In der heutigen Geschäftswelt, die von zunehmender Komplexität und ständigem Wandel geprägt ist, wird es für Unternehmen immer wichtiger, frühzeitig auf potenzielle Probleme zu reagieren und Chancen zu identifizieren. Eine Schlüsselrolle bei diesem Prozess spielt die Anomalieerkennung, ein Service, der von Kunden bei Liquam stark nachgefragt wird.

Was ist Anomalieerkennung?

Anomalieerkennung, auch als Anomaly Detection bekannt, ist ein fortschrittlicher Analyseansatz, der auf maschinellem Lernen und KI-Technologien basiert. Ziel ist es, ungewöhnliche Muster oder Abweichungen in Unternehmensdaten zu identifizieren. Diese Anomalien können auf verschiedene Geschäftsereignisse hinweisen, darunter Fehler, Betrug, Effizienzprobleme oder sogar Chancen, die bisher unentdeckt geblieben sind.

Frühzeitige Reaktion auf potenzielle Probleme

Die Anomalieerkennung ermöglicht es Managern, frühzeitig auf potenzielle Probleme zu reagieren, noch bevor sie sich zu ernsthaften Herausforderungen entwickeln. Durch den Einsatz von fortschrittlicher Analytik können Unternehmen proaktiv handeln und präventive Maßnahmen ergreifen, anstatt nur auf bereits eingetretene Probleme zu reagieren. Dieser proaktive Ansatz stärkt die Resilienz eines Unternehmens und minimiert potenzielle Schäden.

Vielfältige Vorteile für Unternehmen

Die Vorteile der Anomalieerkennung für Unternehmen sind vielfältig. Ein verbessertes Kosten-Nutzen-Verhältnis ist einer der offensichtlichen Vorteile, da Unternehmen effizienter agieren können, indem sie potenzielle Probleme frühzeitig angehen. Darüber hinaus fördert die Anomalieerkennung eine datengetriebene Kultur, in der Entscheidungen auf fundierten Daten basieren. Dies wiederum führt zu besser informierten Strategien und langfristigem Geschäftserfolg.

Bewältigung von Herausforderungen im Geschäftsalltag

In der heutigen schnelllebigen Geschäftsumgebung sind verpasste Chancen, Reputationsschäden und finanzielle Verluste Realitäten, mit denen Unternehmen konfrontiert werden. Die Anomalieerkennung hilft, diese Herausforderungen zu bewältigen, indem sie frühzeitig aufzeigt, wo Optimierungen vorgenommen werden können und welche Chancen bisher übersehen wurden.

Liquam als Partner für Anomalieerkennung

In unserer aktuellen Podcast-Folge geben wir einen breiten Überblick über die Einsatzfelder der Anomalieerkennung und vermitteln anschaulich den Mehrwert für Unternehmen. Sind Sie neugierig geworden und fragen sich, ob dieses Thema auch für Ihr Unternehmen relevant ist? Melden Sie sich gerne bei Liquam! Unser Team steht Ihnen zur Verfügung, um Ihre Fragen zu beantworten und Ihnen zu zeigen, wie Anomalieerkennung Ihr Unternehmen stärken kann.

In einer Welt, die von Daten und Technologie geprägt ist, ist die Anomalieerkennung ein entscheidendes Instrument, um Risiken zu minimieren und Chancen zu maximieren. Nutzen Sie die Möglichkeiten, die sich durch fortschrittliche Analytik und KI bieten, um Ihr Unternehmen auf die Herausforderungen der Zukunft vorzubereiten.

Entdecken Sie jetzt das ultimative Frühwarnsystem für Anomalien in Ihren Daten! Mit anolab® erkennen Sie sofortige Auffälligkeiten und erhalten Echtzeitbenachrichtigungen, damit Sie schnell handeln können. Besuchen Sie noch heute anolab.de und sichern Sie sich einen klaren Vorsprung bei der Datenüberwachung!

