IT-Prognosen 2018

Neue Herausforderungen bei IoT, Security und KI

| Autor / Redakteur: Leon Adato und Patrick Hubbard / Andreas Donner

Edge Computing und IoT, Security sowie KI und maschinelles Lernen werden 2018 im Fokus stehen.
Edge Computing und IoT, Security sowie KI und maschinelles Lernen werden 2018 im Fokus stehen. (Bild: © – Pixtum – iStock)

Im Jahr 2018 werden anspruchsvolle IoT-Anwendungen die Grenzen der Datenverarbeitung weiter verschieben und IT-Sicherheitsforscher verstärkt selbst ins Visier geraten. Außerdem wird man maschinellem Lernen und künstlicher Intelligenz mit weniger Skepsis begegnen.

Für IT-Experten werden die Herausforderungen auch im neuen Jahr nicht abnehmen. So werden sich Edge Computing und IoT weiterentwickeln, deren Wachstum aber durch das „Henne-Ei-Problem“ eingeschränkt. IT-Sicherheitsforscher laufen Gefahr, im Cyberkrieg zur neuen Zielscheibe zu werden. Außerdem werden zunehmend Fähigkeiten in den Bereichen KI und Automatisierung gefordert sein.

Edge Computing und IoT

Das Konzept, die Verarbeitung an den äußeren Rand des Netzwerks („Edge“) zu verlagern, existiert schon seit Langem. Heute gibt es allerdings Milliarden Geräte, die Daten erzeugen, und ebenso viele Benutzer, die sich von einem Moment auf den anderen miteinander verbinden können. Aus diesen beiden Entwicklungen heraus entsteht ein Bedarf an Verarbeitungs- und Netzwerktechnologie zwischen Geräten und dem Zentralsystem.

Dementsprechend stellt sich die Frage, ob Edge Computing im Jahr 2018 das Wachstum des IoT vorantreiben oder ob das IoT als Impulsgeber für das Edge fungieren wird. Es stimmt, dass Edge Computing erst produktiver werden muss, bevor Technologien wie erweiterte und virtuelle Realität Einzug in den Alltag halten, künstliche Intelligenz (KI) allgegenwärtig wird, selbstfahrende Fahrzeuge zum Standard werden und Netflix Hunderte Millionen Abonnements verzeichnen wird.

Es ist ganz eindeutig – Technologie ist überall. Daher ist zu erwarten, dass die Grenzen der Datenverarbeitung im Jahr 2018 noch weiter ausgeweitet werden, um die Anforderungen anspruchsvoller IoT-Anwendungen zu erfüllen. Edge wird die Fähigkeit entwickeln, lokal verarbeitete Umgebungsdaten zu ermöglichen und die Geschwindigkeit bereitzustellen, die für bandbreitenintensive Inhalte wie Video-Streaming erforderlich sind. Außerdem muss Edge die Möglichkeit bieten, Daten an ihrer Quelle zu priorisieren und zu analysieren sowie Entscheidungen in Echtzeit zu ermöglichen, z.B. solche, die für das autonome Fahren erforderlich sind.

Gleichzeitig kann es sein, dass die IoT-Branche nach jahrelangen Beschwerden von IT-Sicherheitsexperten (und einigen Beinahe-IoT-Katastrophen) im neuen Jahr endlich die Sicherheit dieser Geräte in den Mittelpunkt stellt und IoT-Systeme baut, die Unternehmen mit einem guten Gefühl implementieren. 2018 erleben wir möglicherweise eine Ausbreitung geschäftsrelevanter IoT-Geräte, die durch IoT-Verwaltungswerkzeuge wie die AWS-IoT-Plattform unterstützt und begünstigt werden.

