Rami Habal, Gründer und CEO von Magnitude – Interviewreihe

Rami Habal, Gründer und CEO von Magnitude ist ein erfahrener Führungskraft im Bereich Cybersicherheit und KI‑Produkte mit einer Karriere, die Unternehmenssicherheit, maschinelles Lernen, Consumer‑Technologie und venture‑finanzierte Start‑ups umfasst. Vor der Gründung von Magnitude war er Entrepreneur in Residence bei Ballistic Ventures und verbrachte mehr als vier Jahre bei Abnormal Security, unter anderem als Chief Product Officer und Chief Customer Officer. Zuvor leitete Habal das Multi‑Device‑Erlebnis für Amazon Alexa, verantwortete das Produkt bei Reverb und war einer der frühesten Mitarbeitenden bei Proofpoint, wo er beim Aufbau und der Kommerzialisierung von Sicherheitsprodukten half, während das Unternehmen von einem Start‑up zu seinem späteren Börsengang wuchs. Seine Laufbahn umfasst zudem Erfahrung im Risikokapital, mobiler Technologie, APIs und Produktstrategie, was ihm einen breiten Hintergrund an der Schnittstelle von Cybersicherheit, KI und Unternehmenssoftware verleiht.

Magnitude ist ein KI‑native Cybersicherheitsunternehmen, das sich darauf konzentriert, das Third‑Party‑Risk‑Management (TPRM) von periodischen Compliance‑Prüfungen in eine kontinuierliche Sicherheitsfunktion zu verwandeln. Seine Multi‑Agent‑Plattform nutzt spezialisierte KI‑Agenten, um Anbieter und Produkte zu bewerten, kontinuierlich Schwachstellen und andere Risikoveränderungen zu überwachen, vierte, fünfte und tiefere Lieferkettenabhängigkeiten abzubilden, die Kommunikation mit Anbietern zu automatisieren und bei der Behebung zu unterstützen. Anstatt sich hauptsächlich auf Fragebögen und Momentaufnahmen‑Bewertungen zu verlassen, ist Magnitude darauf ausgelegt, anhand der eigenen Richtlinien einer Organisation zu argumentieren und evidenzbasierte Entscheidungen mit nachvollziehbaren Quellen und Begründungen zu liefern. Das übergeordnete Ziel ist es, Sicherheitsteams kontinuierliche Sichtbarkeit über zunehmend komplexe Software‑ und Lieferantenökosysteme zu geben, während menschliche Analysten sich auf höherwertige Urteilsentscheidungen konzentrieren können.

Nachdem Sie Produkte bei Proofpoint, Amazon Alexa und Abnormal Security mitentwickelt haben, was hat Sie überzeugt, dass jetzt der richtige Moment war, Magnitude zu gründen? Gab es eine konkrete Erkenntnis oder ein Kundenproblem, das Sie glauben ließ, dass autonomes Third‑Party‑Risk‑Management ein eigenständiges Unternehmen werden muss?

Ich wusste, dass ich nach meiner Zeit bei Abnormal ein Unternehmen gründen wollte. Was ich nicht wusste, war, welches Problem es wert war, ein Unternehmen darum aufzubauen. Während meiner Laufbahn wurde ich immer zu angewandten Machine‑Learning‑Produkten hingezogen, die breite, universelle Bedürfnisse adressieren, wie E‑Mail‑Sicherheit bei Proofpoint, Sprachcomputing mit Alexa und Verhaltenssicherheit bei Abnormal. Ich wollte ein weiteres Problem mit derselben Reichweite finden, um Unternehmen zu helfen.

Dann kamen die Agenten. Nachdem ich die vorherige Welle des Machine Learnings durchlaufen hatte, erkannte ich, dass dies nicht nur ein weiteres Produktfeature war. Es war ein Plattformwechsel, und solche kommen nicht häufig.

Während meiner Tätigkeit als Entrepreneur‑in‑Residence bei Ballistic Ventures begann ich, mit CISOs darüber zu sprechen, wo dieser Wandel die größte Wirkung entfalten könnte. Third‑Party‑Risiken kamen immer wieder zur Sprache. Historisch gesehen war es sinnvoll, TPRM in die GRC‑Funktion einzuordnen, weil das Anbieterrisiko langsam genug wechselte, um mit periodischen Reviews Schritt zu halten. Doch diese Annahme zerfiel. Alle waren sich einig, dass es ein gravierendes Problem sei, aber die meisten Organisationen verwalteten es weiterhin mit jährlichen Fragebögen, Tabellenkalkulationen, periodischen Überprüfungen und umfangreicher manueller Arbeit. Die Reaktion war konsistent: Third‑Party‑Risk‑Management ist entscheidend, aber wir haben noch keine gute Lösung dafür.

