Über KI: Geduld ist eine Tugend

Seit dem Launch von ChatGPT vor fast zwei Jahren hat die generative künstliche Intelligenz einen ganzen Technologie-Hype-Zyklus durchlaufen, von hochfliegenden, gesellschaftsverändernden Erwartungen bis hin zu einer jüngsten Korrektur am Aktienmarkt. Doch innerhalb der Cybersicherheitsindustrie ist die Begeisterung für die generative KI (genAI) immer noch gerechtfertigt; es wird nur länger dauern, als Investoren und Analysten erwartet hatten, um den Sektor vollständig zu verändern.

Das deutlichste und jüngste Zeichen für den Wechsel in der Hype-Lage war die Black Hat USA-Konferenz Anfang August, bei der die generative KI eine sehr kleine Rolle bei Produktstarts, Demonstrationen und allgemeiner Buzz-Erzeugung spielte. Im Vergleich zur RSA-Konferenz vor vier Monaten, an der dieselben Anbieter teilnahmen, war der Fokus auf KI bei Black Hat vernachlässigbar, was neutralen Beobachtern vernünftigerweise zu der Annahme führen würde, dass die Branche sich von KI abwendet oder dass KI zu einer Ware geworden ist. Doch das ist nicht ganz der Fall.

Ich meine damit Folgendes. Der transformative Nutzen der Anwendung generativer KI innerhalb der Cybersicherheitsindustrie wird wahrscheinlich nicht von generischen Chatbots oder der schnellen Überlagerung von KI über Datenverarbeitungsmodelle kommen. Diese sind die Bausteine für fortgeschrittenere und effizientere Anwendungsfälle, aber im Moment sind sie nicht für die Sicherheitsindustrie spezialisiert und führen daher nicht zu einer neuen Welle optimaler Sicherheitsergebnisse für Kunden. Vielmehr wird die tatsächliche Transformation, die KI für die Sicherheitsindustrie bewirken wird, stattfinden, wenn KI-Modelle für Sicherheitsanwendungsfälle angepasst und justiert werden.

Aktuelle allgemeine KI-Anwendungsfälle in der Sicherheit nutzen hauptsächlich Prompt-Engineering und Retrieval-Augmented Generation, was ein KI-Framework ist, das im Wesentlichen ermöglicht, dass große Sprachmodelle (LLMs) auf zusätzliche Datenressourcen außerhalb ihrer Trainingsdaten zugreifen, die besten Teile der generativen KI und der Datenbankabfrage kombinierend. Die Nützlichkeit dieser variiert stark je nach Anwendungsfall und wie gut ein Anbieters bestehende Datenverarbeitung den Anwendungsfall unterstützt; sie sind kein “Zauber”. Dies gilt auch für andere Anwendungen, die proprietäre Daten und Expertenwissen erfordern, das im Internet nicht weit verbreitet ist, wie medizinische Diagnose und juristische Arbeit. Es ist wahrscheinlich, dass Unternehmen ihre Datenverarbeitungspipelines und Datenzugangssysteme anpassen werden, um generative KI-Anwendungsfälle zu optimieren. Auch generative KI-Unternehmen fördern die Entwicklung speziell abgestimmter Modelle, obwohl es noch unklar ist, wie gut dies für Anwendungen funktionieren wird, bei denen Qualität und Detail entscheidend sind.

Es gibt mehrere Gründe, warum diese Spezialisierung Zeit brauchen wird, um in der Sicherheitsindustrie wirksam zu werden. Ein primärer Grund ist, dass die Anpassung dieser Modelle viele Menschen im Loop während des Trainings erfordert, die Fachexperten in Cybersicherheit und KI sind, zwei Branchen, die Schwierigkeiten haben, genug Talent zu finden. Die Cybersicherheitsindustrie hat weltweit etwa vier Millionen Fachkräfte weniger, laut dem Weltwirtschaftsforum, und Reuters schätzt, dass es in naher Zukunft eine Lücke von 50 % bei der Einstellung von AI-bezogenen Positionen geben wird.

Ohne eine Fülle von Experten wird die präzise Arbeit, die notwendig ist, um KI-Modelle für einen Sicherheitskontext anzupassen, verlangsamt. Die Kosten für die notwendige Datenwissenschaft, um diese Modelle zu trainieren, limitieren auch die Anzahl der Organisationen, die die Ressourcen haben, um Forschung in die Anpassung von KI-Modellen zu investieren. Es kostet Millionen von Dollar, um die Rechenleistung zu bezahlen, die fortschrittliche KI-Modelle erfordern, und dieses Geld muss von irgendwoher kommen. Selbst wenn eine Organisation die Ressourcen und das Team hat, um Forschung in die KI-Anpassung zu betreiben, geschieht der tatsächliche Fortschritt nicht über Nacht. Es wird Zeit brauchen, um herauszufinden, wie man KI-Modelle am besten für die Sicherheitspraktiker und -analysten anreichert, und wie bei jedem neuen Werkzeug wird es eine Lernkurve geben, wenn sicherheitsspezifische Sprachverarbeitungen, Chatbots und andere KI-gestützte Integrationen eingeführt werden.

Die generative KI ist immer noch darauf vorbereitet, die Welt der Cybersicherheit in ein neues Paradigma zu versetzen, in dem die offensiven KI-Fähigkeiten, die Gegner und Bedrohungsakteure nutzen, mit den KI-Modellen der Sicherheitsanbieter konkurrieren werden, die gebaut sind, um Bedrohungen zu erkennen und zu überwachen. Die Forschung und Entwicklung, die notwendig sind, um diesen Wandel zu fördern, werden einfach länger dauern, als die allgemeine Technologiegemeinschaft erwartet hat.