Wie die Salzburg AG mit einer neuen Crowdinvesting-Plattform die Energiewende vorantreibt

07.02.2024

Dynatrace-Founder: 7 Prognosen zu KI, Automatisierung, Observability und Security

Gastbeitrag. Künstliche Intelligenz hat bereits alles verändert, auch wenn die Folgen noch nicht abschätzbar sind. Für Unternehmen werden künftig Thematiken den Alltag bestimmen, über die man sich vielleicht noch wenig Gedanken gemacht hat. Anders Bernd Greifeneder, Gründer von Dynatrace, der mittels sieben Prognosen Tipps parat hat.

/artikel/dynatrace-founder-7-prognosen-zu-ki-automatisierung-observability-und-security

✨ AI Kontextualisierung

Dynatrace-Founder und CTO Bernd Greifeneder blickt in die Zukunft und erklärt, warum sich die Nutzung von KI verändern muss, welche Rolle digitale Immunsysteme spielen werden und warum Unternehmen CAIOs (Chief AI Officer) bestimmen sollten.

Prognose Nr. 1: Der Umgang mit KI wird sich verändern – der Blick darauf weitet sich

2024 tritt die generative KI in das Tal der Ernüchterung ein. Unternehmen werden erkennen, dass die Technologie zwar transformativ ist, aber alleinstehend nicht den erhofften Wert liefern kann. Der Umgang mit KI wird sich ändern und man wird dazu übergehen, generative KI mit anderen Arten der Künstlichen Intelligenz und zusätzlichen Informationsquellen zu kombinieren.

Hintergrund: Dieser kombinierte Ansatz liefert generativer KI besseren Kontext und ermöglicht das Einbetten präziser Ergebnisse in die Ausgabe, um die für Automatisierung notwendige Genauigkeit zu verbessern und Unschärfen oder gar Falschaussagen (Halluzinationen) zu vermeiden. Zum Beispiel lassen sich im IT-Betrieb mittels kombinierter KI-Arten Probleme vorhersagen und verhindern, bevor sie auftreten. Oder es lassen sich vormals manuelle Aufgaben automatisieren, wie beispielsweise das Erstellen neuer Workflows zur Automatisierung des Software-Lebenszyklus.

Prognose Nr. 2: KI-generierter Code wird digitale Immunsysteme zur Notwendigkeit machen

2024 werden in den Unternehmen größere Ausfälle digitaler Dienste aufgrund qualitativ minderem und unzureichend überprüftem Softwarecode zunehmen. Folglich werden die Unternehmen digitale Immunsysteme einführen, um den Sicherheitsrisiken computergenerierter Software entgegenzutreten. Als digitales Immunsystem wird Sicherheitssoftware verstanden, die automatisiert und im Echtbetrieb vor Cyber-Angriffen nicht nur von außen, sondern auch von innen heraus Schutz bietet.

Hintergrund: Entwickler werden verstärkt generative, KI-gestützte autonome Agenten verwenden, um Code zu schreiben. Das birgt für ihre Unternehmen ein erhöhtes Risiko unerwarteter Probleme, die die Kunden- und Benutzererfahrung beeinträchtigen. Die Wartung mittels autonomer Agenten generiertem Code sowie die Pflege von Code, bei dem der Entwickler das Unternehmen verlassen hat, sind eine Herausforderung. Für beide gilt: Niemand versteht den Code vollständig und daher kann niemand Probleme im Code schnell beheben.

Diejenigen, die versuchen, generative KI zur Überprüfung und Behebung von Problemen im Code zu verwenden, der von einer anderen generativen KI erstellt wurde, werden sich mit einem rekursiven Problem konfrontiert sehen. Denn, weiterer Code wird immer wieder hinzugeneriert und die Komplexität beziehungsweise das Risiko unerwünschter Nebenwirkungen aufgrund sämtlicher Änderungen steigt. Damit wird die Robustheit und Sicherheit von generierter Software, abgesehen von Trivialproblemen, zunehmend unkontrollierbarer.

Dies wird Unternehmen veranlassen, digitale Immunsysteme einzusetzen, die ihre Anwendungen von innen schützen. Unternehmen werden dazu prädiktive KI nutzen, um Probleme im Code oder in Anwendungen automatisch schon vor dem Auftreten vorherzusagen und um eine sofortige, automatische Reaktion auszulösen. So können Entwicklungsteams beispielsweise Anwendungen mit Selbstheilungsfunktionen entwerfen. Diese Funktionen ermöglichen ein automatisches Rollback auf die letzte stabile Version der Codebasis, wenn eine neue Version Fehler enthält. Sie ermöglichen auch, zusätzliche Cloud-Ressourcen bei steigender Rechenleistung automatisch bereitzustellen.

