IoT-Sicherheit: KI und Datenschutz im Fokus

Mehr als nur schöne Bilder und Textideen: Die Liste der Einsatzmöglichkeiten moderner KI-Modelle im Geschäftsumfeld wird immer länger.

Zum Beispiel können Unternehmen, deren Betrieb auf Vernetzung und das Internet der Dinge (IoT) aufbaut, mit der Technologie ihre Daten noch effektiver schützen.

55,7 Milliarden vernetzte Geräte; 80 Zettabyte an generierten Daten – auf diese Zahlen soll es laut einer Prognose der IDC das Internet of Things (IoT) bis 2025 bringen. Das spiegelt wunderbar die Entwicklung wider, die wir derzeit auf Konnektivitäts- und Datenebene beobachten. Die Kombination aus kostengünstiger, für beinahe jeden zugänglicher Rechenleistung und den daraus resultierenden Datenmengen ermöglichte erst die Entwicklung neuer Algorithmen und Modelle wie Large Language Models (LLM). Dies hat KI-Konzepten die Tür zum Mainstream geöffnet, wie der anhaltende Hype um Generative-AI-Anwendungen und deren laufende Weiterentwicklung beweisen. Im Umkehrschluss können diese KI-Modelle dabei helfen, wichtige Informationen aus riesigen Datensätzen herauszukitzeln – ungeachtet ihres Formats und ihrer Quelle.

Branchen, in denen das IoT eine essenzielle Rolle spielt und mehr Daten produziert als ein Mensch jemals analysieren könnte, dürften ganz besonders von den Stärken neuer KI-Technologien profitieren – vor allem in Sachen Sicherheit und Datenschutz.

Eine Frage der Datengrundlage

Bei der Auswahl der Daten, die in KI-Modelle wie LLM fließen, gilt grundsätzlich: Garbage in, garbage out. Je umfangreicher und qualitativ hochwertiger die Datensätze sind, desto besser und transparenter sind die Ergebnisse. Für den Einsatz solcher Modelle in IoT-Umgebungen sind besonders zwei unterschiedliche Arten von Daten relevant. Betriebsdaten (Operational Data) sind Informationen, die eine KI in Echtzeit aus den internen Systemen wie ERP- und CRM-Lösungen zieht. Lerndaten (Learning Data) hingegen repräsentieren den Status quo des Algorithmus – also alles, was die KI gelernt hat. Im Falle von Generative AI und LLM umfasst das zugrundeliegende Modelle, mit denen das System trainiert wird, sowie die Verarbeitung, Vektorisierung und Indizierung von Betriebsdaten und Erfahrungsdaten.

Wie eingangs bereits angedeutet, verfügen Unternehmen, deren Betrieb auf ein Netzwerk aus IoT-Geräten aufbaut, bereits über ein gigantisches Datenpotenzial. Ausgestattet mit immer fortschrittlicheren und ergiebigeren Sensoren übermitteln sie nicht mehr nur Informationen zum Maschinen- und Komponentenstandort, sondern auch Daten wie Umgebungs- und Betriebstemperaturen, Druck, Vibration und Verschleiß von Maschinen in Echtzeit.

Solch eine Datenmenge transportiert ein enormes Echtzeit-Wissen über Gerätezustand, Geschäftsbetrieb sowie zur Performance der Lieferkette von sämtlichen IoT-Endpunkten zu weiterverarbeitenden Systemen. Dadurch eignet sich das wachsende Volumen an vernetzten IoT-Daten ideal für intelligente KI-Modelle, um Prozesse zu automatisieren und fundierte Entscheidungen hinsichtlich möglicher Optimierungsmaßnahmen zu treffen.

Die nächste Generation der Sicherheit

Einer der gängigsten Use Cases zum Beispiel von Fertigungsbetrieben, auf deren Gelände in der Regel alle Systeme miteinander vernetzt sind, ist das Tracking der eigenen Produkte vom Herstellungs- bis hin zum Verkaufsort und sogar darüber hinaus. Viele Unternehmen lassen sich auf diese Weise beispielsweise die effizienteste und/oder umweltfreundlichste Route berechnen. Kombiniert man aktuelle Sensordaten mit historischen Daten, erhalten Unternehmen Hinweise darauf, wie sie ihre Prozesse optimieren können, ob bei einer Maschine ein Ausfallrisiko besteht und wann die nächste Wartung bevorsteht (Predictive Maintenance).

