KI und Storage Veränderte Prozesse erfordern neue Ansätze

Anbieter zum Thema

Cohesity GmbH

FAST LTA GmbH

Künstliche Intelligenz verändert die Storage-Prozesse grundlegend. Dies reicht von der Indexierung über Suchlösungen in natürlicher Sprache und dem Schutz vor KI-basierten Angriffen bis zur „Minimum Viable Company“. Mit geeigneten Ansätzen sind Unternehmen für das neue Zeitalter gerüstet.

Im Zeitalter von KI und Digitalisierung werden täglich etwa 400 Millionen Terabyte an Daten aus einer Vielzahl von Quellen erzeugt. Dazu gehören etwa soziale Medien, geschäftliche Kommunikation oder Produktions- und Kundendaten. All diese Informationen effizient zu verwalten und dabei immer komplexere regulatorische Vorgaben einzuhalten, stellt eine große Herausforderung dar.

Der Nutzen von Datenindexierung und -klassifizierung

Die Grundlage für effektives Datenmanagement ist die Indexierung und Klassifizierung von Daten. Sie ermöglicht ein klares Verständnis darüber, welche Daten gespeichert werden, warum sie gespeichert werden, welchen Wert sie besitzen und wer darauf zugreifen darf. Dies sorgt für Transparenz und Kontrolle über die gespeicherten Daten.

Zur Indexierung gehören Angaben wie Uhrzeit, Datum, Alter, Größe und Urheber. Die Klassifizierung ergänzt dies mit dem Inhalt der Daten. Anhand der Sensibilität und Kritikalität legt sie die Schutz-, Zugriffs- und Aufbewahrungsrichtlinien fest. Neben der Compliance dient ein solches Datenmanagement auch zur Kostenoptimierung. Denn es verhindert wahllose Speicherung und reduziert unnötigen Datenballast. Da Komponenten zur Datenspeicherung derzeit immer kostspieliger werden, können Unternehmen so ihre Budgets effektiv schonen.

Der Einfluss von KI auf das Datenmanagement

Mit dem zunehmenden Einsatz von KI und der dadurch geradezu explodierenden Datenmenge wird eine solide Datenmanagement-Strategie immer wichtiger. Dies ist nicht nur ein Kostenthema. Denn redundante, veraltete und irrelevante (ROT-) Daten führen in großen Sprachmodellen (LLMs) oft zu Fehlinterpretationen oder gar zur Weitergabe privater Daten und entsprechender Rufschädigung.

Eine ordnungsgemäße Datenklassifizierung und -indexierung ist für effektive KI-Systeme daher unerlässlich. Organisierte und kategorisierte Daten ermöglichen es KI-Algorithmen, Muster und Zusammenhänge leichter zu erkennen sowie präzisere Vorhersagen und Empfehlungen zu treffen. Dies fördert fundierte Geschäftsentscheidungen und steigert die betriebliche Effizienz.

Zusätzlich gewährleistet eine effektive Datenklassifizierung und -indexierung die Datenintegrität und -sicherheit. Durch die Trennung sensibler Informationen können Unternehmen spezielle Zugriffskontrollen und Verschlüsselung implementieren, wodurch das Risiko von Datenverletzungen verringert und die Einhaltung gesetzlicher Vorschriften sichergestellt wird. Dies ist für KI von entscheidender Bedeutung, da auch der versehentliche Missbrauch sensibler Daten erhebliche rechtliche und ethische Konsequenzen haben kann.

Backup-Daten in natürlicher Sprache durchsuchen

KI erhöht aber nicht nur den Aufwand für das Datenmanagement, sondern eröffnet auch neue Nutzungsmöglichkeiten für Backup-Daten. Während bislang nur Produktivdaten für die unternehmensweite Suche nach Informationen zur Verfügung standen, lässt sich diese nun auch in den Sekundärdaten durchführen. Dazu hat zum Beispiel Cohesity eine selbst entwickelte Technologie patentieren lassen, die Sekundärdatensysteme mit einer semantischen RAG-Schicht (Retrieval Augmented Generation) kombiniert, um GenAI-Anwendungen zu unterstützen. Unternehmen können damit in natürlicher Sprache etwa Backup-Systeme durchsuchen, ohne neue Datensilos zu schaffen, Governance-Kontrollen zu schwächen oder sensible Informationen zu gefährden. Dies basiert auf einem Security-first-Framework, das Daten geschützt, kontrolliert und am ursprünglichen Speicherort hält.

Der Ansatz bietet sowohl einen praktischen als auch einen strategischen Mehrwert. Unternehmen verfügen über jahrelang gewachsene, hochwertige Sekundärdaten in Dateien, E-Mails, Datenbanken und virtuellen Maschinen. Insbesondere geschützte Recovery-Daten stellen häufig das wichtigste, vollständigste und vertrauenswürdigste Repository für Unternehmensinformationen und institutionelles Wissen dar. Ein Großteil davon war bislang für KI-Anwendungsfälle kaum zugänglich.

Die patentgeschützte RAG-Schicht macht diese Daten semantisch durchsuchbar und für große Sprachmodelle nutzbar, ohne dass sie verschoben oder kopiert werden müssen. So können Unternehmen Datenwildwuchs reduzieren, Entscheidungen beschleunigen und KI-gestützte Workflows nutzen, die Sicherheits- und Zugriffskontrollen der bestehenden Recovery-Datenumgebung übernehmen. Die Technologie ist in der Lösung Cohesity Gaia als Teil der Cohesity Data Cloud verfügbar. Diese lässt sich mit Hilfe von Cohesity Maestro in die bereits genutzten KI-Plattformen nativ und ohne zusätzliche Nutzeroberfläche integrieren, darunter Anthropic Claude, OpenAI ChatGPT oder Google Gemini.