Prognose Nr. 3: Unternehmen werden CAIOs benennen

Unternehmen werden zunehmend leitende Mitarbeiter in ihre Führungsteams berufen, die sicherstellen, dass das Unternehmen auf die Auswirkungen von KI in den Bereichen Sicherheit, Compliance und Governance vorbereitet ist.

Hintergrund: In dem Maße, in dem sich die Mitarbeiter durch Tools wie ChatGPT an die Nutzung von KI in ihrem Privatleben gewöhnen, werden sie auch KI bei der Arbeit einsetzen wollen. Unternehmen haben das bereits erkannt und werden Chief AI Officer (CAIO) ernennen, die den Einsatz dieser Technologien überwachen. Das folgt dem gleichen Prinzip, nachdem viele Unternehmen einen Chief Information Security Officer (CISO) in ihrem Führungsteam haben, der sich gesamtverantwortlich um die Datensicherheit im Unternehmen kümmert. Der CAIO wird sich darauf konzentrieren, Richtlinien zu entwickeln sowie die Mitarbeiter zu schulen, KI richtig und sicher zu nutzen. Der CAIO soll so das Unternehmen vor versehentlichem Bruch von Vorschriften, dem Verlust von geistigem Eigentum oder Sicherheitsbedrohungen schützen. Diese Praktiken werden den Weg für eine breite Einführung von KI in Unternehmen ebnen.

Prognose Nr. 4: Daten-Observability wird ein Muss

2024 wird die Daten-Observability zur Pflicht, da Unternehmen nach intelligenterer Automatisierung und schnellerer Entscheidungsfindung streben.

Hintergrund: Das Datenvolumen verdoppelt sich weiterhin alle zwei Jahre und Unternehmen versuchen, diese Daten schneller und in größerem Umfang zu erfassen und zu analysieren. Die Kosten und Risiken minderwertiger Daten sind bedeutender denn je. In einer kürzlich durchgeführten Umfrage gaben 57 Prozent der DevOps-Experten an, dass fehlende Daten-Observability eine konforme Automatisierung erschwert. Infolgedessen werden Unternehmen verstärkt Lösungen suchen, die Observability bieten sowie eine schnelle und sichere Erfassung hochwertiger und zuverlässiger Daten ermöglicht.

Prognose Nr. 5: Observability wird ein Top-Management-Thema, um den CO2-Fußabdruck und Kosten zu optimieren

2024 wird der Druck auf Unternehmen sowohl umweltverträglichere Geschäftspraktiken einzuführen als auch die steigenden Cloud-Kosten zu bewältigen deutlich stärker. Observability muss sich von einer IT-Priorität zu einer Geschäftsanforderung wandeln.

Hintergrund: Der verstärkte Einsatz von KI in Unternehmen wird ein Hauptfaktor für diesen Trend, denn er erhöht den Verbrauch von Cloud-Ressourcen und infolgedessen vergrößert sich der CO2-Fußabdruck. KI-gestützte Datenanalysen können Unternehmen jedoch dabei helfen, diese Herausforderungen zu bewältigen und ihre FinOps- und Nachhaltigkeitspraktiken zu verbessern. Sie liefern verwertbare Erkenntnisse und ermöglichen intelligente Automatisierungen, um ineffiziente Hotspots in Cloud-Umgebungen zu beseitigen. Der verstärkte Einsatz KI-gestützter Observability wird es Unternehmen erlauben, ihre Systeme automatisch zu orchestrieren und so eine optimale Ressourcennutzung zu erreichen. Das reduziert Emissionen und Betriebskosten ihrer Cloud-Umgebungen.

Prognose Nr. 6: Plattform-Engineering wird unternehmenskritisch

Die Softwareentwicklung wird 2024 einen deutlichen Schritt machen und Plattform-Engineering als Erweiterung von DevOps und Site Reliability Engineering (SRE) einführen.

