Schlagwort: EAS-MAG.digital News

Der Anbietermarkt von SaaS-Lösungen wächst und die Nachfrage nach flexiblen und skalierbaren Infrastrukturen nimmt zu. Parallel steigen die Anforderungen an Datenschutz und -sicherheit

. Leider auch die Anzahl von Hackerangriffen und Vorfällen, welche die Cybersicherheit gefährden, vervielfacht sich – wie der aktuelle BSI-Lagebericht zudem bestätigt. Dabei ist vielen Organisationen nicht bewusst, dass sie mit ihren IT-Lösungen ins Visier von Cyberkriminellen geraten können oder sich rechtlich auf sehr dünnes Eis begeben. Worauf kommt es bei der Wahl einer Kommunikationslösung also an und welche Rolle spielt dabei das Hosting von Kommunikationslösungen?

Kommunikationslösungen sicher hosten – aber wie?

Viele Tools und Kommunikationslösungen, die hierzulande im Unternehmensalltag zum Einsatz kommen, basieren auf Lösungen großer US-amerikanischer Cloud-Provider. Das Problem hierbei ist, dass es keine Rechtsgrundlage gibt, um personenbezogene Daten – beispielsweise Name, Standort und Kontaktinformationen der kommunizierenden Personen – in den USA oder von US-Unternehmen verarbeiten zu lassen. Der sogenannte transatlantische Datentransfer wäre nur zulässig, wenn die USA als Drittland ein angemessenes Datenschutz-Niveau vorweisen könnten (Artikel 44 DSGVO) – oder ein sogenannter Angemessenheitsbeschluss (Artikel 45 DSGVO) vorläge. Beides ist nicht mehr gegeben, seit der Europäische Gerichtshof (EuGH) auch das Privacy Shield-Abkommen 2020 für ungültig erklärte.

Dringender Handlungsbedarf für Unternehmen

Doch es geht nicht nur um den Schutz personenbezogener und unternehmenskritischer Daten, sondern auch um die Gewährleistung des Organisationsbetriebs und der Kommunikation – insbesondere in Krisen- und Notfallsituationen. Laufen bestimmte Dienste einer Organisation in der Cloud großer US-Konzerne, sind Alternativen als eine Art Sicherheitsnetz nötig, um bei einem Ausfall dieser Cloud-Strukturen – ganz gleich ob durch höhere Gewalt, menschliches Fehlverhalten oder gezielte Attacken – wichtige Prozesse wie die interne Kommunikation aufrechterhalten zu können. Hier geht es gezielt darum, digital resilient und souverän zu sein. Denn dann kann auch in Krisensituationen oder im Fall von Cyberattacken im eigenen Unternehmen die volle Funktionsfähigkeit der Software-Lösungen gewährleistet werden. So ist der interne Informationsfluss zu keiner Zeit unterbrochen und die Organisation bleibt weiter handlungsfähig.

Zero Trust: Mit Netz und doppeltem Boden

Ein Plus an Sicherheit gewinnen Unternehmen, wenn Sie mit dem Zero-Trust-Modell zusätzliche Sicherheit in ihre IT-Infrastruktur integrieren. Die Prämisse des Modells ist: Kein Tool, keine Plattform, kein User ist sicher. Deshalb werden jede Anforderung, jeder Zugriff und jede Anfrage an das System so geprüft, als käme sie aus einem offen zugänglichen Netzwerk. Bevor also ein Zugriff gewährt wird, gilt es diesen vollständig zu authentifizieren, zu autorisieren und zu verschlüsseln sowie die Identität und den Zustand des Endgeräts zu überprüfen. Umfassende Business Intelligence (BI) und Analytics erkennen zudem Anomalien in Echtzeit und wehren sie ab. Dies macht es Cyberkriminellen erheblich schwerer, die Kommunikationslösung als Einfallstor zu nutzen.

