Über 75 % der Unternehmen geben an, bereits KI-bezogene Sicherheitsvorfälle erlebt zu haben, was eine kritische Lücke deutlich macht: Die Einführung von KI schreitet schneller voran, als Unternehmen sie absichern können. Commvault begegnet diesem Problem mit Funktionen zur KI-Resilienz, die den gesamten KI-Stack schützen – von Datenpipelines und Vektordatenbanken bis hin zu Modellen und Recheninfrastruktur – und dabei eine saubere Wiederherstellung, Anomalieerkennung und kontrollierte Datenaktivierung gewährleisten.

Warum ist KI-Resilienz gerade jetzt so wichtig?

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

Laut dem McKinsey-Bericht „The State of AI: Global Survey 2025“ geben 88 % der Unternehmen an, KI regelmäßig in mindestens einem Geschäftsbereich einzusetzen. In ähnlicher Weise prognostiziert die Boston Consulting Group, dass der Markt für KI-Agenten in den nächsten fünf Jahren mit einer durchschnittlichen jährlichen Wachstumsrate (CAGR) von 45 % wachsen wird.

Doch dieses Wachstum offenbart eine kritische Lücke. 74 % der Unternehmen haben nach wie vor Schwierigkeiten, in großem Maßstab einen Mehrwert zu erzielen, und 74 % nennen Datenschutz und Datensicherheit als ihr größtes Anliegen. Diese Zahlen verdeutlichen eine erhebliche Diskrepanz. Der Einsatz 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- und Cloud-Umgebungen angewiesen. Ohne Ausfallsicherheit lassen sich diese Systeme nur schwer schützen, ihre Wiederherstellung gestaltet sich schwieriger und es ist riskant, ihnen zu vertrauen.

Darüber hinaus bringt eine rasche Einführung von KI ohne angemessene Schutzmaßnahmen komplexe Risiken und Abhängigkeiten mit sich. Diese reichen von Datenvergiftung und adversarialen Eingaben bis hin zu Laufzeitangriffen und kompromittierten Modellen. Diese Bedrohungen können Daten beschädigen, den Betrieb stören und geistiges Eigentum gefährden. Tatsächlich zeigt der „IO State of Information Security Report 2025“, dass 26 % der befragten Unternehmen bereits mit Angriffen durch KI-Datenvergiftung 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 über den Datenzugriff und die 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 von Natur aus komplex und verteilt. Sie umfassen Datenpipelines, Vektordatenbanken, einheitliche Datenplattformen, Modelle und Recheninfrastrukturen in Hybrid- und Cloud-Umgebungen.

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 wie der 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 Modellergebnisse auswirken und zu ungenauen Vorhersagen, Verzerrungen oder Betriebsausfällen führen.

Die „Clean Recovery“-Funktion bewältigt diese Herausforderung, indem sie die Daten vor der Wiederherstellung überprüft. Die KI-gestützte „Synthetic Recovery“-Funktion analysiert mehrere Backup-Versionen, um einen zuverlässigen Wiederherstellungspunkt zu erstellen. Dadurch wird die Abhängigkeit von einem einzelnen Snapshot verringert und die aktuellste Version erstellt.

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 des Schwerpunkts von einer schnellen 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 plattformübergreifend 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 Benutzererlebnis und stärken letztlich die Widerstandsfähigkeit.

Tools wie „Arlie“ von Commvault ermöglichen es Anwendern, mithilfe von Befehlen in natürlicher Sprache und geführten Arbeitsabläufen mit ihrem übergeordneten Ökosystem zu interagieren. Im Wesentlichen können Anwender damit Probleme beheben, Aufträge analysieren und Erkenntnisse effizienter gewinnen.

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

Darüber hinaus sorgen hinter den Kulissen Funktionen auf Basis des maschinellen Lernens für eine deutlich bessere Benutzererfahrung. Zu den wichtigsten Vorteilen zählen:

• Eine intelligente Auftragsplanung 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, birgt jedoch ohne angemessene Steuerung 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 erweitert 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 zunehmend 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 Resilienz 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.