Hintergrund: Plattform-Engineering bedeutet, dass die Automatisierung der Softwareauslieferung wie eine eigene Software-Plattform gestaltet und betrieben wird. Dies ist notwendig, weil die Softwareauslieferung für die Geschäftskontinuität genauso wichtig ist, wie die Qualität und Sicherheit der digitalen Dienste, die Endnutzer und Kunden einsetzen. Da die Plattform eine zentrale Rolle spielt, muss sie – genau wie die Software-Services, die sie bereitstellt – auch überwacht und geschützt werden. Plattform-Engineering ist ein neuer Trend, der die Entwicklerprozesse und die Produktivität verbessert und die Geschwindigkeit und Effizienz der Softwareentwicklung erhöht.

Die Bedeutung von Plattform-Engineering führt dazu, dass die Tools, die man für DevOps, Security und SRE benötigt, zu Produkten werden. Plattform-Engineering ermöglicht es Unternehmen, ihr Know-how und ihre Fähigkeiten in Form von wiederverwendbaren und selbstbedienbaren Komponenten zu kodifizieren. So können sie sichere Softwarepipelines automatisieren und die Qualität und Geschwindigkeit ihrer Softwareentwicklung verbessern.

Prognose Nr. 7: Unternehmen werden sukzessive von SIEM auf Threat-Intelligence-Lösungen umsteigen

2024 werden Cloud-optimierte Threat-Intelligence-Lösungen, die bisher üblichen SIEM-Systeme (Security Information and Event Management) sukzessive durch moderne digitale Services ablösen.

Hintergrund: Mit Blick auf Security werden Unternehmen alte SIEM-Lösungen auslaufen lassen, da IT-Sicherheitsteams nach intelligenteren Threat-Analysen suchen. Diese modernen Lösungen ermöglichen es Sicherheitsteams, ihre Fähigkeiten über die Logauswertungen hinaus zu erweitern. Sie können auf den dazugehörigen Kontext zugreifen, der durch ein breites Spektrum an Datenmodalitäten und verschiedene Arten von KI – einschließlich eines Zusammenspiels aus generativen, kausalen und prädiktiven Techniken – bereitgestellt wird.

Dadurch erhalten Unternehmen Zugang zu tieferen, präziseren, intelligenten und automatisierten Bedrohungsanalysen, die sie dabei unterstützen, ihre Anwendungen und Daten vor immer raffinierteren Bedrohungen zu schützen.

Deine ungelesenen Artikel:

die Redaktion

13.01.2025

“Der größte Feind ist Zettel und Bleistift”: Erfolgsfaktoren und Herausforderungen in der KI-Praxis

Nachlese. Der Hype um künstliche Intelligenz ist längst im Rollen. Doch wie schaffen Unternehmen den Durchbruch in der Praxis? In der dritten Folge der neuen brutkasten-Serie “No Hype KI” schildern Expert:innen, welche Erfolgsfaktoren wirklich zählen und wie sich Herausforderungen souverän meistern lassen - von Datenlücken bis hin zur Einbindung der Belegschaft. Klar wird, dass die Technik nur ein Teil der Gleichung ist.

/artikel/no-hype-ki-folge-3

die Redaktion

13.01.2025

“Der größte Feind ist Zettel und Bleistift”: Erfolgsfaktoren und Herausforderungen in der KI-Praxis

/artikel/no-hype-ki-folge-3

„No Hype KI” wird unterstützt von CANCOM Austria, IBM, ITSV, Microsoft, Nagarro, Red Hat und Universität Graz.

Wie lässt sich KI “richtig” in Unternehmen integrieren? Wieso erleben Unternehmen einen “Bottom-Up-Push” und warum sprechen viele dabei noch von großen Hürden? Um diese und viele weitere Fragen ging es in der dritten Folge von “No Hype KI”. Zu Gast waren Alexandra Sumper von Nagarro, Manuel Moser von CANCOM Austria, Moritz Mitterer von ITSV sowie Clemens Wasner von AI Austria und EnliteAI.

Der Bottom-Up-Push

“Der AI-Hype ist jetzt circa zehn Jahre alt”, startet Clemens Wasner die Diskussionsrunde. Was als “vorausschauende Warnung und Betrugserkennung” im B2B-Sektor begann, hat sich eine knappe Dekade später zu einer Bottom-Up-Push-Bewegung entwickelt. “Einzelne Mitarbeitende verfügen teilweise über weitaus mehr praktische Erfahrung mit Generativer KI”, als “das oft auf einer Projektebene passiert”, so Wasner.

Um KI federführend in Unternehmen zu verankern, sei es wichtiger denn je, Mitarbeitende einzubinden und ihnen intern eine Bühne für den Best-Practice-Austausch zu geben, erklärt Wasner weiter. Aktuell ginge der KI-Push immer intensiver von Mitarbeiter:innen aus. Vergleichbar sei diese Bewegung mit dem Aufkommen der Smartphones vor etwa fünfzehn Jahren.

