist schon ab Werk mit.

Doch auch auf allen anderen Android-Handys lassen sich Risiken deutlich minimieren, indem man konsequent auf die offiziellen Telefon- und Messages-Apps von Google setzt und dort die Spam-Filter aktiviert.

(PC-Welt)

Foto: Camilo Concha – shutterstock.com

Seit der Veröffentlichung von iOS 14 im Jahr 2020 erlaubt Apple es iPhone-Nutzern, einen anderen Standardbrowser als Safari festzulegen. Bevor Sie nun jedoch einfach die nächstbeste App installieren, die nicht Safari ist: Es lohnt sich, die vorhandenen Angebote vorab zu testen, um herauszufinden, welches am besten auf Ihre Bedürfnisse passt.

Dabei ist erwähnenswert, dass Apple Entwickler dazu verpflichtet, für alle Browser dieselbe WebKit-Rendering-Engine wie für Safari zu verwenden. Im Grunde sind also sämtliche iOS-Browser WebKit mit einer jeweils anderen Hülle.

Die 12 besten iPhone-Browser, die nicht Safari sind

Trotzdem haben die folgenden zwölf Browser für iPhone alternative oder umfangreichere (Business-)Funktionen und Oberflächen zu bieten.

Aloha Browser

Aloha ist ein funktionsreicher mobiler Browser, der hawaiianisches Flair versprüht. Darüber hinaus bietet Aloha Datenschutzfunktionen wie:

• Werbeblocker,

• private Tabs,

• eine Krypto-Wallet,

• einen internen Dateimanager für Downloads, Medien und Dokumente,

• geräteübergreifende Synchronisierung sowie

• VPN.

Ein Premium-Abonnement (26 Euro pro Jahr) ermöglicht erweiterte VPN-Funktionen und auch, den gesamten Datenverkehrs von Ihrem iPhone zu verschlüsseln, statt nur innerhalb des Aloha-Browsers.

Chrome

Googles Chrome ist wahrscheinlich der populärste Browser für Mobilgeräte überhaupt – was in erster Linie der Android-Dominanz auf dem weltweiten Smartphone-Markt geschuldet ist.

Wenn Sie den Chrome-Desktop-Browser verwenden, können Sie Lesezeichen und zuletzt besuchte Websites über Ihr Google-Konto synchronisieren und so die Handoff-Funktion von Safari nachahmen. Außerdem gibt es einen One-Touch-Zugang zu Google Translate, eine Sprachsuche mit Google Assistant anstelle von Siri und einen praktischen QR-Code-Scanner über der virtuellen Tastatur. Der Inkognito-Modus von Chrome sendet keine Cookies und speichert keinen Browserverlauf.

Dolphin Browser

Dieser mobile Browser bringt zahlreiche Funktionen mit. Unter anderem können Sie mit Dolphin per Gesten- und Sprachsteuerung surfen oder Registerkarten mit nur einem Fingertipp sharen.

Darüber hinaus bietet der Dolphin Browser auch Werbe- und Tracking-Blocker sowie ein nützliches Schnellmenü, über das die zahlreichen Funktionen schnell und einfach erreichbar sind.

DuckDuckGo Private Browser

Wie bei der Suchmaschine liegt der Fokus beim Browser von DuckDuckGo auf dem Schutz der Privatsphäre. Für Sie heißt das: Sie können surfen, ohne getrackt zu werden.

Eine Schaltfläche mit einem “Feuer”-Symbol sorgt dafür, dass Sie sämtliche Registerkarten und Surf-Daten mit nur einem Tastendruck löschen können (und sogar eine Animation ihrer Wahl dazu auswählen können). Ebenfalls eine nennenswerte Funktion: Sie können Webseiten als “fireproof” kennzeichnen. Dann werden Cookies für Anmeldung, Warenkorb, etc. gesetzt – die Tracking-Versuche von Drittanbietern bleiben dennoch wirkungslos.

Edge

Microsoft Edge synchronisiert Favoriten und Kennwörter zwischen all Ihren Geräten (die mit den Cloud-Servern von Microsoft verbunden sind). Mit dem Befehl “An alle Geräte senden” können Sie eine Registerkarte von Ihrem iPhone an andere verbundene Geräte senden. Edge bietet außerdem:

• generative KI-Funktionen mit Bing Chat!,

• Sprachbasierte Suchen,

• Tracking- und Werbeblocker,

• InPrivate-Tabs, die keine Browsing-Daten speichern und

• die Möglichkeit, sowohl private als auch geschäftliche Microsoft-Konten zu nutzen.

Firefox

Mozillas Firefox auf dem iPhone zu nutzen, empfiehlt sich, wenn Sie den Browser bereits mit anderen Geräten verwenden. Dann werden Lesezeichen, Kennwörter und andere Informationen automatisch synchronisiert.

Die modifizierbare Startseite enthält unter anderem Verknüpfungen zu zuletzt besuchten Webseiten. Firefox für iOS verfügt außerdem über die gleiche Anti-Ad-Tracking-Technologie wie die Desktop-Version.

Firefox Klar

Neben dem “normalen” Firefox bietet Mozilla auch eine schlanke, ablenkungsfreie Option namens Firefox Klar an. Wenn Sie sich leicht ablenken lassen, unter ADHS leiden oder einfach nur ein wenig Hilfe brauchen, um bei der Sache zu bleiben, empfiehlt sich diese Option als Alternative (oder Ergänzung) zu Apples Fokus-Modi, die in iOS integriert sind.

Firefox Klar blockiert standardmäßig Werbung und Tracker, und Sie können Ihren Browserverlauf, Ihre Kennwörter und Cookies mit einem einzigen Tipp auf das allgegenwärtige Mülleimer-Symbol löschen.

Onion Browser

Der ursprüngliche Tor-Browser für den Desktop wurde vom Tor-Projekt entwickelt und nutzt das gleichnamige Netzwerk, um Ihre Identität und Ihre Online-Aktivitäten zu verschleiern. Das macht Tor so gut wie kein anderer Browser. Allerdings gilt es dabei zu beachten, dass die Weiterleitung des Datenverkehrs durch Tor das Surferlebnis verlangsamt und auch viele Webseiten nicht richtig funktionieren. Ottonormal-User brauchen den Tor-Browser in der Regel nicht.

Das eingangs genannte WebKit-“Problem” verhindert einen ähnlich umfassenden Schutz der Privatsphäre, wie sie die Desktop-Version bietet. Erfahrene Tor-Benutzer wissen, wie sie den Browser richtig konfigurieren. Neueinsteiger haben es dank eines dreistufigen Sicherheitskonzepts einfach.

Opera

Der Opera-Mobilbrowser wurde ursprünglich entwickelt, um den Datenverbrauch zu senken und dafür zu sorgen, Webseiten auf Low-End- und Budget-Smartphones schneller zu laden. Dennoch können auch iPhone-Nutzer von seiner Geschwindigkeit und Effizienz profitieren.

Neben der Komprimierungsfunktion, die einen von Opera betriebenen Web-Proxy nutzt, enthält der Browser auch:

• Generative-AI-Funktionen mit der Browser-KI Aria,

• einen Werbeblocker,

• eine Krypto-Wallet und

• ein VPN.

Letztgenanntes Feature ist eher rudimentär ausgestaltet, verschlüsselt nur den Datenverkehr innerhalb von Opera und ist auf drei allgemeine Regionen beschränkt (Europa, Amerika und Asien).

Orion Browser

Auf den ersten Blick wirkt Orion wie ein sehr simpler Browser mit typischem Funktionsumfang. Ein Blick in die Einstellungen zeigt jedoch, dass es bei Orion mehr zu entdecken gibt. Darunter beispielsweise verschiedene Modi, die Ihnen dabei helfen, sich zu konzentrieren, Ihre Datennutzung zu optimieren und Ihren Akku zu schonen.

Darüber hinaus blockiert Orion auch Werbung und Tracker und unterstützt die Synchronisierung von Inhalten zwischen mehreren Geräten. Zudem lässt sich der Browser zusätzlich mit Face- beziehungsweise Touch ID oder Passcode absichern.

Suchkönig-Multi-Engine Browser

Bei diesem Browser ist der Name Programm: Er wurde entwickelt, um parallel auf diversen Plattformen nach Inhalten zu suchen. Dazu können Sie aus mehr als 50 verschiedenen Websites wählen, darunter:

• Suchmaschinen,

• Online-Shops,

• Videoplattformen,

• Bild-Repositories,

• Wiki-Sites,

• etliche soziale Netzwerke und

• sogar Comic-Bibliotheken.

Die jeweiligen Ergebnisse erhalten Sie in separaten Registerkarten. Die Möglichkeit, so viele Dienste und Plattformen parallel zu durchsuchen, kann unglaublich nützlich sein – etwa für die Recherche zu bestimmten Themen oder auch zu Preisvergleichszwecken.

SPIN Safe Browser

Der Fokus von SPIN Safe Browser liegt – wie der Name nahelegt – darauf, sicheres Surfen zu ermöglichen. Zusätzlich zu den Datenschutz-Funktionen bietet der mobile Browser auch die Möglichkeit, bestimmte (fragwürdige) Inhalte oder Bilder zu filtern.

Was SPIN von den anderen Safari-Alternativen in dieser Auflistung abhebt: Die Entwickler wollen mit ihrem Offering gezielt den Bildungs- und Enterprise-Markt adressieren. Dazu stellen Sie auch eine 20 Dollar teure Version des Browsers zur Verfügung, der über AppConfig-kompatible MDM-Plattformen angepasst werden kann. IT-Abteilungen können den Browser also bereitstellen und verfügen über umfassende Management- und Kontrollmöglichkeiten. (fm)

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

DSAG

Dammbruch in Walldorf: Um einer Wettbewerbsklage der EU-Kommission zu entgehen, macht die SAP weltweit zahlreiche Zugeständnisse, was Wartungs- und Support-Leistungen für On-Premises-Versionen ihrer ERP-Lösung angeht. Zusammengefasst verpflichtet sich der Softwareanbieter für die nächsten zehn Jahre zu folgenden Maßnahmen:

• Mehr Wahlfreiheit beim Support: Kunden können ihre SAP-Landschaft in Teilbereiche aufteilen und für jeden Bereich unterschiedliche Support- und Wartungsanbieter wählen.
• Einfachere Lizenzkündigungen: Wartungs- und Support-Verträge können in bestimmten Fällen gekündigt werden – etwa bei auslaufenden Produkten, gescheiterten SAP-Projekten, Insolvenz, Personalabbau oder dem Verkauf von Unternehmensteilen.
• Flexiblere Lizenzmodelle: SAP erweitert den Zugang zu sogenannten Single-Metric-Verträgen als alternative Grundlage für Lizenz- und Wartungsgebühren.
• Lockerung vertraglicher Bindungen: Der Kauf neuer Lizenzen verlängert künftig nicht mehr automatisch die Mindestlaufzeit bestehender Supportverträge.
• Erleichterter Wiedereinstieg: Kunden, die nach einer Unterbrechung wieder SAP-Support beziehen, müssen keine Wiederaufnahmegebühren mehr zahlen; auch Nachzahlungen werden reduziert.

Außerdem richtet SAP eine interne Clearing-Stelle ein, an die sich Kunden wenden können, wenn sie Verstöße gegen die zugesagten Verpflichtungen vermuten.

Selbst wenn die SAP die Entscheidung der EU-Kommission in einer Stellungnahme begrüßt, wirklich glücklich sind die Walldorfer mit ihren Zugeständnissen wohl sicher nicht.

Mehr Freiheiten beim SAP-Support

Was bedeutet das für SAP-Anwender, Drittanbieter und die Cloud-Strategie des Walldorfer Softwarekonzerns? Michael Bloch, Fachvorstand Lizenzen, Vertragswesen & Support bei der DSAG, gibt im CW-Gespräch Auskunft.

Herr Bloch, wie bewerten Sie die Entscheidung der EU-Kommission grundsätzlich?

Michael Bloch: Grundsätzlich finden wir die Entscheidung erstmal gut. Davon profitieren viele SAP-Kunden, insbesondere diejenigen, die ihre ERP-Systeme weiterhin On-Premises betreiben. Unsere Investitionsumfrage zeigt, dass sich nach wie vor zahlreiche Unternehmen noch nicht auf den Weg in die SAP-Cloud gemacht haben. Sie erhalten nun deutlich mehr Entscheidungsfreiheit bei der Frage, wie sie den Support für ihre bestehende Software organisieren möchten.

Wer profitiert auf Anbieterseite? Eröffnet die Entscheidung Drittanbietern wie Rimini Street neue Chancen? Kann der potenzielle Bedarf überhaupt gedeckt werden?

Bloch: Das wird spannend zu beobachten sein. Momentan ist das Thema Drittwartung zumindest im deutschsprachigen Raum ein totales Nischengeschäft. In den USA ist die Akzeptanz deutlich höher, hierzulande stehen viele Unternehmen dem Modell eher skeptisch gegenüber. Die EU-Entscheidung könnte diesem Markt nun neuen Schub verleihen. Kunden, die der aktuellen SAP-Strategie nicht folgen möchten, können künftig auf ihrer bestehenden Landschaft bleiben und den Support von einem anderen Anbieter beziehen. Das eröffnet durchaus Raum für neue Geschäftsmodelle.

Torpediert diese Entscheidung die Cloud-Strategie von SAP?

Bloch: Für die Kunden wird die Entscheidung jetzt tatsächlich zu einer Grundsatzfrage: Folge ich der strategischen Ausrichtung von SAP oder gehe ich bewusst einen anderen Weg? Wer nicht davon überzeugt ist, dass die Cloud-Strategie für das eigene Unternehmen die richtige ist, kann sich nun leichter dafür entscheiden, auf der bestehenden ERP-Landschaft zu bleiben und beispielsweise einen anderen Support-Anbieter zu nutzen.

Man muss sich allerdings über die Konsequenzen im Klaren sein. Wer auf der bisherigen Systemlandschaft bleibt – selbst mit einem alternativen Wartungsanbieter –, verzichtet auf die Innovationen, die SAP derzeit rund um das Autonomous Enterprise entwickelt. Einen Mittelweg gibt es an dieser Stelle nicht. Viele dieser Funktionen müssten Unternehmen selbst entwickeln oder mit erheblichem Aufwand nachbauen.

Ist das dann zwangsläufig eine Entweder-oder-Entscheidung?

Bloch: Nein, genau das ist der entscheidende Punkt. Viele Unternehmen haben ihre ERP-Systeme über Jahre oder Jahrzehnte stark an ihre branchenspezifischen Prozesse angepasst – manche Kunden sprechen sogar von “veredelten” Systemen. Diese Investitionen muss man jetzt nicht einfach abschreiben.

Stattdessen können Unternehmen ihre bewährten Kernsysteme weiterbetreiben und gleichzeitig gezielt Cloud-Komponenten ergänzen, etwa ein SAP Cloud ERP für die Finanzprozesse. So lassen sich bestehende Investitionen erhalten und gleichzeitig neue Innovationen nutzen. Die EU-Entscheidung eröffnet also zusätzliche Handlungsoptionen, macht die strategische Entscheidung für CIOs aber auch anspruchsvoller. Sie müssen jetzt noch genauer festlegen, wie ihre Zielarchitektur für die kommenden fünf bis zehn Jahre aussehen soll.

2027 – Schicksalsjahr für den SAP-Support

Bedeutet das, dass IT-Entscheider nun auf eine ruhige Sommerpause verzichten müssen?

Bloch: Ich glaube nicht, dass der Druck dadurch grundsätzlich größer wird. Die Extended Maintenance läuft erst Ende 2027 an, sodass noch etwas Zeit bleibt. Aber die Unternehmen haben jetzt eine zusätzliche strategische Fragestellung zu beantworten. Das eigentliche Entscheidungsjahr dürfte 2027 werden. Dann müssen viele Unternehmen festlegen, mit welcher Systemlandschaft sie künftig arbeiten und wie ihre langfristige SAP-Strategie aussieht.

Selbst Unternehmen, die auf ihrer bestehenden ERP-Landschaft bleiben möchten, erhalten offiziellen Support nur noch bis 2030. Das verschafft zwar etwas Zeit, ist aber keineswegs ein langer Planungshorizont – insbesondere dann nicht, wenn alternative ERP-Strategien oder Nachfolgelösungen geprüft werden müssen.

Deshalb ist es aus meiner Sicht positiv, dass die Entscheidung jetzt gefallen ist. Sie schafft Klarheit und gibt Unternehmen die Möglichkeit, diese neuen Rahmenbedingungen frühzeitig in ihre strategischen Überlegungen einzubeziehen.

Die neuen Regelungen erlauben es Unternehmen auch, ungenutzte Lizenzen und die dafür anfallenden Wartungsgebühren einfacher loszuwerden. Wie groß könnte das Einsparpotenzial sein?

Bloch: Konkrete Zahlen haben wir dazu nicht. Da muss man sehr vorsichtig sein, denn das hängt stark vom Einzelfall ab. Entscheidend ist, ob ein Unternehmen den SAP-Support tatsächlich vollständig kündigt, zu einem Drittanbieter wechselt oder bestimmte Produkte schlicht nicht mehr benötigt. Schließlich muss ein System auch weiterhin betrieben werden.

Gibt es zumindest eine Größenordnung?

Bloch: Nein, belastbare empirische Daten haben wir nicht. Wenn Unternehmen Produkte im Einsatz haben, die sie gar nicht mehr nutzen, können sie deren Support künftig einfacher kündigen und dadurch natürlich Geld sparen. Wie hoch dieser sogenannte Shelfware-Anteil tatsächlich ist, wissen wir aber nicht.

Für Unternehmen, die bereits auf S/4HANA oder SAP Cloud ERP migriert sind, sollte dieses Thema ohnehin weitgehend erledigt sein. Relevant ist es vor allem für diejenigen, die den Wechsel noch vor sich haben. Sie können nun prüfen, welche ungenutzten Lizenzen und Wartungsverträge sie abbauen und ob das im Rahmen der SAP-Zugeständnisse möglich ist, da auch hier Regularien zu beachten sind. Wer heute noch erhebliche Supportgebühren für Produkte zahlt, die gar nicht mehr im Einsatz sind, kann dadurch durchaus signifikante Einsparungen erzielen.

