Über 75 % der Unternehmen report experiencing AI-related security breaches, highlighting a critical gap: AI adoption is accelerating faster than enterprises can secure it. Commvault addresses this through AI resilience capabilities that protect the full AI stack — from data pipelines and vector databases to models and compute infrastructure — with clean recovery, anomaly detection, and governed data activation.

Warum ist die Widerstandsfähigkeit von KI gerade jetzt so wichtig?

Die Einführung von KI schreitet weltweit immer schneller voran, und Unternehmen nutzen ihre Möglichkeiten, um beeindruckende Ergebnisse zu erzielen.

von Commvault und Tech Research Asia hat kritische Lücken bei den Maßnahmen zur Cyber-Recovery in Unternehmen im gesamten asiatisch-pazifischen Raum aufgezeigt.McKinsey’s The State of AI: Global Survey 2025, 88 % der Unternehmen geben an, KI regelmäßig in mindestens einem Geschäftsbereich einzusetzen. EbensoBoston Consulting Groupprognostiziert, dass der Markt für KI-Agenten in den nächsten fünf Jahren mit einer durchschnittlichen jährlichen Wachstumsrate (CAGR) von 45 % wachsen wird.

Dieses Wachstum offenbart jedoch eine entscheidende Lücke.74 Prozent der Unternehmen haben nach wie vor Schwierigkeiten, in großem Maßstab Mehrwert zu schaffen, und 74 % nennen Datenschutz und Sicherheit als ihr größtes Anliegen. Diese Zahlen verdeutlichen eine erhebliche Diskrepanz. Die Einführung von KI ist einfach, doch ihr zuverlässiger Betrieb ist schwierig.

Das Grundproblem ist struktureller Natur. KI-Systeme sind auf verteilte Datenpipelines, Modelle und Rechenebenen in Hybrid- undcloud angewiesen. Ohne Ausfallsicherheit lassen sich diese Systeme nur schwer schützen, ihre Wiederherstellung gestaltet sich schwieriger und es ist riskant, ihnen zu vertrauen.

What’s more, rapid AI adoption without proper guardrails introduces complex risks and dependencies. This can range from data poisoning and adversarial prompts to runtime attacks and compromised models. These threats can corrupt data, disrupt operations, and expose intellectual property. In fact, theIO-Bericht zum Stand der Informationssicherheit 2025zeigt, dass 26 % der befragten Unternehmen mit Angriffen durch „AI Data Poisoning“ konfrontiert waren.

Da KI bei der Entscheidungsfindung eine immer zentralere Rolle spielt, sind Fehler nicht mehr nur vereinzelte technische Probleme. Sie wirken sich unmittelbar auf die Geschäftsergebnisse, die Einhaltung von Vorschriften und das Vertrauen der Kunden aus.

Was versteht man unter KI-Resilienz für moderne Unternehmen?

KI-Resilienz ist die Fähigkeit, KI-Systeme durchgängig zu schützen, wiederherzustellen und zu verwalten und dabei die betriebliche Effizienz in großem Maßstab aufrechtzuerhalten. Sie geht über den herkömmlichen Datenschutz hinaus und deckt den gesamten Lebenszyklus von KI-Workloads ab.

Sie wird durch vier Kernelemente definiert:

• Umfassender Schutz über Pipelines, Vektordatenbanken, Modelle und die Infrastruktur hinweg.
• Eine saubere und geprüfte Wiederherstellung, die zu zuverlässigen Ergebnissen beiträgt.
• Steuerung und Kontrolle des Datenzugriffs und der Datennutzung.
• Verbesserung der Benutzererfahrung durch Automatisierung und intelligente KI-Assistenten.

Zusammen bilden diese Elemente eine robuste KI-Grundlage, die sowohl Innovation als auch Vertrauen fördert. Dies geht über herkömmliche Ansätze hinaus und trägt dazu bei, Systeme zu gewährleisten, die nicht nur funktionsfähig, sondern auch vertrauenswürdig sind.

Wie können Unternehmen den gesamten KI-Stack schützen?

KI-Workloads sind naturgemäß komplex und verteilt. Sie umfassen Datenpipelines, Vektordatenbanken, einheitliche Datenplattformen, Modelle und Recheninfrastrukturen in Hybrid- undcloud .

Herkömmliche Schutzkonzepte berücksichtigen nicht den gesamten Kontext von KI-Systemen. Wichtige Komponenten wie Trainingsdatensätze, Metadaten, Konfigurationen und Abhängigkeiten werden oft außer Acht gelassen, wodurch die Wiederherstellung unvollständig bleibt.