Das war die Erkenntnis hinter Magnitude. Ich wusste, dass das traditionelle Modell nicht mehr funktionierte und wir eine Technologie brauchten, die das Betriebsmodell vollständig verändern kann, nicht nur den alten, tabellenkalkulationsbasierten Prozess etwas beschleunigt. Von Anfang an war meine Ansicht, dass jeder Lieferant irgendwann ein Schwarm von Agenten haben würde, die kontinuierlich die damit verbundenen Risiken bewerten. Magnitude entstand aus diesem Glauben.

Sie beschreiben das Aufkommen der „Mythos‑Ära“, in der KI Schwachstellen schneller identifizieren und zu Waffen machen kann, als Menschen reagieren können. Welche Veränderungen haben Sie im vergangenen Jahr beobachtet, die Sie davon überzeugt haben, dass dieser Wandel bereits im Gange ist und nicht nur ein zukünftiges Problem?

Die größte Veränderung, die ich beobachtet habe, ist, wie schnell diese Angriffe jetzt stattfinden. Vor einem Jahr drehte sich ein großer Teil der Diskussion noch darum, was KI einem Angreifer möglicherweise irgendwann ermöglichen könnte. Jetzt sehen wir diese Fähigkeiten in Echtzeit Gestalt annehmen. KI kann einem Angreifer helfen, ein viel größeres Software‑Ökosystem zu untersuchen, Schwachstellen zu entdecken, die zuvor unbekannt waren, und diese Schwachstellen in einem Ausmaß anzugreifen, das für ein menschliches Team schwer zu erreichen wäre.

In der Mythos‑Ära haben KI‑Systeme die Fähigkeit gezeigt, mehr als 2,000 zuvor unbekannte Fehler in Software‑Ökosystemen aufzudecken, und die mittlere Zeit von der Entdeckung einer Schwachstelle bis zum waffenfähigen Exploit soll bis Ende 2026 auf unter eine Stunde sinken. Während die Zeit zwischen Entdeckung und Waffenfertigung weiter schrumpft, entsteht dadurch eine Lücke zwischen der Geschwindigkeit, mit der eine Gefährdung auftreten kann, und der Geschwindigkeit, mit der traditionelle Review‑Zyklen reagieren können.

Wir beobachten zudem, dass sich das Vorfallsmuster in die gleiche Richtung entwickelt. In unserer Analyse stieg die Häufigkeit von Lieferkettenangriffen von etwa 13 Vorfällen pro Monat im Jahr 2024 auf 41 pro Monat im Jahr 2026. Wir haben festgestellt, dass die Aktivität parallel zu bedeutenden Verbesserungen der Frontier‑Modelle zunimmt. Ich würde nicht behaupten, dass jede Modellveröffentlichung direkt zu mehr Angriffen führt, aber der Trend lässt sich kaum ignorieren. Die Werkzeuge werden leistungsfähiger, während das Angriffstempo zunimmt.

Was diese Veränderung für mich wirklich bestätigt, sind die Gespräche, die ich mit Sicherheitsleitern führe. Sie sprechen nicht mehr von Drittanbieter‑Risiken als etwas, das durch eine jährliche Überprüfung und bei Vertragsverlängerungen erneut behandelt werden kann. Sie fühlen sich in den Monaten zwischen diesen Prüfungen exponiert, weil ihre Anbieter, Software‑Abhängigkeiten und nachgelagerten Lieferanten sich ständig ändern.

Das ist für mich das, was die Mythos‑Ära bedeutet. Das Zeitfenster, um Risiken zu verstehen und darauf zu reagieren, wird immer kleiner, während die potenzielle Auswirkung eines einzigen kompromittierten Lieferanten immer größer wird. Ein periodischer Compliance‑Prozess war für dieses Umfeld einfach nicht konzipiert.

Viele Unternehmen setzen KI‑Agenten in ihren Organisationen schnell ein. Wie sollten Sicherheitsleiter die Governance neu überdenken, wenn diese Agenten zunehmend mit externen Anbietern, APIs und nachgelagerten Abhängigkeiten interagieren?