Die Optionen nutzen

Verbessert die EU-Entscheidung die Verhandlungsposition der Unternehmen gegenüber SAP?

Bloch: Das lässt sich nicht pauschal sagen. Entscheidend ist, wie ein Unternehmen seine Optionen nutzt. Grundsätzlich erzielt man aus meiner Sicht die besten Ergebnisse, wenn man gemeinsam mit SAP einen Weg in die Zukunft findet.

Warum?

Bloch: Wer beispielsweise den SAP-Support vollständig kündigt und später einen neuen Cloud-Vertrag abschließt, muss damit rechnen, auf bestimmte Incentives von SAP verzichten zu müssen. Deshalb sollte jede Entscheidung unter Berücksichtigung aller Abhängigkeiten getroffen werden.

Hinzu kommt, dass nicht nur SAP Anreize für den Wechsel in die Cloud bietet. Auch die Hyperscaler haben ein großes Interesse daran, Unternehmen für ihre Plattformen zu gewinnen und stellen teilweise sehr attraktive Incentive-Programme bereit. Das macht die Ausgangslage von Unternehmen sehr unterschiedlich.

Werden die Entscheidungen für CIOs dadurch einfacher?

Bloch: Eher im Gegenteil. Die neue Situation erweitert zwar die Handlungsmöglichkeiten, macht die strategische Abwägung aber deutlich komplexer. CIOs müssen sich jetzt fragen: Welche bestehenden Systeme haben für unser Unternehmen weiterhin einen betriebswirtschaftlichen Mehrwert? Dazu kommen Fragen wie: Wo lohnt es sich, die vorhandene Landschaft beizubehalten? Und in welchen Bereichen profitieren wir tatsächlich von den Innovationen, die SAP künftig in der Cloud bereitstellt? Genau diese Balance zu finden, wird die eigentliche Herausforderung sein.

Also bedeutet die Entscheidung vor allem, dass Unternehmen mehr Zeit gewinnen – etwa um wirtschaftlich schwierige Phasen zu überbrücken oder einen Cloud-Wechsel besser vorzubereiten?

Bloch: Ja, insbesondere für Unternehmen, die bislang keinen überzeugenden Business Case für den Wechsel in die SAP-Cloud gefunden haben. Sie können ihre bestehende Landschaft zunächst weiterbetreiben und gleichzeitig prüfen, ob sich durch den Abbau ungenutzter Lizenzen und Wartungsverträge – also Shelfware – noch Einsparpotenziale realisieren lassen. Das kann im Einzelfall durchaus helfen und verschafft mehr Handlungsspielraum.

Die Komplexität wächst

Ist mit der EU-Entscheidung das größte Problem in der SAP-Lizenzpolitik gelöst oder bleiben weitere Baustellen?

Bloch: Ein wichtiges Thema bleibt die Extended Maintenance für Unternehmen, die noch nicht auf S/4HANA umgestiegen sind. Auch hierauf wirkt sich die EU-Entscheidung aus. Unternehmen haben jetzt deutlich mehr Möglichkeiten, ihre bestehende Systemlandschaft und den Support unterschiedlich zu organisieren. Sie müssen nicht mehr zwangsläufig den gesamten Softwarebestand einheitlich behandeln, sondern können je nach Situation differenzierte Entscheidungen treffen.

Damit wächst allerdings auch die Komplexität. Unternehmen haben heute einen ganzen Werkzeugkasten an Optionen und müssen sorgfältig abwägen, welche Kombination für ihre Strategie die richtige ist.

Worauf kommt es jetzt als Nächstes an?

Bloch: Entscheidend ist nun die praktische Umsetzung der zugesagten Maßnahmen. Gemeinsam mit SAP müssen wir klären, wie die neuen Regelungen im Detail ausgestaltet werden und wie Unternehmen sie tatsächlich nutzen können. Die Verpflichtungen werden zudem von einem unabhängigen Treuhänder überwacht. Ich hoffe deshalb, dass wir gemeinsam mit SAP zeitnah mehr Klarheit über die operative Umsetzung schaffen.

Sorgt die EU-Entscheidung jetzt für zusätzlichen Handlungsdruck?

Bloch: Ich glaube aber nicht, dass der Druck dadurch unmittelbar größer wird. Bis zum Beginn der Extended Maintenance Ende 2027 bleibt noch etwas Zeit. Allerdings haben Unternehmen jetzt eine zusätzliche strategische Aufgabe: Sie müssen bewerten, welche neuen Möglichkeiten sie nutzen wollen und wie diese in ihre SAP-Strategie passen.

Wann wird es ernst?

Bloch: Das entscheidende Jahr wird aus meiner Sicht 2027. Dann müssen viele Unternehmen festlegen, mit welcher Systemlandschaft sie in die Extended Maintenance gehen und wie ihre langfristige SAP-Strategie aussehen soll. Auch Unternehmen, die sich gegen einen Wechsel in die SAP-Cloud entscheiden, gewinnen durch die EU-Entscheidung zwar etwas Zeit – der offizielle Support für ihre bestehenden Systeme endet aber spätestens 2030. Gerade wenn parallel auch alternative ERP-Lösungen bewertet werden, ist das kein besonders langer Planungshorizont.

Ihr Fazit?

Bloch: Insgesamt ist es positiv, dass die Entscheidung jetzt gefallen ist. Es wäre für die Unternehmen deutlich schwieriger gewesen, wenn bis Anfang 2027 weiter Unklarheit geherrscht hätte. Jetzt liegen die Rahmenbedingungen auf dem Tisch, und Unternehmen können sie frühzeitig in ihre strategischen Entscheidungen einbeziehen.

Underawesternsky – shutterstock.com

Häufig sind Unternehmen noch damit beschäftigt, Sicherheitsvorfälle zu dokumentieren, während Angreifer bereits ihre nächste Kampagne planen. Auf Angreiferseite wird systematisch analysiert, welche Methoden sich als effektiv erweisen, welche Ziele sich zu verfolgen lohnen und wie sich der Aufwand pro Angriff minimieren lässt. Dieser „Return on Attack” ist das Ergebnis konsequenter Datennutzung.

Auf Unternehmensseite fehlt häufig eine vergleichbare Steuerungslogik, die Sicherheitsmaßnahmen konsequent nach ihrer Wirkung bewertet. In der Praxis stehen Kennzahlen im Vordergrund, die vor allem Aktivitäten abbilden, etwa Alerts, installierte Patches oder abgeschlossene Tickets. Diese Werte sind zwar operativ relevant, zeigen jedoch nicht, ob die Risiken tatsächlich sinken.

Somit fehlt eine belastbare Entscheidungsgrundlage, um Maßnahmen zu priorisieren und Ressourcen gezielt dort einzusetzen, wo sie das Risiko am stärksten reduzieren. Das erschwert es auch, Sicherheitsinvestitionen gegenüber der Geschäftsführung nachvollziehbar zu begründen.

Die Lösung liegt in einem klaren Fokus auf den richtigen Kennzahlen. Dabei haben sich drei KPIs als belastbare Grundlage erwiesen:

• die Reduzierung von Sicherheitsvorfällen,
• die durchschnittliche Zeit bis zur Erkennung eines Angriffs (Mean Time to Detect, MTTD) und
• die Zeit bis zur Eindämmung (Mean Time to Respond, MTTR).

Sie zeigen, wie schnell Teams reagieren und ob die Sicherheitsmaßnahmen tatsächlich greifen.

Was resiliente Unternehmen anders machen

Unternehmen, die Cyberangriffe und Systemausfälle besser bewältigen als andere, betrachten Sicherheit nicht als isolierte IT-Aufgabe. Sie sehen sie als organisatorische Fähigkeit, die in gemeinsamen Daten, klaren Prozessen und funktionsübergreifender Verantwortung verankert ist.

Sie schaffen Transparenz über ihre gesamte IT-Umgebung. Dadurch wissen alle Teams, welche Daten vorliegen und wie verlässlich diese sind. Sie erkennen Probleme frühzeitig und können deren mögliche Auswirkungen schnell einschätzen.

Zudem können sie Ursachen effizient untersuchen und schnell reagieren, weil Prozesse und Zuständigkeiten klar definiert sind. Außerdem arbeiten sie funktionsübergreifend, sodass Security-, IT- und Entwicklungsteams Informationen teilen, statt in getrennten Strukturen zu arbeiten.

Resilienz strukturell verankern

Resilienz entsteht durch eine bewusste strategische Entscheidung sowie mehrere ineinandergreifende Hebel:

1. Funktionsübergreifendes Krisenmanagement: Tools und Prozesse, die einen schnellen Informationsaustausch zwischen Security-, IT- und Entwicklungsteams ermöglichen, begrenzen den Schaden im Ernstfall und verhindern, dass Krisen eskalieren.
2. Automatisierung: Wer Routineaufgaben automatisiert, entlastet Teams, erhöht die Reaktionsgeschwindigkeit und schafft Kapazitäten für strategische Arbeit.
3. Integration von Security in die Softwareentwicklung: Je früher Sicherheitsanforderungen berücksichtigt werden, desto seltener entstehen Schwachstellen, die später aufwendig behoben werden müssen.
4. Gezieltes Investieren: Ausgaben für digitale Resilienz sollten nicht als Kostenfaktor verbucht werden, sondern als Zukunftsinvestition – mit messbarem Rückfluss in Form reduzierter Ausfallkosten, stabilerer Prozesse und höherer Widerstandsfähigkeit gegenüber Angriffen.

Wer diese vier Faktoren konsequent umsetzt, schafft die Grundlage dafür, dass KPIs wie Incident-Reduzierung, MTTD und MTTR nicht nur Zahlen im Reporting bleiben, sondern tatsächlich steuern.

Resilienz ist eine strategische Entscheidung

Unternehmen, die Cybersicherheit als Investition statt als Kostenstelle begreifen, treffen vor allem eine strategische Entscheidung: Sie definieren, welche Risiken sie eingehen wollen, bauen gezielt die Fähigkeiten auf, diese zu erkennen und einzudämmen, und machen den Fortschritt für die gesamte Führungsebene sichtbar.

Resilienz entsteht dort, wo Teams abteilungsübergreifend auf dieselben Daten zugreifen und Verantwortung gemeinsam tragen. Das gelingt jedoch nur, wenn Resilienz nicht als reine interne IT-Aufgabe verstanden wird.

Die Geschwindigkeit technologischer Veränderungen und eine zunehmend komplexe Bedrohungslage erfordern offene Strategien. Diese basieren auf funktionsübergreifender Zusammenarbeit, klaren Kennzahlen und dem Wissen, dass Widerstandsfähigkeit von entsprechender Expertise und bewährtem Branchenwissen profitiert und nicht allein vom Blick nach innen. (jd)

sdecoret – shutterstock.com

Bei Künstlicher Intelligenz (KI) und den dazugehörigen Jobs gibt es in Deutschland bisweilen viel Nachholbedarf. Eine aktuelle Stellenmarkt-Analyse der Jobseite Indeed zeigt jetzt, dass noch nicht aller Tage Abend ist.

In der Studie wurde der Markt in den USA und fünf großen europäischen Ländern, darunter Deutschland, untersucht. Analysiert wurde der Zeitraum vom ersten Quartal 2022 bis zum ersten Quartal 2026. Im europäischen Vergleich entwickelte sich dabei der hiesige Arbeitsmarkt seit 2023 am besten.

So wurden 288 neue Jobtitel, deren Tätigkeit sich explizit mit KI befasst, alleine im ersten Quartal 2026 geschaffen, ein europäischer Spitzenwert. Das entspricht 4,2 Prozent der aktuell in Deutschland ausgeschrieben Berufe. Fast zwei Drittel (64 Prozent) dieser neuen Stellen gehören nicht zum Tech-Sektor, wie die Experten betonen.  

Indeed

Im Verhältnis zu anderen europäischen Staaten liegt Deutschland auch an anderer Stelle in Bezug auf KI-bezogene Jobs vorne: der Anteil der Nicht-Tech-Berufe ist mit 59 Prozent gleichauf mit dem der Niederlande.  

Insgesamt wurden in den untersuchten europäischen Ländern 804 neue KI-Jobtitel geschaffen, während es in den USA 830 sind. Dort beträgt der Anteil der Nicht-Tech-Arbeitsstellen dann auch 63 Prozent, der Spitzenwert im Vergleich aller sechs Länder.

Indeed

In Deutschland werden dabei eher traditionelle Büro- und Wissensberufe durch die Sprache der KI neu definiert, so die Experten. Dies verdeutlichen auch die Job-Titel nach denen Unternehmen gezielt suchen:

• Sachbearbeiter für Digitalisierung mit Schwerpunkt KI,
• HR AI & Automation Manager zur Effizienzsteigerung im Personalwesen,
• Sales Operations Manager für KI-basierte Vertriebsprozesse,
• AI Customer Support Manager (Kundenservice),
• Rechtsanwälte für KI-Regulatorik (Rechtsberatung),
• AI-Driven Content Creators (Marketing) und
• Dozenten für KI & Digitale Bildung (Bildung).   

Dieser Namenstrend lässt sich auch in anderen Ländern nachweisen. Beispielsweise wird in den USA nach Positionen wie Testfahrer für autonome KI-Lkw, Physiotherapeut (KI-gestützte Dokumentation) und Immobilienmakler – inklusive KI-basiertem Lead-System gesucht. In Frankreich sind Stellen für „Vertriebsmitarbeiter für KI-Produkte und -Lösungen“ ausgeschrieben, während in den Niederlanden KI-nutzendes Personal für Marketing- und Werbefachleute gefragt ist.

Drei Gruppen im Wandel

So haben die Experten von Indeed drei Gruppen von KI-Jobsegmenten ausgemacht: Die erste Gruppe ist die KI-Implementierung und -Beratung. Hierbei handelt es sich um Positionen, in denen von den Kandidaten erwartet wird, zur KI-Strategie zu beraten, die Einführung von KI zu steuern oder Prozessänderungen zu beaufsichtigen. Laut Indeed gehören hierzu beispielsweise Account Manager, Operation Manager und Spezialisten für Geschäftsentwicklung.

Das zweite Segment kümmert sich um KI-Training und erstellt Inhalte. Dazu zählen Sprachspezialisten, externe Sprecher für Sprachaufnahmen und Fachexperten, die gezielt rekrutiert werden, um Trainingsdaten für KI-Modelle zu generieren oder zu überprüfen. Ebenfalls Teil dieser Gruppe sind Designer und Marketingfachleute, die KI nutzen, um Content zu erstellen.

Der dritte Bereich beschäftigt sich damit, KI zu vermitteln. Das sind etwa Coaches, Tutoren, Dozenten und betriebliche Ausbilder. Diese werden verstärkt angeheuert, um Kollegen, Kunden und Studenten näherzubringen, wie KI-Tools eingesetzt werden können.

KI ist kein IT-Phänomen mehr

Dr. Virginia Sondergeld, Ökonomin und Arbeitsmarktexpertin bei Indeed, ordnet Ergebnisse der Untersuchung so ein:

„Der Arbeitsmarkt durchläuft durch KI eine Transformation, die mittlerweile über IT-Abteilungen hinausgeht. Längst sind es nicht mehr nur Softwareentwickler oder Data Scientists, deren Tätigkeitsprofile durch KI neu definiert werden. Betroffen sind zunehmend Sachbearbeiter, HR-Manager und Vertriebler.“ Sie ergänzt, dass ein „grundlegendes Verständnis für KI-Anwendungen und deren praktische Nutzung“ immer mehr zur branchenübergreifenden Standardanforderung werde. 

Cisco/by Pavelbecker

In den Chefetagen weltweit herrscht derzeit eine paradoxe Mischung aus Euphorie und Nervosität. So hat der Cisco-Studie „How CEOs see AI in 2026“ zufolge der Optimismus bezüglich der Potenziale künstlicher Intelligenz mit 91 Prozent einen neuen Höchststand erreicht. Auf der anderen Seite gibt es aber auch tiefe Sorgenfalten: 65 Prozent der CEOs befürchten, zu wenig in KI zu investieren – ein deutlicher Sprung im Vergleich zu 53 Prozent im Vorjahr.

So ist KI ist längst kein nettes Extra mehr. Für mehr als zwei Drittel der Befragten (69 Prozent) ist die Technologie bereits unverzichtbar geworden. Oder wie es Uwe Peter, Deutschland-Chef von Cisco, formuliert: „KI ist kein Experiment, kein Selbstzweck, sondern das Betriebssystem unserer Wirtschaft.“ So sei die Zeit der vorsichtigen Pilotprojekte vorbei; die Frage sei nicht mehr, ob die Technik funktioniert, sondern, ob die Unternehmen bereit für die massive Last sind, die sie verursacht.

Nadelöhr Technik

So zerplatzen viele KI-Projekte in der Realität an der Leistungsfähigkeit der Hardware. 53 Prozent der CEOs fürchten, dass Infrastrukturengpässe ihre KI-Pläne ausbremsen. Das Upgrade für KI-Workloads hat daher für das Jahr 2026 oberste Priorität.

Die Zahlen aus dem ergänzenden „Cisco AI Readiness Index“ zeichnen ein noch deutlicheres Bild der Herausforderungen:

• Lediglich 22 Prozent der Unternehmen stufen ihr aktuelles Netzwerk als optimal für KI-Workloads ein.
• Nur 19 Prozent verfügen über vollständig zentralisierte Daten, die für KI-Anwendungen zugänglich sind.
• Jeder dritte CEO sieht in fragmentierten Daten ein zentrales Hindernis für den Fortschritt.

Noch vor einem Jahr fühlten sich viele Vorstände von ihrem eigenen mangelnden Verständnis für KI gelähmt. Diese Wissenslücke schließt sich jedoch in rasantem Tempo: Der Anteil der CEOs, die sich durch fehlendes KI-Wissen in ihren Entscheidungen behindert fühlen, sank innerhalb von zwölf Monaten von 74 Prozent auf 47 Prozent. Mit dem wachsenden Durchblick steigt jedoch auch das Bewusstsein für die Komplexität der Umsetzung, insbesondere bei der Sicherheit und Kontrolle autonomer KI-Agenten. Nur 31 Prozent der Unternehmen trauen sich aktuell zu, diese Agenten ausreichend abzusichern.

