Was können Manager heute tun, um von den Entwicklungen im Bereich Artificial Intelligence zu profitieren? Die Ausgangsvoraussetzungen für einen Start sind günstig. KI-Systeme sind soweit entwickelt, dass sie mit überschaubarem Aufwand und zu vertretbaren Kosten genutzt werden können, und die Entwicklung ist noch nicht soweit fortgeschritten, dass jedes Anwendungsfeld mit KI besetzt wäre. Wer jetzt startet, gehört zwar nicht mehr zu den Pionieren, muss aber auch nicht mehr alle Kinderkrankheiten der Technologie bewältigen und hat immer noch gute Chancen, in einem Anwendungsfeld bahnbrechende Lösungen auf den Markt zu bringen. Diese sieben Initiativen können heute helfen, das Geschäft von morgen aufzubauen.

1. Raum für Experimente schaffen

In der Regel findet die Nutzung von KI über Webservices und nicht über lokal installierte Systeme statt. Das hat viele Vorteile: vernachlässigbare Investitionskosten, kein Aufwand für Systempflege, kein Eingriff in die interne IT. Auf dieser Basis kann jedes Unternehmen damit beginnen, eigene Experimente mit KI zu starten. Am besten ist es, ein kleines Team aufzusetzen. Daraus können langfristig interne Servicebereiche entstehen, die für Fachabteilungen den Einsatz von KI mit kleinen Anwendungen testen und bei positivem Ausgang der Experimente den Weg zur Produktivlösung bahnen.

2. Routinetätigkeiten identifizieren und KI testen

Routinetätigkeiten sind oft ungeliebt und viele tragen noch nicht einmal zu Wertschöpfung bei. Sie durch KI-Routinen zu ersetzen, ist ein immenser Effizienzgewinn. Diese Entwicklung läuft im Bereich der Produktionsautomatisierung bereits seit Jahren. KI bietet aber noch weitaus mehr Möglichkeiten, nämlich die Entlastung von Routinetätigkeiten im hochqualifizierten Bereich, die bisher oftmals gar nicht als automatisierbar angesehen wurden, zum Beispiel die die Beantwortung von Kundenanfragen, die Auswertung von Gesetzestexten, Begutachtung Bildgebenden Diagnoseverfahren etc. Die Kunst besteht darin, erst einmal zu identifizieren, welche Tätigkeiten für diesen Sprung geeignet sind. Eine gute Zusammenarbeit des KI-Experimentierteams mit den Fachabteilungen kann zu schnellen und oft erstaunlichen Lösungen führen. Das vernichtet keine Arbeitsplätze und wertet die Rolle des Menschen deutlich auf: vom Abarbeiter zum Experten und Kreativen.

3. Softwareentwicklung auf KI umstellen

Für gestandene Entwickler mag es brutal klingen, aber der Weg ist klar: Systementwicklung auf Basis von Algorithmen wird in Zukunft eher die Ausnahme sein. In den meisten Fällen wird es besser sein, ein KI-System aufzusetzen und via Maschinellem Lernen zu trainieren. Das geht erheblich schneller, kostet weniger, liefert – zumindest, wenn ausreichend Trainingsdatensätze in guter Qualität vorliegen –bessere Ergebnisse und passt sich leichter künftigen Entwicklungen an. Es ist der nächste Schritt von agiler hin zu evidenzbasierter Entwicklung.

4. Trainings-, Bewertungs- und Entscheidungskompetenz aufbauen

Der Vorteil von KI ist, große und komplexe Datenmengen sehr schnell zu analysieren, Muster zu erkennen und Ähnlichkeiten zu finden. Im Allgemeinen geht ein drastischer Reduktionsprozess der Analyse voraus, der im ungünstigsten Fall zu Fehleinschätzungen durch KI führt. Das kann dramatische Konsequenzen haben, wie die Unfälle mit Tesla-Autopiloten gezeigt haben. Daher sollte sich jedes Unternehmen ein Regelwerk geben, in dem folgende Punkte festgelegt werden

– Anwendungs- und Ausschlussszenarien für KI

– Qualitätskriterien für Training und Trainingsdaten für KI-Anwendungen

– Differenzierung, in welchen Fällen KI welche Tätigkeiten übernimmt: nur Analyse; Analyse und Bewertung; Analyse, Bewertung und Entscheidung; Analyse, Bewertung, Entscheidung und Handlung

Daneben sollte es Qualifikationsangebote für den Einsatz und den Umgang mit KI geben, nicht nur für operative Mitarbeiter, sondern gerade auch für Manager bis zur Unternehmensspitze. Nur, wer versteht, was KI leisten kann und welche Begrenzungen und Fehlermöglichkeiten existieren, kann sie konsequent zum Vorteil des Unternehmens einsetzen.

5. Das Geschäftsmodell auf Chancen für prädiktive Ansätze prüfen

KI schafft die Grundlage Ereignisse vorauszusagen und darauf vorbeugend oder zumindest frühzeitig zu reagieren. Predictive Maintenance ist das zurzeit am meisten diskutierte Konzept. Darüber hinaus gibt es viele weiter Ansatzpunkte, wie Erkennen von und Reagieren auf Markttrends, Produktionsüberwachung und vieles mehr. Es ist spannend, das eigene Geschäftsmodell dahingehend zu überprüfen, inwieweit Analytik und Vorausschau einen eigenen Wertbeitrag leisten können. Manchmal gibt es Daten, die vorhanden sind, die aufbereitet als eigener Service verkauft werden können. Manchmal sind die Verfahren vorhanden, die Daten aber nicht oder nicht ausreichend. Dann können Datenpartnerschaften helfen.