Ob nun die Henne oder das Ei zuerst da war, ist völlig unerheblich. Dasselbe gilt auch für die verflochtene Beziehung zwischen Edge und IoT, denn weder das eine noch das andere kann ohne Weiteres als Hauptwachstumstreiber für verteilte Systeme identifiziert werden. Ist Direktheit wichtiger als Zentralisierung? Sind Kosten wichtiger als Flexibilität? Wenn man bedenkt, dass die führenden Vordenker der Branche das Aufkommen des Edges mit den Anfängen der Cloud vergleichen, kann dasselbe letztlich auch mit hoher Wahrscheinlichkeit vom Edge Computing behauptet werden. Mit der Entstehung neuer Technologien und Anwendungsfälle verändern sich auch die Funktionen. Umgekehrt tragen auch die Edge-Funktionen zur Entstehung neuer Technologien und Anwendungsfälle bei.

Security

Was macht Malware illegal? Es ist weder ihre Erstellung noch ihr Verkauf, sondern die Absicht, sie für kriminelle Zwecke zu verkaufen. Doch Absichten sind nur schwer nachzuweisen (und zu widerlegen), sodass Sicherheitsforscher mit guten Absichten allmählich in den Fokus von Untersuchungen geraten könnten.

Ein Beispiel: Cyberheld Marcus Hutchins alias MalwareTech, der die Verbreitung der Erpressersoftware WannaCry verhinderte. Er entschärfte den Angriff und versuchte anschließend, sich hinter seinem Alias zu verstecken. Aufgrund der hohen Aufmerksamkeit durch die Medien, die sein Hack erzeugte, bestand jedoch ein viel zu hohes Interesse an seiner Identität. Im August wurde Hutchins aufgrund eines anderen Vorfalls festgenommen. Ihm wurde vorgeworfen, Malware zum Eindringen in den Bankensektor entwickelt zu haben. Er besteht auf seiner Unschuld, und viele Mitglieder der Security Community sind der Ansicht, dass er fälschlicherweise angeklagt wurde.

Dies ist nur das jüngste Beispiel in einer Reihe von Fällen die unter den Computer Fraud and Abuse Act (CFAA) von 1986 fallen, der unbefugte bzw. über die Befugnis hinausgehende Zugriffe auf Computer verbietet. Theoretisch soll er Hacker kriminalisieren, in der Praxis findet jedoch keine Unterscheidung zwischen guten und bösen Hackern statt. Ein weiteres Beispiel: Mitarbeiter könnten zur Rechenschaft gezogen werden, wenn sie nach der Beendigung ihres Arbeitsverhältnisses auf einen Computer zugreifen, auch dann, wenn dies nur versehentlich geschieht. Die Liste der möglichen Straftaten ist unsagbar lang.

Dementsprechend kann die Tatsache, dass Sicherheitsforscher aufgrund der Natur ihrer Arbeit möglicherweise Opfer eines unklar formulierten Gesetzes werden, 2018 zur Debatte anstehen. Es besteht bereits ein Mangel an Sicherheitsexperten – tatsächlich hat eine vor Kurzem durchgeführte Cybersecurity-Umfrage herausgefunden, dass nur weniger als ein Viertel der Sicherheitsexperten über die Qualifikationen verfügen, die für die Sicherheit eines Unternehmens erforderlich sind –, obwohl diese aufgrund der stetigen Ausbreitung von Endpunkten und raffinierteren Cyberkriminellen dringender benötigt werden denn je. 2018 ist deshalb eine verstärkte Sensibilisierung zu diesem Thema und ein höherer Bedarf an robusten Sicherheitstools zu erwarten.

Künstliche Intelligenz

Die Integration von KI und Maschine-Learning-Funktionen wird weitgehend als zentraler Bestandteil für den Geschäftserfolg der kommenden Jahre betrachtet. Obwohl diese Technologie den Geschäftsführern bahnbrechende Möglichkeiten bietet, birgt die künstliche Intelligenz auch große Unsicherheit in Bezug auf die Auswirkungen auf die Arbeitsplätze – und zwar nicht nur in der IT, sondern für Fachleute in einer Vielzahl von Branchen.