Der Mensch als Aufsicht

Entgegen mancher Untergangsszenarien sehen CEOs die KI nicht als Ersatz für den Menschen. Die Integration von KI-Agenten in Arbeitsprozesse steht zwar weit oben auf der Agenda. 72 Prozent der Befragten erwarten jedoch, dass KI auch künftig nur unter menschlicher Anleitung und Aufsicht agiert. Im Zentrum der Strategie für 2026 steht das Bild eines „Mensch-KI-Teams“. Hierbei wird die Belegschaft gezielt weitergebildet, um die neuen digitalen Kollegen produktiv und verantwortungsvoll zu steuern

Unter dem Strich kommt die Studie zu einem klaren Fazit: Der Wille zur KI-Revolution ist da, doch er erfordert ein massives Upgrade der Infrastruktur und eine Zentralisierung der Datenbestände.

Vorweg eine Definition: Wenn von “Ways of Working” die Rede ist, sind klar definierte Prinzipien gemeint, die von Einzelpersonen und Teams im Arbeitsalltag beachtet werden, wenn es darum geht, Aufgaben umzusetzen und Ziele zu erreichen. Gleichzeitig stellen sie Verhaltensstandards und -prinzipien dar, die den Rahmen für Zusammenarbeit, Entscheidungsfindung und Führung im Unternehmen bilden.  

Doch wie können “Ways of Working” in der Praxis gestaltet, operationalisiert und erfolgreich verankert werden? Eine Beobachtung, die ich immer wieder mache: Wenn über das Wie im Unternehmenskontext gesprochen wird, geht es oftmals um spezielle Methoden, Prozesse oder Praktiken, die im Arbeitsalltag durch die Belegschaft, Teams oder Einzelpersonen umgesetzt werden (müssen), um eine Aufgabe zu erledigen oder Ziele zu erreichen. Dass dies auf Dauer nicht reicht, sollte auf der Hand liegen: Es nimmt Mitarbeitenden den Freiraum, selbstständig zu agieren und Lösungen zu finden. Darüber hinaus hemmt es ihre Kreativität, Innovationskraft und Lösungskompetenz. Diese Aspekte sollten also nie die Basis für die unternehmensweiten “Ways of Working” sein. Stattdessen sollte es bei der Ausarbeitung des Wie um kulturelle Erwartungen, Werte und die generelle Zusammenarbeit sowie Arbeitsweise von Mitarbeitenden im gesamten Unternehmen gehen. Davon profitieren Unternehmen und Mitarbeitende gleichermaßen. 

Arbeitgeber können Orientierung geben und schaffen so gleichzeitig ein gemeinsames Verständnis sowie Klarheit – ohne die Mitarbeitenden einzuschränken und zu demotivieren. Außerdem können sie die Mitarbeiterbindung und -zugehörigkeit fördern, wenn die in den Ways of Working definierten Prinzipien und Werte aktiv gelebt werden. Mitarbeitenden hingegen geben sie Klarheit hinsichtlich der Erwartungshaltung, schaffen Raum für Eigenständigkeit und ermöglichen berufliche sowie persönliche Weiterentwicklung. 

“Ways of Working” definieren und gestalten

Damit dieser Mehrwert nicht abstrakt bleibt, braucht es einen klaren Prozess zur Entwicklung der “Ways of Working”. Ein geeigneter Startpunkt, um diese zu definieren, kann folgender sein: Unternehmen können per Datenanalyse herausfinden, welche individuellen Verhaltensweisen von Top-Führungskräften explizit positive geschäftliche Auswirkungen haben – und daraus entsprechende Wie-Standards ableiten. Konkret sieht das so aus: Auf Basis einer internen Analyse zu Top-Leader-Verhaltensweisen, lässt sich ein neues Ways-of-Working-Modell entwickeln, das auf den folgenden vier Säulen basiert: 

1. We act candidly: Wir kommunizieren offen und transparent. Denn wir wissen, dass Wachstum von Menschen und Unternehmen nur durch offene Kommunikation von Erwartungen und Entscheidungen möglich ist. 
2. We win together: Wir arbeiten abteilungsübergreifend zusammen, um das große Ganze zu sehen, voneinander zu lernen und uns gegenseitig zu unterstützen. Wir sind stets bestrebt, Lösungen anzubieten und Ergebnisse zu erzielen, auch bei persönlichen Meinungsverschiedenheiten. 
3. We take ownership: Wir reden nicht nur darüber, sondern krempeln die Ärmel hoch, um Dinge in die Tat umsetzen – mit Mut und Zuversicht Verantwortung für das Gesamtergebnis zu übernehmen. So gelingt es unserer Überzeugung nach, Ergebnisse zu erzielen und außergewöhnliche Produkte zu schaffen. 
4. We create impact: Wir konzentrieren uns auf die Bedürfnisse unserer Kunden und des Unternehmens, indem wir ständig nach Spitzenleistungen streben und hohe Standards einhalten, evidenzbasierten Entscheidungen den Vorzug geben und eine Wachstumsmentalität verfolgen. Veränderungen betrachten wir als Katalysatoren für sinnvolle Innovationen. 

Diese definierten “Ways of Working” dienen im Arbeitsalltag als kultureller sowie struktureller Rahmen, der festlegt, wie Mitarbeiter innerhalb des Unternehmens im Team zusammenarbeiten, Aufgaben umsetzen und Ziele erreichen wollen. 

Ways-of-Working-Modell praktisch umsetzen

Aber selbst das beste Modell entfaltet nur dann seine Wirkung, wenn es von der Theorie in die Praxis übersetzt werden kann und im Alltag durch die Mitarbeitenden lebendig wird. Der entscheidende Hebel dafür ist eine bewusste Feedback- und Lernkultur, die durch ein gut durchdachtes Change-Management gestützt wird. Nur so kann das gewünschte Verhalten im Wie sichtbar, verstärkt und langfristig im Unternehmen verankert werden. Erfolgskritisch sind in diesem Zusammenhang drei Faktoren. 

1. Bewusste Kommunikations- und Implementierungsstrategie  

Ein gezielter interner Kommunikations- und Stakeholder-Plan hilft, den Sinn und Nutzen von “Ways of Working” für alle greifbar zu machen – und sie so in der Organisations-DNA fest zu etablieren. Entscheidend ist die Vorgehensweise: “Ways of Working” sollten nicht vorschnell als Poster an die Wände gehängt oder in groß angelegten Kampagnen von null auf hundert verkündet werden, solange sie noch nicht im Alltag erlebbar sind.

Denn Akzeptanz entsteht nur, wenn Mitarbeitende die “Wie”-Prinzipien bereits in der täglichen Arbeit spüren. Deshalb empfiehlt sich eine schrittweise Einführung über bestehende Prozesse und Arbeitsweisen – etwa im Onboarding, in Meetings oder Performance-Gesprächen. Erst wenn diese Grundlagen etabliert sind, sollte die breite Kommunikation folgen. So wirken die Prinzipien authentisch und praxisnah und werden nicht als reine Symbolpolitik wahrgenommen. 

 2. Senior Role Modeling  

Führungskräfte dienen als Vorbilder und Multiplikatoren für eine gelebte und erfolgreiche Verankerung der “Ways of Working”. Ihr Verständnis und ihre Haltung gegenüber dessen bestimmt, wie ernst das “Wie” in der Organisation genommen wird. Es ist daher wichtig, dass Führungskräfte sie im Alltag sichtbar vorleben – in Meetings, Entscheidungsprozessen und im Umgang mit Mitarbeitenden.

Hilfreich ist es, dafür klare Erwartungshaltungen zu formulieren und diese regelmäßig in Führungsrunden zu reflektieren. Sinnvoll sind auch Peer-Feedback-Formate auf Managerebene, in denen Führungskräfte sich gegenseitig Rückmeldung geben, ob und wie sie die Prinzipien tatsächlich verkörpern. So entsteht Verbindlichkeit – und das “Wie” wird nicht als abstraktes Konzept, sondern als gelebte Praxis erfahrbar. 

3. Operationalisierung im Führungsalltag  

Die “Ways of Working” müssen im Arbeitsalltag greif- und messbar sein. Führungskräfte müssen daher lernen, anhand der “Wie”-Kriterien gutes von exzellentem Verhalten zu unterscheiden – und das auch konkret zu benennen und Feedback dazu zu geben. Effektive Lernmethoden dafür sind unter anderem In-Person-Trainings, How-to-Guides oder Apps mit Praxisübungen und Fallstudien. 

“Ways of Working” sind strategischer Erfolgsfaktor – für Startups ebenso wie für den Mittelstand oder internationale Konzerne. Sie bilden die Brücke zwischen Kultur und Geschäftserfolg, geben Orientierung im Arbeitsalltag, schaffen Klarheit über Erwartungen und ermöglichen eine Zusammenarbeit, die nicht vom Zufall abhängt, sondern systematisch gefördert wird. (pg/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!

Sundry Photography – shutterstock.com

Seit dem Aufkommen von ChatGPT versuchen Unternehmen, das Potenzial generativer KI als digitalen Assistenten in konkrete Produktivitätsgewinne für möglichst viele Beschäftigte zu übersetzen. Der Netzwerkausrüster Cisco zählt dabei zu den Vorreitern.

„Die ursprüngliche Idee für einen internen Assistenten entstand bei Cisco, als ChatGPT und andere KI-Tools für Endverbraucher Ende 2022 und Anfang 2023 auf den Markt kamen. Damals diskutierte das Cisco-Management, ob die Nutzung solcher Dienste durch Mitarbeiter erlaubt werden sollte“, erklärt Srini Namineni, Chief Automation Officer bei Cisco.

„Die große Frage lautete: Sollten wir den Zugriff tatsächlich sperren?“, erinnert er sich. „Die Risiken lagen auf der Hand, denn Mitarbeiter könnten Unternehmensdaten eingeben, die dann für andere sichtbar werden. Wir haben uns bewusst dagegen entschieden und gesagt: Statt die Nutzung zu verbieten, stellen wir eine sichere Alternative bereit.“

Ein KI-Assistent für 90.000 Mitarbeiter

Der Ende 2023 eingeführte interne KI-Assistent sollte zugleich verhindern, dass sich im Unternehmen eine Vielzahl unterschiedlicher KI-Lösungen etabliert. Stattdessen setzte Cisco auf eine zentrale Plattform, die den Beschäftigten dennoch die Flexibilität bietet, verschiedene KI-Modelle zu nutzen.

Anfangs unterstützte der KI-Assistent Azure OpenAI und Google Gemini. Heute lassen sich laut Namineni neue Modelle innerhalb weniger Wochen integrieren, sobald Mitarbeiter entsprechende Anforderungen äußern. Aus dem ursprünglichen Chatbot sei inzwischen eine vielseitige Plattform geworden, die Funktionen eines Copiloten, Programmierassistenten und HR-Helfers vereine und Mitarbeiter bei einer Vielzahl von Aufgaben unterstütze.

Der KI-Assistent, der Cisco den 2026 CIO 100 Award für IT-Innovation und Führungsstärke einbrachte, spart den Ingenieuren nach Angaben des Unternehmens durchschnittlich sechs Stunden pro Woche; Mitarbeitern in anderen Bereichen rund fünf Stunden.

Während die Hauptziele des Projekts Sicherheit und Flexibilität waren, hat Cisco einen dritten Vorteil entdeckt: Mit monatlichen Kosten von etwa zehn Dollar pro Nutzer liegt der interne KI-Assistent laut Namineni unter den Abopreisen mehrerer handelsüblicher KI-Assistenten.

KI-Risiken reduzieren

Der Assistent steht den Beschäftigten seit 2024 zur Verfügung. Im ersten Quartal 2026 nutzten ihn bereits mehr als 96.000 Mitarbeiter – das entspricht einer Nutzungsquote von 90 Prozent. Auch die Resonanz fällt laut einer unternehmensinternen Befragung positiv aus:

• 79 Prozent der Beschäftigten sind der Meinung, dass ihnen der Assistent Zeit spart,
• 72 Prozent sehen eine höhere Produktivität und
• 71 Prozent bescheinigen ihm eine Verbesserung der Qualität ihrer Arbeit.

Ein konkretes Beispiel ist die Softwareentwicklung: Dort unterstützt der Assistent Entwickler dabei, selbst kleinste Programmierfehler aufzuspüren und automatisiert Unit-Tests zu erstellen. Dadurch habe sich der Entwicklungsprozess deutlich beschleunigt, so Cisco.

Namineni und sein Team sorgen kontinuierlich dafür, dass der Assistent neue Funktionen erhält. Dadurch bietet er inzwischen mehr Möglichkeiten als mancheam Markt erhältliche Standardlösung. So können Mitarbeiter über den Assistenten KI-Prompts untereinander austauschen und Personalaufgaben wie das Beantragen von Urlaub erledigen, ohne sich bei einem anderen Dienst anmelden zu müssen.

Darüber hinaus lassen sich unternehmenseigene Datensätze in geschützte OneDrive-Ordner hochladen, um maßgeschneiderte KI-Projekte umzusetzen. Außerdem stellt Cisco Retrieval-Augmented Generation (RAG) als Dienst bereit, sodass Beschäftigte interne Dokumente und Metadaten sicher per KI durchsuchen und abfragen können.

Laut Cisco basiert das Projekt auf einer Microservices-Architektur, die eine schnelle Einbindung neuer KI-Anwendungen ermöglicht. Das Unternehmen versteht den Assistenten als KI-Teamkollegen und verfolgt langfristig die Vision, jedem Beschäftigten ein virtuelles Team aus KI-Agenten zur Seite zu stellen.

Der nächste Entwicklungsschritt

Namineni plant bereits weitere Funktionen. Künftig sollen personalisierte KI-Agenten jeden Mitarbeiter dauerhaft unterstützen. Mit entsprechender Berechtigung könnten diese Agenten auf E-Mails und Webex-Konten zugreifen und eigenständig Aufgaben übernehmen. So könnte ein persönlicher Agent beispielsweise E-Mails nach Priorität sortieren.

Auch im Personal- und Finanzwesen sieht der Automatisierungsspezialist weiteres Automatisierungspotenzial. Ziel sei es, Mitarbeitern von Routinetätigkeiten zu entlasten, damit sie sich auf anspruchsvollere Aufgaben konzentrieren können.

Die Kontrolle soll jedoch weiterhin beim Menschen bleiben. „Ich bin nicht bereit, die Kontrolle zu 100 Prozent abzugeben – außer bei Aufgaben mit geringem Wert, bei denen ein Fehler akzeptabel wäre. Denn die KI macht Fehler“, so Namineni. „Unsere Herausforderung besteht darin, diese Leistungsfähigkeit gezielt auf Anwendungsfälle zu beschränken, in denen sie möglichst viel Arbeit übernehmen kann, während der Mensch weiterhin in den Prozess eingebunden bleibt.“

Neben dem „CIO 100 Award“ hat das Cisco-Projekt auch weitere Auszeichnungen erhalten. Der KI-Assistent könne als Vorbild für andere Großunternehmen dienen, die ihre Mitarbeiter dazu ermutigen möchten, KI sicher zu nutzen, erklärt Amy Loomis, Group Vice President für Workplace Solutions bei IDC.

Der Logik folgen

Andere Unternehmen könnten die Logik dieses Ansatzes übernehmen, auch wenn sie möglicherweise nicht den spezifischen technischen Stack von Cisco kopieren wollten, so die Analystin. Die Architektur, einschließlich der Integration dualer Modelle, der hybriden Multicloud-Orchestrierung, RAG-as-a-Service und Microservices, spiegele die Größe und die technischen Kapazitäten von Cisco wider, merkt Loomis an.

Entscheidend sei vielmehr die zugrundeliegende Strategie: Unternehmen sollten ihren Beschäftigten frühzeitig eine zentral gesteuerte interne KI-Umgebung bereitstellen, bevor sich unkontrollierte Shadow AI etabliert. Zudem gelte es, die Vielzahl einzelner KI-Werkzeuge über eine einheitliche, intelligente Oberfläche zusammenzuführen, klare Zugriffs- und Verantwortungsregeln zu schaffen und KI als Instrument zu positionieren, das die Qualität und Reichweite der menschlichen Arbeit verbessert.

Die eigentliche Innovation sieht Loomis nicht in einzelnen Technologien, sondern in deren Zusammenspiel. Komponenten wie RAG-Pipelines, der Zugriff auf GPT-4o, die OneDrive-Integration oder eine Microservices-Architektur seien zwar auch anderswo verfügbar. Cisco habe sie jedoch zu einer integrierten Unternehmensplattform zusammengeführt.

„Weniger verbreitet ist es, all diese Komponenten in einer zentral verwalteten, unternehmenseigenen Umgebung mit klar definierten Datenkontrollen zu kombinieren, anstatt Mitarbeiteranfragen an externe KI-Dienste weiterzuleiten, bei denen sensible Informationen in öffentliche Trainingsdatensätze gelangen könnten“, erklärt die Gartner-Analystin.

Als Beispiel nennt Loomis die Funktion „My Projects“, über die Mitarbeiter firmeneigene Datensätze in gesicherten OneDrive-Ordnern speichern und anschließend mithilfe der KI gezielt auswerten oder befragen können. Dadurch erhielten sie die benötigten Funktionen, ohne auf nicht autorisierte externe KI-Dienste ausweichen zu müssen.

Lob findet sie außerdem für Ciscos grundsätzliche Positionierung von KI. Das Unternehmen verstehe künstliche Intelligenz nicht als Ersatz für Beschäftigte, sondern als Verstärker ihrer Fähigkeiten.

„Jedem Mitarbeiter einen Satz von KI-Werkzeugen bereitzustellen, der auf die jeweilige Rolle und den Arbeitskontext abgestimmt ist, ist ebenso eine Frage des Change Management wie der Technologie“, erklärt sie. „Unternehmen, die KI als Werkzeug zur Erweiterung menschlicher Fähigkeiten und nicht als Ersatz für menschliche Arbeit präsentieren, erzielen in der Regel eine höhere Akzeptanz, weil sie Widerstände gegen die Einführung neuer Technologien abbauen.“ (mb)

Dieser Artikel basiert auf einem Beitrag der Schwesterpublikation CIO.com.

