Interview mit Extreme Networks-CTO Markus Nispel Wettrüsten in Maschinen­ge­schwin­dig­keit

Die Phase der unverbildlichen KI-Experimente ist vorbei: Auf dem Extreme Networks AI Summit verdeutlicht Markus Nispel, wie autonome Agenten das Netzwerkmanagement grundlegend verändern. Im Interview erklärt der CTO, wieso Private AI am Edge zum entscheidenden Erfolgsfaktor für Unternehmen wird.

Markus Nispel ist Head of the Office of the CTO beim Netzwerkausrüster Extreme Networks. In dieser Funktion bewertet er globale Technologietrends und treibt strategische Zukunftsfelder wie autonome Netzwerke, Künstliche Intelligenz und Private AI voran. Auf dem AI Summit von Extreme Networks in Amsterdam sprach er mit IP Insider über das drohende Wettrüsten in Maschinengeschwindigkeit zwischen Angreifern und Abwehrsystemen. Er legt dar, weshalb Unternehmen eine präzise abgestufte Autonomie benötigen und warum der echte Mehrwert der Technologie nicht in AGI-Utopien liegt, sondern in der strikten Kontrolle der eigenen Daten via Edge-Inferenz.

IP Insider: Was sind die bestimmenden Themen des Extreme Network AI-Summit Amsterdam und warum sind sie für Anwender wichtig?

Markus Nispel: Die KI tritt in eine neue Phase ein, die für Unternehmen neue Chancen und Herausforderungen mit sich bringt. Auf dem Extreme AI Summit in Amsterdam befassen wir uns unter anderem damit, wohin sich die KI als Nächstes entwickelt. Ein zentraler Aspekt dabei ist der Wandel hin zu autonomen Abläufen. Dabei unterstützt die KI nicht mehr nur Menschen bei der Entscheidungsfindung, sondern ergreift in ihrem Namen auch Maßnahmen. Dies eröffnet die Möglichkeit, Prozesse schneller, skalierbarer und effizienter zu gestalten, macht aber auch Governance, Kontrollen und Nachvollziehbarkeit immer wichtiger.

Ein weiteres Kernthema ist die Frage, wie Unternehmen KI von einem Experiment in einen echten Wettbewerbsvorteil verwandeln. Der Fokus verlagert sich dabei von Pilotprojekten und einzelnen Anwendungsfällen hin zur Einbettung von KI in den täglichen Geschäfts- und IT-Betrieb. Dort kann KI messbare Ergebnisse liefern. Das bedeutet, Menschen, Prozesse und Technologie zusammenzubringen und sicherzustellen, dass KI echte geschäftliche Probleme löst, statt lediglich eine weitere Technologieebene hinzuzufügen.

Wir befassen uns außerdem damit, was erforderlich ist, um die Grundlage für den großflächigen Einsatz von KI zu schaffen. Neben KI-Kompetenzen für die gesamte Belegschaft und geeigneten Prozessen benötigen Unternehmen auch belastbare Daten, den erforderlichen Kontext, eine leistungsfähige Infrastruktur sowie Governance und Kontrollmechanismen. Zudem wird das Netzwerk zunehmend zu einem zentralen Bestandteil dieser Grundlage. Da KI-Workloads wachsen und KI-Agenten immer mehr Aufgaben übernehmen, muss das Netzwerk die erforderliche Leistung, Transparenz, Sicherheit und Ausfallsicherheit bieten, damit alles vernetzt bleibt, zuverlässig läuft und skalierbar ist.

In dieser Diskussion spielt Vertrauen eine große Rolle. Da KI nicht mehr nur Empfehlungen ausspricht, sondern zunehmend selbst Maßnahmen ergreift, müssen Unternehmen wissen, was sie tut, warum sie es tut und wer dafür verantwortlich ist. Das bedeutet, von Anfang an die richtigen Sicherheitsvorkehrungen und Nachvollziehbarkeitsmechanismen zu etablieren.

Letztendlich besteht der größte Wandel darin, KI nicht mehr als Technologie, sondern als Betriebsmodell zu betrachten. Die Frage der Kunden geht mittlerweile über „Sollten wir KI einführen?“ hinaus und lautet nun: „Wie bauen wir eine Organisation auf, die KI sicher, verantwortungsbewusst und in großem Maßstab nutzen kann?“ Das ist eines der zentralen Themen, die wir auf dem Summit diskutieren möchten.

Re-Architecting der Data Pipeline für Agentic AI

IP Insider: Sie haben auf früheren Branchenkongressen betont, dass Extreme Networks die gesamte Datenpipeline von Grund auf neu strukturieren musste, um KI effektiv mit Daten von Millionen Netzwerkgeräten und Endpunkten zu versorgen. Scheitert der eigentliche Hype um KI-Agenten an der harten Realität, wenn die zugrundeliegende Dateninfrastruktur im Unternehmen veraltet ist?