6. Neue Geschäftsmodelle entwickeln

KI bietet eine unüberschaubare Möglichkeit, ganz neue Geschäftsmodelle zu entwickeln. Dort wo sie in das Geschäftsmodellportfolio eines Unternehmens passen, lohnt es sich, sie auszuprobieren. Das ist mit überschaubarem Aufwand möglich. Hier ein paar Anregungen. Die Liste kann beliebig fortgesetzt werden

– Persönliche Assistenten für bestimmte Aufgaben
Alexa, Siri und Co sind erst die Vorläufer. Es wird in den nächsten Jahren eine ganze Reihe neuer Assistenten mit sehr unterschiedlichem Fertigkeitenspektrum geben.

– Cyber Behaviour Design
Wie humanoid darf oder muss ein System sein? Je mehr Menschen mit intelligenten Maschinen interagieren, desto wichtiger ist es, dass das Verhalten der Maschinen designt wird. Schnelligkeit und Perfektion von KI-Systemen schreckt oftmals ab. Sie müssen lernen, sich menschenähnlicher zu verhalten. Auf der anderen Seite ist zu menschliches Verhalten auch nicht immer sinnvoll. Es kann Angst machen. Um das zu designen, wird es Spezialisten geben.

– Data Trust Center / Data Broker
Eigene Daten zu analysieren ist gut. Viele Daten aus vielen Quellen zu analysieren bringt erheblich mehr Vorteile, wie zum Beispiel Vernetztes Maschinelles Lernen. Die Bereitschaft Daten zu teilen ist jedoch – aus gutem Grund – begrenzt. Sie ist aber gerade in Feldern wie der Gesundheitsversorgung erfolgsentscheidend. Gelingen können Austausch und Zusammenarbeit auf Datenbasis nur, wenn sich Data Trust Center und Data Broker mit sehr hohem Vertrauensniveau etablieren, die Zugänge, Anonymisierungsgrade und die Verwendung von Daten kontrollieren.

– Anbieter Intelligenter Autonomer Systeme
Der Markt ist noch längst nicht gesättigt. Wer heute einen Service im Bereich Komplexe (Prädiktive) Analytik, Cognitive Computing, Affective Computing, Entscheidungsunterstützung, personalisiert Nutzererlebnisse oder ähnlichem entwickelt, der Anwendern einen echten Nutzen liefert, wird gute Marktchancen vorfinden. Es kann ein Markt mit ähnlicher Dynamik wie der der mobilen Apps entstehen.

7. Kontinuierlich messen

Alle genannten Punkte sind Experimente, die evaluiert werden müssen. Schnelle Zyklen von Experimenten, Auswertungen und Anpassungen der Idee sollten zum Standard im Unternehmen werden, wo es darum geht, KI zu testen. Die Aufgabe, Resultate kontinuierlich zu überprüfen, kann dem Experimentier-Team unter Punkt 1 übertragen werden.

Grenzen und Herausforderungen: Intransparenz und mangelndes Vertrauen

Natürlich ist die Entwicklung noch nicht abgeschlossen und es sind noch viele Hürden zu nehmen und Hindernisse zu beseitigen, bis KI in jedem Anwendungsfall reibungslos funktioniert. Zwei aktuelle Herausforderungen, die nicht technischer Natur sind, aber über das Gelingen von KI entscheiden, möchte ich besonders herausstellen.

Das ist erstens die Intransparenz Künstlicher Intelligenz. Es ist eine Standardszene in vielen Krimis. Die geniale Ermittlerin überführt den Täter und legt noch einmal feingliedrig dar, wie es ihr durch geschickte Kombination der einzelnen Indizien, durch Profiling und Schlussfolgerungen gelungen ist, ihn zu überführen. Das kann KI nicht. Derzeit funktioniert sie als Black Box. Sie wird mit Daten trainiert und liefert anschließend Ergebnisse, die oftmals erstaunlich sind. Sie kann aber nichts dazu sagen, wie und warum sie zu den Ergebnissen gekommen ist. Nachvollziehbarkeit kann KI heutzutage nicht bieten. Je strategischer KI eingesetzt wird, desto größer ist jedoch die Notwendigkeit, Entscheidungen oder Entscheidungsempfehlungen begründen zu können. Hier ist Nacharbeit der KI-Entwickler gefordert.

Der zweite kritische Faktor ist mangelndes Vertrauen. Die letzten Datenskandale haben das Vertrauen in Datenverarbeitung und insbesondere Datensammler und -verarbeiter weiter untergraben. Es werden sicher nicht die letzten Skandale gewesen sein. Dabei ist nicht nur ein Vertrauen von Bürgern und Kunden in datenverarbeitende Unternehmen wichtig, sondern auch ein Grundvertrauensverhältnis zwischen Unternehmen, um Daten teilen und gemeinsam nutzen zu können. Daran müssen Unternehmen selbst arbeiten und Maßnahmen entwickeln, die sie zu vertrauenswürdigen Geschäftspartnern machen. Auch eine Professionalisierung und Externalisierung der Vertrauensfunktion wie oben im Geschäftsmodellbeispiel „Data Trust Center / Data Broker“ dargestellt, kann dabei helfen.