Zoomik / Shutterstock.com

Die Akkulaufzeit zählt für viele Nutzer nach wie vor zu den wichtigsten Eigenschaften eines Smartphones. Auch wenn in Ihrem Modell kein Riesen-Akku verbaut ist, können Sie mit den richtigen Einstellungen und ein paar einfachen Maßnahmen, mehr Laufzeit herausholen. Wir stellen 13 praktische Tipps vor.

Hinweis: Je nach Smartphone und Android-Version können die Bezeichnungen und Menüs leicht variieren. Für diesen Artikel nutzen wir ein Samsung Galaxy S25 Ultra mit Android 16 als Beispiel. Die meisten Hersteller orientieren sich jedoch an einem ähnlichen Navigationsaufbau. Falls Sie eine Einstellung nicht auf Anhieb finden, nutzen Sie einfach die Suchfunktion in den Smartphone-Einstellungen.

Adaptive Helligkeit, Bildschirm-Timeout und Always-On-Display

Denise Bergert

• Das Display Ihres Smartphones ist einer der größten Stromfresser. Wenn Sie die Helligkeit verringern, können Sie damit viel Energie sparen. Sie können die Helligkeit manuell einstellen oder die Funktion “Adaptive Helligkeit” aktivieren, die den Bildschirm an die aktuellen Lichtverhältnisse anpasst. Sie finden die Option in den Einstellungen unter “Anzeige”.
• Sie können auch die Zeitspanne verkürzen, nach der der Bildschirm automatisch ausgeschaltet wird, wenn Sie Ihr Smartphone nicht verwenden. Je kürzer das Display aktiv bleibt, desto weniger Energie verbraucht es. Die Option “Bildschirm-Timeout” finden Sie in den Einstellungen unter “Anzeige”. Sie müssen allerdings nicht warten, bis sich das Display von selbst ausschaltet. Ein Druck auf die Ein-/Aus-Taste genügt, um den Bildschirm sofort zu sperren.
• Die Funktion „Always-On-Display“ sorgt dafür, dass der Bildschirm dauerhaft Uhrzeit und Datum anzeigt. Das ist praktisch, verbraucht aber auch unnötig Strom. Sie können die Option unter “Sperrbildschirm und AOD” deaktivieren.

Dunkelmodus und Bildschirmschoner

Denise Bergert

• Viele Smartphones bieten einen Dunkelmodus beziehungsweise “Dark Mode”. Statt eines hellen Hintergrunds mit dunkler Schrift zeigt das Smartphone einen dunklen Hintergrund mit heller Schrift an. Das spart Energie und schont die Augen. Wenn Sie den Modus nicht dauerhaft nutzen möchten, können Sie ihn auch nur nachts aktivieren. Die Option finden Sie in den Einstellungen unter “Anzeige” und “Dark Mode”.
• Wenn Sie Strom sparen möchten, sollten Sie unter “Anzeige” auch den “Bildschirmschoner” deaktivieren. Er verhindert, dass sich das Display vollständig ausschaltet.

Bildwiederholrate verrringern

Denise Bergert

• Eine hohe Bildwiederholrate sorgt für eine flüssigere Darstellung, erhöht aber auch den Stromverbrauch. Wenn Sie Akku sparen wollen, können Sie die Bildwiederholrate verringern. Auf vielen aktuellen Smartphones lässt sich alternativ eine adaptive Bildwiederholrate nutzen, die je nach Inhalt automatisch zwischen niedrigen und hohen Bildraten wechselt und so den Energieverbrauch reduziert. Die entsprechende Option finden Sie in den Einstellungen unter “Anzeige” und “Bildwiederholrate”.

Bluetooth, NFC und GPS gezielt deaktivieren

Denise Bergert

• Drahtlose Funktionen wie Bluetooth, GPS und NFC benötigen ebenfalls Energie. Wenn Sie diese gerade nicht nutzen, sollten Sie sie deaktivieren. Die entsprechenden Optionen finden Sie in den Einstellungen unter “Verbindungen”. Hier können Sie Bluetooth, NFC oder auch Ultra-Wideband (UWB) ausschalten.

Stromfresser-Apps aufspüren

Denise Bergert

• Auch Apps verbrauchen Energie. In den Akku-Einstellungen können Sie nachsehen, welche Anwendungen besonders viel Strom benötigen. Tippen Sie auf eine App, um weitere Informationen zu erhalten. Dort können Sie in vielen Fällen auch die Hintergrundaktivität einschränken. Die App bleibt dann nicht mehr aktiv, wenn Sie sie gerade nicht nutzen, was die Akkulaufzeit spürbar verbessern kann. Alternativ lohnt es sich, nicht benötigte Apps zu deinstallieren. Die Übersicht finden Sie in den Einstellungen unter “Akku” und “Grenzen der Hintergrundnutzung”.

Energiesparmodus, System-Updates und Neustart

Denise Bergert

• Viele Smartphones verfügen über einen “Energiesparmodus”. Er verlängert die Akkulaufzeit, indem er bestimmte Funktionen einschränkt und die Leistung reduziert. Häufig können Sie zwischen einem normalen und einem besonders strikten Modus wählen, der nur die wichtigsten Funktionen zulässt. Praktisch ist zudem die Möglichkeit, den Energiesparmodus automatisch zu aktivieren, etwa wenn der Akkustand auf 20 Prozent fällt. Die entsprechende Option finden Sie in den Einstellungen unter “Akku” und “Energiesparmodus”.
• Regelmäßige Updates erhöhen die Sicherheit und können auch die Systemleistung verbessern. Halten Sie Ihr Smartphone deshalb immer auf dem neuesten Stand und installieren Sie alle verfügbaren Aktualisierungen. Außerdem lohnt sich ein Neustart etwa einmal pro Woche.

Dieser Artikel erschien zuerst bei unserer Schwesterpublikation PC för Alla und wurde aus dem Schwedischen übersetzt und lokalisiert.

amgun | shutterstock.com

Im Juni 2025 veröffentlichte der prominente britische Softwareentwickler Simon Willison einen in der Security-Community vielbeachteten Blogbeitrag. Darin warnte der Experte, der im Jahr 2022 den Begriff „Prompt Injection“ geprägt hatte, vor einer tödlichen Dreierkombination („Lethal Trifecta“), die ausreichen um einen KI-Agenten mit nahezu hundertprozentiger Erfolgswahrscheinlichkeit durch indirekte Prompt Injection zu kompromittieren. Diese „Lethal Trifecta“ bei KI-Agenten manifestiert sich demnach im:   

• Zugriff auf private Daten,
• dem Kontakt mit nicht vertrauenswürdigen Inhalten, sowie
• der Fähigkeit zur externen Kommunikation.

Ein Angreifer, der schadhafte Anweisungen an beliebiger Stelle in dieser Inhalts-Pipeline einschleust, kann Daten exfiltrieren, ohne dass das überhaupt auffällt. Willison veranschaulichte diesen Punkt in seinem Beitrag mit einer langen Liste realer Exploits in Produktionsumgebungen. Das „tödliche Triple“ fungierte dabei zu einer Zeit als Security-Warnsignal, in der KI-Agenten einen meist eng begrenzten Anwendungsbereich hatten. Die Kombination der oben genannten Fähigkeiten zu vermeiden, schien eine tragfähige Designstrategie.

Das hat sich mittlerweile geändert: Ein kundenorientierter Support-Agent erfasst heute Ticketverläufe und Kundendaten, Benutzernachrichten sowie angehängte Dateien und ruft CRMs, Rückerstattungs-APIs oder Ticketing-Systeme auf. Ebenso lesen und beantworten KI-Agenten E-Mails, verwalten Kalender und Nachrichten. Das sind keine „Edge Cases“, sondern genau die Art von Agenten, nach denen Unternehmen und Privatanwender streben – und auf die die Anbieter hinarbeiten.

Das „tödliche Triple“ als neuer Standard

Ross McKerchar, CISO bei Sophos, bringt das Problem in einem eigenen Blogbeitrag auf den Punkt: „Die Funktionen, die Praktiker tatsächlich wollen, führen unweigerlich in gefährliches Terrain. Das ist keine Fehlkonfiguration, sondern der architektonische Preis für die Nützlichkeit.“

Damit liegt der Security-Entscheider richtig: Ein Agent ohne Zugriff auf private Daten ist nutzlos. Einer, der keine externen Inhalte verarbeiten kann, agiert isoliert. Und ein Agent, der nicht nach außen kommunizieren kann, ist handlungsunfähig. Nimmt man auch nur einen dieser drei Aspekte weg, steht im Ergebnis eher eine Suchleiste als ein KI-Agent. Wenn jede legitime Agentenarchitektur sämtliche Eigenschaften der „Lethal Trifecta“ aufweist, kann diese kein aussagekräftiger Indikator für erhöhtes Risiko mehr sein – sondern ist de facto die Standardkonfiguration. Sie weiterhin als Warnsignal zu betrachten, ist so, als würde man die DNS-Auflösung als Anzeichen für ein kompromittiertes Netzwerk werten. Technisch gesehen trifft das zwar auf einige Threat-Modelle zu, ist aber in jedem realen Deployment allgegenwärtig.

Die Antwort auf diese Situation beschreibt der Sophos-CISO in seinem Blogbeitrag als „Blast Radius Reduction“. Gemeint ist eine realistische operative Philosophie, die die „Lethal Trifecta“ als gegeben akzeptiert. Das wäre ein guter erster Schritt – allerdings stellt sich die Frage, was nach der Akzeptanzphase folgt. Das Security-Team von Meta gelangte zu einer ähnlichen Erkenntnis wie McKerchar, nur aus einer anderen Richtung: Im Oktober 2025 veröffentlichte der Konzern sein „Rule of Two“-Framework. Dieses sieht vor, dass KI-Agenten nicht mehr als zwei der drei Komponenten der „Lethal Trifecta“ aufweisen sollten. Sind alle drei Merkmale vertreten, wird eine menschliche Genehmigung erforderlich. Von der Idee war auch Simon Willison angetan, der das Meta-Framework im November 2025 als den besten praktischen Ratgeber bezeichnete, um sichere Agentensysteme auf LLM-Basis aufzubauen.

Mit Blick auf sein Framework räumt Meta allerdings auch Limitationen ein. Demnach passten diverse populäre Use Cases nicht nahtlos in das Rahmenwerk, wodurch Designs, die auf der „Rule of Two“ aufbauen, dennoch anfällig für Fehler sein könnten. Das ist nur die Bestätigung dafür, dass das Problem die Lösung auf Architekturebene bereits überholt hat. Denn das Ausmaß der Sicherheitslücken ist längst nicht mehr nur theoretischer Natur: So brachte eine Untersuchung des Common Crawl Repositories durch Sicherheitsforscher von Google diverse Prompt-Injection-Angriffe auf öffentlich zugängliche Webseiten ans Licht. Laut Google haben die Angriffsversuche dieser Art zwischen November 2025 und Februar 2026 um 32 Prozent zugelegt. Zwar stellten die Sicherheitsexperten fest, dass deren Reifegrad derzeit noch gering ist. Allerdings weisen sie auch darauf hin, dass der Trend ein klares Signal dafür ist, dass das Interesse der Angreifer zunimmt. Anders ausgedrückt: Das Umfeld, vor dem die „Lethal Trifecta“ einst gewarnt hat, ist zur Realität geworden.

5 Anzeichen für kompromittierte KI-Agenten

Wenn nahezu jeder eingesetzte KI-Agent die Merkmale der „Lethal Trifecta“ aufweist, benötigen Praktiker die richtigen Anhaltspunkte, um kompromittiertes Verhalten vom normalen Betrieb innerhalb eines Systems zu unterscheiden. Das erfordert einen Shift: Weg von Assessments auf Architekturebene und hin zu Behavioral Detection auf Laufzeitebene. Wie nötig dieser Umschwung ist, zeigte sich zuletzt im Januar 2026, als innerhalb von nur fünf Tagen vier verschiedene Exploits gegen populäre KI-Produktivitäts-Tools bekannt wurden. Betroffen waren IBM Bob, Superhuman AI, Notion AI und Claude Cowork. In allen vier Fällen setzten die Angreifer auf indirekte Promp Injection, um Daten zu exfiltrieren. Und zwar über einen Kanal, auf den der jeweilige Agent legitimen Zugriff hatte.

Im Fall von Claude Cowork sorgte ein in ein hochgeladenes Dokument eingebetteter, versteckter Prompt etwa dafür, dass der KI-Agent Dateien über die von Anthropic selbst auf die Whitelist gesetzte API-Domain exfiltrierte – unsichtbar für sämtliche Perimeterkontrollmaßnahmen und nicht von normalem Agentenverhalten zu unterscheiden, bis die Daten bereits gestohlen waren. Die vier Exploits hatten außerdem gemein, dass die „Lethal Trifecta“ Betriebsbedingung war.

Die folgenden fünf Signale können dazu beitragen, kompromittierte KI-Agenten zu erkennen:

• Anomalien bei der Befolgung von Anweisungen: Ein kompromittierter Agent verhält sich in der Regel nicht grundlegend anders als ein intakter – er befolgt Anweisungen. Die Frage ist nur, wessen. Agenten-Aktionen, die keinen plausiblen Bezug zu einer vom Benutzer initiierten Aufgabe haben, sollten deshalb die Alarmglocken schrillen lassen. Ein Agent, der dazu aufgefordert wurde, einen Quartalsbericht zusammenzufassen, dann aber eine DNS-Anfrage an eine unbekannte Domain aussendet, hat sich dazu nicht spontan „entschlossen“ – er wurde dazu veranlasst.
• Tool-Call-Sequenzen, die die erwartete Topologie durchbrechen: In einem gut konzipierten KI-Agentensystem sollte die Sequenz der Tool-Aufrufe für eine spezifische Aufgabe relativ vorhersehbar sein. Ein Programmier-Agent, der einen Bug fixen soll, muss Dateien bearbeiten, Tests ausführen und möglicherweise die Dokumentation überprüfen. Er sollte allerdings nicht auf E-Mail- oder Kalender-APIs zugreifen. Sobald die erwarteten Grenzen eines Workflows in diesem Rahmen überschritten werden, ist deshalb Skepsis angesagt: Solche Tool-Call-Sequenzen sollten als verdächtig markiert werden, selbst wenn jeder einzelne Aufruf für sich genommen legitim erscheint.
• Exfiltration über Kanäle mit geringer Bandbreite: Der klassische Exfiltrationsangriff durch Prompt Injection leitet gestohlene Daten über einen Mechanismus weiter, auf den der Agent legitim zugreift – die URL eines gerenderten Bildes mit verschlüsselten Abfrageparametern, einen API-Call mit Daten, die in einem Parameter eingebettet sind oder einen Link in einem generierten Dokument. Für sich genommen sehen diese Aktionen nicht nach Datendiebstahl aus, sondern wirken völlig normal. Um eine Exfiltration erkennen zu können, sollte geprüft werden, auf welche Daten der Agent Zugriff hatte und was er in seinen Output eingebettet hat. Das erfordert wiederum, dass die Agentenaktionen durchgängig transparent sind – nicht nur der endgültige Output.
• Zugriff auf Anmeldedaten und Secrets außerhalb des Task-Scope: Greift ein Agent mit legitimen Zugriffsrechten auf einen Secrets Store oder einen Key Vault zu, die in keinem Zusammenhang mit dem aktuellen Task stehen, ist das ebenfalls ein Warnsignal. Ein Agent, der einen React-Rendering-Fehler beheben soll, braucht dazu mit Sicherheit keine AWS-Anmeldedaten. Das Least-Privilege-Prinzip dient hier als architektonische Abwehrmaßnahme. Doch erst ein Monitoring, bei dem gezielt überprüft wird, ob „out of scope“ auf Login-Daten zugegriffen wird, kann solche Abläufe zu Tage fördern.
• Anomalien bei Memory-Write-Vorgängen: Agenten mit persistentem Speicher stellen eine wachsende Angriffsfläche dar. Ein manipulierter Memory-Eintrag, der wie legitimer Benutzerkontext aussieht, könnte versteckte „Trigger Instructions“ enthalten, die Session-übergreifend erhalten bleiben und erst lange nach der eigentlichen Prompt Injection ausgelöst werden. Dagegen hilft, die Observability-Pipeline für KI-Agenten entsprechend auszugestalten: Memory-Schreibvorgänge sollten auf befehlsähnliche Inhalte überwacht werden. Ebenso müssen Schreibvorgänge, die im Rahmen von Sessions mit nicht-vertrauenswürdigen Inhalten stattgefunden haben, kritisch beäugt werden.

Für Security-Praktiker, die eine Agentic-AI-Infrastruktur im Produktivbetrieb managen, bestätigt die Entwicklung der „Lethal Trifecta“ zum neuen Standard nur das, was Sie ohnehin längst wissen: Ihre KI-Agenten sind gefährdet. Dieser Herausforderung ist auf Ebene der Runtime zu begegnen, nicht auf Architekturebene. Dort sind für traditionelle Architekturen EDR und SIEM angesiedelt. KI-Agenten benötigen dieselbe Instrumentierung – was auf die allermeisten Deployments bislang nicht zutrifft. (fm)

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

DC Studio | shutterstock.com

Pythons opulentes Tool-Ökosystem ist einer der wesentlichen Vorzüge der Programmiersprache. Die Kehrseite: Weil es so viele Python-Tools gibt, ist es allzu leicht, wirklich gute zu übersehen. Deshalb haben wir in diesem Artikel sieben empfehlenswerte Data-Science-Tools für Python zusammengestellt, die bislang (noch) nicht ins Rampenlicht gerückt sind.

1. ConnectorX

Daten liegen in der Regel in einer Datenbank – werden jedoch außerhalb dieser verarbeitet. Daten aus der Datenbank zu extrahieren oder hinzuzufügen, kann dabei ein echter Zeitfresser sein. ConnectorX lädt Informationen aus Datenbanken direkt in gängige Datenverarbeitungs-Tools für Python. Dazu sind meistens nur ein paar Zeilen Python-Code und eine SQL-Abfrage nötig.