Nispel: Bis zu einem gewissen Grad, ja. Es gibt viele Gründe, warum KI-Pilotprojekte nicht in den produktiven Einsatz gelangen. Nicht alle hängen mit der Technologie selbst zusammen. Eine der zentralen technischen Herausforderungen besteht jedoch darin, sicherzustellen, dass KI-Agenten Unternehmensdaten und fachgebietsspezifische Daten richtig verstehen. Ebenso wichtig ist, dass sie diese Daten im richtigen Kontext verwenden. Das ist besonders relevant, wenn KI Entscheidungen mit weitreichenden Folgen und hohen Risiken unterstützt, bei denen Genauigkeit besonders wichtig ist.

Explainability & Trust in autonomen Netzen

IP Insider: Beim Einsatz von Agentic AI und Plattformen wie Platform One setzen Sie auf Transparenz beim Reasoning der Agenten und das „Human-in-the-Loop“-Prinzip. Besteht bei zunehmender Automatisierung nicht die Gefahr, dass die Einholung menschlicher Freigaben wieder genau die Geschwindigkeit bremst, die man sich von KI in der Netzsicherheit erhofft?

Nispel: Ja. Wenn jede Aktion eine menschliche Freigabe erfordert, begrenzt das den Nutzen agentischer KI. Dadurch verlangsamen sich genau die Reaktionszeiten, die KI eigentlich verbessern soll. Die Lösung besteht darin, die Rolle des Menschen im Prozess neu zu gestalten. KI sollte routinemäßige Maßnahmen zur Behebung von Problemen mit geringem Risiko autonom ausführen können. Menschen überwachen diese Prozesse innerhalb klar definierter Leitplanken und Richtlinien und greifen nur bei Ausnahmen ein.

Nicht jede Aktion erfordert dasselbe Maß an Kontrolle. Die Behebung eines routinemäßigen WLAN-Problems kann beispielsweise automatisch erfolgen. Eine Netzwerkänderung mit weitreichenden Auswirkungen muss dagegen anders behandelt werden. Solche Änderungen können weiterhin menschlichen Freigabeprozessen nach dem Human-in-the-Loop-Prinzip unterliegen. In manchen Fällen ist auch ein Vier-Augen-Prinzip erforderlich, um die internen Prozesse und regulatorischen Anforderungen eines Unternehmens einzuhalten.

Eine Freigabe allein stellt jedoch noch keine klare Verantwortlichkeit sicher. Unternehmen müssen wissen, was ein Agent getan hat, warum er es getan hat, welche Informationen seiner Entscheidung zugrunde lagen, welche Richtlinie die Aktion erlaubte und wer sie freigegeben hat. KI-Ergebnisse lesen, verstehen und überprüfen zu können, wird zu einer zunehmend wichtigen menschlichen Kompetenz und Verantwortung. Das Ziel ist letztlich eine klar begrenzte Autonomie: KI handelt innerhalb festgelegter Grenzen mit der Geschwindigkeit automatisierter Systeme. Menschen geben die Ziele vor und übernehmen Governance und die erforderliche Abwägung.

Vom Verkaufs-Push zum echten Einsatz

IP Insider: Ihr Appell an die Branche lautet derzeit klar, KI nicht nur theoretisch zu diskutieren, sondern konkret im Alltag und Business zu erfahren. Welchem KI-Anwendungsfall im modernen Networking attestieren Sie aktuell das größte Potenzial?

Nispel: Wir sehen bereits einen konkreten Nutzen agentischer KI in Bereichen wie dem proaktiven Netzwerkbetrieb, der Ursachenanalyse und der Reaktion auf Vorfälle. In diesen Anwendungsfällen kann KI große Datenmengen zusammenführen, Muster erkennen und Teams dabei unterstützen, wesentlich schneller zu reagieren.

Auch bei Aufgaben, die nicht täglich anfallen, gibt es erhebliches Potenzial, beispielsweise bei Compliance-Analysen, Planung und Prognosen. Hier kann KI Teams Zugang zu Erkenntnissen und Fähigkeiten verschaffen, die sie nicht regelmäßig benötigen oder für die ihnen tiefgehendes Fachwissen fehlt. Auf diese Weise wird KI in den betrieblichen Alltag integriert.

Vollständige Autonomie im gesamten Netzwerkbetrieb halte ich hingegen weiterhin für ein längerfristiges Ziel. Die Möglichkeiten wecken hohe Erwartungen. Wir werden dieses Ziel aber schrittweise erreichen und dabei auf den Anwendungsfällen aufbauen, die bereits heute einen konkreten Nutzen liefern.