Checkliste: Eine sichere Kommunikationslösung auswählen

Mit dem Ziel die eigenen Daten bestmöglich zu schützen und die Kommunikation auch im Krisenfall sicherzustellen, müssen Unternehmen ihre bestehende (wie auch jede neu in Erwägung gezogene) Kommunikationslösung und deren Hosting-Anbieter hinsichtlich Datenschutz und -sicherheit überprüfen und sich folgende Fragen stellen.

Im Hinblick auf das Hosting:

• Bietet der Dienstleister für seine Kommunikationslösung verschiedene Hosting-Modelle an (Public Cloud, Private Cloud, On-Premises)?
• Findet bei Public-Cloud-Lösungen kein Datentransfer in die USA oder andere Drittländer ohne angemessenes Datenschutzniveau statt?
• Liegen Sitz des Software-Anbieters und des Cloud-Providers innerhalb der EU?
• Basiert die Kommunikationslösung auf einer ausfallsicheren Serverinfrastruktur in ISO 27001-zertifizierten Rechenzentren?

Bezüglich Datenschutz und -sicherheit:

• Lässt sich das Zero-Trust-Modell damit umsetzen?
• Werden alle Anforderungen der DSGVO und ggf. anderer rechtlicher Vorschriften, umgesetzt? Dazu gehören beispielsweise
  • Dokumentations- und Archivierungspflichtenkeine Analyse von MetadatenAnonymisierung von personenbezogenen Daten
  • Mehrfachauthentifizierung u.v.m.
• Folgt der Software-Anbieter den Grundsätzen von Privacy by Design und Privacy by Default?
• Garantiert der Dienstleister dem Anwender die volle Kontrolle und Datenhoheit?
• Bringt der Anbieter der Kommunikationslösung entsprechende Erfahrung im Umgang mit Datenschutz und Datensicherheit mit?
• Kann die Kommunikationslösung mit detaillierten Referenzen überzeugen?

Lassen sich diese Fragen für eine konkrete Kommunikationslösung bejahen, besteht aus datenschutzrechtlicher Sicht und im Hinblick auf Datensicherheit und -souveränität eine gute Grundlage. Natürlich muss anschließend auch die Funktionalität der Lösung überzeugen, darunter Standard-Funktionen wie beispielsweise Echtzeit-Messaging, Videotelefonie und die Einbindung mehrerer Endgeräte. Aber auch business-relevante Aspekte – etwa eine einfache Administrationsoberfläche und Nutzerverwaltung, Alarmierungen und Status-Nachrichten sowie die Möglichkeit, organisationsübergreifend zu kommunizieren und auch Drittsysteme anzubinden. Schließlich ist es auch die Qualität von Kommunikationsprozessen, welche die digitale Resilienz und Souveränität fördert.

Fazit: Datensouveränität ist das A und O

Nicht allen Unternehmen ist aktuell bewusst, auf welcher rechtlichen und technologischen Grundlage sie ihre Kommunikationslösungen betreiben. Nicht selten fehlt die Transparenz seitens der Lösungsanbieter, auch hinsichtlich der Erklärungen zu Datenschutz und Sicherheitsstandards. Dies sorgt für eine bedenkliche Abhängigkeit der Unternehmen von diesen Anbietern. Dabei trägt jedes Unternehmen rein rechtlich selbst die Verantwortung für die Datenverarbeitung. Folglich sollte es souverän steuern können, dass die Verarbeitung von personenbezogenen und unternehmenskritischen Daten den gesetzlichen Anforderungen und eigenen Ansprüchen genügt. Wenn es um Datensouveränität geht, gibt es keine Kompromisse

Der Beitrag wurde ursprünglich hier veröffentlicht …

RPA-Chancen und -Risiken, Handlungsempfehlungen und Skalierungstipps einfach erklärt:

Vier RPA-Mythen auf den Zahn gefühlt: So entfesseln Unternehmen die Magie der intelligenten Prozessautomatisierung

Robotic Process Automation (RPA) ist keine Zauberei, aber dennoch magisch. Die RPA-Experten von Another Monday wollen die Vorteile und Möglichkeiten intelligenter Prozessautomatisierung nun besser greif- und umsetzbar machen. Daher hat der Anbieter mit „The Magic of RPA“ eine Kampagne ins Leben gerufen, die mit Thesenpapieren, Videos und Expertenmeinungen Schluss mit gängigen RPA-Mythen und Unsicherheiten machen will. Den Start macht das Paper „RPA – Von der Illusion zur Magie“. Weitere Beiträge beschäftigen sich mit detaillierten Erläuterungen, Starttipps für das eigene RPA-Projekt, Ratschlägen zur Anbieterauswahl, Business Cases und Skalierungshinweisen. Im Fokus: Vorurteile und falsche Annahmen der vielschichtigen RPA-Thematik widerlegen.