Das Kernstück von ConnectorX ist eine Rust-Bibliothek. Das ermöglicht beispielsweise, Daten aus einer Quelle zu laden und parallel zu partitionieren. PostgreSQL-Daten lassen sich etwa einladen, indem eine Partitionsspalte spezifiziert wird. Neben PostgreSQL liest ConnectorX auch Daten ein aus

• MySQL/MariaDB,
• SQLite,
• Amazon Redshift,
• Microsoft SQL Server,
• Azure SQL, sowie
• Oracle.

Die Ergebnisse können anschließend in einen Pandas– oder PyArrow-DataFrame, in Modin oder Dask (über Pandas) oder auch in Polars (über PyArrow) weiterverwendet werden. Allgemeiner Support für ODBC ist derzeit in Arbeit.

2. DuckDB

Wie andere OLAP-Datenbank-Engines verwendet DuckDB einen spaltenorientierten Datenspeicher und ist für langfristig laufende Analyse-Workloads ausgelegt. DuckDB bietet jedoch sämtliche Funktionen, die man von einer traditionellen Datenbank erwarten würde – etwa ACID-Transaktionen. Ein weiterer Vorteil: Sie müssen keine separate Software-Suite konfigurieren. Innerhalb einer Python-Umgebung installieren Sie DuckDB mit folgendem Befehl: pip install duckdb.

DuckDB verarbeitet Daten im CSV-, JSON- oder Parquet-Format sowie aus einer Vielzahl weiterer, gängiger Datenquellen. Die resultierenden Datenbanken lassen sich aus Effizienzgründen basierend auf Schlüsselwerten (etwa Jahr und Monat) auch in mehreren physischen Dateien partitionieren. Die Datenabfrage funktioniert wie bei jeder anderen SQL-basierten, relationalen Datenbank – allerdings mit zusätzlichen integrierten Funktionen. Etwa, zufällige Daten-Samples zu nehmen oder Fensterfunktionen zu erstellen.

DuckDB verfügt darüber hinaus auch über eine kleine, aber sehr nutzwertige Sammlung von Extensions. Diese kommen beispielsweise zum Einsatz für:

• Volltextsuchen,
• beschleunigte Vektorähnlichkeitssuchen,
• Excel-Importe und -Exporte,
• direkte Verbindungen zu SQLite und PostgreSQL,
• Parquet-Dateiexporte, sowie
• Support für diverse gängige Geodatenformate und -typen.

3. Optimus

Daten zu bereinigen und vorzubereiten, ist in DataFrame-zentrierten Projekten eine eher undankbare Aufgabe. Das All-in-One-Toolset Optimus will diese erleichtern, indem es Entwicklern ermöglicht, Daten in, beziehungsweise aus einer Vielzahl von Quellen zu laden, zu erkunden, zu bereinigen und zurückzuschreiben.

Als zugrundeliegende Daten-Engine kann Optimus neben Pandas auch Dask, CUDF, Vaex oder Spark nutzen. Daten lassen sich einer Vielzahl gängiger Quellen laden, etwa Arrow oder Parquet. Darüber hinaus werden auch Flatfile-Formate wie CSV und JSON unterstützt.  

Die API zur Datenmanipulation ähnelt der von Pandas, erweitert diese jedoch um die Zugriffsmethoden .rows() und .cols(). Das ist beispielsweise nützlich, um:

• einen DataFrame zu sortieren,
• nach Spaltenwerten zu filtern,
• Daten nach bestimmten Kriterien zu verändern, oder
• den Anwendungsbereich anhand bestimmter Kriterien zu simplifizieren.

Zusätzlich beinhaltet Optimus auch Prozessoren, um reale Datentypen wie E-Mail-Adressen und URLs zu verarbeiten.

Problematisch ist mit Blick auf Optimus möglicherweise, dass die letzte offizielle Version aus dem Jahr 2020 stammt. Es ist also möglicherweise nicht so aktuell wie andere Komponenten in Ihrem Stack.

4. Polars

Wenn Sie viel Zeit mit DataFrames verbringen und regelmäßig von den Performance-Grenzen von Pandas frustriert sind, sollten Sie einen Blick auf Polars werfen.

Die DataFrame-Bibliothek für Python bietet eine komfortable Syntax, die der von Pandas ähnelt – greift jedoch auf eine Rust-Bibliothek zurück, die die vorhandene Hardware optimal nutzt. Um Features wie Parallelverarbeitung oder SIMD zu nutzen, ist keine spezielle Syntax notwendig – alles läuft automatisch. So laufen selbst simple Vorgänge wie aus einer CSV-Datei zu lesen, deutlich schneller ab. Rust-Entwickler können zudem auch ihre eigenen Extensions für Polars entwickeln – mit pyo3.

Polars bietet sowohl Eager- als auch Lazy-Ausführungsmodi – Queries lassen sich also sofort oder bei Bedarf auch zeitverzögert fahren. Das Python-Tool wartet außerdem mit einer Streaming-API auf, um Abfragen inkrementell zu verarbeiten. Allerdings ist Streaming für diverse Funktionen noch nicht verfügbar. Wenn doch, greift Polars dazu auf eine In-Memory-Engine zurück.

Das Tool ermöglicht außerdem (über die externe Graphviz-Bibliothek), sich mit Hilfe von Execution-Graphen ein Bild davon zu machen, wie viel Speicher- und CPU-Ressourcen eine Abfrage nutzt.  

5. DVC

Ein weit verbreitetes Problem im Zusammenhang mit Data-Science-Projekten ist die Versionskontrolle (nicht des Projektcodes, sondern der Daten). Mit dem Tool DVC (Data Version Control) lassen sich Versionsdeskriptoren an Datensätze anhängen. Diese lassen sich wie der Rest des Codes in Git einchecken, um die Versionen von Daten und Code konsistent zu halten.

DVC kann nahezu jede Art von Datensatz tracken, solange diese sich in einer Datei abbilden lassen. Dabei spielt es keine Rolle, ob die Daten in einem Remote-Storage-Service oder lokal vorgehalten werden. Das Konzept: Sie beschreiben über eine “Pipeline“, wie Datenmodelle gemanagt und genutzt werden.

DVC kann allerdings mehr, als nur Daten zusammen mit Code zu versionieren. Das Tool kann zum Beispiel auch fungieren als:

• schneller Datencache für remote gehostete Daten,
• Methodik, um Experimente zu tracken, die mit den Daten durchgeführt werden, und
• Register oder Katalog für Machine-Learning-Modelle, die mit den Daten erstellt wurden.

Benutzer von Visual Studio Code können DVC-Workflows über die entsprechende Extension in ihren Editor integrieren.

6. Cleanlab

Weil es teuer und zeitaufwändig ist, saubere, korrekt gelabelte Daten zu erstellen, sind hochwertige Datensätze für Machine-Learning-Zwecke Mangelware. Manchmal bleibt Datenwissenschaftlern keine andere Wahl, als mit Rohdaten oder inkonsistenten Informationen zu arbeiten. Für dieses Szenario wurde das Tool Cleanlab entwickelt.

Dieses Python-Daten-Tool nutzt vorhandene, hochwertige Machine-Learning-Datensätze, um solche von geringerer Qualität, die nicht oder nur unzureichend gekennzeichnet sind, zu analysieren. Anders ausgedrückt: Sie erstellen ein Modell auf der Grundlage des ursprünglichen Datensatzes. Anschließend finden Sie mit Cleanlab heraus, was in diesem ursprünglichen Datensatz verbessert werden muss – und trainieren dann das Modell erneut mit Ihrem automatisch bereinigten und angepassten Datensatz.

Cleanlab funktioniert unabhängig von Datenmodellen und -Frameworks. Es spielt also keine Rolle, ob Sie PyTorch, OpenAI, Scikit-learn oder Tensorflow nutzen – Cleanlab arbeitet mit jedem Classifier. Dabei verfügt das Tool dennoch über spezifische Workflows für gängige Tasks wie:

• Token-Klassifizierung,
• Multi-Labeling,
• Regression,
• Bildsegmentierung, oder auch
• Objekt- und Outlier-Detection.

Idealerweise machen Sie sich anhand diverser Beispiele selbst ein Bild davon, wie der Prozess funktioniert und welche Ergebnisse zu erwarten sind.

7. Snakemake

Data-Science-Workflows sind diffizil einzurichten. Noch schwieriger ist es aber, das auf konsistente und vorhersehbare Weise zu erledigen. Um diesen Prozess zu automatisieren und Datenanalyse-Workflows so aufzusetzen, dass alle Beteiligten die gleichen Ergebnisse zu erhalten, wurde Snakemake entwickelt. Dabei gilt: Je mehr bewegliche Teile Ihr Data-Science-Workflow enthält, desto größer ist die Wahrscheinlichkeit, dass Sie davon profitieren werden, diesen mit Snakemake zu automatisieren.

Snakemake-Workflows ähneln dabei GNU-Make-Workflows: Sie definieren die Schritte des Workflows mit Regeln. Diese legen fest, was aufgenommen sowie ausgegeben wird – und welche Befehle ausgeführt werden müssen. Die Workflow-Regeln können multithreaded sein und Konfigurationsdaten lassen sich über JSON- oder YAML-Dateien einspielen. Sie können in Ihren Workflows außerdem auch Funktionen definieren, um die in den Regeln verwendeten Daten zu transformieren – und die bei jedem Schritt ausgeführten Aktionen zu protokollieren.

Snakemake-Jobs sind zudem portabel – sie können sowohl in Managed-Kubernetes- als auch bestimmten Cloud-Umgebungen bereitgestellt werden. Und:

• Workloads lassen sich auch “einfrieren”, um einen bestimmten Satz von Packages zu verwenden,
• für erfolgreich ausgeführte Workloads können automatisiert Unit-Tests erstellt und gespeichert werden – für eine langfristige Archivierung auch als Tarball.  

(fm)

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

Eine erfolgreiche Karriere erfordert eine gezielte Planung und Strategie sowie die richtige Einstellung und Motivation. Dazu gehört auch, sich regelmäßig weiterzubilden und das Netzwerk auszubauen. Mit den richtigen Werkzeugen und der entsprechenden Motivation können Sie Ihre Karriereziele erreichen und sich die nächste Beförderung sichern.

Dazu sollten Sie folgende Tipps beachten:

Foto: eamesBot – shutterstock.com

Tipp 1: Selbstreflexion und Zielsetzung

Bevor man sich auf den Weg macht, die nächste Beförderung zu erreichen, ist es wichtig, sich selbst zu reflektieren und sich klare Ziele zu setzen. Denn ohne Kenntnis, was man eigentlich will, wird man auch nicht wissen, wie man dorthin gelangt. Eine erfolgreiche Karriere erfordert ein gewisses Maß an Planung und Strategie.

Daher empfiehlt es sich, sich folgende Fragen zu stellen:

• Was sind meine Stärken und Schwächen?

• Was sind meine Ziele im Beruf?

• Wo sehe ich mich in fünf Jahren?

Eine ehrliche Selbstreflexion ermöglicht es, die eigenen Potenziale und Entwicklungsbereiche zu erkennen und gezielt daran zu arbeiten.

Außerdem ist es wichtig, sich klare Ziele zu setzen. Was genau möchte man erreichen und in welchem Zeitrahmen? Die Ziele sollten bestenfalls spezifisch, messbar, attraktiv, relevant und terminiert beziehungsweise zeitgebunden sein – kurz gesagt: SMART. Eine klare Zielsetzung hilft dabei, den Fokus zu behalten und sich auf das Wesentliche zu konzentrieren.

Tipp 2: Fachliche Kompetenz und Weiterbildung

Natürlich spielt auch die fachliche Kompetenz eine wichtige Rolle bei der nächsten Beförderung. Wer sich für eine höhere Position empfehlen möchte, sollte in seinem Bereich über ein fundiertes Fachwissen verfügen. Hierzu gehört auch, sich regelmäßig weiterzubilden und auf dem aktuellen Stand zu bleiben. Das zeigt nicht nur, dass man sich für seinen Job engagiert, sondern auch, dass man bereit ist, Verantwortung zu übernehmen und neue Herausforderungen anzunehmen.

Tipp 3: Netzwerken und Beziehungen pflegen

Ein weiterer wichtiger Faktor bei der Karriereentwicklung sind das Netzwerken und das Pflegen von Beziehungen. Dabei geht es nicht darum, sich anzubiedern oder zu schmeicheln, sondern um den Aufbau von gegenseitigem Vertrauen und Respekt. Wer ein gutes Netzwerk hat, kann von den Erfahrungen und dem Wissen anderer profitieren und wird schneller über interessante Stellenangebote informiert.

Tipp 4: Sichtbarkeit erhöhen

Eine höhere Position bedeutet auch, dass man eine größere Sichtbarkeit im Unternehmen hat. Daher ist es wichtig, sich zu zeigen und sich aktiv einzubringen. Eine Möglichkeit dazu ist, sich an Projekten und Arbeitsgruppen zu beteiligen, Verantwortung zu übernehmen und Initiative zu zeigen. Wer sich engagiert und erfolgreich arbeitet, wird von Vorgesetzten und Kollegen wahrgenommen und hat bessere Chancen auf eine Beförderung.

Dabei können sich eine gute Selbstreflexion und Kenntnis der eigenen Talente, Fähigkeiten, Werte und Überzeugungen als äußerst wertvoll erweisen. Indem man sich bewusst macht, was man kann, was einem wichtig ist und wofür man steht, kann man selbstbewusster und zielgerichteter auftreten. Gleichzeitig ermöglicht dies eine bessere Abstimmung mit dem Unternehmen, den Vorgesetzten und dem Team.

Tipp 5: Kommunikation und Präsentation

Neben der fachlichen Kompetenz spielt auch die Kommunikation und Präsentation eine wichtige Rolle. Wer seine Ideen und Visionen überzeugend präsentieren kann, wird eher Gehör finden und die Aufmerksamkeit der Entscheidungsträger auf sich ziehen. Auch hier gilt: Übung macht den Meister. Wer unsicher ist, kann sich in entsprechenden Kursen oder Trainings weiterbilden und seine Fähigkeiten verbessern.

Tipp 6: Die richtige Einstellung

Eine positive Einstellung und eine hohe Motivation sind unerlässlich für eine erfolgreiche Karriere. Wer sich selbst und seinen Fähigkeiten vertraut, strahlt Selbstbewusstsein und Durchsetzungskraft aus. Das macht einen aufstrebenden Mitarbeiter für Vorgesetzte und Entscheidungsträger attraktiv und erhöht die Chancen auf eine Beförderung.

Um die richtige Einstellung zu entwickeln, ist es hilfreich, sich an positiven Vorbildern zu orientieren und sich von deren Erfolgen inspirieren zu lassen. Auch eine positive Grundeinstellung gegenüber Veränderungen und Herausforderungen kann helfen, eine erfolgreiche Karriere zu gestalten.

Tipp 7: Gesunder Lebensstil und Work-Life-Balance

Last but not least spielt neben den genannten Faktoren auch ein gesunder Lebensstil und eine ausgeglichene Work-Life-Balance eine wichtige Rolle bei der Karriereentwicklung. Denn wer sich körperlich und mental fit hält, kann auch im Job besser performen und seine Aufgaben erfolgreich meistern. Dazu gehört auch, sich ausreichend Zeit für Erholung und Entspannung zu gönnen. Denn nur wer auch mal abschalten und die Akkus aufladen kann, bleibt auf Dauer leistungsfähig und motiviert.

Erfolgsfaktoren Motivation und Karriereplanung

Eine Beförderung ist für viele Arbeitnehmer ein wichtiger Schritt auf der Karriereleiter. Doch um sich erfolgreich durchzusetzen und die nächste Stufe zu erreichen, sind einige Faktoren entscheidend. Dazu gehören eine ehrliche Selbstreflexion und klare Zielsetzung, fachliche Kompetenz und Weiterbildung, Netzwerken und Beziehungen pflegen, Sichtbarkeit im Unternehmen, Kommunikations- und Präsentationsfähigkeiten, die richtige Einstellung sowie ein gesunder Lebensstil und eine ausgeglichene Work-Life-Balance.

Ein Karriere-Coaching kann dabei helfen, die eigenen Potenziale zu erkennen, die Karriereziele zu definieren und eine erfolgreiche Strategie zu entwickeln. Mit den richtigen Werkzeugen und der entsprechenden Motivation können Arbeitnehmer Ihre Karriereziele erreichen und sich die nächste Beförderung sichern. (pg)

Fachkarrieren als Erfolgsprojekt zur Mitarbeiterbindung

Foto: Sergey Nivens – shutterstock.com

Fachkräfte sind für den Unternehmenserfolg unverzichtbar. Für Arbeitgeber ist es deshalb besonders sinnvoll, diesen Spezialisten von vorneherein Karrierechancen aufzuzeigen, ohne ihr Potenzial zwangsläufig in Führungspositionen zu vergeuden. HR- und Organisationsexpertin Regina Bergdolt gibt Tipps, wie der Projekte für Fachkarrieren erfolgreich geplant und umgesetzt werden.

Foto: Robert Kneschke – shutterstock.com

Definieren Sie klar verständliche Ziele und einen Projektplan mit Meilensteinen. Gerade Vorstände brauchen Systematik, um Fachkarrieren zu unterstützen und Ressourcen freizumachen.

Foto: Robert Kneschke – shutterstock.com

Klären Sie in einer Stakeholderanalyse: Wer treibt die Fachkarriere mit Ihnen, ein Machtpromotor, Führungskräfte, Mitarbeiter, Bewerber?

Foto: Matej Kastelic – shutterstock.com

Wählen Sie eine Projektleitung mit HR-Erfahrung und Standing. Nicht alle HR-Abteilungen sind schon erfahren im Projektmanagement; das können Sie ändern.

Foto: Jacek Dudzinski – shutterstock.com

Holen Sie sich die Expertise ins Projekt, die Sie benötigen, anstatt an kritischen Punkten hängen zu bleiben.