Transkript

Sven

Wir haben in diesem Podcast schon viel über das Thema Daten und deren Wichtigkeit für Unternehmen gesprochen und nachdem wir in der letzten Folge über KI-Strategien gesprochen haben, hatten wir uns überlegt, heute darüber zu reden, wie wir für unsere Kunden KI nutzen, um Chancen und Risiken zu identifizieren. Ein Service, der bei Liquam gerne nachgefragt wird, ist die Anomalie-Detection oder auch Anomalie-Erkennung in Bezug auf Unternehmensdaten. Dabei geht es darum, dass wir ungewöhnliche Muster oder Abweichungen von Daten identifizieren, die zum Beispiel auf Fehler, Effizienzprobleme, Betrug oder einfach wichtige Geschäftsereignisse hinweisen können.

Sebastian

Ja, diese Business-Anomalie-Detection, häufig wurde es nicht unbedingt so genannt, sondern man hatte unterschiedliche Namen dafür, ist schon ein wichtiges Thema, ist ein zunehmend wichtigeres Thema und war für unsere Kunden eigentlich auch in den letzten, mittlerweile fast elf Jahren, ja auch immer schon präsent, auch wenn man es halt nicht so genannt hat, auch wenn man andere Sachen darunter gesehen hat. Wir haben Projekte gehabt, wo es darum geht, mit gewissen Geschäftsprozessen, Automatisierung dieser Prozesse, zum Beispiel im Sales, über statistische Double-Abweichungen eben zu identifizieren und daraufhin Empfehlungen abzuleiten für Vertriebler, was die vielleicht tun können, wenn statistische Double, die sich doch grundsätzlich ähnlich verhalten sollten, eben nicht mehr so verhalten. Und das hat man halt schon intensiver, oder mehr oder weniger intensiv, genutzt und jetzt ist es gerade so, dass man merkt, dass es wichtiger ist, diese Anomalien, positiv wie negativ, dann eben, ich sag mal, ein Stück weit automatisierter und ein Stück weit auch sicherer zu erkennen, um auf diese Anomalien entsprechend reagieren zu können.

Sven

Ja, vor dieser Aufnahme war ich noch kurz bei den Kollegen, die aktuell für unsere Kunden an diesem Service arbeiten und habe mir einmal typische Parameter geben lassen, die sie beobachten und ich glaube, das hilft auch, um genauer zu verstehen, was wir als Anomalie genau bezeichnen. Das ist nur ein kleiner Auszug, aber ich lese einfach einmal ein paar greifbare Beispiele vor. „Unerwarteter Umsatzrückgang in einer Produktionskategorie“, „Signifikante Abweichungen bei den Materialkosten“, „Auffällige Muster in der Rabattgewährung“, „Unübliche Schwankungen im Auftragsvolumen von bestimmten Kunden“, „Häufige Änderungen in den Auftragsdetails nach Auftragsbestätigung“, „Überdurchschnittliche Leistungen einzelner Mitarbeiter oder Teams“, „Auffällige Muster in Mitarbeiterüberstunden“, „Auffällig lange Bearbeitungszeiten von Aufträgen“, „Plötzlicher Anstieg von Rücksendungen bei bestimmten Produkten oder Dienstleistungen.“ Die Liste ist noch viel länger, aber das soll einfach mal aufzeigen, wie unterschiedlich diese Anomalien überhaupt sein können. Das sind jetzt Überbegriffe gewesen, aber so ein ganz praktisches Beispiel, da möchte ich natürlich als Unternehmen direkt darauf hingewiesen werden, wenn plötzlich über meinen Onlineshop Macbooks für einen Euro verkauft werden, dann will ich das extrem schnell wissen und auch proaktiv wissen. Ich möchte darauf hingewiesen werden, damit ich schnell handeln kann.