Was ist Prozessautomatisierung?

Prozessautomatisierung beschreibt die Automatisierung von manuellen, meist digitalen Abläufen mit Hilfe von Software. Dadurch entstehen automatisierte Vorgänge, die weniger Zeit oder Aufwand kosten.

Was ist Prozessautomatisierung? Mehr dazu hier!

Eine aktuelle YouGov-Umfrage im Auftrag von Another Monday hat in diesem Zusammenhang herausgefunden, dass zwar rund die Hälfte der befragten Mitarbeiter von deutschen Großunternehmen das Thema RPA kennt. Allerdings haben erst zwölf Prozent bereits Geschäftsprozesse durch Software-Roboter umgesetzt. Laut „ISG Automation Index“ wollen bis 2019 rund 72 Prozent der befragten Unternehmen aus den USA, Großbritannien, Frankreich und Deutschland RPA im laufenden Betrieb oder als Test in Pilotprojekten nutzen. Um hier erfolgreich sein zu können, lohnt es sich, die folgenden Vorurteile aus dem Weg zu räumen.

Das sind die häufigsten RPA-Irrtümer:

1. RPA reduziert Prozesskosten, ansonsten gibt es kaum Vorteile

Robotic Process Automation (RPA) ist eine Technologie, die menschliche Handlungen nachahmt und wiederkehrende Aufgaben in zahlreichen Geschäftsanwendungen in der IT-Infrastruktur automatisiert. Aufgrund falscher Erwartungen wird jedoch so manches RPA-Projekt oftmals unbedacht und zu einseitig angegangen, was zum Scheitern führt. So denkt so mancher Firmenentscheider beispielsweise, dass der einzige signifikante Vorteil der Prozessautomatisierung durch Software-Roboter darin bestehe, Kosten zu sparen. Das ist falsch, denn RPA hat – sofern durchdacht geplant und ausgeführt – das Potenzial, einen positiven Beitrag für Kostenstruktur, Kundenbeziehungen und Risikomanagement zu leisten. Erst wenn RPA als eine ganzheitliche Lösung und nicht als reines Technologie-Tool gesehen wird, kann die Magie von RPA wirklich zum Tragen kommt.

2. Jeder Prozess lässt sich durch RPA automatisieren

Mithilfe einer angemessenen Prozessanalyse und -identifizierung lässt sich feststellen, dass die Hälfte der Prozesse mit sich wiederholenden Aufgaben für die Automatisierung geeignet ist. Technisch gesehen, lassen sich fast alle administrativen Geschäftsprozesse automatisieren, allerdings ist nicht jeder einzelne Prozess geeignet. Oftmals sind lediglich die zeitaufwändigsten Arbeitnehmertätigkeiten lohnenswerte RPA-Projekte. Zur Bestimmung der besten Prozesse ist eine ganzheitliche Sichtweise auf die gesamte Geschäftsprozesskette einer Organisation erforderlich. Hierbei ist es sinnvoll, erfahrene Experten ins Boot zu holen.

3. Virtuelle Mitarbeiter nehmen Menschen die Arbeit weg

Nein, denn RPA ist lediglich eine Methode, die bestimmte menschliche Aufgaben überflüssig macht oder vereinfacht. Da Roboter allein auf Grundlage ihrer Programmierung handeln, führen sie Aufgaben effizienter und konsistenter durch als der Mensch. Gleichzeitig ermöglicht RPA Arbeitnehmern, sich auf Aufgaben zu fokussieren, die der menschlichen Aufmerksamkeit bedürfen. Beispiele sind die Behandlung von Ausnahmefällen, die Erschließung kreativen Potenzials und die Verbesserung der Zusammenarbeit. Oftmals optimiert RPA also Services, die Arbeitnehmer ihren Kunden anbieten, anstatt diese Aufgaben wegzunehmen.