Foto: Andrey_Popov – shutterstock.com

Nutzen Sie die Fachkarriere schon im Projektstadium aktiv als Angebot des Unternehmens: auf der Karriereseite und im Gespräch mit Bewerbern.

arthitecture | shutterstock.com

Data Lakehouses haben sich zum Goldstandard moderner Unternehmens-Datenplattformen entwickelt. Sie vereinen die Vorteile eines Data Lake – die kostengünstige Speicherung unterschiedlichster Datentypen – mit der Zuverlässigkeit, Struktur und Governance eines klassischen Data Warehouse.

Da sie Informationen aus verschiedenen Bereichen eines Unternehmens zentral zusammenführen und gleichzeitig Sicherheits- und Audit-Funktionen bereitstellen, eignen sie sich auch hervorragend als Basis für Enterprise-KI-Systeme. Tatsächlich sind sie inzwischen so weit verbreitet und leistungsfähig, dass sich nahezu alle großen Anbieter von Data Lakes und Data Warehouses zu Lakehouse-Anbietern entwickelt haben. Snowflake beispielsweise startete ursprünglich als Data-Warehouse-Anbieter und hat sich durch mehrere Jahre der Weiterentwicklung und zahlreiche Übernahmen zu einer vollständigen Data-Lakehouse-Plattform entwickelt.

Grundlage der zukünftigen KI-Landschaft

Auch Docusign nutzt diese Plattform nun, um seine Ambitionen im Bereich Agentic AI voranzutreiben. So werden beispielsweise Daten aus Salesforce übernommen und anschließend zum Training eines internen KI-Vertriebsagenten verwendet, erläutert Shivi Verma, Senior Manager of Engineering bei Docusign. Darüber hinaus trainiert das Unternehmen Machine-Learning-Modelle, um seinen Kunden präzisere Ergebnisse liefern zu können.

Die Informationen werden außerdem über RAG-Embedding-Pipelines an Large Language Models (LLMs) weitergegeben. Gleichzeitig untersucht Docusign den Einsatz des Model Context Protocol (MCP), sobald diese Technologie weiter ausgereift ist.

Ein zentrales Thema beim Bereitstellen der Lakehouse-Daten ist für Docusign jedoch die Sicherheit und Governance. „Wir gehen dabei äußerst vorsichtig vor“, sagt Verma. „Jeder Anwendungsfall durchläuft eine strenge Sicherheitsprüfung sowie Diskussionen mit technischen und fachlichen Stakeholdern, um sicherzustellen, dass wir weder gegen Sicherheitsvorgaben noch gegen Compliance-Anforderungen verstoßen.“

Diese Sicherheitskontrollen greifen sowohl beim Import der Daten in Snowflake als auch beim späteren Export. Besonders strenge Regeln gelten für den Zugriff auf sensible Informationen wie Kundendaten.

„Zunächst stellen wir nur Daten mit einem niedrigen Risikoprofil bereit“, erklärt Verma. Dazu gehören beispielsweise öffentlich verfügbare Informationen wie Inhalte der Unternehmens-Website oder Produktinformationen.

Docusign ist mit diesem Ansatz keineswegs allein. „Wir sehen inzwischen eine Lakehouse-Nutzung von 65 Prozent bei den Kunden von Gartner“, sagt Gartner-Analyst Prasad Pore. „Das ist innerhalb kurzer Zeit ein außergewöhnlich hoher Wert.“

Und die Zukunft der Lakehouses sieht seiner Einschätzung nach noch vielversprechender aus.

„Lakehouses entwickeln sich zur Grundlage der zukünftigen KI-Landschaft“, sagt Pore. Gleichzeitig erweitern die Anbieter ihre Plattformen gezielt um KI-Funktionen.

Ein klassisches Lakehouse-Konzept umfasst beispielsweise keine Vektordatenbanken, die für RAG-basierte KI-Systeme eine zentrale Rolle spielen.

„Viele Lakehouse-Anbieter haben inzwischen Funktionen zur Vektorindizierung integriert“, erklärt Pore. „Databricks und Microsoft Fabric verfügen bereits über eingebaute Vektor-Funktionalitäten.“ Kleinere Anbieter könnten diese Möglichkeiten allerdings noch nicht bieten.

Auch die Unterstützung für MCP, den Standard zur Verbindung von KI-Agenten mit Datenquellen und Systemen, unterscheidet sich je nach Anbieter und gehört bislang nicht zum traditionellen Funktionsumfang eines Lakehouses.

Eine Frage der Wahl

Ein Data Lakehouse ist nicht die einzige Möglichkeit für Unternehmen, ihren KI-Systemen den geschäftlichen Kontext bereitzustellen, den sie für einen sinnvollen Einsatz benötigen.

So können Unternehmen beispielsweise Vektordatenbanken oder entsprechende Datenpipelines manuell aus einzelnen Datenquellen aufbauen oder eine Data Fabric einsetzen, um die Verbindung zwischen den Systemen herzustellen.

„Eine Data Fabric kann sich direkt mit den ursprünglichen Datenquellen verbinden. Das eignet sich gut für schnelle Analysen“, erklärt Gartner-Analyst Pore. „Allerdings belastet man dadurch die Quellsysteme zusätzlich, was für diese Anwendungen und Maschinen nicht ideal ist.“

Wichtig dabei: Microsoft Fabric ist zwar eine Lakehouse-Plattform, jedoch keine Data-Fabric-Plattform im Sinne der Gartner-Definition.

Ein weiterer Nachteil direkter Verbindungen besteht darin, dass die Datenmodelle der operativen Systeme meist nicht für analytische Zwecke optimiert sind und ihre Nutzung häufig teuer ist. „Der direkte Zugriff auf Quellsysteme ist nicht effizient“, so Pore.

Hinzu kommt, dass für Data Lakehouses bereits etablierte Verfahren zur Verwaltung von Zugriffsrechten existieren.

„Ein Lakehouse vereinheitlicht Daten, Wartung, Sicherheit und Governance physisch an einem Ort“, erklärt Pore. „Gerade für die Einführung von KI ist das von entscheidender Bedeutung. Als unternehmensweite ‘Single Source of Truth’ ist ein Lakehouse der moderne Weg, ein zentrales Daten-Repository aufzubauen.“

Vom Data Lake zum Lakehouse

Das Beratungsunternehmen Lemongrass begann bereits vor rund zehn Jahren mit einem klassischen Data Lake und entwickelte es vor etwa vier Jahren schrittweise zu einem Lakehouse weiter.

„Damals war das Lakehouse-Konzept noch längst nicht so verbreitet“, erinnert sich Kausik Chaudhuri, Chief Innovation Officer bei Lemongrass.

Deshalb entwickelte das Unternehmen eigene Lakehouse-Funktionen auf Basis seines Amazon-S3-Data-Lakes. Nun, da das Lakehouse zunehmend KI-Anwendungen unterstützt, steht bereits die nächste Modernisierung an.

„Derzeit arbeiten wir an einer Lösung für Incident- und Change-Management“, erläutert Chaudhuri.

Die ursprünglichen Daten liegen in ServiceNow. Würde man sie direkt aus dem Lakehouse extrahieren, um sie in einem KI-System zu nutzen, wären die Kosten zu hoch. „Deshalb überlegen wir jetzt, einen MCP-Server aufzubauen, der diese Daten gezielt abfragt“, fügt er hinzu.

Gleichzeitig plant Lemongrass den Wechsel von den selbst entwickelten Lakehouse-Erweiterungen zu einer Standardlösung.

„Als wir begonnen haben, war Lemongrass vor allem ein Verfechter von AWS, weshalb viele unserer Werkzeuge auf AWS aufgebaut wurden“, erklärt Chaudhuri. „Jetzt denken wir darüber nach, diesen Ansatz zu ändern, weil KI deutlich mehr Möglichkeiten eröffnet.“

Allerdings bietet inzwischen auch AWS selbst umfassende Lakehouse-Funktionalitäten. „Die Daten liegen bereits dort. Wir müssen das Rad also nicht neu erfinden.“

Darüber hinaus stellt AWS direkte Anbindungen an Anthropic Claude und weitere KI-Modelle bereit. Da diese Modelle ebenfalls innerhalb der AWS-Infrastruktur betrieben werden, fallen keine Egress-Gebühren an.

Lemongrass plant, die Modernisierung im dritten Quartal dieses Jahres zunächst mit einem Proof of Concept (PoC) zu beginnen. Dabei müsse aber besonders sorgfältig müsse entschieden werden, welche Daten und in welchem Umfang sie aus dem Lakehouse an KI-Modelle übertragen werden.

„Wir schicken keine Kundendaten an ein LLM“, betont Chaudhuri. „Und ich lese auch nicht 10.000 Datensätze aus und sende sie an Claude – das würde den Token-Verbrauch explodieren lassen. Schon vor einigen Jahren haben wir erkannt, dass wir bankrottgehen könnten, wenn wir den Token-Verbrauch nicht sorgfältig kontrollieren.“

Für manche Anwendungsfälle muss das LLM nach der Implementierung der Lösung überhaupt keine Kundendaten mehr sehen. Beispielsweise erstellten Mitarbeiter früher manuell Statusberichte über Kunden für den eigenen Gebrauch – ein zeitaufwendiger Prozess. Ein LLM könnte diese Aufgabe zwar übernehmen, hätte dabei jedoch Zugriff auf sensible Kundendaten. Außerdem liefern generative KI-Modelle aufgrund ihrer nicht deterministischen Arbeitsweise jedes Mal leicht unterschiedliche Ergebnisse.

Ein weiteres Beispiel sind Formulare, die Kunden später unterschreiben sollen. Auch hier könnte ein LLM bei jeder Anfrage ein neues Formular generieren.

„Deshalb haben wir Claude stattdessen gebeten, ein Programm zu schreiben, das diese Eingaben verarbeitet und daraus den Bericht erzeugt“, erklärt Chaudhuri. Die eigentliche Berichts- oder Formularerstellung erfolgt anschließend durch klassische, deterministische Software. Dadurch bleiben Kundendaten geschützt, während Berichte schnell und kostengünstig erzeugt werden können.

Andere Unternehmen setzen KI dagegen bereits intensiv ein, um ihre Datenbestände besser auszuschöpfen.

Laut einem aktuellen Databricks-Bericht, der auf Daten von 20.000 Unternehmen basiert, stieg der Anteil der von KI-Agenten erzeugten Datenbanken innerhalb von zwei Jahren von 0,1 Prozent auf 80 Prozent. Heute erstellen KI-Agenten bereits 97 Prozent aller Datenbank-Branches.

Sicherheit und Governance

Eine der größten Herausforderungen für Unternehmen besteht darin, herauszufinden, wie sie mit Sicherheits- und anderen damit verbundenen Fragen umgehen sollen, wenn KI-Agenten auf Data Lakehouses zugreifen.

In der Vergangenheit wurden Daten hauptsächlich an Dashboards weitergeleitet, in denen die Sicherheits- und Zugriffskontrollen fest programmiert waren. Oder die Daten gingen an Datenanalysten, die im Rahmen ihrer eigenen Zugriffsrechte arbeiteten. Die ersten KI-Anwendungen basierten überwiegend auf Retrieval-Augmented Generation (RAG). Dabei extrahiert klassische, deterministische Software die benötigten Daten und fügt sie in den Prompt eines Large Language Models für einen konkreten Anwendungsfall ein. Die Entwickler konnten die Sicherheitsregeln dabei individuell für jeden Workflow festlegen.

Mit dem Aufkommen agentischer KI und MCP-Servern (Model Context Protocol) verändert sich dieses Modell grundlegend: KI-Agenten können nun selbstständig entscheiden, welche Daten sie benötigen, und diese eigenständig abrufen.

Nach Ansicht von Genpact-Manager Arellano müssen Unternehmen deshalb neue Konzepte entwickeln, um die Identitäten von KI-Agenten zu verwalten, den Zugriff auf Daten zu kontrollieren, Prüfpfade zu erstellen sowie Prompts und Inhalte zu filtern.

„Agenten benötigen ihre eigenen Zugangsdaten“, erklärt er. Beispielsweise dürfen KI-Agenten unter Umständen niemals Zugriff auf Patientenakten erhalten. „Ebenso wichtig sind Audit Trails, um lückenlos nachvollziehen zu können, was der Agent getan hat.“

Arellano zufolge bieten einige Lakehouse-Anbieter, darunter Databricks, diese Funktionalität an. Zusätzlich können Unternehmen Tools von Anbietern wie Okta, Palo Alto oder Zscaler integrieren.

Die neue semantische Grenze

Die nächste Entwicklungsstufe des Lakehouse ist der Semantic Layer. Gartner schätzt, dass universelle semantische Ebenen bis 2030 zur unverzichtbaren Infrastruktur gehören werden.

„Der Aufbau einer universellen semantischen Schicht ist heute eine Pflichtaufgabe für Verantwortliche im Bereich Daten und Analytics, die KI-Projekte leiten oder unterstützen“, erklärt Gartner. „Nur so lassen sich Genauigkeit verbessern, Kosten kontrollieren, technische KI-Schulden deutlich reduzieren, Multi-Agenten-Systeme aufeinander abstimmen und kostspielige Inkonsistenzen verhindern, bevor sie sich ausbreiten.“

Es reicht nämlich nicht aus, einer KI lediglich Zugriff auf Daten zu geben. Sie muss auch verstehen, was diese Daten für das Unternehmen tatsächlich bedeuten. Die semantische Ebene bildet genau dieses Geschäftswissen ab, das normalerweise nicht in einer strukturierten Datenbank formalisiert ist.  Beispielsweise kann der Begriff „Kunde“ oder „Bestellung“ in verschiedenen Unternehmenssystemen jeweils etwas anderes bedeuten.

„Früher war die semantische Ebene zwar wünschenswert, aber nicht unbedingt notwendig, da Datenwissenschaftler wussten, welche Datenquellen sie abfragen wollten“, erläutert Amit Kinha, Vorstandsmitglied der FinOps Foundation und Field-CTO bei DoiT International, einem Cloud-Beratungsunternehmen.

Für KI-Agenten gilt das jedoch nicht mehr. „Ohne eine semantische Schicht weiß ein Agent möglicherweise gar nicht, wo er nach den benötigten Daten suchen soll”, so Kinha. Oder noch schlimmer: „Er führt fehlerhafte Joins aus oder löst Prozesse aus, die die Kosten explodieren lassen.“

Deshalbwerde die semantische Schicht künftig entscheidend dafür sein, Data Lakehouses effektiv für KI einzusetzen.

Mitlernendes System

Die semantische Schicht kann darüber hinaus Teil eines Lern- und Feedbackprozesses werden. Kevin Martelli, Consulting AI Solution Development Leader bei EY Americas, beschreibt folgendes Beispiel: Angenommen, in einem Unternehmen müssen Zahlungen über 500.000 Dollar vom CFO genehmigt werden. Ein KI-Agent fordert die Genehmigung eines Mitarbeiters an.

Der Mitarbeiter erkennt jedoch: „Ich soll diese Rechnung freigeben, aber ich weiß, dass Beträge über 500.000 Dollar zusätzlich die Zustimmung des CFO benötigen.“

Diese Information kann anschließend dauerhaft gespeichert werden. „Sie kann innerhalb der Sitzung genutzt und anschließend als Prozessdokument oder Ereignisprotokoll wieder im Lakehouse abgelegt werden“, erklärt Martelli. Dadurch lernten agentische Systeme mit jeder Nutzung hinzu.

„Genau dadurch wird das System im Laufe der Zeit immer wertvoller – denn am ersten Tag wird man niemals alles perfekt modellieren können.“

Die semantische Schicht befindet sich allerdings noch in einer frühen Entwicklungsphase, wobei die verschiedenen Lakehouse-Anbieter unterschiedliche Ansätze verfolgen.

„In der Branche wird derzeit intensiv darüber diskutiert, wie Data Lakehouses und semantische Schichten zusammenwachsen und wo diese Schicht künftig eigentlich angesiedelt sein sollte“, erklärt Matt Arellano, SVP für Daten und KI bei der Digital-Transformation-Beratungsfirma Genpact. Einige Anbieter integrieren semantische Funktionen direkt in ihre Lakehouse-Plattformen oder kaufen entsprechende Spezialunternehmen hinzu. Andere Unternehmen setzen stattdessen auf spezialisierte Drittanbieter.

„Die Kunden tun sich damit schwer“, so Arellano. „Sie alle versuchen herauszufinden, welche Kombination aus Werkzeugen und Prozessen langfristig die richtige ist.“

Steven Karan, Vice President für KI-Transformation bei Capgemini Australien und Neuseeland, sieht im Lakehouse eine Entwicklung hin zu einer zentralen Orchestrierungsschicht.

„Unternehmen konzentrieren sich mittlerweile weniger auf klassische Analysen und Berichte, sondern vielmehr auf KI-gesteuerte Anwendungen und agentenbasierte Systeme“, erklärt er. „Die effektivsten Architekturen, die ich heute sehe, kombinieren einen Lakehouse-Kern mit spezialisierten Serverschichten.“

Dazu gehören Vektordatenbanken für KI, Streaming-Plattformen für Echtzeitdaten und operative Datenbanken für Anwendungen mit geringer Latenz.

Das Lakehouse diene nicht mehr nur der Analytik, fügt er hinzu. Es sei die Grundlage für Unternehmensdaten und KI. „Seine Aufgabe besteht heute weniger darin, alle anderen Systeme zu ersetzen, sondern vielmehr darin, sie miteinander zu verbinden, zentral zu steuern und zu überwachen. Damit soll sichergestellt werden, dass Unternehmen schneller innovieren können, ohne die Kontrolle über ihre Daten zu verlieren.“ (mb)

Dieser Artikel basiert auf einem Beitrag von CIO.com.

Foto: Geka – shutterstock.com

Um Software abzusichern, muss man wissen, was in ihrem Code steckt. Aus diesem Grund ist eine Software Bill of Material, SBOM oder Software-Stückliste heute unerlässlich. Der SolarWinds-Angriff sowie die Log4j-Schwachstelle haben verdeutlicht, wie wichtig es ist, die Sicherheit von Softwarelieferketten in den Fokus zu nehmen – insbesondere, wenn es um Open Source Software geht. Einer Umfrage (PDF) des Open-Source-Unternehmens Tidelift zufolge enthalten heute 92 Prozent aller Anwendungen Open-Source-Komponenten. Eine durchschnittliche, moderne Applikation besteht demnach sogar zu 70 Prozent aus quelloffener Software.

