Mobile-Menu

Data-Resilience 2026

Die Scorecard, die IT-Führungskräfte kennen müssen

< zurück

Seite: 3/4

Anbieter zum Thema

Rote Signale fürs Jahr 2026

1. Vendor-Lock-in, der Flexibilität der Datenmobilität einschränkt

Warum das wichtig ist: Das Jahr 2025 verdeutlichte, dass Abhängigkeit ein erhebliches Risiko darstellt. Ausfälle und Preisschwankungen zeigten, dass Organisationen ihre Handlungsfähigkeit verlieren, wenn Daten in proprietären Formaten oder auf eng gekoppelten Plattformen „gefangen“ sind. In einem solchen Umfeld können sie weder flexibel auf Störungen noch auf Compliance-Anforderungen oder Kostenänderungen reagieren. Datenportabilität ist daher längst keine optionale Optimierung mehr, sondern eine entscheidende Voraussetzung für betriebliche Resilienz.

Erkenntnis aus dem Jahr 2025: Der Microsoft-Ausfall verdeutlicht Risiken durch Anbieterabhängigkeit.

BBC News: „Ein weit verbreiteter Ausfall nahm Microsoft-Dienste stundenlang offline und belastete Kunden weltweit, wodurch Bedenken hinsichtlich der Abhängigkeit von einem einzigen Cloud-Ökosystem erneut breit diskutiert wurden.“

Warum das wichtig ist: Ihre Umgebung ist potenziellen Plattformrisiken ausgesetzt, wenn sie proprietäre Formate verwendet, die die Datenportabilität einschränken, Anwendungen umfasst, die für eine Migration neu gestaltet werden müssten, Wiederherstellungspfade besitzt, die vollständig von der Cloud-Verfügbarkeit abhängen, oder aber keine unabhängige Umgebung für Zugriff oder Failover bereitstellt.

Um diesen Risiken zu begegnen, sollten Organisationen offene, S3-kompatible Speichersysteme einführen, die sowohl in der Cloud als auch On-Prem einsetzbar sind. Die Architektur sollte auf Mobilität ausgelegt sein, inklusive globaler Namespaces, Replikation und konsistenter APIs, und Compute sowie Storage sollten getrennt werden, um Plattformabhängigkeiten zu vermeiden. Mindestens eine Ausweichumgebung außerhalb eines einzelnen Anbieters sorgt dafür, dass Zugriff und Wiederherstellung auch bei Ausfällen gewährleistet bleiben.

2. Nicht verifizierte Wiederherstellungs-SLAs

Warum das wichtig ist: 2025 mussten viele Organisationen erkennen, dass Backups allein nicht ausreichen, um die Wiederherstellung zu garantieren. Wiederherstellungspläne, die nie unter realen Bedingungen getestet wurden, versagten genau dann, wenn sie am dringendsten benötigt wurden. Wenn Wiederherstellung nicht nachweisbar ist, kann ihr auch nicht vertraut werden.

Erkenntnis aus dem Jahr 2025: Backup allein reicht nicht.

Reuters berichtete, dass Versicherer ihre Prüfungen von Backup- und Wiederherstellungskontrollen verschärfen und nun den Nachweis verlangen, dass Organisationen im Falle eines Angriffs den Betrieb schnell wiederherstellen können.

Risiko-Indikatoren: Eine Umgebung ist potenziell gefährdet, wenn Backups nie End-to-End getestet wurden, Unveränderbarkeit lediglich auf Bucket- oder Richtlinienebene implementiert ist, Wiederherstellungspfade vollständig von der Cloud-Verfügbarkeit abhängig sind sowie keine kryptografische Validierung wiederhergestellter Daten erfolgt.

Handlungsoptionen: Um diese Risiken zu minimieren, sollten regelmäßig automatisierte Tests für eine saubere Wiederherstellung durchgeführt werden. Zudem ist es entscheidend, tiefe Unveränderbarkeit sowohl auf API- als auch auf Architektur-Ebene zu gewährleisten und mindestens ein Wiederherstellungspfad unabhängig von der Cloud-Verfügbarkeit vorzuhalten. Die „Time to clean restore“ sollte als messbare Resilienzmetrik erfasst werden, um die Wiederherstellungsfähigkeit kontinuierlich zu überprüfen.

3. Lücken in der Datenherkunft, die KI-Ergebnisse untergraben

Warum das wichtig ist: Mit dem Einsatz von KI in Produktionsumgebungen ist Vertrauen in die Ergebnisse genauso entscheidend wie die reine Leistung. Im Jahr 2025 wurden zahlreiche KI-Fehler nicht durch die Modelle selbst verursacht, sondern gerade auch durch fehlende oder unvollständige Datenherkunft. Ohne nachvollziehbare Datenlinien lassen sich KI-Ergebnisse weder zuverlässig erklären, reproduzieren noch verteidigen.

Erkenntnis aus dem Jahr 2025: Fehlende Datenherkunft führt zu unvorhersehbaren KI-Fehlern.