Das Erste, was Sicherheitsleiter erkennen müssen, ist, dass selbst ein im Unternehmen entwickelter KI‑Agent nicht vollständig intern sein muss. Er könnte auf einer externen Plattform, einer Drittanbieter‑Skill über MCP, einem Dienst wie Google Drive oder anderer Technologie basieren, die das Unternehmen nicht direkt kontrolliert. Und jeder dieser Anbieter kann wiederum eigene Lieferanten haben.

Es reicht nicht mehr, nur den Agenten selbst zu genehmigen. Führungskräfte müssen verstehen, auf welche Informationen er zugreifen kann, welche Aktionen er ausführen darf, von welchen externen Diensten er abhängt und wann menschliche Genehmigungen erforderlich sind. Sie müssen zudem nachvollziehen, wie sich diese Abhängigkeiten im Laufe der Zeit ändern können, wenn der Agent neue Fähigkeiten erlangt, sich mit neuen Systemen verbindet oder zusätzliche nachgelagerte Anbieter nutzt. Diese Kontrollen können nicht einmalig festgelegt und dann vergessen werden. Sobald ein Agent neue Fähigkeiten oder Verbindungen erhält, muss die Governance entsprechend angepasst werden.

Ziel sollte nicht sein, die KI‑Einführung zu verlangsamen. Es sollte vielmehr darum gehen, Unternehmen genügend Transparenz zu geben, damit sie Agenten sicher einsetzen können. Governance muss zu einer fortlaufenden Sicherheits­praxis werden, nicht zu einer einmaligen Genehmigung, die beim Einführen eines neuen Werkzeugs erfolgt.

Das Management von Drittanbieter‑Risiken beruhte traditionell auf Fragebögen und periodischen Prüfungen. Warum glauben Sie, dass dieses Modell in einer KI‑gesteuerten Umgebung grundlegend scheitert? 

Das Problem beim traditionellen TPRM‑Modell ist, dass es nur einen Schnappschuss dessen liefert, was ein Anbieter zu einem bestimmten Zeitpunkt als wahr angegeben hat. Ein Unternehmen kann einen Fragebogen ausfüllen, wenn es erstmals genehmigt wird, und dann erst bei der Verlängerung, möglicherweise Jahre später, erneut prüfen. In der Zwischenzeit können sich Technologie, Sicherheitspraktiken, KI‑Modelle, Datenverwendung und Lieferanten vollständig ändern. Wir können kaum vorhersagen, was sich in den nächsten Wochen ändern wird, sodass die Verlass auf eine jahrelang alte Bewertung keinen Sinn mehr ergibt.

Es stellt sich zudem die Frage, wie vertrauenswürdig die Informationen sind. Eine gemeldete Antwort, die von jemandem eingegeben wird, der einen Deal vorantreiben möchte, ist nicht dasselbe wie ein Fakt, der durch ein unabhängiges Audit, eine unterschriebene Unternehmensmeldung oder eine andere nachprüfbare Quelle gestützt wird. Sicherheitsleiter müssen nicht nur wissen, was die Antwort ist, sondern woher sie stammt und ob sie noch aktuell ist.

Schließlich enden Fragebögen meist beim direkten Anbieter. Sie zeigen selten die N‑ten Parteien, obwohl diese verborgenen 4‑ und 5‑Stufen‑Beziehungen echte Risiken erzeugen können. Angreifer wissen heute, dass das schwächste Glied einer Unternehmung nicht das Unternehmen selbst ist, sondern einer dieser nachgelagerten Anbieter. Und ein Angriff auf diese Anbieter kann letztlich Zugang zum Unternehmen verschaffen. Es ist einfach günstiger und leichter.

Deshalb halte ich es nicht für ausreichend, KI lediglich zu nutzen, um Fragebögen schneller auszufüllen. In diesem Modell wird es immer Lücken geben. Das Modell selbst muss sich ändern – von periodischen, selbst gemeldeten Schnappschüssen zu einer kontinuierlichen, Echtzeit‑, evidenzbasierten Risiko­sicht, die so tief reicht wie die Lieferkette eines Unternehmens.

Magnitude führt das Konzept einer autonomen KI‑Belegschaft für Sicherheitsteams ein. Wo sehen Sie das Gleichgewicht zwischen KI‑gesteuerten Entscheidungen und menschlicher Aufsicht, insbesondere bei sicherheitsrelevanten Entscheidungen mit hoher Wirkung? 