Die Antwort auf die potenziellen Risiken sind – wenn es nach der Linux Foundation, der Open Source Security Foundation und OpenChain geht – SBOMs: Formale und maschinenlesbare Metadaten, die ein Softwarepaket und seinen Inhalt eindeutig identifizieren. Die Software-Stücklisten können auch andere Informationen enthalten, etwa Copyright- oder Lizenzdaten. Dabei ist eine Software Bill of Material so konzipiert, dass sie organisationsübergreifend ausgetauscht werden kann. Besonders hilfreich ist eine SBOM, um die Transparenz über die von den Teilnehmern einer Softwarelieferkette gelieferten Komponenten zu gewährleisten.

SBOM – Best Practices

Eine SBOM sollte beinhalten:

• die Open-Source-Bibliotheken der Anwendung;

• Plugins, Erweiterungen und andere Zusatzmodule;

• von In-House-Entwicklern selbst geschriebenen Quellcode;

• Informationen über die Versionen dieser Komponenten, ihren Lizenzierungs- und Patch-Status;

• automatische kryptografische Signatur und Überprüfung von Komponenten;

• automatische Scans, um SBOMs als Teil der CI/CD-Pipeline zu erstellen.

Dabei sollte eine Software Bill of Material ein einheitliches Format verwenden. Zu den gängigen SBOM-Formaten gehören:

• Software Package Data Exchange (SPDX),

• Software Identification (SWID) Tagging und

• OWASP CycloneDX.

Bislang hat sich keiner der drei Standards von den anderen abgesetzt und einen De-facto-Industriestandard geschaffen. Um SBOMs praktikabel zu machen, sollte die SBOM-Erstellung nicht nur automatisiert, sondern in die CI/CD-Pipeline integriert werden. Oder wie die National Telecommunications and Information Administration (NTIA) es ausdrückt (PDF): “Das ultimative Ziel ist es, SBOMs in Maschinengeschwindigkeit zu generieren.”

Software Bill of Materials – Use Cases

Auch bei SBOMs gibt es drei verschiedene Anwendungsfälle. Im Allgemeinen sind das:

1. Softwarehersteller verwenden SBOMs, um Erstellung und Wartung der von ihnen gelieferten Software zu unterstützen.

2. Softwareeinkäufer nutzen SBOMs, um sich vor dem Kauf abzusichern, Rabatte auszuhandeln und Implementierungsstrategien aufzusetzen.

3. Softwarebetreiber nutzen SBOMs für das Vulnerability- und Asset-Management, um Lizenzen und Compliance zu managen und Abhängigkeiten und Risiken in Sachen Software und Komponenten schnell zu identifizieren.

Empfehlenswerte SBOM-Tools

Bei drei verschiedenen SBOM-Formaten und einer Vielzahl von Metadaten, die innerhalb einer Software Bill of Material verfolgt werden können, ist es nicht verwunderlich, dass es kein SBOM-Tool gibt, das sämtliche Bedürfnisse erfüllt. Gartner empfiehlt, Tools zu verwenden, die folgende Funktionen mitbringen:

• SBOMs während des Build-Prozesses erstellen;

• Quellcode und Binärdateien (wie Container-Images) analysieren;

• SBOMs bearbeiten;

• SBOMs in lesbaren Formaten anzeigen, vergleichen, importieren und validieren;

• SBOM-Inhalte von einem Format oder Dateityp in andere übersetzen, beziehungsweise die Informationen zusammenführen;

• Einbindung anderer Tools über APIs und Bibliotheken;

Keines der folgenden acht Tools erfüllt (bislang) all diese Empfehlungen. Wir empfehlen Ihnen, die Tools auszuprobieren und anschließend zu ermitteln, welches für Ihre Zwecke am besten geeignet ist. Diese acht SBOM-Tools verdienen Ihre Aufmerksamkeit:

Anchore

Das Unternehmen ist bereits seit sechs Jahren im SBOM-Business tätig. Die Grundlage des Unternehmens bilden zwei Open-Source-Projekte:

• Syft ist ein Tool mit Kommandozeilen-Interface und eine Bibliothek, um SBOMs aus Container-Images und Dateisystemen zu erzeugen.

• Grype ist ein einfach zu integrierendes Tool, um Container-Images und Dateisysteme auf Schwachstellen zu scannen.

Zusammen können diese beiden Werkzeuge Software-Stücklisten in jeder Phase des Entwicklungsprozesses erzeugen, von Quellcode-Repositories und CI/CD-Pipelines bis hin zu Container-Registries und Laufzeiten. Diese SBOMs werden in einem zentralen Repository aufbewahrt, um vollständige Transparenz und kontinuierliches Monitoring zu gewährleisten – auch nach der Bereitstellung. Die Tools von Anchore unterstützen CycloneDX, SPDX und das proprietäre SBOM-Format von Syft. Das Anbieterunternehmen bündelt seine SBOM-Funktionalität in der Plattform Anchore Enterprise 4.0 Software SCM (Supply Chain Management).

FOSSA

Die Flaggschiff-Programme von FOSSA sind ein Open Source License Compliance Manager und ein Open Source Vulnerability Scanner. Der Ansatz von FOSSA sieht vor, dass Sie das SBOM-Tool in Ihr bevorzugtes Versionskontrollsystem wie GitHub, BitBucket oder GitLab integrieren. Sie können auch die CLI von FOSSA verwenden und das Tool lokal ausführen oder es in Ihre CI/CD-Pipeline integrieren.

In jedem Fall identifiziert FOSSA im Rahmen eines Projektscans automatisch sowohl direkte als auch indirekte Abhängigkeiten in der Codebasis.

GitLab (ehemals Rezilion)

Beim DevSecOps-Anbieter ist SBOM Teil seiner ganzheitlichen Software-Sicherheits- und Schwachstellen-Systeme. Dynamic SBOM verwendet eine dynamische Laufzeitanalyse, um die Angriffsfläche Ihrer Software zu monitoren. Es sucht also ständig nach bekannten Schwachstellen in den Komponenten. Neben der Bereitstellung eines Live-Inventars aller Softwarekomponenten in Ihren CI/CD-, Staging- und Produktionsumgebungen wird Ihre SBOM ständig aktualisiert. Sie können Ihre Software Bill of Material im CycloneDX-Format und als Excel-Tabelle exportieren.

Nach der Übernahme durch GitLab wurden die SBOM-Funktionalitäten von Rezilion im Jahr 2022 in die DevSecOps-Plattform integriert.

Mend

Früher unter dem Namen WhiteSource bekannt, bietet Mend eine Vielzahl von SCA-Tools (Software Composition Analysis) an. Eine SBOM-Funktionalität ist in das SCA-Toolset integriert. Die Lösung von Mend ist weniger ein Entwicklerprogramm oder ein CI/CD-Tool – sondern vielmehr ein Open-Source-Lizenz- und Sicherheitsmechanismus für Programmierer.

Mit Hilfe von Mend lassen sich sämtliche Softwarekomponenten tracken, direkte und indirekte Abhängigkeiten identifizieren, Schwachstellen aufdecken, Remediationspfade bereitstellen und automatisch SBOM-Einträge aktualisieren.

SPDX SBOM Generator

Dieses eigenständige Open-Source-Tool tut das, was sein Name verspricht: SPDX-SBOMs aus aktuellen Paketmanagern oder Build-Systemen erstellen. Sie können seine CLI verwenden, um SBOM-Daten aus Ihrem Code zu erzeugen. Das Tool erzeugt Berichte über Komponenten, Lizenzen, Copyrights und Sicherheitsreferenzen Ihres Codes. Diese Daten werden in der SPDX v2.2-Spezifikation exportiert.

Start Left Security

Dieses SBOM-Tool wird als Software-as-a-Service (SaaS) angeboten. Auf der Grundlage einer patentierten, anwendungszentrierten Integrationsmethodik kombiniert das ehemals unter dem Namen TauruSeer bekannte Angebot seine Cognition-Engine-Sicherheitsüberprüfung mit SBOM. Das Paket hilft Ihnen, Ihren Code für Ihre Entwickler und Kunden abzusichern und zu tracken.

Tern Project

Dieses quelloffene SBOM-Projekt lässt sich gut mit SPDX SBOM Generator kombinieren. Anstatt mit Paketmanagern oder Build-Systemen zu arbeiten, erzeugt dieses SCA-Tool und die Python-Bibliothek eine SBOM für Container-Images und Docker-Dateien. Darüber hinaus lassen sich auch SBOMs im SPDX-Format erzeugen.

Vigilant Ops

Dieser Cybersicherheitsanbieter aus dem Healthcare-Bereich konzentriert sich mit seiner InSight-Plattform auf Software-Stücklisten. Seine SaaS-Plattform generiert und pflegt zertifizierte SBOMs und sorgt für deren authentifizierten Austausch. Sie bietet Sicherheit durch kontinuierliche Schwachstellenüberwachung. Die SBOM-Zertifizierung verwendet patentierte Algorithmen, um sicherzustellen, dass alle Komponenten validiert und Schwachstellen verlinkt sind.

Die Sicherheitsfunktionen können auch für SBOMs verwendet werden, die von anderen Programmen erstellt wurden. Diese werden sowohl im Ruhezustand als auch während der Übertragung verschlüsselt.

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

Foto: Melnikov Dmitriy | shutterstock.com

Mit jeder neuen Smartphone- und Tablet-Generation wächst die Zahl der Devices, die ausgemustert werden. In den allermeisten Fällen werden die (oft gar nicht so) alten Gerätschaften dann zu Staubfängern. Was schade ist, denn es gibt diverse Möglichkeiten, um alten Android-Telefonen und –Tablets zu neuem Glanz und Nutzwert zu verhelfen. Zum Beispiel die folgenden.

1. Wireless Trackpad

Mit Hilfe der richtigen Software und einigen Minuten Zeitaufwand für die Konfiguration, können Sie Ihr Android-Gerät im Handumdrehen zu einem Trackpad, beziehungsweise Controller für Windows-, Mac und Linux-Rechner umfunktionieren.

Alles was Sie dazu brauchen, ist die in der Basisversion kostenlose App “Unified Remote” sowie eine Bluetooth- oder WLAN-Verbindung. Mit der Gratis-Version stehen Ihnen grundlegende Maus- und Tastatursteuerung sowie spezielle Remote-Befehle für Medienwiedergabe und Energiemanagement zur Verfügung. Die 4,99 Euro teure Vollversion der App bietet darüber hinaus erweiterte Funktionen – beispielsweise programmspezifische Remote-Funktionen.

Foto: JR Raphael | IDG

Wenn Sie sich für eine Version entschieden haben, brauchen Sie nur noch die zugehörige Software für Ihren Rechner herunterladen.

2. Remote-Terminal

Abgelegte Android Devices eignen sich außerdem auch ganz gut, um sie zu einem Remote-Terminal für Ihren PC umzufunktionieren. Dafür benötigen Sie lediglich die kostenlose Google-Software Chrome Remote Desktop. Die entsprechenden Apps finden Sie im Chrome Web Store sowie dem Google Play Store.

Ein ausführliches Tutorial, was Sie mit dieser Lösung tun können – und vor allem wie – bietet folgender Artikel:

• So geht Fernzugriff per Google-Browser

3. Mobile Storage

Cloud Storage mag heutzutage en vogue sein, aber auch der gute, alte physische Speicher hat seine Vorzüge, sowohl wenn es um Verfügbarkeit als auch den Zugriff geht. Dafür stehen Speichersticks und externe Festplatten in rauen Mengen zur Verfügung – oder Sie nutzen dafür Ihr altes Android-Handy. Das bietet den zusätzlichen Benefit, gleich ein Interface mit an Bord zu haben, um mit dem gespeicherten Content zu interagieren. Optional können Sie diesen dann auch in die Cloud verschieben, per E-Mail versenden oder in kollaborativen Umgebungen nutzen, falls erforderlich oder gewünscht.

Um das alte Android-Gerät zum mobilen Storage-Device umzufunktionieren, empfiehlt es sich, das Gerät zunächst zurückzusetzen, um so viel Speicherplatz wie möglich freizumachen. Anschließend können Sie damit loslegen, Daten zu schaufeln.

4. KI-Chatbot

Generative KI entwickelt sich zu einem immer bedeutenderen Produktivitäts-Tool für Unternehmen. Wenn Sie ebenfalls dem LLM-Fieber erlegen sind oder aus anderen Gründen – beispielsweise zur Akkuschonung des Erstgeräts – ganztags einen dedizierten KI-Chatbot um sich haben möchten, unterstützt Sie dabei ein ausgemustertes Android-Smartphone oder auch –Tablet.

Dazu brauchen Sie nicht viel mehr als eine entsprechende App aus dem Google Play Store. Zum Beispiel:

• ChatGPT,

• Gemini oder

• Copilot.

5. Universal Smart Remote

Sogar wirklich alte Android-Geräte bringen genügend Leistung mit, um sie zur Universal-Fernbedienung für smarte Devices sowie Audio- und Video-Systeme umzufunktionieren. Dazu stehen Ihnen diverse Möglichkeiten in App- und auch Hardware-Form zur Verfügung. Zum Beispiel:

• Smart-Home-Apps wie Nest oder Hue,

• Google TV in Kombination mit einem Chromecast-Dongle oder

• Streaming-Apps wie Roku und Netflix.

Alternativ können Sie auch mit Hilfe von Plex einen vollwertigen Medienserver einrichten und Ihr altes Android Device dazu nutzen, eigene lokale Inhalte auf Ihren TV zu streamen.

6. Forschungsunterstützung

Alte Android-Klötze eignen sich auch, um zur wissenschaftlichen Forschung beizutragen. Auch dazu stehen verschiedene App-Optionen im Google Play Store zur Verfügung. Sie alle funktionieren auf die gleiche Weise: Nach der Installation nutzt die Software (bei aktiver WLAN-Verbindung) die Rechenleistung des Geräts, um den jeweiligen Forschungsbereich voranzutreiben.

Eine erwähnenswerte Optionen in diesem Bereich ist etwa:

• MyShake, eine App der Berkeley-Universität, das die Sensoren des Geräts nutzt, um Erdbeben zu erkennen und zu analysieren.

7. Überwachungskamera

Wenn Sie vorhaben, sich demnächst eine Inhouse-Überwachungskamera anzuschaffen: Sparen Sie sich das Geld und nutzen Sie dafür Ihr altes Android-Handy. Mit der richtigen App behalten Sie Ihre Räumlichkeiten jederzeit im Auge – ohne dabei auf Funktionen wie Videoaufzeichnung oder Bewegungserkennung verzichten zu müssen.

Dazu empfiehlt sich die kostenlose Android-App IP Webcam (die auch in einer 5,49 Euro teuren Pro-Version zur Verfügung steht). Nach der Installation greifen Sie per VLC Player oder einem beliebigen Browser auf den Videofeed zu.

8. Ersatzkamera

Wenn Ihr Android-Smartphone noch relativ jung ist, stehen die Chancen gut, dass es eine relativ hochwertige Kamera an Bord hat. Das können Sie sich in Situationen zunutze machen, in denen Sie Ihr Haupttelefon nicht nutzen wollen – sei es aufgrund von drohenden Umwelteinflüssen oder weil Sie unterwegs keinen Wert auf eingehende Nachrichten legen.

Das Beste daran: Sie brauchen dazu nichts – außer ein Altgerät, das Ihren Foto-Ansprüchen gerecht wird.

9. Videokonferenzstation

Wenn Sie sich schon immer einen fest verankerten Access Point für Videokonferenzen und virtuelle Meetings auf Ihrem Schreibtisch gewünscht haben, befähigt Sie dazu jetzt Ihre Android-Altlast. Dazu benötigen Sie:

• eine ordentliche Docking-Station sowie

• die Collaboration-App Ihrer Wahl (etwa Zoom oder Teams).

Wenn Sie noch einen Schritt weiter gehen möchten, könnten Sie mit ausreichend Android-Altgeräten auch ein Haus- oder Office-weites Videokonferenzsystem auf die Beine stellen.

10. Gourmet-Hub

Falls Sie gerne kochen, können Sie alte Android-Handys oder Tablets auch zu multifunktionalen Kommandozentralen für die Küche umwandeln. Dazu brauchen Sie im Wesentlichen zwei Zutaten: Einen Android Launcher, um den Homescreen des Geräts anzupassen und Sprach- sowie weitere Freihandbefehle starten zu können. Eine Übersicht bietet folgender Artikel:

• Die besten Android- Launcher

Anschließend brauchen Sie nur noch die richtigen Apps für Ihren Zweck zu installieren. Mit Bezug auf kulinarische Genüsse empfehlen sich beispielsweise:

• Rezept– oder

• Notiz-Apps.

11. Webcam-Fenster

Wenn der Blick aus dem Fenster eher für Verdruss sorgt, schaffen Sie mit einem ausgemusterten Android-Gerät Abhilfe. Dazu machen Sie es einfach per App oder Browser zu einem Schaufenster in einen anderen Teil der Welt. Zum Beispiel mit:

• der Webcams-App von EarthCam, die eine beeindruckende Sammlung von Webcam-Feeds auf der ganzen Welt bereithält

• der Website des Zoos von San Diego, der Live-Einblicke in diverse Gehege bereitstellt.

• der Webpräsenz des Monterey Bay Aquariums, die Unterwasser-Einblicke bereithält.

• die Webseite des Zoo Zürich, die Live-Bilder zum Teil auch in 360-Grad-Ansicht liefert.

12. Digitaler Fotorahmen

Mit einem günstigen Standfuß können Sie Ihr Android-Handy von vor ein paar Jahren auch in einen digitalen Bilderrahmen mit Cloud-Verbindung umwandeln.

Dazu brauchen Sie nicht viel mehr als die standardmäßige Google-Fotos-App. Die erzeugt aus Ihren gespeicherten Fotos auf Knopfdruck eine Diashow.