Das MIT berichtete: „KI-Modelle versagen auf unvorhersehbare Weise, wenn Organisationen die verwendeten Trainingsdaten nicht nachverfolgen oder verifizieren können.“

Jetzt Newsletter abonnieren

Täglich die wichtigsten Infos zu Data-Storage und -Management

Mit Klick auf „Newsletter abonnieren“ erkläre ich mich mit der Verarbeitung und Nutzung meiner Daten gemäß Einwilligungserklärung (bitte aufklappen für Details) einverstanden und akzeptiere die Nutzungsbedingungen. Weitere Informationen finde ich in unserer Datenschutzerklärung. Die Einwilligungserklärung bezieht sich u. a. auf die Zusendung von redaktionellen Newslettern per E-Mail und auf den Datenabgleich zu Marketingzwecken mit ausgewählten Werbepartnern (z. B. LinkedIn, Google, Meta).

Aufklappen für Details zu Ihrer Einwilligung

Risiko-Indikatoren: Ihre Umgebung ist potenziell einem KI-Zuverlässigkeitsrisiko ausgesetzt, wenn Datensatzversionen oder Transformationen nicht nachverfolgt werden, Shadow-Korpora außerhalb formaler Pipelines entstehen, keine Audit-Trails für Trainings- oder Inferenzdaten existieren und Vorverarbeitungsprozesse manuell oder inkonsistent durchgeführt werden.

Handlungsoptionen: Um diese Risiken zu minimieren, sollten alle Trainings- und Inferenzdaten in Lineage-sensitivem Objektspeicher abgelegt werden. Zudem ist eine konsequente Versionierung von Datensätzen und Logik erforderlich, während Vorverarbeitungsprozesse automatisiert und dokumentiert werden sollten. Ergänzend müssen Governance-Kontrollen implementiert werden, die Zugriff, Aufbewahrung und Änderungsverlauf der Daten zuverlässig überwachen.

4. Cloud-Risiken durch Konzentration und Kostenvolatilität

Warum das wichtig ist: Im Jahr 2025 wurde Cloud-Konzentration als strategisches Risiko deutlich. Organisationen, die stark von einem einzelnen Anbieter abhängig sind, waren Störungen, unvorhersehbaren Kostenentwicklungen sowie eingeschränkten Handlungsspielräumen ausgesetzt. Heute hängt betriebliche Resilienz entscheidend von Wahlfreiheit und der Fähigkeit ab, schnell auf Veränderungen zu reagieren.

Erkenntnis aus dem Jahr 2025: Cloud-Konzentration ist als strategisches Risiko sichtbar.

Gartner Group: „Viele Organisationen stünden im Falle eines Ausfalls eines einzelnen Anbieters vor gravierenden Störungen.“

Risiko-Indikatoren: Ihre Umgebung ist potenziell strategischen Cloud-Risiken ausgesetzt, wenn zentrale Arbeitslasten stark von einem einzelnen Hyperscaler abhängen, die Datenportabilität oder -mobilität eingeschränkt ist, keine On-Prem- oder alternative Wiederherstellungsoptionen bestehen sowie Arbeitslasten bei Kosten- oder Verfügbarkeitsproblemen nicht flexibel verschoben werden können.

Handlungsoptionen: Um diese Risiken zu mindern, sollten Architekturen von Anfang an auf Portabilität ausgelegt werden. Hybrid- oder Multi-Cloud-Strategien ermöglichen Flexibilität, während die Trennung von Compute- und Daten-Tiers Lock-in-Effekte reduziert. Zudem sollten Daten so repliziert oder verschoben werden, dass sie schnell und ohne Abhängigkeit von einem einzelnen Anbieter verfügbar sind.

5. Unkontrolliertes Datenwachstum

Warum das wichtig ist: Die Einführung von KI beschleunigte im Jahr 2025 die Datenproduktion und -duplizierung erheblich. Ohne wirksame Governance vergrößerte dieses Wachstum die Angriffsflächen, erhöhte Compliance-Risiken und führte zu unkontrolliertem Speicherwachstum. Unkontrolliertes Datenwachstum stellt somit eine direkte Risikoexposition dar und kann sogar die Transparenz über sensible Daten erheblich einschränken.

Erkenntnis aus dem Jahr 2025: Unkontrollierte Datenkopien erhöhen Compliance- und Sicherheitsrisiken.

TechRadar: „Unkontrollierte Datenkopien führen zunehmend zu Compliance-Verstößen und Cyber-Vorfällen, da fehlende Governance und fehlende Transparenz über Datenbestände Organisationen verwundbar machen.”

Risiko-Indikatoren: Ihre Umgebung ist potenziell Governance- und Sicherheitsrisiken ausgesetzt, wenn temporäre Korpora dauerhaft bestehen bleiben, Datensätze dupliziert werden, ohne dass ein Lifecycle-Management implementiert ist, sensible Daten in nicht genehmigten Speicherorten abgelegt werden und das Speicherwachstum die Klassifikation sowie die Anwendung von Richtlinien übersteigt.

Handlungsoptionen: Um diese Risiken zu minimieren, sollten Lifecycle- und Aufbewahrungsrichtlinien konsequent durchgesetzt werden. Trainingsdaten, Checkpoints und Varianten sollten zentral gespeichert werden, während Datensätze systematisch klassifiziert und getaggt werden, um Governance sicherzustellen. Zudem ist die vollständige Nachverfolgung aller Datenkopien, einschließlich KI-generierter Ableitungen, erforderlich, um Transparenz und Kontrolle über die Datenlandschaft zu gewährleisten.

(ID:50682073)