Autonom muss nicht unverantwortlich bedeuten. Ich sehe es so, dass KI die kritischen, aber wiederkehrenden Aufgaben übernehmen sollte, die einen großen Teil der Zeit eines Sicherheitsteams beanspruchen, während Menschen weiterhin eingebunden bleiben, wenn eine Entscheidung Urteil, Kontext oder erhebliche geschäftliche Konsequenzen erfordert. Tatsache ist, dass kein Sicherheitsteam heute über genügend Ressourcen verfügt, um das aktuelle Aufgabengebiet zu bewältigen. KI kann diese Lücke schließen.

Die Qualität der KI ist enorm wichtig. Wenn sie gut umgesetzt ist, wirkt KI als Kraftverstärker. Sie verschafft einem Team mehr Kapazität und ermöglicht es den Menschen, sich auf höherwertige Aufgaben zu konzentrieren. Wenn sie schlecht umgesetzt ist, hat sie den gegenteiligen Effekt, weil jede Ausgabe doppelt geprüft werden muss. Für sicherheitsrelevante Entscheidungen mit hoher Wirkung sollte das System von hoher Qualität sein und nachweisen können, welche Evidenz es verwendet hat und wie es zu seiner Empfehlung gelangt ist, sodass ein prüfbarer Nachweis entsteht.

Das passende Maß an Aufsicht variiert zudem je nach Organisation. Ein großes Unternehmen mit etabliertem Sicherheitsteam kann KI eher wie einen Autopiloten einsetzen, wobei Menschen die Arbeit überwachen und bei Ausnahmen eingreifen. Ein kleineres Unternehmen könnte mehr vom Programm automatisieren, weil es nicht über das Personal oder Budget verfügt, ein großes Team aufzubauen. In beiden Fällen sollten klare Punkte definiert sein, an denen ein Problem an eine Person eskaliert wird.

Letztendlich sollte die Organisation entscheiden können, wie viel menschliche Beteiligung sie basierend auf der Bedeutung der Entscheidung wünscht. Das Ziel ist nicht, Menschen aus der Sicherheit zu entfernen. Es geht darum, ihnen zu helfen, ihre Zeit besser zu nutzen, schnellere geschäftliche Entscheidungen zu treffen und die menschliche Aufmerksamkeit für die Entscheidungen zu reservieren, bei denen sie den größten Mehrwert liefert.

Ihr Team vereint Fachwissen aus KI, Cybersicherheit und verbraucher­skalierten Plattformen. Wie hat diese Kombination die Art und Weise beeinflusst, wie Sie Magnitude im Vergleich zu traditionellen Cybersicherheitsprodukten gestaltet haben? 

Jeder unserer Hintergründe hat uns etwas anderes darüber gelehrt, was ein KI‑Sicherheitsprodukt gut können muss. In der Cybersicherheit ist eine Antwort nur dann nützlich, wenn man ihr vertrauen, sie bis zu den Beweisen zurückverfolgen und darauf reagieren kann. Durch unsere Arbeit in KI und maschinellem Lernen haben wir gelernt, dass die eigentliche Chance nicht nur darin besteht, Informationen zusammenzufassen, sondern Expertenarbeit in ein System zu überführen, das diese Arbeit konsequent ausführen kann. Der Aufbau von Plattformen wie Alexa und Pandora hat uns gelehrt, Zuverlässigkeit und Benutzerfreundlichkeit in sehr großem Maßstab zu berücksichtigen.

Diese Lehren haben uns vom traditionellen Cybersicherheitsmodell weggeführt, ein weiteres Dashboard oder einen weiteren Strom von Alarmen für ein bereits überlastetes Team zu produzieren, das diese untersuchen muss. Wir haben Magnitude so konzipiert, dass es die Arbeit übernimmt: Informationen sammeln und verifizieren, Lieferanten bewerten, Änderungen überwachen, neue Informationen mit geschäftlichen Risiken verknüpfen und dabei helfen, Probleme zur Lösung zu führen.

Im Hintergrund bedeutet das, dass mehrere spezialisierte KI‑Agenten zusammenarbeiten. Die Kundenerfahrung sollte jedoch einfach bleiben. Sicherheitsteams sollten nicht zu KI‑Experten werden müssen, um zu verstehen, was das System gefunden hat, warum es wichtig ist oder welche Maßnahmen zu ergreifen sind.