Fazit

Die Zukunft wird durch Künstliche Intelligenz geprägt sein und sie hat gerade erst angefangen. KI zu nutzen ist keine Hexerei und kostet kein Vermögen mehr. Es ist Zeit, mit Experimenten zu starten, schnell zu lernen und mit dem Trend zu wachsen.

Die Situation wird sich rasch ändern und unser Leben und Wirtschaften grundsätzlich verändern. Angeblich wird bereits 2029 das Jahr sein, in dem eine künstliche Intelligenz existiert, die schlauer sein wird als jeder Mensch. Elf Jahre, das ist wirklich nicht mehr viel Zeit. Wir sollten uns vorbereiten.

In dieser Situtation hat sich Strategie- und Innovationsberater Uwe Weinreich eine besondere Aufgabe gesetzt. Er will lernen, wie KI-Systeme entwickelt werden und was sie tatsächlich können. Nicht auf hochabstrakter Beraterebene, sondern aus dem Blickwinkel von Entwicklern. Das bedeutet, sich noch einmal von der Pike auf mit Mathematik, Programmiersprachen etc. auseinanderzusetzen und selbst kleine Anwendungen zu programmieren. Möglich wird das durch einen freien Online-Kurs von Microsoft.

Diesen sehr bodenständigen und für Berater untypischen Weg dokumentiert er in einem Block mit dem Titel "KI und ich" ( https://lean-digitization.com/… ) und lässt damit die Öffentlichkeit bei seinen Gehversuchen, Stolpern und ggf. seinem Scheitern zusehen. Ein Erkenntnisgewinn wird es auf jeden Fall.

1. “Everything as a Service” macht neue Wettbewerber stark

Amazon ist nicht nur der dominierende Online-Marktplatz, sondern das Unternehmen hat es auch verstanden, IT in ein skalierbares und leistungsstarkes Cloud-Produkt zu verwandeln, die Amazon Web Services (AWS). Innerhalb weniger Stunden können Start-ups für wenig Geld komplexe digitale Leistungen zusammenklicken, für die große Unternehmen noch vor nicht allzu langer Zeit jahrelange Entwicklungsarbeit brauchten. Dieses Erfolgsprinzip verlässt die reine Informationstechnologie und erobert die Welt der realen Dinge. Dort, wo Produktion und Logistik digital gesteuert werden, ist eine Manufacturing-Cloud, aus der nach Bedarf Produkte und Leistungen bezogen werden können, nur noch eine Frage des Geschäftsmodells. So hat das Berliner Unternehmen Kreatize beispielweise eine Plattform für Bauteile und Prototypen etabliert. Zurzeit müssen dort noch Angebote eingeholt werden, wenn es aber gelingt, Geschäftsprozesse und Angebotsverhandlungen als digitale Prozesse zu implementieren, ist es nur noch ein Schritt, zur Beauftragung in Echtzeit. Die dafür notwendigen Technologien sind in Hannover bereits sichtbar.

Dieser Trend konsequent zu Ende gedacht führt zu einer autonomen Produktion inklusive Beschaffung und Logistik, die sich kontinuierlich selbst optimiert. Über entsprechende Plattformen wird es möglich sein, eine eigene Produktion aufzubauen ohne eine Fabrik oder Fertigungsstraße finanzieren, aufbauen und warten zu müssen. Alles was gebraucht wird, Rohmaterialien, Produktionsanlagen, Transporte zwischen den verschiedenen Standorten und Lagerstätten, kann virtuell gesteuert werden und wird von den beteiligten Cloud-Manufacturing-Partnern nach Aufwand sekundengenau abgerechnet. Das öffnet branchenfremden Unternehmen und Start-ups die Türen, um ohne nennenswerte Investition in bestehende und neue Märkte mit ungeahnter Geschwindigkeit, Vehemenz und Respektlosigkeit einzudringen, wie es im Internet-Business bereits Alltag ist.

2. Kollaborationsmanagement wird zur Königsdisziplin

In einer derart vernetzten Welt gewinnen Unternehmen, denen es gelingt, die eigene Wertschöpfung optimal und kostengünstig zu gestalten. Das, was auf der Hannover Messe derzeit überwiegend zu bestaunen ist, ist fortgeschrittene Robotik. Roboter werden intelligenter und verträglicher, so dass sie besser mit menschlichen Kolleginnen und Kollegen zusammenarbeiten können (siehe Messe Forum „Automation“). Das wirkt sich bisher aber nur auf die innerbetrieblichen Prozesse aus. Deutliche Steigerungen von Effizienz und Wertschöpfung werden in den nächsten Jahren zusätzlich aus verbesserter Kollaboration von Unternehmen innerhalb eines Wertschöpfungs-Ökosystems entstehen. Das ist durchaus nicht schmerzfrei, denn es bedeutet, dass Unternehmen sich digital öffnen müssen. Da menschliche Verhandlungen zu langsam verlaufen, werden Schnittstellenroutinen viele Aufgaben des Aushandelns und Abstimmens übernehmen. APIs werden damit zum in Programmcode gegossene Kollaborationsmodell. Das ist ein Risiko und eine Chance zugleich. Und der Gedanke führt sicherlich bei vielen Managern zu Unbehagen, denn Kontrolle wird aus der Hand gegeben. Das fällt leichter, wenn ein solcher Schritt in einem Ökosystem zusammenarbeitender Unternehmen stattfindet, in dem ein grundsätzliches Vertrauensverhältnis besteht. Das Management von kollaborativen Beziehungen wird damit zu einer Kernkompetenz des Managements.