Darüber hinaus können KI-Systeme dabei helfen, die IoT-Umgebung effektiv abzusichern und vor Cyber-Bedrohungen zu schützen. In Anbetracht der Informationen, die hier von A nach B wandern, gewinnt dieser KI-Use-Case immer mehr an Bedeutung. Besonders unternehmenskritische und sensible Inhalte wie Mitarbeiterdaten, vertrauliche Produktionsdaten oder geistiges Eigentum sind dem hohen Risiko ausgesetzt, in die Hände von Cyber-Kriminellen zu fallen. Laut einer Bitkom Umfrage waren zwischen 2022 und 2023 (vermutlich) 70 Prozent der Unternehmen von Datendiebstahl betroffen.

Doch die Datenmengen, die Sicherheitsteams überwachen und analysieren müssen, um Anomalien zu erkennen und Bedrohungen abzuwehren, ist schier unendlich – eine Aufgabe, die menschliche Sicherheitsexperten allein kaum bewältigen können. Erschwerend kommt hinzu, dass Cyber-Kriminelle ihre Angriffstechniken mithilfe moderner, fortschrittlicher Technologien verfeinern. Mittlerweile gehören auch KI und LLM zu ihrem Tool-Repertoire dazu, mit denen sie im großen Stil personalisierte, echt aussehende Phishing-Mails schreiben, Malware entwickeln und Schwachstellen innerhalb von Quelltexten identifizieren. Menschliche Mitarbeiter haben kaum eine Chance, auf KI-basierte Angriffe zu reagieren. Deshalb hier der logische Schritt: KI mit KI bekämpfen.

Mehr Sicherheit dank KI

Der Einsatz eines KI-Modells gehört heute daher zu jeder Sicherheits- und Resilienzstrategie dazu. Mit genügend Trainingsdaten gefüttert schafft es das System, in kürzester Zeit Unmengen an Daten zu analysieren, Gefahren in Echtzeit zu identifizieren und Attacken in ihrem vollständigen Umfang zu erfassen. Sobald es das Sicherheitsteam auf eine Anomalie oder eine Bedrohung hinweist, können diese manuell eingreifen und sofort entsprechende Maßnahmen einleiten – schließlich ist eine schnelle Reaktionszeit entscheidend, wenn es darum geht, die Auswirkungen eines erfolgreichen Angriffs zu minimieren.

Gleichzeitig lassen sich mithilfe von KI-Modellen Prozesse schaffen, über die das System Datenschutzrichtlinien automatisch durchsetzt, um die Compliance zu wahren. Allerdings bedarf die effektive und ethische Umsetzung eines solchen Projekts – einschließlich der notwendigen Lerndaten – an Expertise, über die noch nicht jedes Unternehmen verfügt. Abhilfe schafft eine Cloud-basierte, KI-getriebene Informationsmanagement-Lösung. Zunächst erkennt, sammelt und analysiert sie alle relevanten Daten. Im Anschluss führt sie sie dem KI-Modell zu, damit Unternehmen ihre Erkenntnisse ziehen können, während das System für Sicherheit sorgt.

Fazit

Die Implementierung intelligenter Algorithmen in verschiedenen Geschäftsbereichen ist nicht nur möglich, sondern auch unerlässlich, wenn Unternehmen wachsen und wettbewerbsfähig bleiben wollen. Vor allem jene, die massig IoT-Daten verarbeiten, analysieren und schützen müssen, können mithilfe von modernen KI-Modellen die IT-Sicherheit und den Datenschutz auf ein ganz neues Level heben. Doch stellen sich ihnen immer mehr Hindernisse in Form von fortschrittlichen Cyber-Bedrohungen in den Weg. Damit sie sich weniger Sorgen machen müssen und sich vielmehr auf wertschöpfende Angelegenheiten konzentrieren können, können sie KI-Modelle als digitale Türsteher zu ihrer IoT-Umgebung einsetzen.