4. RPA lässt sich sofort betriebsintern und ohne Fachkenntnisse umsetzen

Robotic Process Automation sollte in erster Linie als Methodik und nicht als Technologie betrachtet werden. Für die Implementierung ist der ganzheitliche Ansatz eines erfahrenen Anbieters erforderlich. Das Fundament eines RPA-Projekts ist ein robuster Governance-Rahmen. Innerhalb dieses Rahmens gilt es, alle Änderungen sorgfältig zu planen, klar zu kommunizieren und gründlich zu testen.

Der Beitrag wurde ursprünglich hier veröffentlicht …

Viele Produktionsanlagen laufen heute bereits vollkommen automatisiert. Selten muss der Mensch in der Fertigung noch selbst Hand anlegen. Die Vorteile dieser Entwicklung sind zahlreich, aber genießen können Unternehmen sie nur, wenn auch das Netzwerk mitspielt. Dirk Schuma, Sales Manager Europe bei Opengear, erklärt, warum stabile Netzwerke wichtig sind.

Eine automatisierte Fertigung braucht stabile Netzwerke

Viele Faktoren haben in den letzten Jahren die Fertigungsindustrie grundlegend verändert: Die Anzahl der Wettbewerber wächst, sodass Kunden sich mit ihren ebenfalls immer höheren Ansprüchen im Zweifel an einen anderen Anbieter wenden. Auf Produktionsseite sorgt dieser Umstand wiederum für kleinere Gewinnmargen. Überdies führt die Pandemie auch weiterhin zu personellen Ausfällen. Der Druck auf das produzierende Gewerbe war dementsprechend nie höher als jetzt, auf Automatisierung zu setzen und damit die betriebliche Effizienz zu steigern.

Die gute Nachricht: Die vierte industrielle Revolution hat durch die umfassende Vernetzung und Computerisierung alle nötigen Voraussetzungen geschaffen, das Problem anzugehen. Technologien und Verfahren wie Künstliche Intelligenz, das Internet of Things (IoT), selbstlernende Algorithmen und Big Data bestimmen mittlerweile den Alltag der Branche. Die Basis für die erfolgreiche digitale Transformation und Automatisierung in der Fertigungsindustrie ist allerdings ein resilientes und stabiles Netzwerk.

Was ist Internet of Things (IoT)?

Das Internet of Things (Internet der Dinge) bezeichnet Technologien, die physische Gegenstände mit digitalen Systemen oder dem Internet verbinden und mit Hilfe von Informations- und Kommunikationstechniken (z.B. Sensoren) Kommunikation untereinander oder mit Software-Anwendungen ermöglichen.

Was ist IoT? Hier erfahren Sie mehr!

Automatisierung im Fertigungskontext

Unternehmen erhalten durch automatisierte und rationalisierte Fertigungsprozesse eine höhere Kontrolle über ihren Betrieb, können die Produktion steigern und die Kosten senken. In den sehr komplexen Abläufen gibt es viele Stellen, die Fertigungsbetriebe automatisieren können, beispielsweise mit passendem Equipment oder eben Softwareanwendungen. Wo und wie genau Unternehmen diese Technologien sinnvoll einsetzen können, unterscheidet sich von Betrieb zu Betrieb. Grundsätzlich unterscheiden Experten zwischen zwei Arten der Automatisierung: die „fixe Automatisierung“ und die „flexible Automatisierung“.