3. Experimentelles Unternehmertum wird zur Strategie

Nie wieder wird Geschwindigkeit von Veränderungen so langsam sein, wie heute. Vernetzung, Globalisierung und datengetriebenes Management führen in eine Welt, in der sich Bedingungen, Wettbewerb und Chancen noch schneller und dynamischer verändern. Der chinesische Marktplatz Alibaba zeigt, wie das Geschäftsmodell in Echtzeit optimiert wird. Kontinuierliches Messen Analysieren vielfältiger Daten liefern die Grundlage für automatische Modifikationen von Angeboten. Autonome, datengetriebene Entscheidungsprozesse treiben das Wachstum an. Es reicht Alibaba jedoch nicht, Entscheidungen auf historischen und eher zufällig gewonnenen Daten basieren zu lassen, sondern um eine valide Basis zu haben, werden automatisiert jeden Tag mehrere Tausend Experimente durchgeführt, die die Qualität der Datenbasis auf ein wissenschaftliches Niveau heben. Das sorgt nicht nur dafür, dass durch künstliche Intelligenz getroffene Entscheidungen datenbasiert sind, sondern auf den richtigen Daten basierend.

In den letzten Jahren haben Autoren wie Michael Schrage, Steve Blank und Eric Ries diesen Ansatz zu einer Managementdisziplin (Lean Startup) entwickelt und es sind eine ganze Reihe Werkzeuge entstanden, die dabei helfen, Experimente strategisch in der Unternehmensentwicklung einsetzen zu können. (LINK EXBOARD). Datengetriebene Unternehmen und Innovation können damit eine fruchtbare Allianz eingehen.

4. Wertschöpfung („Value Creation“) erhält eine neue Dimension

Wert für ein Unternehmen zu generieren, gehört zum grundlegenden Handwerkszeug des Managements. Seit den Neunzigerjahren hat sich die Erkenntnis immer weiter verbreitet, dass die Wertschöpfung nicht nur für das Unternehmen, sondern vom Kunden aus gedacht werden muss. Wirklich realisiert ist dieser Ansatz aber längst noch nicht überall. Neuen Auftrieb hat er in den letzten Jahren insbesondere durch den Innovationsdruck in vielen Branchen erfahren. Kunden sind treulos geworden und wechseln schnell zu Anbietern, die ihnen einen Wertvorteil bieten. Damit gelangt Kundenorientierung nicht mehr nur als interne Strategie, sondern als konstituierende Marktanforderung in Unternehmen ein. Kontinuierlich Innovationssprünge zu kreieren und Wertvorteile für Kunden zu schaffen, wird unverzichtbar.

In diesem Umfeld finden nicht nur bewährte Managementmodelle, wie das Lean Management eine neue Begründung, sondern neue Methoden des Innovationsmanagements, wie das bereits benannte Lean Startup oder Design Thinking. Letzteres hat sich mittlerweile zu einem Standardverfahren für Innovation gerade in der digitalen Transformation entwickelt.

Da sich nur managen lässt, was auch gemessen werden kann, ist es unumgänglich, auch über Daten und Analysen eine erweiterte Perspektive der Wertschöpfung kontinuierlich zu gewinnen. Wertgenerierung für Kunden spielt dabei genauso eine Rolle, wie unerschlossene Wertschöpfungspotenziale im Wertschöpfungsökosystem.

5. Entscheidungsalgorithmen erfordern neue Managementkompetenzen

Es ist einfach, über diese Entwicklungen zu sprechen, aber außerordentlich schwer, sie in der Managementpraxis zu berücksichtigen. Manager werden sich von Dingen lösen müssen, die bisher so viel Sicherheit gegeben haben: Verhandlungen und Abstimmungen werden automatisiert und an Algorithmen, künstliche Intelligenz und APIs delegiert. Die Steuerung von Produktion, Leistungserbringung, ja ganzen Wertschöpfungsketten werden von automatisierten Systemen übernommen. Controlling muss sich mit automatisiert erhobenen und analysierten Daten auseinandersetzen und tritt bei datengetriebenen Organisationen in eine nachgeordnete Rolle. Bei Innovationen verlassen Firmen immer mehr die kontrollierten F&E-Prozesse und geben sich agilen Methoden hin.

Behält das Management überhaupt noch eine gestaltende und steuernde Funktion? Wird vielleicht alle Strategie durch Daten und agile Trial-and-Error Prozesse abgelöst? Nein, Management wird sich verändern, aber nicht obsolet werden. Verständnis für Daten und Analyse wird künftig zum Basis-Handwerkszeug gehören. Kollaborationsmanagement erhält einen neuen Stellenwert und neue Managergenerationen werden eine Virtuosität im Umgang mit Unsicherheit und Dynamik entwickeln müssen. Statt linearer Planung wird das Jonglieren mit Experimenten und Lernprozessen immer wichtiger. Fehler und Scheitern stellen dabei auch nur Daten dar, die es zu analysieren gilt, wie andere auch. Die ersten Tools all diese Aufgaben sind bereits entwickelt. Weitere werden folgen.