13. E-Reader

Eine unterbrechungsfreie Leseumgebung kann sich auf Geschäftsreisen oder im Pendelstress als sehr wertvoll erweisen. Um Ihr altes Android-Telefon oder –Tablet zu diesem Zweck zu nutzen, brauchen Sie ein weiteres Mal nur die richtige App – zum Beispiel:

• Google Play Bücher,

• Amazon Kindle oder

• Nook.

Nach der Installation deaktivieren Sie App-Benachrichtigungen oder wechseln Sie einfach in den Flugmodus, um ungestört in bestem E-Reader-Stil zu schmökern.

14. Audio-Player

Was für den Lesegenuss gilt, gilt auch für den Hörgenuss: Wer Wert darauf legt, dabei die Zwänge seines Smartphones hinter sich zu lassen, tut gut daran, diesen Task an ein Android-Altgerät auszulagern. Dazu brauchen Sie noch nicht einmal eine App.

15. Digitaler Tischkalender

Auch um ein abgelegtes Android Device zum digitalen Tischkalender zu machen, brauchen Sie nicht viel. Lediglich eine Docking-Station und eine qualitativ hochwertige Kalender-App. Geht es um Letztere, stechen zwei Google-Play-Store-Optionen heraus – nämlich:

• Google Kalender sowie

• DigiCal Kalender.

Dabei zeichnet sich die DigiCal-App insbesondere durch ihr anpassbares Interface aus. Die 5,49 Euro teure, kostenpflichtige Variante der App bietet weitere Konfigurationsoptionen und Themes.

Foto: JR Raphael | IDG

16. Auto-Navigationssystem

Wenn Ihr Auto nicht bereits ab Werk mit einem Navigationssystem ausgestattet ist, können Sie ausgemusterte Android-Gerätschaften auch dazu umfunktionieren. Dazu brauchen Sie lediglich eine passende Docking-Station für Ihr Fahrzeug, einen mobilen Hotspot – und die Google Maps App.

Falls Sie Ihr Primär-Smartphone nicht als Hotspot nutzen können oder wollen, können Sie alternativ auch die benötigten Routen über eine WLAN-Verbindung herunterladen und sie anschließend offline nutzen. Das funktioniert auch per Sprachbefehl, insofern das alte Gerät Support für den Google Assistant mitbringt.

17. Lernwerkzeug

Abgelegte Android-Geräte eignen sich unter Umständen auch gut als Lern- und Spiel-Gagdets für Ihre Kinder. Dazu können Sie relativ einfach ein eingeschränktes Benutzerprofil einrichten – die Google-Support-Seite gibt darüber Auskunft, wie das im Detail vonstatten geht.

Wenn Ihr Android-Altgerät über Android 7.0 (oder höher) verfügt, stehen Ihnen darüber hinaus über Googles Familiy-Link-App zusätzliche Tools zur Verfügung, um den Geräte- und App-Zugriff zu kontrollieren beziehungsweise zu limitieren.

18. Digitaluhr

Die Investition in einen neuen Wecker können Sie sich ebenfalls sparen, wenn Sie einfach ein altes Android-Telefon für diesen Zweck einsetzen. Die kostenlose Google-App “Uhr” ist dazu ideal geeignet.

19. Spende

Sollten die bisherigen Optionen Sie nicht überzeugt haben, können Sie Ihre alten Android Devices auch dazu einsetzen, etwas Gutes zu tun – zum Beispiel, indem Sie sie im Rahmen folgender Projekte spenden:

• Handys für die Umwelt

• Rote Nasen “Recycling4smile”

• Pro Wildlife Althandy-Sammelaktion

(fm)

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

Foto: ne2pi – shutterstock.com

Identität wird zum neuen Perimeter: Unternehmen verlassen sich immer seltener auf die traditionelle Perimeter-Verteidigung und forcieren den Umstieg auf Zero-Trust-Umgebungen. Sicherer Zugriff und Identity Management bilden die Grundlage jeder Cybersicherheitsstrategie. Gleichzeitig sorgt die Art und Weise, wie sich Menschen, Anwendungen und Systeme anmelden und miteinander vernetzt sind, auch dafür, dass sich neue, sichtbare Touchpoints für Business-Stakeholder herausbilden.

Die Sicherheitsexperten bewegen sich dabei auf einem schmalen Grat zwischen Benutzerfreundlichkeit und Security: Laxe Kontrollen und Authentifizierungsmechanismen machen Unternehmen angreifbar – zu strenge Kontrollmaßnahmen stören den Geschäftsfluss.

IAM-Tools im Wandel

Die gute – und gleichzeitig schlechte – Nachricht für Unternehmen, die im Bereich Identity & Access Management (IAM) tätig werden wollen: In Sachen Tools zeigt sich dieser Sektor inzwischen differenzierter und leistungsfähiger als je zuvor. IAM-Tools können die Komplexität verschiedener Aufgaben inzwischen deutlich reduzieren. Zum Beispiel wenn es darum geht:

• Identitäten in hybriden und Multi-Cloud-Umgebungen zu managen,

• privilegierte Konten zu kontrollieren,

• Login-Muster zu analysieren,

• auf Grundlage von Risikofaktoren zu authentifizieren oder

• Provisioning und andere Elemente des Benutzerlebenszyklus zu automatisieren.

“Egal, ob es um fortschrittliche Analysen der Prozesse, die Integration mit Cloud-Service-Providern für ein verbessertes Workload-Management geht oder darum, die Benutzererfahrung per KI zu vereinheitlichen – den Unternehmen bieten sich heute so viele Funktionalitäten wie nie zuvor, um robuste IAM-Initiativen aufzubauen”, meint Naresh Persaud, Managing Director bei Deloitte.

Diese Entwicklung habe dazu geführt, dass sich viele kleine Teilmärkte gebildet haben – auf denen sich teils eigenständige Produkte und teils Features, die Teil einer breiteren Plattform sind, tummelten. Da sich die Anbieter in diesem Bereich rasch annäherten, sei zu erwarten, dass diese sich in hohem Maß gegenseitig befruchten und übergreifende Funktionalitäten entstehen. Kurz gesagt: Es gibt eine Vielzahl von Optionen, die in eine IAM-Analyse-Paralyse führen können.

“Einige Anbieter konzentrieren sich ausschließlich auf Identity Governance und Administration (IGA), andere auf Privileged Access Management (PAM) – beides sind kritische Elemente eines effektiven Identity-Programms. Der Bereich Authentifizierung ist wahrscheinlich derjenige mit der größten Produktvielfalt, wobei viele Anbieter in der Branche Lösungen im Bereich Multi-Faktor-Authentifizierung (MFA) anbieten”, erklärt JR Cunningham, CSO beim Managed Service Provider Nuspire. “Deshalb ist es für Unternehmen essenziell, seine aktuellen Fähigkeiten und Anforderungen zu definieren, um sicherzustellen, dass die gewählten Produkte, diese auch erfüllen.”

Empfehlenswerte Identity & Access Management Tools

Im folgenden Absatz haben wir einige der besten Anbieter im Bereich IAM für Sie zusammengestellt – dabei haben wir Einschätzungen der Analystenhäuser Gartner und Forrester einfließen lassen. Diese Identity-und-Access-Management-Anbieter und -Tools sollten CISOs auf dem Zettel haben.

• Avatier
• BeyondTrust
• CyberArk
• Microsoft Entra ID
• Okta
• One Identity
• Ping Identity
• SailPoint

(fm)

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

Foto: KieferPix – shutterstock.com

“Lachen ist gesund.” “Lachen ist die beste Medizin.” “Humor ist, wenn man trotzdem lacht.” Solche Sinnsprüche kennt jeder. In ihnen spiegelt sich die menschliche Erfahrung wider, dass Menschen, die eine positive Einstellung zu sich und ihrem Leben haben, Herausforderungen leichter meistern – beruflich und privat.

Sie sind zudem gesünder und haben eine höhere Widerstandskraft. Das haben auch die Medizin und Psychologie erkannt und versuchen, diese Erkenntnis wissenschaftlich zu objektivieren und gezielt zu nutzen. Auch in die betriebliche Gesundheitsprävention fließt sie zunehmend ein.

Ein Vorreiter dieser Entwicklung war die US-amerikanische Psychologin Barbara Fredrickson. Sie stellte 1998 die Broaden-and-Build-Theorie vor. Diese geht davon aus, dass positive Emotionen wie Freude, Interesse, Zufriedenheit und Zuneigung unser Denk- und Verhaltensrepertoire erweitern (“Broaden”). Sie fördern zudem unsere geistige Flexibilität und Kreativität, unsere Lust, Neues zu lernen und zu entdecken, sowie unsere Fähigkeit und Bereitschaft, soziale Beziehungen einzugehen und aktiv zu pflegen.

Durch dieses Offen-sein sammeln wir wiederum neue, positive Erfahrungen – beispielsweise in Form kleiner Erfolgserlebnisse und erfreulicher Begegnungen. Und diese erzeugen wiederum positive Emotionen, so dass wir mit der Zeit, so Fredrickson, eine Art Vorrat positiver Emotionen und Erwartungen aufbauen, der es uns erleichtert, auch unangenehme Situationen zu ertragen und Herausforderungen zu meistern.

Positive Emotionen stärken unsere Widerstandskraft

Positive Emotionen bilden für Fredrickson sozusagen den Nährstoff für persönliches Wachstum. Und wenn wir einen entsprechenden Lebensstil pflegen? Dann gelangen wir der Broaden-and-Build-Theorie zufolge in eine Aufwärtsspirale, die zu einem immer größeren Selbstvertrauen und Wohlbefinden führt.

Doch nicht nur dies. Inzwischen wiesen schon viele Forscher nach, dass positive Gefühle auch eine gesundheitsfördernde Wirkung haben:

– das Herzkreislaufsystem wird gestärkt,

– die Antikörperproduktion wird forciert und

– die Entzündungsreaktionen verringern sich.

Positive Emotionen steigern also außer unserer psychischen auch unsere physische Widerstandskraft. Sie wirken wie kleine Kraftmaschinen, die unsere körperliche und geistige Gesundheit und somit unsere Leistungsvermögen stärken. Also sollten wir unser Leben so gestalten, dass es möglichst viele kleine Mikro-Momente voller positiver Emotionen enthält, die wir bewusst wahrnehmen. Und Unternehmen? Sie sollten die Arbeit und das Arbeitsumfeld ihrer Mitarbeiter so gestalten, dass solche Mikro-Momente des Glücks und der Zufriedenheit möglich sind.

Mikro-Momente von Glück schaffen und erleben

Ein Manko hierbei ist: Positive Emotionen sind meist weniger intensiv als negative. Wenn uns zum Beispiel unser Chef vor versammelter Mannschaft “anpflaumt”, schnellt – bildhaft gesprochen – unser Gefühlsbarometer stärker nach oben, als wenn er uns öffentlich lobt. Zudem verarbeitet unser Körper die negativen Emotionen priorisiert. Deshalb nehmen wir positive Emotionen seltener und zumeist weniger stark und anhaltend als negative wahr.

Also sollten wir, wenn wir die Kraftquelle “positive Emotionen” zum Beispiel beruflich nutzen möchten, uns bewusst auf diese konzentrieren. Das heißt, wir sollten in unserem Arbeitsalltag gezielt Mikro-Momente schaffen, in denen wir positive Emotionen empfinden, und, wir sollten diese Momente bewusst erleben. Das kann zum Beispiel die Freude über ein nettes Gespräch mit Kollegen oder eine erledigte (Teil-)Aufgabe sein.

Positive Momente finden

Inwieweit wir eher positiv denkende Menschen sind, ist teilweise auch genetisch bedingt. Trotzdem ist diese Eigenschaft erlernbar – jedoch nicht von heute auf morgen. Einstellungsänderungen, aus denen Verhaltensänderungen resultieren, sind stets ein Langzeitprojekt. Und ob wir das Ziel erreichen, hängt auch davon ab, wie viel Positives wir bereits auf dem Weg dorthin erfahren und empfinden. Also sollten wir uns, wenn wir eine nachhaltige Verhaltensänderung anstreben, fragen: Wie können wir die Verhaltensänderung mit positiven Emotionen verknüpfen? Mögliche Ansätze hierzu sind:

– etwas finden, das uns Spaß macht und motiviert,

– auf kleine Unterschiede/Fortschritte achten, auf die wir stolz sein können,

– etwas mit anderen Menschen tun,

– die Aktivität möglichst attraktiv gestalten,

– ein angenehmes Umfeld schaffen,

– die Ansprüche an uns nicht zu hoch schrauben,

– uns auch für Teilerfolge belohnen.

Zudem sollten wir nicht aus einem Gefühl “Ich muss…”, sondern “Ich sollte…” oder “Es tut mir gut, …” heraus agieren. Vermuten Sie also zum Beispiel, wenn Ihr Chef Ihnen eine neue, anspruchsvollere Aufgabe überträgt, dahinter nicht gleich eine böse Absicht: “Der hat mich auf dem Kieker und will mich fertigmachen.” Fragen Sie sich vielmehr: Was ist das Gute daran? Zunächst: Ihr Chef traut Ihnen das Erledigen der Aufgabe offensichtlich zu. Vielleicht eröffnet Ihnen die neue Aufgabe auch den nötigen Spielraum für eine Gehaltserhöhung oder mittelfristig eine neue Position…. Wenn Sie so reagieren, erscheint die neue Herausforderung in einem anderen Licht.

Als Person aufblühen

Es macht einen Unterschied, ob wir mit einer Situation “zurechtkommen” oder in ihr “aufblühen”. Manche Blumen vegetieren vor sich hin, während andere prachtvoll blühen. Es nutzt jedoch nichts einer darbenden Blume zu sagen: “Wachse endlich!”. Zielführender ist es, sich zu überlegen: Was bringt die Blume zum Wachsen? Alles, was ihr Wohlbefinden erhöht: zum Beispiel: Licht, Wärme, Wasser und ein nährstoffreicher Boden. Und was beschleunigt ihr Wachstum? Dünger.

In der Psychologie unterscheidet man zwischen einem hedonistischen und einem eudämonischen Wohlbefinden. Ein hedonistisches Wohlbefinden stellt sich bei uns ein, wenn wir zum Beispiel ein vorzügliches Essen oder Glas Wein genießen. Ein eudämonisches Wohlbefinden empfinden wir hingegen unter anderem, wenn wir

– anderen etwas Gutes tun,

– unsere Potenziale, also Fähigkeiten und Talente, nutzen oder

– uns für etwas einsetzen, das uns am Herzen liegt.

Das eudämonische Wohlbefinden

Ein eudämonisches Wohlbefinden hat einen stärkeren positiven Einfluss auf unsere Gesundheit – ohne das hedonistische Wohlbefinden gering zu schätzen. Und seine Wirkung ist nachhaltiger, denn es vermittelt uns zugleich das Gefühl von Sinn – also zum Beispiel das Bewusstsein

– ich gehöre einer Gemeinschaft an, lebe in Beziehung,

– ich trage etwas zur Gemeinschaft bei und

– ich nutze meine Talente/Fähigkeiten.

Der Dünger für unser persönliches Wachstum sind deshalb die Mikro-Momente in unserem Leben, in denen wir ein eudämonisches Wohlbefinden empfinden. Damit sich dieses Gefühl häufig einstellt und wir es bewusst erleben, ist eine entsprechende Lebenseinstellung und -führung nötig. Einige Aspekte, die unser eudämonisches Wohlbefinden fördern, seien hier genannt.

– Den Moment genießen: Die Aufmerksamkeit auf die drei Zeitdimensionen meisten positiven Ereignisse lenken – vorher: Vorfreude; währenddessen: bewusstes Erleben; danach: Reflexion (das Gedächtnis nutzen, um das positive Gefühl wieder aufzurufen).

– Verbunden sein: Die Nähe und Verbundenheit mit anderen Menschen spüren. Fragen Sie sich zum Beispiel täglich am Abend: An welche positiven Begegnungen, Gespräche heute erinnere ich mich und mit wem fühlte ich mich wie verbunden?

– Erfolge feiern: Fragen Sie sich zudem abends: Was habe ich heute so richtig gut gemacht? Bei der Arbeit? Zuhause? Im Umgang mit Kunden und Kollegen? Freunden und Bekannten? Worauf kann ich stolz sein?

– Dankbar sein: Fragen Sie auch, was ihnen durch andere Menschen, mit denen Sie beruflich und privat in Beziehung stehen, Gutes widerfuhr? Wofür sollten Sie ihnen dankbar sein?

– Mitgefühl praktizieren: Machen Sie sich bewusst, mit welchen Problemen, Herausforderungen andere Menschen konfrontiert sind? Zum Beispiel Ihr Chef oder Kollege? Oder die Kassiererin im Supermarkt? Fragen Sie sich: Was kann ich tun, um “ihr Leid” zu verringern? Zum Beispiel Interesse zeigen? Verständnisvoll und geduldig sein? Unterstützung anbieten?

– Neugierig und offen sein: Machen Sie sich immer wieder bewusst, dass das Leben bunt und vielfältig ist. Es gibt noch so vieles zu sehen, zu lernen und zu erleben. Dann gehen Sie auch Herausforderungen beschwingter an und entdecken dabei viel Positives.

– Freundlich und zugewandt sein: Nehmen Sie Ihre Mitmenschen – Ihre Kollegen, den Kassierer im Supermarkt, Ihren Lebenspartner – bewusst wahr. Schauen Sie Ihnen in die Augen. Schenken Sie Ihnen ein Lächeln. Sagen Sie danke auch für scheinbar selbstverständliche Kleinigkeiten.

– Wertschätzend sein: Machen Sie sich bewusst, was Sie an Ihren Mitmenschen schätzen. Welche Stärken haben sie? Warum freuen Sie sich auf Begegnungen, Gespräche mit ihnen? Sagen Sie dies Ihren Mitmenschen auch. Und schenken Sie ihnen häufiger ein anerkennendes Wort.

– Echt und ehrlich sein: Zeigen Sie den Menschen, die Ihnen wichtig sind, Ihre Gefühle. Stehen Sie auch zu Ihren Ecken und Kanten – soweit möglich. Denn nur dann werden Sie für die anderen als Mensch erfahrbar und es entsteht Verbundenheit. Das gilt nicht nur für unsere privaten, sondern auch beruflichen Beziehungen.