Obwohl dies eine berechtigte Sorge ist – und eine, die von großen Anbietern wie Google, Microsoft und Amazon erzeugt wurde – ist davon auszugehen, dass 2018 die Automatisierungsangst abnehmen wird und dass immer mehr Unternehmen KI und Maschine Learning als einen Weg akzeptieren, um die vorhandenen menschlichen Ressourcen zu erweitern.

Tatsächlich ist es so, dass Angst, Unsicherheit und Zweifel in Bezug auf die Auswirkungen von KI und maschinellem Lernen dem ähneln, was Menschen immer bei neuen und schnell aufkommenden Technologien empfinden. In der Tat hat die Automatisierung in der Vergangenheit sogar mehr Arbeitsplätze geschaffen, indem Kosten und Zeitaufwand für kleinere Aufgaben verringert wurden und die Mitarbeiter die Arbeiten übernommen haben, die nicht automatisiert werden können und menschliche Arbeit erfordern.

Leon Adato.
Leon Adato. (Bild: SolarWinds)

Das Gleiche gilt für KI und maschinelles Lernen. Neue Tools (z.B. KI-fähige Sicherheitssoftware) und Funktionen (z.B. das Nutzen von Maschine Learning zur Fernerkennung von Wartungsbereichen in einer Ölpipeline) schaffen neue Grundlagen für Effizienz und Effektivität in allen Branchen und bieten Unternehmen die Möglichkeit, ihre Mitarbeiter für andere Arbeiten einzusetzen. Gleichzeitig erfordern viele neue Funktionen immer noch eine menschliche Aufsicht: Damit eine Maschine feststellen kann, ob etwas Prognostiziertes (predictive) vielleicht zum optimal Empfohlenen (prescriptive) werden könnte, ist menschliches Eingreifen erforderlich. So kann beispielsweise eine Maschine nur die Umgebungsvariablen berücksichtigen, die ihr gegeben wurden – sie kann sich nicht entscheiden, neue Variablen zu berücksichtigen. Das könnte nur ein Mensch tun.

Patrick Hubbard.
Patrick Hubbard. (Bild: SolarWinds)

Für IT-Profis bedeutet dies, dass sie ihre Fähigkeiten in den Bereichen KI und Automatisierung weiter ausbauen müssen, vor allem wenn es um das Programmieren geht. Zudem müssen sie über ein grundlegendes Verständnis der Algorithmen, die KI und Maschine Learning steuern, verfügen und angesichts der immer komplexer werdenden Cyberangriffe die Sicherheit stetig verbessern. Für Stakeholder in anderen Branchen wird es eine Herausforderung sein, den Mehrwert einer so breit aufgestellten Technologie wie KI oder Maschine Learning herauszuarbeiten und den ROI an Entscheidungsträger zu kommunizieren.

Über die Autoren

Leon Adato und Patrick Hubbard sind Head Geeks bei SolarWinds.

Kommentare werden geladen....

Kommentar zu diesem Artikel

Anonym mitdiskutieren oder einloggen Anmelden

Avatar
Zur Wahrung unserer Interessen speichern wir zusätzlich zu den o.g. Informationen die IP-Adresse. Dies dient ausschließlich dem Zweck, dass Sie als Urheber des Kommentars identifiziert werden können. Rechtliche Grundlage ist die Wahrung berechtigter Interessen gem. Art 6 Abs 1 lit. f) DSGVO.
  1. Avatar
    Avatar
    Bearbeitet von am
    Bearbeitet von am
    1. Avatar
      Avatar
      Bearbeitet von am
      Bearbeitet von am

Kommentare werden geladen....

Kommentar melden

Melden Sie diesen Kommentar, wenn dieser nicht den Richtlinien entspricht.

Kommentar Freigeben

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

Freigabe entfernen

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

copyright

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Infos finden Sie unter www.mycontentfactory.de (ID: 45060755 / Head Geeks Speech)