Es braucht Mut. Es ist wie im Sport. Wer Ski- oder Snowboardfahren, Skaten oder Surfen lernt, wird es nie zu einem befriedigenden Ergebnis, geschweige denn zur Spitze schaffen, wenn alle Muskeln aus Angst verkrampft bleiben.

Industrie 4.0 mag viele neue positive Möglichkeiten für Unternehmen bieten. Bei den dazugehörigen Kostenberechnungen fehlt aber oft der Bereich der Absicherung ganz oder ist grundlegend falsch berechnet. Die Gefahr, dass ganze Teile der Industrie 4.0 ausfallen können oder manipuliert werden, lässt sich auch nur schwer beziffern. Die technischen Geräte in diesem Sektor sind jedoch oft nicht vorbereitet auf die Angriffe, denen sie ausgesetzt sind und es wird vermutlich noch lange dauern bis es sich ändert. Bis dahin wird viel Lehrgeld bezahlt werden.

Woran liegt das?

Wir erleben viel zu oft, dass bei der Entwicklung der Geräte lediglich die Funktionalität im Vordergrund steht und IT-Sicherheit, wenn überhaupt, dann nur rudimentär umgesetzt wird. Die Hersteller der Geräte haben unserer Erfahrung nach selten eine Eigenmotivation sich um die Sicherheit zu kümmern. Meistens sichern sie ihre Produkte nur ab, wenn man ihnen konkret sagt was unsicher ist. Diese Lücken können durch Penetrationstests wie wir sie durchführen, bei den Kunden aufgespürt werden, oder weil gutmütige Hacker es dem Hersteller mitteilen. Die Hersteller selber zahlen aber selten dafür pro-aktiv ihre Produkte zu testen. Oft versuchen sie nur Stempel und Zertifikate zu bekommen, ohne wirklich testen zu lassen. Teilweise schließen sie ihre Lücken nicht mal dann, wenn sie die Information dafür kostenlos erhalten. Das Risiko bleibt also immer auf Kundenseite, die dafür in mehrfacher Hinsicht zahlen müssen und den Schaden haben.

Viele Menschen haben noch das Bild eines Hackers im Kopf, der jung, männlich und bleichgesichtig nachts mit einer Pizza vor dem Rechner sitzt und aus Spaß, aber im Grunde gutmütig, in fremde Computer eindringt…

Ich persönlich werde auch oft misstrauisch angeschaut, weil mein Aussehen nicht zum Klischee eines Hackers passt. Wer aber nach diesen Kriterien Kompetenz auswählt, hat grundlegend nicht verstanden worum es geht. Klassische Merkmale wie Aussehen, Diplom, Zertifizierung etc. sind sehr selten ein Zeichen für Kompetenz bei Hackern. Es sind oft viel mehr autistische Merkmale oder besondere Veranlagungen, die für große Fähigkeiten in diesem Bereich sorgen. Eine Faustregel gibt es nicht, aber oft passen diese Merkmale schlecht in Unternehmen.

Wissen über Schwachstellen zu verkaufen, ist für Hacker überaus lukrativ

Daneben gibt es auch noch das Bild der gut organisierten Agenten der NSA oder des Chinesischen Ministeriums für Staatssicherheit. Mittlerweile ist Cyberkriminalität daneben aber zu einer großen und sehr professionellen Industrie angewachsen.

Wissen über Schwachstellen ist überaus lukrativ, wenn man es an Geheimdienste oder Kriminelle verkauft. Ebenso Viren- und Trojaner oder ähnliche Angriffswerkzeuge. Deren Budgets sind um ein vielfaches grösser als bei den Herstellern der Produkte oder den Kunden, die es anwenden. Eine öffentliche Diskussion darüber findet nur vereinzelt statt, aber die Frage ist ob Geheimdienste das Wissen über Lücken haben (und nutzen dürfen) ohne es bekannt zu geben, obgleich die eigene Bevölkerung und Wirtschaft ebenfalls der Gefahr dieser Lücken ausgesetzt ist. Denn nur wenn Kenntnis über eine Lücke vorliegt, gibt es eine Chance sie zu schließen. Diverse Leaks aber zeigen, dass Geheimdienste oft Lücken über Jahre hinweg kennen, aber die betroffenen Hersteller nicht darüber informieren. Damit setzten sie die eigene Bevölkerung und Wirtschaft ebenfalls der Gefahr aus. Genau das war auch das Einfallstor für die kürzlich weltweit eingesetzte Ransomware WannaCry.

Wie haben Unternehmen da überhaupt noch eine Chance, sich zu verteidigen?

Unternehmen verlassen sich zu oft auf den staatlichen Schutz und vermeiden es, das Thema selber zu lösen. Anders macht es Google seit einiger Zeit, die mit Ihrem Project Zero Team eine überaus begabte Gruppe Mitarbeiter hat, die gnadenlos nach Schwachstellen in bekannten Produkten suchen und aufdecken. Die Vielzahl der Veröffentlichungen dieses Teams lässt ahnen, wie löchrig unsere IT ist.

Der Präsident des Bundesamtes für Verfassungsschutz, Hans-Georg Maaßen schätzt, dass der deutschen Wirtschaft jährlich ca. 50 Milliarden Euro Schaden durch Cyberattacken zugefügt werden [Tagesspiegel vom 28.04.]. Aufgrund dieser Zahl und Ihrer Aussagen wird deutlich, dass Cybersicherheit keine Aufgabe der IT allein sein kann. Was muss auf Top-Management-Ebene getan werden, um Unternehmen zu schützen?