Daten mit Qualität

Als Basis sollte zuerst allerdings der Datenhaushalt eines Unternehmens sauber strukturiert und reguliert werden, sagt Manuel Moser, Director Digital Innovation & Software Engineering bei CANCOM Austria. “Wenn ein Unternehmen in puncto Daten hinterherhinkt, kann das jetzt durchaus ein Stolperstein sein”, sagt der Experte. In CRM- und ERP-Systemen finden sich häufig unvollständige Angaben. Die dadurch entstehende unzureichende Datenqualität könne jede KI-Initiative ins Stocken bringen, so Moser.

“Der größte Feind ist Zettel und Bleistift”

Schon allein das Notieren von Informationen auf Zetteln gilt nicht nur als scheinbar banale Hürde, wie Moser im Talk erläutert. Analoge Gewohnheiten können enorme Auswirkungen auf den gesamten Digitalisierungsprozess des Unternehmens haben: “Ich sage immer: Bei Digitalisierungslösungen ist der größte Feind der Zettel und der Bleistift am Tisch, mit denen man das digitale Tool am Ende des Tages umgeht.”

Gerade der öffentliche Sektor sollte im KI-Einsatz sowie in der Verwaltung von Daten sorgfältig agieren. Moritz Mitterer, Aufsichtsratsvorsitzender der ITSV, spricht von besonders sensiblen Daten aus der Sozialversicherung, die ein enges rechtliches Korsett und damit ein höheres Maß an Vorsicht mit sich bringen.

“Wir haben 2017 in der ITSV damit begonnen, innerhalb der Struktur damit zu experimentieren”, erzählt Mitterer. Ein essentielles Learning daraus: Gerade große Prozessmengen stellen sich als ideales Feld für KI heraus – wenn man vernünftige Leitplanken, klare Haftungsregeln und eine unternehmensweite Governance definiert.

Im Fokus stehen User:innen

Datenqualität, Governance und gleichzeitig reichlich Agilität? Worauf sollten sich Unternehmen in erster Linie konzentrieren, um KI lösungsorientiert einzusetzen? Alexandra Sumper, Director Delivery Österreich bei Nagarro, betont, dass KI-Projekte weit mehr als reine Technik voraussetzen: “Meine Erfahrung zeigt wirklich, nicht zu groß zu beginnen, wenn man erst am Anfang steht.“ Viele Firmen würden sich gerade anfangs in Strategiepapieren verlieren, anstatt realitätsgetreue Use Case zu definieren, so die Expertin.

“Man muss gut darauf achten, dass man liefert. Sowohl an Datenqualität, als auch an optimierter User Experience”, erläutert Sumper. Als Erfolgsbeispiel nennt sie die Asfinag, die einen KI-Chatbot erfolgreich eingeführt hat. Das Besondere dabei: Ein Kernteam entwickelte die KI-Lösung, achtete auf Datenqualität und band die künftigen Nutzer:innen ein. Die Akzeptanz im Unternehmen stieg rasant, erzählt Sumper von den Projektanfängen.

Ähnliche Schlüsse zieht Sumper aus der Beobachtung anderer Kund:innen: In erster Linie gelte es zu testen, ob KI in einem kleinen Rahmen Nutzen bringt. Sobald Mitarbeiter:innen erleben, dass KI ihre Arbeit wirklich erleichtert, wächst das Vertrauen und die Bereitschaft, weitere Schritte zu gehen.

“Am Anfang gibt es nichts, dass zu 100 Prozent funktioniert”

Dass sich eine Trial-and-Error-Phase gerade in den Anfängen des KI-Einsatzes nicht vermeiden lässt, scheint ein allgemeiner Konsens der Diskussionsrunde zu sein. “Es gibt nichts, was sofort 100 Prozent top funktioniert”, so Sumper. Um Fehlerquellen und deren Auswirkungen jedoch möglichst gering zu halten, empfiehlt die Expertin Qualitätssicherung durch ein Key-User-Team, um Fehler festzustellen, zu korrigieren und Daten-Gaps zu schließen.