Moderne Ausfallsicherheit erfordert einen anwendungsorientierten Schutz, der den vollständigen Kontext von KI-Workloads bewahrt. Dazu gehört die Unterstützung einer Vielzahl unterschiedlicher Plattformen und Systeme:

• Einheitliche Daten- und KI-Plattformen (z. B. Databricks, Amazon Redshift, Google BigQuery)
• Data-Lake-Speicher und verteilte Dateisysteme (z. B. Amazon S3, Apache Iceberg, FSx, Azure Data Lake, Lustre)
• Such- und Vektor-Retrieval-Systeme (z. B. Apache Solr, Elasticsearch, Amazon DocumentDB, Azure Cosmos DB, Google Cloud, Pinecone)
• Compute- und DevOps-Infrastruktur (z. B. Amazon EC2 Trn2 UltraServers, Azure DevOps, GitHub, GitLab)

Darüber hinaus zeigen Funktionen wieder Air-Gap-Schutz für Iceberg, wie sich die Sicherheitsmaßnahmen weiterentwickeln, um KI-native Datenstrukturen zu schützen. Diese Ansätze tragen dazu bei, dass KI-Systeme über verschiedene Umgebungen hinweg wiederherstellbar, konform und konsistent bleiben.

In der Praxis ist dies für Anwendungsfälle wie die Betrugserkennung im Finanzdienstleistungssektor von entscheidender Bedeutung, wo sowohl die Modelle als auch die ihnen zugrunde liegenden Daten geschützt werden müssen, um die Genauigkeit zu gewährleisten und die Einhaltung gesetzlicher Vorschriften sicherzustellen.

Warum ist eine saubere Wiederherstellung für die Cyber-Resilienz wichtig?

Die Wiederherstellung in KI-Umgebungen birgt besondere Risiken. Die Wiederherstellung kompromittierter oder beschädigter Daten kann sich direkt auf die Modellausgaben auswirken und zu ungenauen Vorhersagen, Verzerrungen oder Betriebsausfällen führen.

„Clean Recovery“ bewältigt diese Herausforderung, indem die Daten vor der Wiederherstellung überprüft werden. KI-fähigCommvault integriert diese Funktionen zur Erkennung von Bedrohungen in seine zum Patent angemeldeteanalysiert mehrere Sicherungsversionen, um einen zuverlässigen Recovery-Point zu erstellen, wodurch die Abhängigkeit von einem einzelnen Snapshot verringert und die aktuellste Version erstellt wird.

Die Erkennung fortgeschrittener Bedrohungen trägt dazu bei, diesen Prozess weiter zu optimieren, indem sie verschiedene Signale miteinander verknüpft, darunter die Erkennung von Anomalien, Entropieanalysen, Malware-Scans sowie Informationen aus EDR- (Endpoint Detection and Response) und XDR- (Extended Detection and Response) Plattformen. Auf diese Weise lässt sich sicherstellen, dass die Wiederherstellungspunkte sowohl aktuell als auch sicher sind.

Weitere Funktionen erstrecken sich auf die Datentransparenz und -verwaltung, darunter:

• KI-gestützte Datenermittlung
• Klassifizierung sensibler Daten
• Dynamische Maskierung und Zugriffskontrollen

Das Ergebnis ist eine Verlagerung vom Schwerpunkt auf eine schnelle Wiederherstellung hin zu einer sauberen und zuverlässigen Wiederherstellung. In KI-gestützten Umgebungen ist diese Unterscheidung von entscheidender Bedeutung, da die Datenintegrität direkten Einfluss auf das Vertrauen und die Ergebnisse hat.

Wie trägt KI zur Verbesserung der Benutzererfahrung und des Datenschutzes bei?

Mit der zunehmenden Größe von KI-Umgebungen steigt auch die Komplexität des Betriebs. Teams müssen verteilte Systeme verwalten, auf Bedrohungen reagieren und die Wiederherstellbarkeit über mehrere Plattformen hinweg gewährleisten. All dies geschieht unter hohem Zeitdruck, was zu zusätzlichem Stress führt.

In diesem Umfeld gewinnen KI-gestützte Abläufe zunehmend an Bedeutung. Solche Lösungen vereinfachen komplexe Abläufe, verbessern das Nutzererlebnis und stärken letztlich die Widerstandsfähigkeit.

Tools like Commvault’s Arlie allow users to interact with their larger ecosystem using natural language prompts and guided workflows. Users can essentially troubleshoot issues, analyze jobs, and generate insights more efficiently.

Die dialogorientierte KI über den MCP-Server erweitert das Nutzererlebnis über die Benutzeroberfläche hinaus. Dadurch können Administratoren Cloud sichere generative KI-Assistenten wie Claude oder ChatGPT Enterprise mit Commvault Cloud interagieren.