Kurz gesagt ist es hilfreich wenn ein CEO,die Unternehmensleitung und -aufsicht deutlich mehr Know-how in dem Bereich aufbauen. Es werden so viele Fehlentscheidungen getroffen, weil das Fachwissen für die richtige Einschätzung fehlt. Auch das Delegieren funktioniert in dem Bereich eher schlecht, weil bereits das Wissen über die Auswahl der richtigen Personen und Berater fehlt.

Darüber hinaus wäre es hilfreich die Firmenkultur zu ändern. Viele Mitarbeiter haben schlichtweg Angst, Schwachstellen im Unternehmen offen anzusprechen, weil sie selber dadurch Nachteile bekommen würden. Daher bleiben Schwachstellen und Lücken oft unter der Wahrnehmung der Unternehmensleitung, bis sie eskalieren. Und dann ist der Schaden oft um ein Vielfaches höher, als ein Beheben vorher gekostet hätte.

Die Unternehmenskultur unterstützt Hacker und macht Mitarbeiter zu Komplizen

Eine Kultur des Schweigens verschärft also Risko in Unternehmen?

Ja. Und erstaunlicher Weise spielen Hacker und Mitarbeiter hier gegenseitig in die Hand. Beide haben oft dieselbe Motivation, einen Angriff möglichst unbemerkt zu lassen. Daher hat es jahrelang funktioniert: Die IT-Sicherheitsverantwortlichen haben ihren Chefs glaubhaft gemacht, dass "alles sicher ist" und die Hacker, die in diese Firmen "eingebrochen sind", haben versucht unentdeckt zu bleiben – beides erschreckend erfolgreich. Das hat sich neuerdings aber geändert, seit Verschlüsselungstrojaner wie WannaCry öffentlich nach Lösegeld fordern. Dies ist neu bei den Kriminellen, denn sie kommen aus der Deckung heraus und zeigen häufiger ganz offen, wo sie überall aktiv sind. Es ist für viele Firmen beängstigend zu sehen, dass sie selber davon betroffen sind. Aber neu ist es nicht, es ist nur sichtbar geworden und sollte als Chance genutzt werden, die Sicherheit zu verbessern.

Es ist eine Entscheidung des Top-Managements, wie verwundbar das Unternehmen ist

Wie kann das geschehen?

Es gibt eine Vielzahl von Möglichkeiten. Ein Problem in Unternehmen ist beispielsweise die strikte Hierarchie-Ordnung und das anstandslose Befolgen von Anweisungen. Kritisches Hinterfragen oder selbstständiges Denken von Mitarbeitern wird nur teilweise zugelassen und oft sanktioniert – obgleich es im Bereich IT-Sicherheit hilfreich wäre. Denn das nutzen kriminelle Hacker aus und verwenden es für sogenanntes CEO-Fraud. Dabei geben sich die Kriminellen als Boss der Firma aus und weisen Mitarbeiter an, ihnen Geld zu überweisen oder vertrauliche Informationen zu verraten. Das funktioniert vor allem bei großen Firmen erstaunlich gut und die Summen, die sie zahlen bzw. verlieren sind sehr groß. Wenn Unternehmen es schaffen, den Mitarbeitern Freiheiten zu geben ungewöhnliches zu Hinterfragen, verbessern sie automatisch ihre Sicherheit damit.

So gibt es eine Vielzahl von Möglichkeiten, die Unternehmen nutzen können, um sich vor Angriffen zu schützen. Neben einer Vielzahl von rein technischen Möglichkeiten natürlich.

Eine letzte Frage, Herr Porada: Wenn nun trotz aller Vorsicht ein Cyberangriff auf ein Unternehmen stattfindet, welche Erstmaßnahmen sollte ein Unternehmen dann sofort ergreifen, um den Schaden in Grenzen zu halten?

Das kommt auf den Angriff und das Unternehmen an. Eine pauschale Lösung gibt es da nicht, aber Unternehmen und potentielle Opfer können im Vorfeld Krisenszenarien durchspielen, um sich darauf vorzubereiten. Ebenfalls hilfreich ist auch, technische Sensoren zu nutzen, um Angriffe frühzeitig überhaupt zu erkennen. Oft ist es möglich die Vorbereitung eines Angriffs bereits zu erkennen, wenn denn die Bereiche überhaupt überwacht werden. Kaum jemand nutzt allerdings Log-Files oder Angriffs Erkennungswerkzeuge im vollen Umfang. Auch eine umfangreiche Analyse des Firmeninternen Netzwerkverkehrs kann Vieles aufdecken. Wir machen das für einige unserer Kunden mit grossem Erfolg und nützlichen Ergebnissen. Viele scheuen sich jedoch vor dem Aufwand und würden am liebsten einfach weitermachen wie bisher.

In dem Fall kann ich nur raten, wenn sie Cyberkriminalität nicht selbst im Unterehmen aktiv bekämpfen wollen, gehen Sie in die Kirche und beten Sie.