Hierbei sollen die Möglichkeiten von generativer KI intelligent genutzt werden, wie Clemens Wasner hervorhebt: “Wir haben das erste Mal eine Technologie, die es ermöglicht, unstrukturierte Daten überhaupt auswertbar zu machen.” Nun gilt es, Effizienz in der Datenstrukturierung und -auswertung zu fördern, um mit der aktuellen Welle der digitalen Transformation mitzuhalten. Denn KI ist, wie Manuel Moser von CANCOM Austria bestätigt, ein wesentlicher Teil der digitalen Transformation: “Ein Baustein, wenn man so will, wie ein ausgestrecktes Werkzeug eines Schweizer Taschenmessers.”

KI-Bereiche mit Potenzial zur Ausgründung

Das Gespräch zeigte insgesamt, dass Unternehmen viel gewinnen können, wenn sie KI nicht als fertige Lösung, sondern als Lernprozess verstehen, in den die Belegschaft aktiv mit eingebunden wird. Auf einer soliden Datenbasis mit klarer Kommunikation ließe sich schon in kleinen Projekten ein spürbarer Mehrwert für das Unternehmen erzeugen.

In manchen Branchen, darunter Sozialversicherungen, E-Commerce sowie Luftfahrt und Logistik, sind Fortschritte unvermeidlich, um den steigenden Anforderungen von Markt- und Mitarbeiterseite gerecht zu werden.

Wasner spricht hierbei von einem Fokus auf Digital Business, der sich bereits in der Entstehung neuer Geschäftsfelder am Markt zeigt: Immer häufiger bündeln Unternehmen Wissensträger:innen zu den Bereichen Data, IoT und Machine Learning in einer eigenen Organisation oder Ausgründung. Gezielt wird hier das Potenzial eines eigenen KI-Kernteams zu nutzen und auszubauen versucht.

Luft nach oben

Dass es in vielen Branchen noch reichlich ungenutztes Potenzial gibt, haben mittlerweile einige Reports aufgeschlüsselt dargestellt. Gerade im Healthcare-Bereich sei “mit Abstand am meisten rauszuholen” – unter anderem im Hinblick auf den sicheren und effizienten Umgang mit Patienten- und Amnesie-Daten zur schnellen und akkuraten Behandlung.

Laut Moritz Mitterer der ITSV besteht eine große Herausforderung darin, sensible Patientendaten und strenge Regulatorik mit dem Wunsch nach Fortschritt zu vereinen. Gerade in Sozialversicherungen sei es wichtig, eine klare Governance zu schaffen und den Einsatzrahmen von KI zu definieren. Nur so könne Vertrauen gefestigt und sichergestellt werden, dass neue Technologien nicht an bürokratischen Hemmnissen oder Sicherheitsbedenken scheitern.

Vertrauen ist “noch ein starker Blocker”

“Am Ende des Tages probieren Unternehmen aus: Wie reagiert die Technologie, wie geht man damit um, welche Art von Projekten macht man?”, rundet Manuel Moser von CANCOM Austria die Diskussion ab. Der nächste Schritt liege darin, immer “mehr in die Kernprozesse von Unternehmen reinzukommen”, so Moser. “Und das, glaube ich, ist ein sehr wesentlicher Punkt.” Das Vertrauen, dass es die Technologie braucht. Das ist aktuell noch ein “starker Blocker in Unternehmen”.

Die Expertenrunde teilt einen universellen Konsens: Der Mensch sowie sein Know-how und Vertrauen in KI spielen bei der digitalen Transformation eine erhebliche Rolle. Sobald KI-Anwendungen auf eine verlässliche Datenstruktur und klare Organisation treffen, kann sich KI im Unternehmensalltag entfalten. Erst durch das Zusammenspiel von Technik, Datenkultur und motivierten Teams wird KI zum Treiber neuer Chancen.

Die gesamte Folge ansehen:

Die Nachlesen der bisherigen Folgen:

Folge 1: “No Hype KI – wo stehen wir nach zwei Jahren ChatGPT?“

Folge 2: “Was kann KI in Gesundheit, Bildung und im öffentlichen Sektor leisten?“

Die Serie wird von brutkasten in redaktioneller Unabhängigkeit mit finanzieller Unterstützung unserer Partner:innen produziert.

Toll dass du so interessiert bist!
Hinterlasse uns bitte ein Feedback über den Button am linken Bildschirmrand.
Und klicke hier um die ganze Welt von der brutkasten zu entdecken.

brutkasten Newsletter

Aktuelle Nachrichten zu Startups, den neuesten Innovationen und politischen Entscheidungen zur Digitalisierung direkt in dein Postfach. Wähle aus unserer breiten Palette an Newslettern den passenden für dich.

Montag, Mittwoch und Freitag