KRITISCHE INFRASTRUKTUR (KRITIS) 37 DSD 2 | 2023 „Alle KRITIS – aber generell auch alle KMU – müssen sich bewusst sein, dass Bedrohungen jederzeit und in unterschiedlicher Form eintreten können.“ Prof. Dr. André Röhl Einsatz von Machine-Learning-Tools Ein Krisenstab dient der Erfassung, Verdichtung und Auswertung von Informationen, unterstützt eine systematische Ent- scheidungsfindung, kommuniziert Informationen und kontrolliert den Erfolg beschlossener Maßnahmen. Umfang und Spezialisierungserfordernis der einzelnen Aufgabenschritte bestimmen den organisatorischen Umfang des Krisenstabes. Hier setzt die Idee an, mit Machine-Learning-Tools informationsbasierte Aufgaben- schritte des Krisenstabes zu unterstützen und damit diesem sowohl Arbeit abzunehmen, aber auch eine Möglichkeit der Qualitätskontrolle zu schaffen. Als Machine Learning können dabei IT-Lösungen bezeichnet werden, die in der Lage sind, automatisch aus Erfahrungen zu lernen, ohne explizit programmiert zu werden. Die Grundlage dafür ist das Erkennen von Mustern in Daten und das Ableiten von Schlussfolgerungen auf Basis dieser Muster. Das im Rahmen des BMWi-geförderten Forschungsprojektes „Safe-Coach“ entwickelte Machine-Learning-Tool hilft dabei, Prioritäten zu setzen und Entscheidungen im Krisenmanagement zu treffen. Es basiert auf Daten und Erkenntnissen aus vergangenen Krisensituationen und kann mithilfe von Machine-Learning-Algorithmen die bestmöglichen Entscheidungen in Echtzeit treffen. Safe-Coach analysiert automatisch die verschiedenen Datenquellen, die während einer Krise zur Verfügung stehen. Dazu können beispielsweise Wetterberichte, Verkehrsdaten, Social-Media-Beiträge, Informationen von Einsatzkräften vor Ort und vieles mehr gehören. Auf Basis dieser Daten kann das Tool notwendige Aufgaben identifizieren und priorisieren, um den Akteuren des Krisenmanagements zu helfen, schnelle und fundierte Entscheidungen zu treffen. KMU können das Tool unterstützend einsetzen Um die Effektivität von Safe-Coach zu maximieren, ist es wichtig, den Algorithmus des Tools regelmäßig zu trainieren. Das kann durch gezielte Übungen und Simulationen von Krisenszenarien geschehen. Dabei kann das Tool lernen, wie sich bestimmte Situationen im Laufe der Zeit entwickeln und wie sich Entscheidungen auswirken. Durch das Training des Algorithmus kann SafeCoach immer besser werden und schließlich auch auf neue Krisensituationen angewandt werden. Damit ist es besonders für kleine und mittelständische KRITIS-Unternehmen wertvoll, da es dabei hilft, in Krisensituationen schnell und effektiv, aber vor allem ressourcenschonend zu handeln. Das Tool kann dabei helfen, auch ohne große Krisenstäbe Entscheidungsrisiken zu minimieren, Prioritäten zu setzen und fundierte Entscheidungen zu treffen, die auf Daten und Fakten basieren. Durch den Einsatz eines solchen Machine- Learning-Tools können Entscheidungen schneller und präziser getroffen werden, wodurch sich die Reaktionszeit im Krisenfall deutlich verkürzt und die Effektivität des Krisenmanagements gesteigert werden kann. Es ist jedoch wichtig zu betonen, dass diese Tools das menschliche Urteilsvermögen und die Erfahrung nicht ersetzen können, sondern vielmehr ergänzen und unterstützen sollen. Insgesamt kann der Einsatz von MachineLeaming-Tools einen erheblichen Beitrag zur Verbesserung des Krisenmanagements leisten. Durch die Kombination von menschlichem Urteilsvermögen und Erfahrung mit der Präzision und Geschwindigkeit von Algorithmen können KMU der Kritischen Infrastruktur effektiver auf Krisensituationen reagieren und die Auswirkungen von Krisen auf das Geschäft minimieren. Erforderlich dafür ist allerdings ein regelmäßiges Üben. Damit wird nicht nur die Mensch-Maschine-Schnittstelle verbessert, es liegen dann auch erst die notwendigen Datenmengen für die Analyse vor. Safe-Coach kann Unternehmen dabei unterstützen, die verschiedenen Aufgaben im Krisenmanagement optimal zu priorisieren, bleibt aber trotzdem ein Werkzeug.
RkJQdWJsaXNoZXIy Mjc4MQ==