Das Ergebnis ist ein Produkt, das kontinuierlich über Tausende von Lieferanten hinweg arbeitet und gleichzeitig den für sicherheitskritische Entscheidungen erforderlichen Standard erfüllt. Es ist nicht KI, die an einen älteren Arbeitsablauf angehängt wird. Es wurde von Anfang an um die Idee herum gebaut, dass KI einen Großteil des Workflows selbst ausführen kann, während den Menschen die notwendigen Beweise, Transparenz und Kontrolle bereitgestellt werden.

Eine der größten Bedenken im Zusammenhang mit KI in der Cybersicherheit ist, dass sie sowohl Verteidiger als auch Angreifer befähigt. Glauben Sie, dass der Vorteil derzeit bei den Verteidigern oder den Angreifern liegt, und was wird bestimmen, wer in den nächsten Jahren die Nase vorn hat?

Ich denke, der heutige Vorteil liegt bei den Angreifern, insbesondere bei Angriffen auf Lieferketten. Ich würde nicht sagen, dass die Verteidiger hoffnungslos zurückliegen. Die Handlungsaufforderung für die Verteidiger besteht darin, dieses Thema nicht mehr als zukünftiges Problem zu betrachten und jetzt schneller zu handeln. Beide Seiten haben Zugang zu vielen der gleichen KI‑Werkzeuge, aber die Wirtschaftlichkeit und die Markteinführungszeit begünstigen derzeit den Angreifer.

KI macht es günstiger und einfacher, mehr Angriffswege zu testen, tiefere (N‑stufige) Versuche zu starten und diesen Prozess in großem Maßstab zu wiederholen. Wenn ein Angreifer einen weit verbreiteten Lieferanten oder eine Softwarekomponente kompromittiert, kann ein erfolgreicher Angriff sich auf Hunderte oder sogar Tausende von Unternehmen ausbreiten.

Verteidiger haben die schwierigere Aufgabe, weil sie ein großes Netzwerk von Anbietern, Softwarekomponenten und nachgelagerten Lieferanten verstehen und schützen müssen, und es dauert zudem, bis Unternehmen reagieren, unterstützende Software beschaffen und diese Werkzeuge operationalisieren können, was ein Zeitfenster schafft, das Angreifer ausnutzen können.

Entscheidend dafür, wer die Nase vorn hat, wird sein, ob die Verteidiger diese Gleichung ändern können. Sie müssen über gelegentliche Überprüfungen und manuelle Nachverfolgungen hinaus zu kontinuierlicher Überwachung und schnellerem Handeln übergehen. Automatisierte Governance‑ und Verteidigungssysteme, die Änderungen fortlaufend überwachen, sie mit geschäftlichen Risiken verknüpfen und schnell reagieren können, werden Angriffe schwerer skalierbar und teurer in der Wiederholung machen.

Cybersicherheit war schon immer ein Katz‑und‑Maus‑Spiel. KI ändert daran nichts, erhöht jedoch Geschwindigkeit und Einsatz. Verteidiger benötigen Systeme, die lernen, sich anpassen und im gleichen Tempo agieren können, in dem Angreifer bereits operieren.

KI‑Lieferketten werden immer komplexer, da Organisationen auf zahlreiche Grundmodelle, SaaS‑Anbieter und autonome Agenten setzen. Welche aufkommenden Risiken glauben Sie, dass Unternehmen noch unterschätzen?

Das am meisten unterschätzte Risiko ist die Technologie, die hinter dem Produkt steckt, von dem ein Unternehmen glaubt, dass es es genehmigt hat. Selbst ein intern gebauter Agent kann von externen Plattformen, Plug‑ins, Auftragnehmern oder Softwarekomponenten abhängen. Diese verborgenen Beziehungen erzeugen ein N‑te‑Partei‑Risiko, also die Lieferanten hinter einem direkten Lieferanten.

Die meisten Unternehmen haben nach wie vor nur sehr geringe Sichtbarkeit auf diese tiefere Ebene. Sie wissen möglicherweise, mit wem sie einen Vertrag abgeschlossen haben, aber nicht über jeden externen Dienst, jede Softwarekomponente oder jeden Subunternehmer, der das Produkt letztlich unterstützt.

Ein weiteres Problem ist, wie stark diese Systeme vernetzt sind. Eine Schwachstelle in einem Plug‑in oder einem unterstützenden Dienst bleibt möglicherweise nicht auf den jeweiligen Anbieter beschränkt. Sie kann einen Pfad zu einer größeren Plattform öffnen und dann viele Organisationen beeinträchtigen, die darauf angewiesen sind. Das bedeutet, dass ein relativ kleiner Lieferant zu einer deutlich größeren Quelle von Risiken werden kann.

