Effektives Datenmanagement – Herausforderungen und Chancen für Unternehmen

Unternehmen stehen schon heute vor der Herausforderung, die enorme Datenflut in der Multi-Cloud-Welt zu bewältigen. Die meisten herkömmlichen Datenmanagement-Konzepte erweisen sich aufgrund mangelnder Skalierbarkeit, Geschwindigkeit und Transparenz als unzureichend. Um die Effizienz zu steigern, müssen Unternehmen ihre Geschäftsprozesse überdenken und analysieren, wie sie KI in ihre Datenmanagement-Strategie integrieren können. Richtig umgesetzt, kann die KI-Strategie zum regulären Bestandteil des gesamten Datenmanagements eines Unternehmens avancieren.

„Wie in zahlreichen anderen Feldern ermöglicht der Einsatz von KI auch im Datenmanagement immer anspruchsvollere automatisierte Prozesse. Mithilfe von KI können Entscheidungen getroffen, Warnungen vor potenziellen Situationen ausgesprochen und Lösungsvorschläge gemacht werden, basierend auf menschlichem Verhalten und menschlichen Entscheidungen“, erklärt Ralf Baumann, Country Manager Germany bei Veritas Technologies. „Diese Abläufe erfolgen mit einer Effizienz, die herkömmliche Technologien und menschliches Denken übertrifft. Parallel zur Anwendung von KI kommen Technologien des maschinellen Lernens zum Einsatz, um die vorhandenen Informationsbestände automatisch zu bereichern. Diese angereicherten Daten bilden die Grundlage, auf der die KI ihre Entscheidungen trifft.“

In puncto Datenmanagement erweist sich KI als besonders relevant für drei Hauptaktivitäten: 

1. Anomalien erkennen
In komplexen, hybriden Multi-Cloud-Umgebungen hat sich der Einsatz eines autonomen, KI-gestützten Datenmanagements (ADM) als bewährte Best Practice herausgestellt. Mittels KI-basierter Malware-Scans und Anomalieerkennung können Unternehmen beispielsweise die Verwaltung ihrer Daten optimieren und den Schutz vor Cyberbedrohungen wie Ransomware automatisieren. Die Integration von KI ermöglicht zudem die Automatisierung von Datenverwaltungsprozessen, reduziert manuelle Eingriffe und steigert somit betriebliche Effizienz, Service-Levels sowie Datenarchivierung – mit dem Ergebnis einer beschleunigten Entscheidungsfindung.

2. Prädiktive Wartung
Basierend auf Erkenntnissen über Hardware- und Softwaresysteme sowie der laufenden Systemüberwachung sind KI-Technologien in der Lage, potenzielle Störungen oder Ausfälle frühzeitig zu prognostizieren. Sie können eigenständig Maßnahmen zur Korrektur oder Reparatur ergreifen oder alternativ diese Handlungsoptionen den IT-Teams unterbreiten.

3. Governance und Compliance
KI besitzt die Fähigkeit, Daten anhand ihres Inhalts automatisch zu klassifizieren. Sie kann Filter oder hochentwickelte Automatisierungen nutzen, um Entscheidungen bezüglich der Klassifizierung, Speicherung und Archivierung von Daten zu treffen – inklusive Standortbestimmung, Zugriffsrechten, Sicherheitsstufen und Ähnlichem. Ferner vermag KI Echtzeitdaten und die Nutzerinformationen anhand erkannter Muster zu sortieren. Die Kombination aller drei Aktivitäten markiert einen entscheidenden Schritt in Richtung einer vollständig automatisierten Datenverwaltung. Allerdings sind KI-Technologien trotz bedeutender Fortschritte noch nicht in allen Aspekten ausgereift. Falsch positive Ergebnisse stellen nach wie vor eine Herausforderung bei der Integration von KI in Datenmanagementlösungen dar. Eingesetzte Systeme müssen eine Balance zwischen Automatisierung und menschlicher Interaktion finden. Notwendig ist menschliches Zutun, um Auswahl und Entscheidungen der KI zumindest zu überprüfen, selbst wenn das bedeutet, dass ihre Rolle auf die eines Warnenden beschränkt ist. Kurzum: Vollständige Automatisierung von Entscheidungen sollte vermieden werden, um potenziell kostspielige Fehlentscheidungen zu verhindern. Daher ist es von großer Bedeutung, dass IT-Teams KI bewusst und kontrolliert einsetzen, um sicherzustellen, dass sie im Einklang mit den Unternehmenszielen steht.

Autonome Lösungen durch künstliche Intelligenz
Ein KI-gestütztes, autonomes Datenmanagement ist ein erstrebenswertes Ziel. In immer mehr Unternehmen bewährt sich beispielsweise die Integration von KI-gestützter Anomalieerkennung. Nicht zuletzt ist KI ein integraler Bestandteil diverser Produkte für Data Governance und Compliance, wie etwa Alta Archive, Alta Discovery, Alta Information Classifier und insbesondere Alta Data Insight. In diesem Kontext ist es von großer Bedeutung, das Angebot an cloudbasierten Lösungen gezielt in Richtung KI-Integration weiterzuentwickeln.

Auch Schulungen für Produkte, die KI-Elemente enthalten, versetzen Partner und Kunden in die Lage, den Funktionsumfang sowohl technisch als auch wirtschaftlich optimal zu nutzen. Sie können beispielsweise von einer Schulungsabteilung verwaltet werden, die je nach Bedarf, Verfügbarkeit und Präferenz der Kunden oder Partner Präsenzschulungen, Videoschulungen oder Online-Schulungen anbietet. Ziel ist es immer, relevante Maßnahmen anzubieten, die auch den strategischen Zielen des jeweiligen Interessenten entsprechen.

Wie können sich Unternehmen gegen Cyberbedrohungen schützen?
Die Hauptgefahr durch Cyberbedrohungen für KI-Technologien besteht darin, dass der Quellcode oder die Daten, die zur Schulung der KI dienen, kompromittiert werden. In dem Fall können die von der KI getroffenen Entscheidungen oder Vorschläge an das IT-Team verändert und die Fähigkeit der KI beeinträchtigt werden, ihre ursprüngliche Aufgabe zu erfüllen. Manipulationen wie diese eröffnen Möglichkeiten für verschiedene Arten von Cyberangriffen, die sämtliche Systeme in Mitleidenschaft ziehen können.

„Um solche Angriffe abzuwehren, ist es von wesentlicher Bedeutung, die Trainings- und Referenzdaten der KI, den zugrundeliegenden Code und die Lieferkette effektiv abzusichern – eine Herausforderung, insbesondere wenn beide auf Open Source basieren“, so Baumann. „Ein weiterer Sicherheitsmechanismus besteht darin, die Autonomie der KI in ihren Entscheidungen zu begrenzen und eng mit den IT- und Geschäftsteams zusammenzuarbeiten, um festzulegen, welche Entscheidungen und Automatisierungen einer menschlichen Überprüfung bedürfen.“