Das Interview führte Uwe Weinreich
 
Gunnar Porada

ist Gründer und geschäftsführender Gesellschafter der innoSec GmbH in der Zentralschweiz. Seit über 20 Jahren ist er der IT-Security Branche aktiv und hat dabei unterschiedliche Positionen als Berater und Produkt Manager besetzt. Er und sein Team agieren unter anderem für ihre Kunden als sogenannte „White Hat Hacker“. Das heißt, sie versuchen im Auftrag von Kunden in deren Systeme einzudringen und decken dabei Schwachstellen auf. Bekannt wurde er vor allem durch seine spektakulären Vorträge zum Thema „Live-Hacking“ und Berichterstattungen in internationalen Medien. So berichtete beispielsweise das ZDF über Angriffsmöglichkeiten auf den elektronischen Reisepass, die Porada aufzeigte und über Sicherheitsbedenken von Porada zum neuen deutschen Personalausweis (nPA).

www.innoSec.eu

Pressefotos: nnosec.eu/temp/porada.zip

Wie kommt es dazu und was muss geschehen, um die auf Ingenieurkunst basierende Stärke der deutschen Wirtschaft bei der digitalen Transformation auszubauen und nicht zu schwächen?

Neue Innovationsmethoden verbreiten sich – nicht ohne Konsequenzen

Die Ausgangslage ist stabil. Obwohl vor zwei Jahren noch viele selbsternannte Propheten mit dem Szenario drohten, dass Deutschland komplett den Anschluss an die Digitalisierung verschläft, haben Unternehmen mittlerweile gezeigt, dass das Gegenteil der Fall ist. Die deutsche Industrie setzt erneut Standards. Dabei werden immer mehr Innovations- und Entwicklungsmethoden integriert, die aus dem Silicon Valley stammen, z.B. das sich rasant verbreitende Design Thinking. Vor fünf Jahren war dieser nutzerzentrierte Ansatz noch ein Kuriosum. Heute hat er sich zum Quasistandard für Digitalisierungsprojekte entwickelt.

Das hat Konsequenzen, die sich aus der Arbeitsweise der Methode ergeben. Ausgehend von intensiven Beobachtungen und Interviews mit Nutzerinnen und Nutzern, werden Ideen generiert, die passgenau Bedürfnisse bedienen, für die Kunden bisher keine oder keine ausreichenden Angebote fanden. Darauf aufbauend werden in der Entwicklung in wenigen Stunden bis Tagen einfache Prototypen mit Materialien erstellt, die sich in jedem Kindergarten finden. Das Ziel ist, sehr schnell Prototypentests mit Kunden durchzuführen und daraus zu lernen. So lässt sich frühzeitig eine Passung zwischen Produkt und potenziellen Kunden entwickeln, die die Wahrscheinlichkeit des Markterfolges deutlich steigert.

Dieser Prozess unterscheidet sich signifikant vom klassischen ingenieurwissenschaftliche Weg. Noch schwerer wiegt aber, dass das Verfahren oftmals von Personen umgesetzt wird, die aus einem ganz anderen Hintergrund stammen, wie z.B. Kulturwissenschaften oder Mediendesign. Es entstehen dann häufig hübsch anzusehende Prototypen, auf die Kunden positiv reagieren. Das technische Potenzial wird aber bei Weitem nicht ausgereizt. Ein Ingenieur eines Maschinenbauers fasste das bei der Vorstellung eines Prototypen folgendermaßen in Worte: "Keine Frage, die jungen Leute haben da eine interessante Lösung entwickelt. Man sieht ihr aber sofort an, dass die keine Ahnung haben, was eigentlich heutzutage technisch möglich und was notwendig ist. Damit werden wir keinen Blumentopf gewinnen."

Lösungswege sind: Neues lernen, einmischen, konzentriert kooperieren und eine neue Unternehmenskultur

Die Lösung kann nur eine Synthese sein. Design Thinking und verwandte Methoden besitzen unbestreitbar ein enormes Potenzial, um Innovation schnell und kundenzentriert voranzutreiben. Den Status einer Industrienation, die weltweit technologische Standards an der Spitze des Machbaren liefert, werden wir ausschließlich mit agilen Methoden und Pappmodellen nicht verteidigen können. Dafür brauchen wir Spitzentechnologie. Die Lösung kann also nicht in einem Ersatz ingenieurwissenschaftlichen Vorgehens durch neue Methoden liegen, sondern nur in einem möglichst fruchtbaren Zusammenspiel. Dafür gibt es verschiedene Wege:

Ingenieurinnen und Ingenieure in agile Vorgehensweisen einbinden: Langfristig wird es immer wichtiger und alltäglicher werden, dass auch Ingenieure Methoden wie Design Thinking beherrschen oder zumindest in Teams eingebunden sind, die damit Innovation vorantreiben. Nicht immer ist es aber möglich, dass Ingenieurinnen und Ingenieure so viel Zeit für Prototypen und Kundentests aufbringen. Dann sind neue Kooperationsformen gefragt.

Konzentrierte Kooperation von Ingenieuren und Design Thinkern in Technologie-Obeyas: Wenn eine kontinuierliche Zusammenarbeit nicht möglich ist, ist es umso wichtiger, Technologieverstand, regelmäßig punktuell einzubinden. Ein gutes Verfahren dafür ist ein Obeya (japanisch für "großer Raum"). Hinter diesem Begriff steht ein schon lang bekanntes Vorgehen aus dem Toyota Innovationssystem. Dabei werden in einem großen Raum alle verfügbaren Erkenntnisse, Prototypen und Entwicklungsstände aller Beteiligten, also sowohl der nutzerzentriert arbeitenden Design Thinker als auch der technologisch fundierten Ingenieure, zusammengetragen. In einem moderierten Prozess wird gegenseitiges Verständnis für die Entwicklungsstände hergestellt und es wird gemeinsam der Weg für die weitere Entwicklung festgelegt.