Schutz vor KI-basierten Angriffen

Neben neuen Möglichkeiten für Unternehmen eröffnet KI aber auch Cyberkriminellen neue Angriffstechniken. So können sie mit Hilfe neuer Modelle systematisch nach neuen Schwachstellen suchen und diese in wenigen Stunden ausnutzen. Zudem werden Ransomware-Kampagnen und Wiper-Angriffe immer stärker personalisiert und automatisiert. Entsprechend erhöht sich die Gefahr, dass neben Produktiv- auch Backup-Daten verschlüsselt oder gar vollständig gelöscht werden, um Lösegeld zu erpressen oder möglichst hohen Schaden anzurichten. Diese Gefahr lässt sich nur durch eine Kombination aus Zugriffskontrolle und Cyber-Tresoren minimieren.

Die Grundlage für ein effektives Identitäts- und Zugriffsmanagement bildet eine ordnungsgemäße Datenindexierung und -klassifizierung. Sie erfasst den Wert der Daten, die möglicherweise verschlüsselt oder zerstört werden. Unternehmen reduzieren das Risiko, indem sie den Zugriff auf diejenigen Mitarbeitenden beschränken, die diese Daten wirklich benötigen. Zusätzlich können sie den Zugriff auf Leserechte eingrenzen und insbesondere bei Backup-Systemen eine unveränderliche Datensicherung durchsetzen. So kann eine Kopie der Daten für einen festgelegten Zeitraum weder verändert noch überschrieben oder gelöscht werden, nicht einmal mit Administratorrechten.

Für besonders sensible Daten stehen zusätzlich Cyber-Tresore zur Verfügung, die eine isolierte Kopie der Produktionsdaten enthalten. Moderne Cyber-Tresor-Strategien nutzen dabei ein „Virtual-Air-Gap“-Konzept. Diese Technologie schützt Backups durch Trennung vom Netzwerk, lässt aber temporäre Verbindungen zu, um den notwendigen Fernzugriff zu ermöglichen – allerdings mit sehr strengen Kontrollen. Gleichzeitig werden die Daten bei Bedarf weiter von der Cloud isoliert. Ein sorgfältig konzipierter Cyber-Tresor unterstützt effektiv Strategien zur Datenisolation und Disaster Recovery.

Das Konzept der Minimum Viable Company

Trotz aller Schutz- und Vorsichtsmaßnahmen kann es aber zu schwerwiegenden Vorfällen kommen. Der erste Impuls ist dann häufig, alle Systeme so schnell wie möglich wieder in Betrieb zu nehmen. In der Praxis erschwert dies jedoch die Wiederherstellung und führt erneut zu Risiken. Denn entweder werden mit dem Neustart der Unternehmenssysteme Malware und Schwachstellen wieder aktiviert, oder die Systeme lassen sich gar nicht mehr hochfahren.

Für diesen Fall greift das Konzept der Minimum Viable Company (MVC). Darunter versteht man die kleinste Version einer Organisation, die im Notfall weiterarbeiten, Kunden bedienen und ihren Verpflichtungen nachkommen kann. Sie ist die minimale Kombination aus Mitarbeitenden, Prozessen, Technologien, Dokumentationen, Einrichtungen und Abhängigkeiten von Drittanbietern, die erforderlich ist, um den Geschäftsbetrieb unter beeinträchtigten Bedingungen aufrechtzuerhalten.

Um im Störfall funktionsfähig zu sein, benötigen Unternehmen eine Möglichkeit, die Kontrolle schnell wiederherzustellen. Dazu dient ein so genannter „Digital Jump Bag“. Dieser sichere, isolierte Speicherort enthält alles Notwendige, um eine Cyber-Reaktion einzuleiten und einen vertrauenswürdigen Ausgangspunkt für die Wiederherstellung zu schaffen. Er umfasst zum Beispiel:

• abgehärtete System-Images und als funktionsfähig bestätigte Konfigurationen,

• privilegierte Anmeldedaten und Zugriffsmechanismen,

• Artefakte zur Identitätswiederherstellung,

• Netzwerkkonfigurationen und Architekturdiagramme,

• Playbooks für die Reaktion auf Vorfälle und Runbooks für die Wiederherstellung,

• wichtige Ansprechpartner und Eskalationswege,

• Lieferantenverträge und externe Reaktionsvereinbarungen,

• wichtige Software-Lizenzschlüssel.

Entscheidend ist, dass er außerhalb der kompromittierten Produktionsumgebung existiert – und somit auch dann zugänglich bleibt, wenn Primärsysteme nicht verfügbar oder nicht vertrauenswürdig sind. Dann können Unternehmen damit ihre Cyber-Reaktion sofort einleiten und auf die Systeme, Daten und Anwendungen vertrauen, die sie wiederherstellen. In der Praxis folgt dies einer festgelegten Abfolge. Sie beginnt typischerweise mit Governance und Kommunikation, gefolgt von Identitäts- und Kontrollsystemen, bevor Geschäftsdienste und unterstützende Daten wiederhergestellt werden.

Fazit

KI verändert in vielerlei Hinsicht die Anforderungen an Storage-Systeme und -Prozesse. Doch mit den richtigen Strategien und Technologien können sich Unternehmen nicht nur vor neuartigen Gefahren schützen, sondern auch effektiv von neuen Chancen profitieren.

Mehr Informationen dazu finden Sie in der Artikelreihe „Storage für KI: Training, Inferenz und Betrieb“.

* Der Autor: Christoph Linden, Director Solution Architecture Europe bei Cohesity

Storage für KI: Training, Inferenz und Betrieb – Teil 1

Auf der Suche nach der passenden KI-Infrastruktur