Die fixe Automatisierung, die auch als „harte Automatisierung“ bekannt ist, eignet sich für die Massenherstellung eines Produktes. Sie enthält – wie der Name impliziert – ein Set fester Sequenzen, beispielsweise für den Zusammenbau oder die Verarbeitung eines Produkts. Ein typischer Einsatzort sind Montagestraßen. Eine flexible Automatisierung hingegen ermöglicht Unternehmen Systeme zu unterhalten, die sie schnell bei notwendigen Änderungen im Produktionsprozess anpassen können. Das Personal nutzt dafür ein sogenanntes Human Machine Interface. Das ist heutzutage in der Regel eine Software mit intuitiver Benutzeroberfläche, die eine schnelle und unkomplizierte Neuprogrammierung der Fertigungsmaschinen ermöglicht. 

Die Rolle des stabilen Netzwerks

All die neuen Hardware- und Software-Technologien, die Fertigungsbetriebe in ihre Produktionsstraßen implementieren, belasten das Unternehmensnetzwerk enorm. Die Gefahr eines Ausfalls nimmt mit der steigenden Last zu. Gerade Fertigungsbetriebe, deren Produktion und IT-Verwaltung nicht am gleichen Standort stattfindet, stehen dann vor einem großen Problem, denn die Fehleranalyse und Wiederherstellung der Netzwerkverbindung kann in diesem Fall nur vor Ort stattfinden. Dazu müssen die Netzwerkadministratoren allerdings zunächst einmal anreisen, was zu einer längeren Ausfallzeit und damit horrenden Kosten führen kann.

Smart-Out-of-Band-Lösungen (Smart OOB) bieten Administratoren von überall her Zugriff auf sämtliche Netzwerkgeräte am Produktionsstandort. Die Installation eines Smart-OOB-Konsolenservers bildet die Grundlage für ein paralleles Netzwerk, das bei einem Ausfall des primären Netzes die Problembehebung ermöglicht. In der Regel geschieht das über den 4G- oder LTE-Mobilfunk. In Verbindung mit Monitoring-Tools, die Administratoren direkt auf den Konsolenservern installieren können, reduzieren Unternehmen die Dauer für eine Wiederinstandsetzung ihres Netzwerks.

Eine Smart-OOB-Lösung hat allerdings noch weitere Vorteile, zum Beispiel die automatisierte Bereitstellung und Provisionierung von Equipment. Sobald die Mitarbeiter am Zielstandort die neuen Geräte mit dem Netzwerk verbunden und am Strom angeschlossen haben, laden die in der IT-Abteilung vorkonfigurierten Geräte alle nötigen Updates und Softwarekomponenten automatisch von zentraler Stelle herunter. Die Zeit bis zur Einsatzbereitschaft und der Personalaufwand sinken dadurch drastisch.

Fazit

„Stabile und resiliente Netzwerke bilden das Rückgrat sämtlicher Digitalisierungs- und Automatisierungsbemühungen von Unternehmen“, betont Dirk Schuma, Sales Manager Europe bei Opengear. „Da Netzwerkausfälle horrende Kosten verursachen, zählt gerade in der hochgradig technologisierten und vernetzten Fertigungsindustrie jede Sekunde. Smart-Out-of-Band-Lösungen verringern den Zeitaufwand für die Fehlersuche bei Problemen im Netzwerk, sodass die Produktion schnell wieder anlaufen kann.“ 

Der Beitrag wurde ursprünglich hier veröffentlicht …

Große Unsicherheiten, kleinere Chargen, demografischer Wandel: Der Schweizer Data-Science-Spezialist LeanBI erläutert, warum sich Industrieunternehmen immer ernsthafter für Machine-Learning-Systeme interessieren.

Machine Learning erfuhr in der Industrie in der Vergangenheit einen regelrechten Hype. Die Realität ist aber bislang hinter den Erwartungen zurückgeblieben. Die Technologie kommt zwar in der Produktion durchaus zum Einsatz, verbreitet sich dort aber nur stark verzögert. Nach Ansicht von LeanBI wird sich das nun ändern. Vor allem aus vier Gründen, so der Schweizer Data-Science-Spezialist, werden Industrieunternehmen im Jahr 2023 verstärkt auf Machine Learning setzen.