IP Insider: Sie bezeichnen Cybersecurity im Netzbetrieb mittlerweile als „Mission-Critical“-Voraussetzung für Konnektivität. Wenn sowohl Angreifer als auch Netzwerk-Defender auf KI-Agenten setzen: Wandelt sich das Netzwerk-Management von einer IT-Disziplin zu einem autonomen KI-Wettrüsten im Millisekundenbereich?

Nispel: Sicherheit muss von Anfang an integriert sein. Dabei war ein mehrschichtiger Ansatz schon immer entscheidend. Daran ändert auch KI nichts. Mit zunehmender Autonomie von KI-Agenten muss Sicherheit bereits in der Architektur verankert sein. Abwehrmaßnahmen, Reaktionsprozesse und Technologien müssen mit der Geschwindigkeit Schritt halten, mit der KI-Agenten handeln können.

Das beginnt mit wirksamen Kontrollmechanismen und klaren Grenzen. Jeder Agent sollte eine eigene Identität und rollenbasierte Zugriffsrechte erhalten. Der Zugriff auf Daten und Werkzeuge muss dem Prinzip der minimalen Berechtigungen folgen, sodass der Agent ausschließlich auf die Ressourcen zugreifen kann, die er tatsächlich benötigt. Die Segmentierung von Workloads, Datenquellen und Akteuren im Netzwerk ist ein weiterer bewährter Ansatz, der mit der stärkeren Einbindung von KI in den Netzwerkbetrieb noch wichtiger wird.

Auch die Transparenz ist entscheidend. Unternehmen benötigen einen klaren Einblick in die Aktivitäten von KI-Agenten, ihre Entscheidungen und die Risiken, die sie verursachen. So können sie eingreifen, bevor sich Probleme verschärfen. Autonome KI erfordert letztlich Sicherheit, die mit derselben Geschwindigkeit handeln kann. Wenn Angreifer mithilfe von KI mit Maschinengeschwindigkeit vorgehen, benötigen Verteidiger die nötige Transparenz, Kontrollmechanismen und automatisierten Reaktionsmöglichkeiten, um Schritt zu halten.

Moonshots vs. Nützlichkeit: Die Frustration um AGI

IP Insider: Sie erwähnten, dass Sie die Debatte um Künstliche Allgemeine Intelligenz (AGI) eher frustriert, weil sie vom handfesten Werkzeugcharakter der KI ablenkt. Hat sich dieser Fokussierungsfehler in den Führungsetagen der Unternehmen im letzten Jahr gebessert, oder jagen Entscheider noch immer dem „Moonshot“ hinterher?

Nispel: Ich persönlich halte AGI noch für ein recht weit entferntes Ziel. Zudem bin ich nicht überzeugt, dass uns der heutige Ansatz mit großen Sprachmodellen allein dorthin führen wird. Wichtiger ist aber: Für die Anwendungsfälle, auf die wir uns heute konzentrieren, benötigen wir keine AGI.

Ein großer Teil des Nutzens liegt in den Frameworks und Mechanismen rund um den Einsatz von KI-Agenten sowie darin, wie gut KI Unternehmensdaten und deren Kontext versteht und verarbeitet. Um relevante Ergebnisse zu erzielen, benötigen wir deshalb nicht zwangsläufig die neuesten und leistungsfähigsten Modelle. Ich denke, das gilt für viele der praktischen KI-Anwendungsfälle, die unsere Kunden umsetzen möchten.

IP Insider: Als Head of the Office of the CTO filtern Sie täglich neue Modewörter heraus. Welcher technologische Trend hat es in den letzten Monaten geschafft, Ihren persönlichen Filter zu passieren und vom potenziellen Hype zu einer echten Priorität für die Roadmap von Extreme Networks zu werden?

Nispel: Private KI für Unternehmen gewinnt eindeutig an Bedeutung. Je stärker Unternehmen KI in ihre Abläufe integrieren, desto mehr Kontrolle wünschen sie sich über ihre Daten, Governance und Sicherheit. Damit wird zunehmend wichtig, wo KI ausgeführt wird.

Ich sehe Edge-Inferenz, also die Verarbeitung von KI direkt dort, wo Daten entstehen, als die nächste Entwicklungswelle im Bereich KI und Daten. Wenn KI näher an der Datenquelle arbeitet, kann das Unternehmen helfen, die erforderliche Kontrolle, Sicherheit und Governance zu gewährleisten und KI zugleich in umfangreichen Maßstab einzusetzen.

IP Insider: Herr Nispel, vielen Dank für das Gespräch!

(ID:50992786)