Furthermore, machine learning–enabled capabilities thrive behind the scenes, opening up the doors to much greater user experiences. Some prominent benefits include:

• Eine intelligente Jobplanung trägt zur Optimierung des Zeitpunkts der Datensicherung bei.
• Mithilfe von Prognosen lassen sich Speicheranforderungen vorausschauend einschätzen.
• Automatisierung trägt dazu bei, manuelle Eingriffe zu reduzieren.

Ein „AI-first“-Ansatz in Bezug auf Benutzererfahrung und Datenschutz, der darauf ausgerichtet ist, die Interaktion der Nutzer mit komplexen Systemen zu verbessern, ist sowohl pragmatisch als auch proaktiv. Angesichts der kontinuierlichen Weiterentwicklung von KI-Agenten wird dieser Ansatz eine entscheidende Rolle dabei spielen, Unternehmen dabei zu unterstützen, ihre Abläufe effektiv zu skalieren.

Wie können Unternehmen ihre KI-Fähigkeiten verantwortungsbewusst ausbauen?

Die Weiterentwicklung der KI hängt vom Zugang zu Daten ab, doch ohne angemessene Steuerung birgt sie erhebliche Risiken. Die Offenlegung sensibler Daten, Verstöße gegen Compliance-Vorschriften und mangelnde Transparenz können das Vertrauen in KI-Systeme untergraben.

Regulierte Umgebungen wie diese erweisen sich als ideale Lösung für diese Herausforderung. Data Activate dient als Arbeitsbereich, in dem Backup-Daten kuratiert und auf Analyse- und KI-Plattformen ausgeweitet werden können.

In diesen Umgebungen kommen Zero-Trust-Prinzipien zum Einsatz, darunter Verschlüsselung, Unveränderlichkeit und rollenbasierte Zugriffskontrollen. Dadurch können Unternehmen den Wert historischer Daten erschließen und vertrauenswürdige Daten für Innovationen im Bereich der künstlichen Intelligenz bereitstellen.

Eine verantwortungsvolle KI erfordert zudem übergeordnete Grundsätze wie Transparenz, Rechenschaftspflicht und menschliche Kontrolle. KI-Systeme sollten die Entscheidungsfindung unterstützen und nicht unkontrolliert agieren.

Durch die Kombination von Governance und sicherem Datenzugriff können Unternehmen KI-Lösungen sicher skalieren und dabei das Vertrauen der Nutzer wahren sowie die Einhaltung gesetzlicher Vorschriften gewährleisten.

Fazit: Wie geht es weiter mit der Resilienz der KI?

Da künstliche Intelligenz immer mehr zu einem wesentlichen Bestandteil moderner Innovationen wird, sind Unternehmen unermüdlich auf der Suche nach dem nächsten Schritt.

Die logische Zukunft der KI-Resilienz liegt in der agentenbasierten Automatisierung, bei der intelligente KI-Agenten bei komplexen, systemübergreifenden Vorgängen Unterstützung leisten. Diese Agenten können Daten analysieren, Maßnahmen empfehlen und dabei helfen, Wiederherstellungsprozesse zu steuern.

Dieses Modell basiert auf dialogorientierten Schnittstellen und einheitlichen Plattformen, die Kontrollmöglichkeiten und Transparenz bieten. KI-Agenten ergänzen menschliches Fachwissen, indem sie sich um sich wiederholende Aufgaben kümmern und umsetzbare Erkenntnisse liefern.

Diese Entwicklung muss jedoch unter Kontrolle bleiben. Richtlinienorientierte KI-Lösungen tragen dazu bei, sicherzustellen, dass Maßnahmen geregelt, nachvollziehbar und mit den Unternehmensrichtlinien im Einklang stehen.

Der aktuelle KI-Boom verdeutlicht das unglaubliche Potenzial der KI, zeigt aber auch globale Defizite auf. Die Mehrheit der Unternehmen sieht sich weiterhin mit KI-bezogenen Sicherheitsbedrohungen konfrontiert und schafft es nicht, echten Mehrwert und Skalierbarkeit zu erzielen.

Der Weg in die Zukunft ist klar. Da der Einsatz von KI weiter zunimmt, müssen sich auch die Strategien zur Widerstandsfähigkeit entsprechend weiterentwickeln. Unternehmen, die diesen Ansatz verfolgen, werden besser in der Lage sein, anpassungsfähige, proaktive Systeme aufzubauen, die in Echtzeit auf neue Herausforderungen reagieren können.