ÐндÑей ЯланÑкий -
So passt künstliche Intelligenz in Risikobewertungsstrategien
KI kann helfen, die Risikobewertung und das Disaster Recovery neu zu betrachten, denn KI durchforstet riesige Mengen von Risikodaten, ohne die typischen Beschränkungen von DR.
Risiken gibt es in allen Formen, Größen und Ausprägungen. Sie können umweltbezogen, technisch, geografisch und finanziell sein, um nur einige zu nennen. Manchmal ist die Risikoanalyse so komplex, dass Menschen Schwierigkeiten haben, potenzielle Probleme zu begreifen und zu modellieren. Solch ein Missverständnis kann kostspielig werden.
An dieser Stelle kommt die Künstliche Intelligenz (KI) ins Spiel.
Unternehmen können mit KI potenzielle Szenarien und Probleme bei der Planung und Ausführung von Disaster Recovery aufdecken, die DR-Teams möglicherweise nicht bedacht haben. Sie kann Anwendern helfen, Einschränkungen zu verstehen, die nicht immer sichtbar sind, selbst bei Komponententests.
Die Nutzung von KI-Tools ist nicht einfach. Unternehmen müssen riesige Datenmengen durchforsten, um etwas Nützliches entstehen zu lassen. Es dürfte auch nicht so einfach sein, bei der Risikobewertung den Schweregrad und die Wahrscheinlichkeit von Ereignissen zu beurteilen, die noch gar nicht eingetreten sind beziehungsweise stattgefunden haben.
Die großen Datenmengen, mit denen die BC/DR-Teams zurechtkommen müssen, sind zeigen, wo KI helfen kann. Bevor sie sich jedoch kopfüber in das Projekt stürzen, müssen Unternehmen einige Dinge beachten.
KI ist kein magisches Werkzeug, mit dem sich alles lösen lässt. Mit qualitativ hochwertigen Datensätzen und einem soliden Verständnis dafür, wo KI am besten funktioniert, haben Disaster-Recovery-Teams (DR) jedoch ein leistungsstarkes Instrument zur Risikobewertung in der Hand.
Wo passt KI in die Risikobewertung?
In der Versicherungsbranche wird KI konzeptionell und zur Optimierung von Verfahren bereits eingesetzt. Einige Versicherungsunternehmen verwenden Simulationen, bei denen virtuelle Katastrophen per Mausklick ausgelöst werden können.
KI ermittelt für die Versicherer eine Vorstellung von den potenziellen Kosten, die im Falle einer Katastrophe anfallen. Auch die Wahrscheinlichkeit des Eintretens einer Katastrophe kann berechnet werden. Mit riesigen Datensätzen und mit KI gelingt es, Katastrophenszenarien mit sehr viel detaillierten potenziellen Risiken und Profilen für die Kunden zu entwerfen.
Die tatsächliche Nutzung der KI und der Daten lässt sich in mehrere Arten unterteilen. Da ist zum einen die Analyse, bei der das Unternehmen die gewonnenen Daten nutzt, um Muster zu finden und zu melden. Zum andern gibt es die autonome Nutzung, bei der die KI unabhängig oder in Verbindung mit menschlicher Aufsicht und Eingabe arbeitet. Daran denken viele Menschen, wenn sie an KI denken. Auch hier geht es schlussendlich nur um Daten und Qualität. Wenn die eingesetzten KI-Lösungen lernen, wie Menschen bei einer bestimmten DR-Implementierung reagieren, können sie optimierte Strategien zur Rationalisierung der DR entwickeln.
Optimiert, aber nicht perfektioniert
Einige Unternehmen nutzen KI, um zu entscheiden, wie sie bei der Wiederherstellung dutzender Anwendungen vorgehen. Wenn Nutzer Anwendungen priorisieren, können sie sich darauf beschränken, ein typisches DR-Playbook zur Wiederherstellung zu befolgen. Im Gegensatz dazu unterliegt die KI jedoch nicht diesen Beschränkungen. Ein durch KI bestimmter Plan kann Anwendungen möglicherweise schneller wiederherstellen.
Wichtig ist der Gedankengang, dass KI kein Allheilmittel ist. Unternehmen müssen jeden Lieferanten, der „magische“ KI-Tools anbietet, sorgfältig untersuchen. Dabei sollte man sich schon aus Wartungsgründen nicht auf eine Black Box einlassen, sondern sollte sicherstellen, dass man die Fähigkeiten und Grenzen des Produkts versteht. Nur weil KI erwähnt wird, heißt das nicht, dass sie Dinge besser macht, als es gegenwärtig möglich wäre.
Die IT-Abteilungen in den Anwenderunternehmen sollten auf eine hohe Datenqualität in Kombination mit fähigen Mitarbeitern achten. Diese müssen die Arbeit mit Daten und deren Prüfung mit einer Reihe von branchenüblichen KI-Tools verstehen. Das wird den DR-Teams helfen, unbedachte Risiken und Folgen zu erkennen und das Unternehmen entsprechend vorzubereiten.
