3 minute read

KI, DATEN UND DISRUPTION

Künstliche Intelligenzen sind einerseits nur so gut wie die Daten, mit denen sie trainiert wurden, andererseits helfen sie tatkräftig mit, die Datenflut zu organisieren. Bei den Datenmanagern von Veritas ist die KI längst ins Portfolio eingezogen.

Beim Datenmanagement ist KI vor allem für die Identifizierung von Anomalien, Predictive Maintenance sowie Governance und Compliance relevant.

Datenmanagement ist ein weites Feld, welches von Künstlicher Intelligenz wiederum selbst effizient beackert werden kann. Vor allem für drei Tätigkeiten ist KI relevant: Die Identifizierung von Anomalien, Predictive Maintenance sowie Governance und Compliance, weiß Ralf Baumann, Country Manager Germany bei Veritas. Was das Erkennen von Anomalien angeht, wird durch Beobachtung und einem Abgleich mit der Historie des Nutzerverhaltens ungewöhnliches Verhalten erkannt und so Eindringlinge, Angriffe, Korruption oder die betrügerische Nutzung von Ressourcen aufgedeckt. Predictive Maintenance hilft dabei, über Hardware ­ oder Softwaresysteme und die Systemüberwachung, Störungen oder Ausfälle vorherzusagen. Auf dieser Basis können dann selbstständig Korrektur­ oder Reparaturmaßnahmen angestoßen oder vorgeschlagen werden.

Ein sehr datennaher Kontext ergibt sich in Sachen Governance und Compliance. Die KI kann hier Daten automatisch nach ihrem Inhalt einordnen und Filter oder Automatismen anwenden, um zu klassifizieren. „Die Kombination dieser drei Aktivitäten bringt uns dem vollautomatisierten Datenmanagement sehr nahe“, sagt Baumann. Trotz der Fortschritte seien die KITechnologien jedoch noch nicht vollstän­ dig ausgereift. False Positives seien nach wie vor ein großes Problem bei der Integration von KI in Datenmanagementlösungen. „Die eingesetzten Systeme müssen ein Gleichgewicht zwischen Automatisierung und menschlichem Eingreifen herstellen, um zumindest die Auswahl und die Entscheidungen zu validieren“, führt der Manager aus. „Wenngleich das bedeutet, dass sie auf die Rolle eines ‚Warners‘ beschränkt sind.“ Baumann bringt es auf den Punkt: „Es muss vermieden werden, Entscheidungen vollständig zu automatisieren, da Fehlentscheidungen kostspielig sein können.“

Bei Veritas verfolge man die Vision eines autonomen Datenmanagements, und KI sei eine der Technologien, die helfe, dies zu erreichen, so Baumann.

Im Lösungsportfolio von Veritas findet sich KI­gestützte Anomalie ­Erkennung vor allem in den NetBackup ­Produkten. Die vorausschauenden Wartungsfunktionen von Alta Data Protection und NetBackup Appliance enthalten KI­Elemente. Zudem ist KI in einer Reihe von Data­ Governanceund Compliance ­Produkten der Alta­Reihe integriert. Das Modul „Veritas Information Classifier“, stattet eine Reihe von Produkten mit KI­Eigenschaften aus, insbesondere bei der Mustererkennung. „Generell entwickelt sich unser Angebot an Cloudnativen Lösungen perspektivisch in Richtung KI weiter“, sagt Baumann.

Die disruptive KI-Technologie bringt weitere disruptive Technologien mit sich. So ist mit Bittensor eine Blockchain­basierte Lösung am Start, die das datenbasierte Training von KIs auf ein neues Level bringt. Das Team hinter dem Open­Source ­Projekt besteht aus Entwicklern, Forschern und Enthusiasten. Der Grundgedanke ist, Verzerrungen im Training der KIs zu minimieren, indem ein dezentrales, hochskalierbares KI­Trainingsumfeld geschaffen wird. Hier werden die Teilnehmer mit den besten Lösungen per Blockchain­ Ökonomie honoriert. Trainingsdaten und KI­Training werden so zu einem Gemeinschaftsprojekt.

„Das Bittensor­Projekt bildet den Beginn eines Peer­Review­Mechanismus ab, der dem der internationalen wissenschaftlichen Gemeinschaft ähnelt. Das Projekt könnte dazu beitragen, qualitativ hochwertige Trainingsdaten zu verbreiten, von denen alle Marktteilnehmer profitieren“, schätzt Baumann ein.

Autor: Dr. Stefan Riedl

Vogel IT-Medien GmbH

Max-Josef-Metzger-Straße 21, 86157 Augsburg

Tel. 0821/2177-0, Fax 0821/2177-150 eMail: it-business@vogel.de Internet www.it-business.de

Geschäftsführer: Werner Nieberle (-100), Tobias Teske, Günter Schürger

Co-Publisher: Lilli Kos (-300; verantwortlich für den Anzeigenteil)

Chefredakteurin: Sylvia Lösel (sl)

CvD: Heidi Schuster (hs)

CvD-Online: Heidi Schuster (hs)

Chefreporter: Michael Hase

Leitender Redakteur: Dr. Stefan Riedl (sr)

Redaktion:

David Binnig (db), Mihriban Dincel (md), Klaus Länger (kl), Margrit Lingner (ml), Barbara Miletic (bm), Ira Zahorsky (iz)

Weitere Mitarbeiter dieser Ausgabe:

Dietmar Müller

Media/Sales:

Besa Agaj / International Accounts (-112), Stephanie Steen (-211), David Holliday (-193), eMail: media@vogel.de

Anzeigendisposition: Mihaela Mikolic (-204), Denise Falloni (-202)

Grafik & Layout: Carin Boehm, Johannes Rath, Udo Scherlin

Bildnachweis:

Titel: Align – stock.adobe.com / [M] Carin Boehm

EBV: Carin Boehm

Anzeigen-Layout:

Carin Boehm, Michael Büchner, Johannes Rath, Udo Scherlin

Leserservice / Mitgliederbetreuung:

Sabine Assum (-194), Fax (-228) eMail: vertrieb@vogel.de

Fragen zur Abonnement-Rechnung:

DataM-Services GmbH, 97103 Würzburg

Tel.: 0931/4170-462 (Fax -494) eMail: vogel-it@datam-services.de

Erscheinungsweise: 14-täglich

Abonnement:

Zeitschrift IT-BUSINESS: Der regelmäßige Bezug ist fester Bestandteil des IT-BUSINESS Abonnements. Preise und weitere Informationen unter vertrieb@vogel.de oder dem Leserservice.

Druck: Vogel Druck- und Medienservice GmbH, Leibnizstr. 5, 97204 Höchberg

Haftung: Für den Fall, dass Beiträge oder Informationen unzutreffend oder fehlerhaft sind, haftet der Verlag nur beim Nachweis grober Fahrlässigkeit. Für Beiträge, die namentlich gekennzeichnet sind, ist der jeweilige Autor verantwortlich.

Copyright: Vogel IT-Medien GmbH. Alle Rechte vorbehalten. Nachdruck, digitale Verwendung jeder Art, Vervielfältigung nur mit schriftlicher Genehmigung der Redaktion.

Manuskripte: Für unverlangt eingesandte Manuskripte wird keine Haftung übernommen. Sie werden nur zurückgesandt, wenn Rückporto beiliegt.

Verbreitete Auflage (IT-BUSINESS): 46.799 (davon 25.621 ePaper) Exemplare (IVW Q2 / 2023)

This article is from: