KI in der Cybersicherheit – die Chancen, Herausforderungen und Trends

Viele Unternehmen haben das Potenzial von KI erkannt und integrieren sie, um Prozesse zu optimieren, den Kundenservice zu verbessern, datengestützte Entscheidungen zu treffen und innovative Produkte und Dienstleistungen zu entwickeln.

Die KI-Technologie kann jedoch auch missbraucht werden, um Cyberangriffe durchzuführen, die schwer zu erkennen sind. KI, insbesondere große Sprachmodelle (LLMs), senkt die Einstiegshürden für Cyberkriminalität und erhöht die Effizienz und Reichweite von Angriffen durch Techniken wie Malwareerstellung und -manipulation, Social-Engineering-Angriffe und erweiterte Datenanalysen. Einer Studie von Capterra zufolge gelten Phishing und Social-Engineering-Angriffe (41 %), interne Bedrohungen (32 %) sowie Ransomware-Angriffe (29 %) als Hauptgründe, warum Unternehmen auf KI-gestützte Cybersicherheit setzen. Angesichts der sich verändernden Bedrohungslandschaft muss die Cybersicherheit höchste Priorität erhalten.

Die neue Generation der Cyberkriminalität nutzt KI, um Schwachstellen zu finden, Zugriffskontrollen zu umgehen und präzisere Phishing-Angriffe durchzuführen, was ein großes Risiko für Unternehmen darstellt. Laut einer Studie geben 78% der befragten Fach- und Führungskräfte an, dass Cyberkriminelle KI deutlich besser für einen Angriff nutzen, als Organisationen dies zur Abwehr oder Prävention eines Angriffs tun.

Gleichzeitig spielt KI eine wichtige Rolle beim Schutz von Informationen und Systemen. Auch Verteidiger profitieren von den durch LLMs ermöglichten Produktivitätssteigerungen, etwa durch verbesserte Möglichkeiten zur Aufklärung und Analyse von Open Source Intelligence. Laut einer weiteren Studie plant ein Drittel der befragten Organisationen, die eigene Cybersecurity-Strategie an das KI-Zeitalter anzupassen, während fast ebenso viele Unternehmen und Behörden den Einsatz von KI zur Verbesserung ihrer IT-Sicherheit vorbereiten.

Vor diesem Hintergrund wird die Notwendigkeit, KI und Cybersicherheit auf verschiedenen Ebenen intensiv zu erforschen, deutlich. Denn nur so ergibt sich eine belastbare Grundlage für notwendige Anpassungen von Cybersicherheitsstrategien. Laut dem Bundesamt für Sicherheit in der Informationstechnologie (BSI) und Experten der IT-Branche werden drei wesentliche Berührungspunkte von KI und Cybersicherheit intensiv erforscht: IT-Sicherheit für KI, IT-Sicherheit durch KI, Angriffe durch KI.

Neben dem BSI stehen diese Fragen auch in Standardisierungsgremien und Expertengruppen wie DIN, ETSI, ITU, ENISA und die HLEG der Europäischen Kommission weltweit im Fokus. Das Ziel ist, Anforderungen für die Gewährleistung des sicheren Einsatzes von KI zu entwickeln, um das volle Potenzial der Synergie zwischen KI und Cybersicherheit auszuschöpfen.

Durch den Einsatz von KI in der Cybersicherheit können IT-Teams Bedrohungen effektiver und effizienter bewältigen. KI-Systeme überwachen den Netzwerkverkehr kontinuierlich, analysieren große Datenmengen in Echtzeit und identifizieren schneller Muster, die auf Cyberbedrohungen hinweisen. Dies ermöglicht es Unternehmen, potenzielle Sicherheitsprobleme frühzeitig zu erkennen und zu verhindern. Die Automatisierung von routinemäßigen Aufgaben wird von 40 % der Unternehmen als besonders wichtig im Kampf gegen Cyberkriminelle angesehen.

Die schnelle Reaktionszeit ist ein Schlüsselfaktor für den Schutz sensibler Daten und die Minimierung von Schäden. KI ist ein mächtiges Tool, das durch die effiziente Verarbeitung großer Mengen strukturierter und unstrukturierter Daten die Reaktionszeit auf Sicherheitsbedrohungen erheblich verkürzt und potenzielle Sicherheitsvorfälle frühzeitig neutralisiert. Dies führt zu einer deutlichen Reduzierung von Betriebsunterbrechungen und finanziellen Verlusten, wodurch das Vertrauen der Kunden gestärkt und die allgemeine Sicherheit des Unternehmens verbessert wird.

Cybersicherheitslösungen sind mit KI in der Lage, große Datenmengen effizient zu analysieren und mit der zunehmenden Datenmenge und -komplexität ihre Kapazitäten zu erweitern, ohne dass die Leistung beeinträchtigt wird. Diese skalierbaren Lösungen ermöglichen es Unternehmen jeder Größe, den Anforderungen einer wachsenden digitalen Landschaft gerecht zu werden und effektiv auf Cyberbedrohungen zu reagieren. Laut der Studie von Capterra nennen 35 % der befragten Unternehmen die Skalierbarkeit als wichtige Verbesserung in Bedrohungserkennung und -reaktion durch KI gegenüber traditionellen Cybersicherheitsmethoden.

Mithilfe von KI können Cybersicherheitslösungen kontinuierlich lernen, sich dynamisch an die sich verändernde Sicherheitslandschaft anzupassen und präventive Maßnahmen zu treffen. „KI-gestützte Cybersecurity-Tools verwenden häufig maschinelle Lernalgorithmen, die kontinuierlich aus neuen Daten lernen und sich an neue Bedrohungen anpassen.“, so Experte für Cybersicherheit bei Vention, Dmitriy Romanov. „Beispiele hierfür sind Sicherheitslösungen von Anbietern wie CrowdStrike und Palo Alto Networks, die Maschinelles Lernen einsetzen, um ihre Fähigkeiten zur Bedrohungserkennung zu verbessern. Elastic SIEM beispielsweise ist eine umfassende Sicherheitsanalyseplattform, die KI und Maschinelles Lernen nutzt, um die Erkennung und Reaktion auf Bedrohungen zu verbessern. Darüber hinaus lässt sich Elastic SIEM in Bedrohungsdaten-Feeds und Sicherheits-Orchestrierungstools integrieren, was automatisierte Reaktionsmaßnahmen ermöglicht und die Zusammenarbeit zwischen Sicherheitsteams erleichtert. Dieser KI-gesteuerte Ansatz verbessert nicht nur die Effizienz der Reaktion, sondern ermöglicht es Unternehmen auch, sich effektiver an die sich schnell entwickelnde Bedrohungslandschaft anzupassen.“, führt Romanov weiter aus.

KI revolutioniert die Entscheidungsfindung in der Cybersicherheit durch verschiedene Mechanismen, die weit über die Fähigkeiten menschlicher Analysten hinausgehen. So können z. B. KI-gestützte Lösungen riesige Mengen an Daten in Echtzeit analysieren. Zudem ist KI in der Lage, historische Daten und aktuelle Bedrohungen zu analysieren, um zukünftige Angriffe vorherzusagen. Damit können Unternehmen ihre Sicherheitsmaßnahmen optimieren und sich effektiver gegen Cyberbedrohungen schützen.

Die Automatisierung von Routineaufgaben, die Reduzierung von Fehlalarmen, die effiziente Bedrohungserkennung und -reaktion sowie die Implementierung präventiver Maßnahmen durch KI bieten erhebliches Potenzial für Kosteneinsparungen. Laut einem Bericht von IBM können Unternehmen, die umfassend auf KI und Automatisierung im Sicherheitsbereich setzen, durchschnittlich 1,76 Millionen US-Dollar mehr einsparen als solche, die dies nicht tun.

Traditionelle und KI-gestützte Cybersicherheit basieren auf unterschiedlichen Ansätzen. Während herkömmlichen Tools ein statischer Schutz zugrunde liegt und sie lediglich auf eine bekannte Bedrohung des Systems reagieren, verfügen KI-Tools über einen dynamischen Ansatz, der mit bekannten Bedrohungen verbundene Muster erkennt und neue Bedrohungen identifiziert. In einer Studie nannten 25 % der Befragten die Mustererkennung und 28 % die Threat Intelligence Integration als wichtige Verbesserungen durch KI in der Cybersicherheit. Infolge der verbesserten Automatisierung, Skalierung und Entscheidungsfindung in den meisten Bereichen der Cybersecurity kann KI für Menschen zeitintensive Aufgaben exponentiell beschleunigen, Kosten senken und neue Bedrohungsszenarien identifizieren.

Die Einsatzmöglichkeiten von Künstlicher Intelligenz im Bereich der Cybersicherheit sind vielfältig und weitreichend. KI kann dazu verwendet werden, um E-Mails und Nachrichten in Echtzeit zu überwachen, Trends zu erkennen und Bedrohungen automatisch zu neutralisieren. Dmitriy Romanov, Vention Team Leader für den Bereich Cybersecurity, begegnet oft der Frage, wie KI den Menschen dabei helfen kann, Cyberbedrohungen – sei es durch Phishing oder CEO-Betrug – besser zu erkennen. Die nachfolgenden Anwendungsfälle basieren auf seiner in jahrelanger Erfahrung bewährten Expertise.

KI-gestützte NLP-Algorithmen können den Inhalt von E-Mails oder Chat-Nachrichten analysieren, um Sprachmuster zu erkennen, die häufig mit Phishing-Betrug oder Social-Engineering-Angriffen – 41% der befragten Erwerbstätigen berichten über mehr Phishing-Nachrichten – in Verbindung gebracht werden. Durch Scannen nach Schlüsselwörtern, verdächtigen Links oder Anfragen nach sensiblen Informationen kann die KI potenziell bösartige Kommunikation kennzeichnen und Mitarbeiter warnen.

KI kann Verhaltensmuster von Benutzern über verschiedene digitale Kanäle hinweg analysieren, um Anomalien zu erkennen, die auf potenzielle Sicherheitsbedrohungen hinweisen. Derartige Abweichungen von normalem Verhalten können ungewöhnliche Anmeldezeiten oder der Zugriff auf sensible Daten sein.

KI-gesteuerte EDR-Lösungen überwachen Endgeräte kontinuierlich auf Anzeichen bösartiger Aktivitäten, wie z. B. unbefugte Zugriffsversuche oder ungewöhnliche Dateiveränderungen. Algorithmen des Maschinellen Lernens (ML) zur Analyse von Endpunkt-Telemetriedaten können in Echtzeit Cyberbedrohungen schnell erkennen und darauf reagieren, bevor sie zu ernsthaften Sicherheitsvorfällen eskalieren.

KI kann durch Analyse des Datenverlaufs zu Cyberbedrohungen, wie vergangene Phishing-Kampagnen oder betrügerische Aktivitäten, Trends erkennen und zukünftige Angriffsvektoren vorhersagen. Durch prädiktive Analysen können Unternehmen proaktiv Sicherheitsmaßnahmen implementieren, um sich abzeichnende Bedrohungen zu entschärfen und potenzielle Cyberangriffe zu verhindern, bevor diese eintreten.

KI ist entscheidend für die Erkennung von Gefahren und Schwächen innerhalb des digitalen Ökosystems eines Unternehmens. Fortschrittliche Erkennungssysteme wie AWS GuardDuty und AWS Inspector geben dazu wichtige Echtzeit-Einblicke. Diese Systeme analysieren kontinuierlich riesige Datenmengen aus verschiedenen Quellen – darunter Netzwerkverkehr, Systemprotokolle und Anwendungsaktivitäten – um verdächtiges Verhalten und potenzielle Schwachstellen in der Sicherheitsabwehr zu erkennen.

KI verbessert die Cybersicherheit, indem sie die Erkennung von Bedrohungen automatisiert, Muster im Nutzerverhalten für die Erkennung von Anomalien analysiert und fortschrittliche Verschlüsselungstechniken implementiert und so den Schutz vor unbefugtem Zugriff stärkt. KI-gestützte DLP-Lösungen können beispielsweise sensible Daten in der gesamten digitalen Umgebung des Unternehmens klassifizieren und überwachen, um unbefugte Übertragung oder Offenlegung zu verhindern. Gleichzeitig können KI-Algorithmen Verschlüsselungsmethoden optimieren, um den Zugriff auf diese Daten zu erschweren und einen zuverlässigen Schutz sowohl im Ruhezustand als auch bei der Übertragung zu gewährleisten.

Die Implementierung von Künstlicher Intelligenz in der Cybersicherheit bietet enorme Potenziale, um Bedrohungen effizienter und schneller zu erkennen und abzuwehren. Allerdings bringt diese Technologie auch eine Reihe von Herausforderungen mit sich, die Unternehmen bewältigen müssen, um die vollen Vorteile ausschöpfen zu können. Im Folgenden werden sechs der wichtigsten Herausforderungen bei der Nutzung von KI in der Cybersicherheit dargestellt.

Eine der größten Herausforderungen für KI ist die mangelnde Genauigkeit ihrer Analysen. Obwohl KI-Algorithmen große Datenmengen verarbeiten und Muster erkennen können, hängt ihre Analysefähigkeit stark von der Qualität der Trainingsdaten ab. Wenn die Trainingsdaten nicht die Vielfalt der möglichen Cyberbedrohungen widerspiegeln, sind die Modelle weniger genau und zuverlässig. Damit die KI auch auf neueste Bedrohungen reagieren kann, müssen zudem die Trainingsdaten aktuell sein. Laut einer Studie ist für 27 % der Unternehmen unzureichende Qualität der vorhandenen internen Daten – wie z.B. fehlende Dokumentation oder mangelnde Systematik – ein großes Problem, während 34 % fehlenden Zugang zu externen Daten nennen. Um die mangelnde Genauigkeit und Datenqualität zu verbessern, sollten Unternehmen die Datenqualität durch Datenbereinigung und –vorverarbeitung, Dokumentation und Systematisierung sowie kontinuierliche Aktualisierung der Trainingsdaten verbessern. Außerdem sollten sie mit Datenexperten zusammenarbeiten.

Viele Modelle für KI-gestützte Cybersicherheit sind wie eine „Black Box“. Sie werden mit großen Datenmengen trainiert, auf deren Grundlage die KI lernt, eigene Modelle zu entwickeln. Wie dies genau geschieht, ist jedoch selbst für Cybersicherheits-Experten schwer nachvollziehbar, sodass ein Mangel an Transparenz und Erklärbarkeit über den Entscheidungsfindungsprozess der KI besteht. Für mehr Transparenz und Erklärbarkeit sollten Unternehmen erklärbare KI-Modelle entwickeln, eine detaillierte Modell-Dokumentation erstellen und Visualisierungsmethoden für Entscheidungsprozesse implementieren.

„Large Language Models (LLMs) wie GPT-3 sind zwar leistungsstark, bergen aber auch Risiken, wie die Generierung irreführender Informationen, potenzielle Verzerrungen bei den Antworten und die Anfälligkeit für Angriffe von außen.“, sagt Dmitriy Romanov. „Um diese Risiken zu mindern, sind für Unternehmen eine ordnungsgemäße Verwaltung und gründliche Validierungsprozesse von entscheidender Bedeutung.“, führt Romanov weiter aus.

Die Missbrauchsgefahr von KI für Cybersicherheit ist das Spiegelbild der Vorteile der transformativen Technologie. Cyberkriminelle nutzen zunehmend KI für automatisierte und gezieltere Angriffe. Deshalb ist es für Unternehmen so wichtig, ihre Cybersicherheitsstrategie stetig zu aktualisieren und zu verstärken. Laut einer aktuellen Studie von Bitkom sehen 57 Prozent der Befragten KI als neue Herausforderung für die IT-Sicherheit. Insbesondere generative KI ermöglicht es Hackern im Wege von Personalisierung und Automatisierung immer echter erscheinende Attacken auf die Cybersicherheit von Unternehmen durch Social-Media-Auswertung, Fake-Login-Seiten und mehr durchzuführen. Um die Sicherheitsrisiken zu bewältigen, sollten Unternehmen ihre Cybersicherheitsstrategien kontinuierlich aktualisieren, fortschrittliche Sicherheitslösungen implementieren und ihre Mitarbeiter regelmäßig schulen. Zusätzlich ist die Zusammenarbeit mit Sicherheitsfachleuten und die Nutzung von Threat Intelligence essenziell, um proaktiv auf neue Bedrohungen reagieren zu können.

Die zum Training von KI-Modellen verwendeten Daten müssen in der EU mit wichtigen Bestimmungen konform sein. Aktuell gilt bereits die Datenschutzgrundverordnung (DGSVO). In Zukunft werden auch die Vorgaben des EU AI Pacts zu beachten sein. So nennen im Rahmen einer Studie 37 % der befragten Unternehmen Datenschutz im Zusammenhang mit KI-Anwendungen als sehr große Herausforderung. Um nicht mit dem Recht in Konflikt zu geraten, müssen betroffene Daten auf Anfrage löschbar sein. Bei Nichteinhaltung können empfindliche Geldbußen und Reputationsverlust auf Unternehmen zukommen. Zugleich müssen ethische Bedenken berücksichtigt werden, damit die Trainingsdaten für KI-Modelle nicht zur Voreingenommenheit gegenüber Kunden, Mitarbeitern und Zulieferern von Unternehmen führen. Der Entwurf ethischer Rahmenregelungen und menschliche Überprüfung in letzter Prozessinstanz können hier weiterhelfen.

Im Fall der vollständig selbständigen Entscheidungsfindung eines KI-Modells drohen weitreichende, oben angesprochene Risiken. Nach aktuellem Stand der Technik benötigen KI-Cybersicherheitslösungen wegen ihrer Komplexität und der Anforderung zur Interpretation schwer verständlicher Daten menschliche Sicherheits-Experten mit weitreichenden Qualifikationen. Laut einer aktuellen Umfrage bezeichnen 40 Prozent der Befragten dies als einen großen Nachteil für Unternehmen. Hier empfiehlt sich die Beratung durch Fachleute, da es auf dem Markt sonst schwierig ist, qualifizierte Experten zur Festanstellung zu finden.

Der Vention Experte für Cybersecurity Dmitriy Romanov hat aktuelle und zukünftige Entwicklungen an der Schnittstelle von KI und Cybersicherheit analysiert, die wichtigsten Trends herausgefiltert und Empfehlungen für Unternehmen dazu gegeben, wie diese sich darauf einstellen können.

Heutzutage sind Cybersicherheitsplattformen wie Datadog SIEM, Azure Sentinel, Elastic SIEM und eine Vielzahl anderer innovativer Anwendungen von zentraler Bedeutung für die effektive Umsetzung von KI-Trends. Diese Plattformen gehen über das traditionelle SIEM (Security Information and Event Management) hinaus und bieten eine Vielzahl von Funktionen wie Endpunktschutz, Netzwerksicherheit, Gefahrenabwehr und mehr.

Die Falcon-Plattform von CrowdStrike beispielsweise nutzt die Leistungsfähigkeit von KI und Maschinellem Lernen, um Endpunktbedrohungen präventiv zu erkennen und abzuwenden. Ebenso integriert die Cortex XDR-Plattform von Palo Alto Networks nahtlos KI-gesteuerte Analysen, um umfassende Transparenz und Schutz für Netzwerk-, Endpunkt- und Cloud-Umgebungen zu bieten.

Darüber hinaus nutzen Lösungen wie Darktrace ausgefeilte KI-Algorithmen, um Cyberbedrohungen in Echtzeit zu identifizieren und darauf zu reagieren, was die Abwehrmöglichkeiten von Unternehmen gegen fortschrittliche Angriffe erheblich verbessert.

Erklärbare KI (XAI):

Mit der zunehmenden Verbreitung von KI-Systemen in der Cybersicherheit wächst die Nachfrage nach Transparenz und Verantwortlichkeit bei KI-gesteuerten Entscheidungsprozessen. Erklärbare KI-Techniken (Explainable AI, kurz XAI) zielen darauf ab, Einblicke in die Art und Weise zu geben, wie KI-Modelle zu ihren Schlussfolgerungen kommen. Durch die Verbesserung der Erklärbarkeit von KI-Algorithmen können Unternehmen die KI-Empfehlungen besser verstehen und validieren. Das Ergebnis: effektivere Cybersicherheitspraktiken. Das BSI beschäftigt sich ebenfalls mit der Erklärbarkeit Künstlicher Intelligenz. Eine Studie von 2022 hat die Entwicklung deterministischer, belastbarer Modelle des Deep Learning (DL) sowie die praktische Umsetzbarkeit deterministisch erklärbarer Künstlicher Intelligenz (XAI) zum Gegenstand. Da Reproduzierbarkeit kausal für die Ableitung aus DL-Modellergebnissen ist, trägt sie so zur Vertrauensbildung in KI-Systeme bei. Die Studie geht den Herausforderungen auf dem Weg zur Reproduzierbarkeit und Lösungsansätzen nach.

Automatisierte Incident Response:

Angesichts des zunehmenden Umfangs und der Komplexität von Cyberbedrohungen setzen Unternehmen auf KI-gesteuerte Automatisierung, um die Reaktion im Gefahrenfall zu optimieren. Automatisierte Incident-Response-Systeme nutzen KI-Algorithmen, um Sicherheitsvorfälle in Echtzeit zu erkennen, zu untersuchen und zu beheben. So reduzieren sie Zeit- und Ressourcenaufwand. Durch die Automatisierung von Routineaufgaben wie Bedrohungssuche, -eindämmung und -behebung können Unternehmen ihre allgemeine Sicherheitslage verbessern und effizienter auf Cyberangriffe reagieren.

KI-gesteuerte Bedrohungsintelligenz (englisch: Threat Intelligence):

Herkömmliche Plattformen für Gefahrenabwehr bieten wertvolle Einblicke in bekannte Bedrohungen und Schwachstellen, können aber oft nicht mit der sich schnell entwickelnden Bedrohungslandschaft Schritt halten. KI-gestützte Gefahrenabwehr-Lösungen nutzen maschinelle Lernalgorithmen, um riesige Datenmengen aus unterschiedlichen Quellen zu analysieren und neue Bedrohungen und Zero-Day-Schwachstellen in Echtzeit zu identifizieren. Durch die Nutzung von KI können Unternehmen proaktiv neue und unbekannte Bedrohungen erkennen und abwehren – noch bevor sie Schaden anrichten können.

Integration von KI mit DevSecOps:

KI-gestützte Plattformen für DevSecOps – die Abkürzung für Development (Entwicklung), Security (Sicherheit) und Operations (Betrieb) – ermöglichen es Entwicklern, Sicherheitsschwachstellen frühzeitig im Entwicklungsprozess zu erkennen und zu beheben. Dadurch verringert sich das Risiko von Gefahrenfällen und es wird die Sicherheit von Anwendungen und Infrastrukturen gewährleistet. Durch die Integration von KI mit DevSecOps-Praktiken können Unternehmen die Softwarebereitstellung beschleunigen und gleichzeitig eine starke Sicherheitslage aufrechterhalten.

Verhaltensbasierte Authentifizierung:

Herkömmliche Authentifizierungsmethoden wie Passwörter und biometrische Daten sind zunehmend anfällig für raffinierte Cyberangriffe wie Phishing und Credential Stuffing. Verhaltensbasierte Authentifizierungslösungen nutzen KI-Algorithmen zur Analyse von Benutzerverhaltensmustern und zur Erkennung von Anomalien. Durch kontinuierliches Monitoring und darauf basierenden Anpassungen können Unternehmen die Sicherheit ihrer Authentifizierungsmechanismen verbessern und den unbefugten Zugriff auf sensible Systeme und Daten verhindern.

Cybersicherheit und KI sind untrennbar miteinander verbunden. Einerseits nimmt die Komplexität der Cyberangriffe durch den Einsatz von KI zu, andererseits bieten die KI-Lösungen für Cybersicherheit dramatische Verbesserungen im Vergleich zu traditionellen Methoden, indem sie schneller auf Bedrohungen reagieren, präzisere Analysen liefern und die Automatisierung von Sicherheitsmaßnahmen ermöglichen.

Um das volle Potenzial der Vorteile bei der Nutzung von KI in der Cybersicherheit auszuschöpfen, müssen Unternehmen eine Reihe von Herausforderungen bewältigen, vor allem mangelnde Genauigkeit und Datenqualität sowie Mangel an Transparenz und Erklärbarkeit über den Entscheidungsfindungsprozess.

Hinzu kommen der Missbrauch von KI durch Cyberkriminelle für die Durchführung gezielter Angriffe sowie Risiken bei der Nutzung von LLMs wie GPT-3, wie die Generierung irreführender Informationen, potenzielle Verzerrungen in den Antworten und die Anfälligkeit für externe Angriffe.

Angesichts der rapiden Fortschritte im Bereich KI müssen Unternehmen ihre Cybersicherheitsstrategien anpassen: Laut einer Studie sagen 54% der Befragten, dass ohne den Einsatz von KI in der Cybersecurity Organisationen zukünftig keine Chance gegen Cyberangriffe haben. 33% der befragten Fach- und Führungskräfte beabsichtigen, ihre Cybersecurity-Strategie an KI anzupassen. Konkret sollten Unternehmen besonderen Wert auf die Datenqualität der LLMs legen und die Einhaltung von Datenschutzvorschriften wie der DSGVO gewährleisten. Zudem sollten sie einen ethischen Rahmen für KI in der Cybersicherheit definieren und die eingesetzten KI-Modelle regelmäßig testen und aktualisieren.

Für diese weitreichenden Anforderungen benötigen Unternehmen die Expertise spezialisierter Partner für KI und Cybersicherheit, um sich zukunftssicher am Markt zu positionieren. Vention steht mit umfassender Expertise in KI und Cybersicherheit bereit, Ihr Unternehmen zu unterstützen und gemeinsam maßgeschneiderte Sicherheitslösungen zu entwickeln.