Sebastian

Ja, das sind natürlich auch eine Reihe von KPIs, die halt sehr businessnah sind. Also die im konkreten Zusammenhang mit meiner tatsächlichen Leistung. Sagen wir mal, ich bin ein E-Commerce-Händler, da ist es halt für mich relevant zu überwachen, wie verändern sich meine Preise. Ist meine Preiskalkulation, die ja hoffentlich automatisiert ist, die vielleicht durch ein Dynamic Pricing angereichert ist, ist da ein Bug im System? Sind Daten manipuliert, sodass eben diese Anomalien entstehen? Also wurden Daten manipuliert, das kann ja auch absichtlich manipuliert worden sein, um halt eben eine Preiskalkulation zu beeinflussen. Das wäre ja eine KPI, die auf der einen Seite sehr businessnah ist und auch sehr nischig auf den Handel bezogen wäre. Aber gerade Umsatzrückgänge, das lässt sich natürlich auf nahezu alle Branchen übertragen, ist aber genauso eine sehr businessnahe Anomalie. Diese Anomalien gibt es natürlich auch in ganz anderen Bereichen. Also Datenanomalien zu erkennen, die müssen ja gar nicht unbedingt eine Businessrelevanz gerade haben. Also eine Businessrelevanz haben, wie ist zum Beispiel meine Verkaufspreise. Das können auch andere Themen in meinen Kundendaten sein. Nimmt meine Datenqualität auf Kundenebene ab? Generiere ich weniger Attribute und so weiter und so fort? Es könnte im Bereich IT-Security sein. Also wo habe ich dort Anomalien, wenn ich auf einmal auf meiner Serverinfrastruktur eine Datei finde, die evil.html heißt, dann ist das durchaus eine Anomalie, die ich vielleicht ernst nehmen sollte und auf die ich irgendwie reagieren muss. Aber wichtig ist es, diese Anomalie zu erkennen und die Herausforderung ist es eigentlich, das nicht unbedingt algorithmisch zu lösen. Weil in diesem Fall muss ich ja, wenn ich es algorithmisch löse, schon erahnen, wo ich eine Anomalie erwarte und muss dem System sozusagen beibringen, diese Anomalie, oder besser gesagt, diese Kennzahlen zu überwachen, die für diese Anomalie relevant wären.

Sven

Ich glaube, das ist durchaus auch der Grund, warum viele von unseren Kunden uns eben dafür auch buchen, selber bist du auch so ein bisschen betriebsblind oder sagst, ich besorge mir ein spezielles Tool, um genau das zu überwachen. Also du weißt schon gleich, okay, hier ist ein Bereich, der mir irgendwie wichtig ist, aber diesen Blick von draußen drauf und auch unabhängig davon, also breit drauf zu schauen, wo passiert etwas, wo ich vielleicht auch gar nicht mit rechne. Jetzt nicht nur für mein eigenes Unternehmen, bei Liquam, ist es ja so, dadurch, dass wir ja sehr viele unterschiedliche Kunden aus unterschiedlichen Branchen halt betreuen, dass wir dann eben auch Sachen ableiten können. Also wir sehen bei einem anderen Kunden, okay, hier gibt es entsprechende Situationen, das kann man natürlich dann auch genauso überwachen und im Blick behalten.