Was die Risikoführungskräfte fragen sollten, ist nicht einfach: „Welches KI‑Modell verwenden wir?“ Vielmehr: „Wovon hängt dieses System ab, wovon die Anbieter abhängen und wie könnte ein Problem irgendwo in dieser Kette uns erreichen?“ Solange Unternehmen diese Fragen nicht beantworten können, werden sie weiterhin Risiken übernehmen, die sie nicht sehen.

Über die heutigen großen Sprachmodelle hinaus, welche technologischen Entwicklungen in den nächsten fünf Jahren erwarten Sie, werden die Unternehmens‑Cybersicherheit und das Risikomanagement am stärksten verändern? 

Ich glaube nicht, dass die entscheidende Veränderung ein einzelnes neues Modell sein wird. Es wird der Übergang von KI, die Fragen beantwortet, zu KI‑Systemen sein, die kontinuierlich beobachten, was geschieht, Informationen aus verschiedenen Quellen verknüpfen und handeln.

Die nächste Generation von Modellen wird nicht nur ein wenig besser sein; sie wird deutlich leistungsfähiger sein. Der größere Wandel wird jedoch von spezialisierten Agenten kommen, die über die Sicherheitsoperationen hinweg zusammenarbeiten. Heute werden Anbieter‑Reviews, Bedrohungsinformationen, Geschäftsrisiken und Maßnahmen zur Behebung häufig in separaten Tools und von unterschiedlichen Teams verwaltet. Im Laufe der Zeit werden diese Funktionen zusammengeführt.

Ich erwarte, dass Sicherheitssysteme deutlich stärker vernetzt werden und Bedrohungsinformationen, geschäftlichen Kontext, Unternehmensrichtlinien und Reaktionsmaßnahmen zusammenführen, anstatt sie in separaten Tools zu verwalten. Sie könnten erkennen, dass ein Lieferant einer neuen Bedrohung ausgesetzt ist, verstehen, welche Geschäftsbereiche betroffen sein könnten, und die Reaktion einleiten, ohne auf mehrere manuelle Übergaben warten zu müssen.

Damit wird das Risikomanagement von einer Reihe periodischer Übungen zu einer kontinuierlichen Betriebsfähigkeit umgestaltet. Die stärksten Risikoprogramme werden auf dem Unternehmenskontext, verlässlichen Evidenzen und der Fähigkeit basieren, Informationen in vertrauenswürdige Handlungen zu überführen.

Wenn Sie den CISOs und Unternehmensleitern, die sich auf die nächste Generation KI‑gestützter Bedrohungen vorbereiten, einen Rat geben könnten, welcher wäre das und welche Maßnahmen sollten sie heute priorisieren?

Mein Rat wäre, das Management von Lieferkettenrisiken nicht mehr als einmal jährlich durchgeführte Übung zu behandeln. Risiken ändern sich kontinuierlich, und Ihr Ansatz muss Schritt halten. Das Umfeld ist lebendig und atmend. Es ist zu stark vernetzt und ändert sich zu schnell, als dass eine Reihe separater Reviews und Tools mithalten könnten.

Wie Sie diese entstehende Angriffsfläche schützen, geschieht über eine einheitliche KI‑native Steuerungsebene für kontinuierliche, autonome Governance und Verteidigung aller Ihrer externen Risiken.

Der Ausgangspunkt sind die für das Unternehmen wichtigsten Bereiche. Identifizieren Sie die Lieferanten und externen Dienste, die diese kritischen Abläufe unterstützen, verstehen Sie, wo verborgene Abhängigkeiten liegen, und schaffen Sie klare Verantwortlichkeiten für das Vorgehen, wenn ein Risiko entdeckt wird. Automatisieren Sie dann so viel wie möglich von der fortlaufenden Überwachung und den routinemäßigen Reaktionen, während Menschen weiterhin in Entscheidungen mit erheblichen geschäftlichen Konsequenzen eingebunden bleiben.

Ziel ist nicht einfach, mehr Informationen zu sammeln. Es geht darum, kontinuierlich das, was Sie wissen, zu verknüpfen, zu entscheiden, was wichtig ist, und zu handeln, bevor ein Lieferantenproblem zu einem unternehmensweiten Problem wird.

Vielen Dank für das großartige Interview, Leser, die mehr erfahren möchten, sollten Magnitude besuchen.