Langfristig verändern Unternehmen sich unter dem Einfluss dieser Vorgehensweisen in einer positiven Art und Weise. Es wird normaler, abteilungsübergreifend zu arbeiten und die Kompetenzen anderer Disziplinen zu achten und zu nutzen. Das sollte von Führungskräften aktiv unterstützt werden. Die Ingenieurkunst wird gestärkt und nutzerorientierter, indem sie sich mit der Welt außerhalb der reinen Technologie auseinandersetzt. Unternehmen, die diesen Weg gehen, werden auch zukünftig in Technologiemärkten erfolgreich sein.

Uwe Weinreich, Autor und Berater aus Berlin, vermittelt als Keynote-Speaker, was etablierte Unternehmen von Start-ups lernen können, um schneller, effizienter und sicherer den Weg in die digitale Wirtschaft schaffen. „Immer noch verschwenden etablierte Unternehmen Geld und Zeit. Nur wenige haben bereits agile Methoden eingeführt“, erklärt der Lean-Digitization-Experte und fügt an: „Das muss nicht so bleiben. Die agilen Methoden können schnell erlernt und angewendet werden. Gerade dann, wenn Unternehmen bereits mit Lean Management arbeiten.“

1. Wie werden Sie mit digitalen Lösungen die Effizienz erhöhen?

Gerade in Deutschland tritt das Konzept "Industrie 4.0" mit dem Versprechen an, Effizienz zu potenzieren. CEOs sollten Stakeholdern gegenüber deutlich machen, dass sie Möglichkeiten digitaler Fertigungsautomatisierung, Robotik und Prozessoptimierungen intensiv prüfen, signifikante Investments in Digitalisierung aber nur dann stattfinden, wenn ein positiver ROI so gut wie sicher ist. (…)

2. Welche neuen Märkte, Kunden und Geschäftsmodelle werden Sie erschließen?

Erfolgreiche Digitale Transformation bleibt nicht auf die Produktion beschränkt, sondern entwickelt im besten Falle Geschäftsmodellen, die neue Märkte schaffen und Kunden ganz anders ansprechen als existierende Lösungen. (…)

3. Welchen zusätzlichen Unternehmenswert werden Sie durch Digitalisierung schaffen?

Früher war zählten Vermögenswerte und Discounted Cash Flow. Bei neuen, digitalen Geschäftsmodellen, wie z.B. Plattformen, steht der geringe Vermögenswert in keiner Beziehung mehr zu den teilweise erwirtschafteten Milliardenumsetzen. Auch ein DCF ist nur begrenzt aussagefähig. (…)

4. Ist Ihr digitales Geschäftsmodell skalierbar?

An digitale Lösungen und Geschäftsmodelle von etablierten Unternehmen wird mittlerweile der Anspruch gestellt, dass sie skalierbar sein müssen. Im besten Falle bedeutet das, dass mit nur minimalem Mehraufwand die Reichweite und der Umsatz des Unternehmens deutlich gesteigert werden kann. (…)

5. Wie werden Sie die Geschwindigkeit von Innovationen und deren Umsetzung erhöhen?

Agile Managementmethoden bilden die Grundlage dafür, dass Unternehmen eine Innovationsmaschinerie entwickeln, die kontinuierlich neue und kundenzentrierte Lösungen generiert und testet. Nicht "10% Geschwindigkeitsgewinn" ist das Ziel, sondern "Geschwindigkeitsgewinn mit Faktor 10". (…)

6. Mit welchem Risikomanagement gewährleisten Sie Sicherheit?

Investoren werden an erster Stelle finanzielle Risiken absichern wollen. Doch das sind nicht die einzigen Risiken in digitalen Unternehmen. Sicherheit (Safety und Security) von Systemen, Produkten und Leistungen sowie der Schutz sensibler Daten (Privacy) sind essentiell. (…)

7. Wie hoch ist die Wahrscheinlichkeit, dass Sie Ihre Ziele erreichen?

Eine hohe Erfolgswahrscheinlichkeit erreichen Innovationsprojekte und Digitale Transformation, wenn sie als agile Prozesse iterativ aufgebaut werden, so dass nach jedem Schritt immer präzisere Daten darüber vorliegen, wie die Entwicklung ein Erfolg werden kann. Erfolg ist dann kein schwer abschätzbares Ergebnis, sondern Kriterium und Steuergröße während des Entwicklungsprozesses. (…)

Agile Managementmethoden ergänzen klassische Vorgehensweisen und helfen verantwortlichen Managerinnen und Managern nicht nur sprechfähig zu bleiben, sondern die Aufgaben auch erfolgreich zu meistern. Das Buch "Lean Digitization – Digitale Transformation durch agiles Management" aus dem Springer-Verlag liefert die notwendigen Hintergründe und Werkzeuge.

CoObeya bietet punktuelle Workshops zur Qualifizierung sowie ein strukturiertes Programm in "4 Sprints" zur Begleitung von Unternehmen auf dem Weg zur Digitalisierung.

Lesen Sie den vollständigen Beitrag hier