Volatile Umweltfaktoren

Die weltweiten Krisen führen zu Lieferverzögerungen bei Eingangsmaterialien und erschweren Absatzprognosen. Wenn Industriebetriebe alle Einflussfaktoren berücksichtigen möchten, wird ihre Unternehmensplanung hochkomplex. Diese Komplexität lässt sich nur noch mit Hilfe von Machine-Learning-Systemen beherrschen. Sie können Unternehmen maßgeblich dabei helfen, Entwicklungen zu prognostizieren und dabei verschiedenste Szenarien zu berücksichtigen – und so eine zuverlässige Lieferung an die Endkunden zu gewährleisten.

Individualisierte Produktion

Die Chargen von Industrieunternehmen werden immer kleiner, weil ihre Kunden zunehmend individuelle Produktlösungen erwarten. Um dieser Entwicklung gerecht zu werden, müssen sie die Leistungsfähigkeit ihrer Herstellungsprozesse erhöhen. Deshalb werden Industriebetriebe verstärkt Predictive-Maintenance- und Predictive-Quality-Anwendungen implementieren. Sie ermöglichen es, durch rechtzeitiges Eingreifen ungeplante Stillstände und die Entstehung von Ausschuss zu vermeiden und dadurch die Gesamtanlageneffektivität (Overall Equipment Effectiveness) zu optimieren.

Energieknappheit und ESG

Die derzeitige Energieknappheit wird auf absehbare Zeit der Normalzustand bleiben. Industriebetriebe sind deshalb gezwungen, ihre Produktionen so energieeffizient wie möglich zu gestalten. Mit Machine-Learning-Systemen können sie den Energieverbrauch online messen, analysieren und bei der Produktionsplanung berücksichtigen. Die Erfassung der Energiedaten ermöglicht es ihnen zudem, die steigenden ESG-Anforderungen (Environment, Social, Governance) zu erfüllen. Sie können etwa ihre Produkte mit Umwelt- und Energielabels ausstatten oder durch die Historisierung der Daten eine ESG-Konformität jederzeit rückverfolgbar nachweisen.

Demografischer Wandel

Die Belegschaften altern, viele Mitarbeiter gehen demnächst in Rente und können wegen des Fachkräftemangels nicht adäquat ersetzt werden. Industriebetrieben geht damit wertvolles Know-how für Maschinenführung verloren. Bei vielen Herstellungsprozessen unterliegen Einflussfaktoren wie Materialien starken Schwankungen, die sich nicht durch eine Rezeptur abfangen lassen. Deshalb nivellieren die Maschinenführer diese Schwankungen durch Prozesseingriffe, die auf jahrelanger Erfahrung basieren. Damit dieses Know-how nicht verloren geht, werden Unternehmen versuchen, es direkt auf die Maschinen zu bringen. Dafür eignen sich am besten spezielle Machine-Learning-Ansätze auf Basis von Ontologien wie etwa Bayes’sche Netze.

Fazit zu Machine-Learning-Systemen

„Auf viele Herausforderungen von Industriebetrieben können Machine-Learning-Systeme die beste Antwort geben“, erklärt Marc Tesch, Inhaber und CEO des Schweizer Data-Science-Spezialisten LeanBI. „Die Voraussetzungen dafür sind günstig, denn in den vergangenen Jahren haben viele Unternehmen bereits daran gearbeitet, ihre Maschinen durch digitalen Retrofit mit Sensoren zur Datenerfassung auszustatten, die Maschinen zu vernetzen und die Daten in die Cloud zu bringen. Jetzt können sie den nächsten Schritt gehen und ihre Daten mit Machine-Learning-Algorithmen gewinnbringend analysieren.“

Was ist Machine Learning (ML)?

Machine Learning (ML) ist ein Begriff für die „künstliche“ Generierung von Wissen aus Erfahrung in KI-Software: Ein System lernt dabei aus Beispielen und kann diese nach Beendigung der Lernphase nutzen, um Muster und Regelhaftigkeiten zu erkennen.

Was ist ML? Hier erfahren Sie mehr!

Der Beitrag wurde ursprünglich hier veröffentlicht …