Sebastian

Also was natürlich einfach durch die Vielzahl der Kunden und auch der branchenübergreifenden Tätigkeit eben möglich ist, ist diese Anomalien besser zu erahnen eigentlich. Also wir wissen schon, worauf man achten kann und was woanders eventuell zu einer Anomalie führt, wo halt ein einzelnes Unternehmen es gar nicht drauf kommt, genau diese Kennzahl zu überwachen. Spannend wird es halt eben dann, wenn ich es schaffe und jetzt kommen wir in den Bereich der KI-Strategie, Machine Learning, wie auch immer man das nennen möchte, zu sagen, ich muss gar nicht mehr die Anomalie erahnen. Also ich muss nicht mehr sagen, also was wichtig ist, sind für mich meinetwegen meine Produktpreise und die möchte ich ganz gerne überwachen. Das ist relativ einfach. Also dafür kann ich Platzhistorien bauen, und kann dann implementieren, meinetwegen auch individuell implementieren, dass der Durchschnittspreis der letzten sieben Tage nicht um 10 Prozent unter- oder überschritten werden darf. Das ist relativ einfach. Es geht aber darum, Anomalien eben zu erkennen, die ich nicht auf den ersten Blick halt sehe. Und da kann mir halt KI schon helfen, automatisiert und eben nicht algorithmisch, einfach meine Datenströme zu überwachen und daraus abzuleiten, was eventuell ein Problem ist oder überhaupt erstmal eine Kennzahl zu identifizieren, die für mich halt eben relevant ist. Beziehungsweise vielleicht muss ich diese Kennzahl auch gar nicht ständig überwachen, sondern meine KI ermöglicht es eben diese Anomalie zu erkennen und dieses Problem auf dieser Kennzahl will ich die nächsten zehn Jahre nicht mehr haben. Es war aber in diesem Moment wichtig und deswegen lohnt es sich nicht, diese Kennzahl permanent zu überwachen, noch wäre ich nie auf die Idee gekommen, diese Kennzahl zu überwachen.

Sven

Ja, vor allem in diesem Fall erfolgt das dann ja auch automatisch und im Hintergrund. Also ich würde ja sonst auch mit entsprechenden Ressourcen einfach binden. Also das ist ein ganz gutes Beispiel von dir oder ein Hinweis, weil so die erste Reaktion häufig von Kunden ist, dass sie sagen, also das sollte mir ja schon auffallen, wenn ich da irgendwie zu viel Rabatte gebe oder wenn halt irgendwie ein Produkt besonders stark verkauft wird oder ich habe doch Herrn XY dafür eingestellt, damit das ist sein Bereich, da muss er darauf achten. Nur die Realität ist ja die, gerade diese frühzeitig entsprechende Anomalien zu erkennen und Prävention einzuleiten, umso schneller das passiert, umso besser natürlich. Und das geht natürlich gerade durch eine gewisse Automatisierung und eine automatische datengestützte Analyse im Hintergrund viel, viel, viel besser, als wenn ich irgendwann mal feststelle, warum ist denn der Absatz von dem folgenden Produkt momentan so groß, bis ich dann durch Zufall irgendwann drauf stoßen werde oder ständig irgendwie eine KPI beobachte, die sich nie verändert, nur weil sie sich in der Vergangenheit einmal verändert hat. Und das ist auch einfach ein Thema bei der aktuellen Situation mit Fachkräften, dass ich einfach Zeiten und Ressourcen einsparen muss als Unternehmer. Also wenn ich dann im Hintergrund einen automatisierten Dienst habe, der auch dann gestützt durch entsprechende KI automatisch alles beobachtet, ist natürlich viel besser und effizienter, als wenn ich dort einen Mitarbeiter einstellen muss, der als Controller halt in seinen Möglichkeiten halt versucht, das im Blick zu behalten.

Sebastian

Ja, und wie gesagt, ich glaube, die Hauptherausforderung ist eben, du kannst gar nicht so wild denken, wie tatsächlich diese Anomalien auftreten. Also wenn wir mal an das Thema Eingangsrechnung halt denken. Unternehmen bekommen permanent fortlaufend immer mehr Eingangsrechnungen rein. Und ja, theoretisch sollte mein ERP, meine Buchhaltungssoftware, vielleicht auch der Steuerberater erkennen, wenn eine Rechnung doppelt gebucht wird. Aber sagen wir mal, und ja, das passiert in den allermeisten Fällen, diese Rechnungen werden manuell gebucht. Ich habe einen Zahlendreher in meiner Rechnungsnummer drin. Dann überweise ich an einen Dienstleister eine Rechnung vielleicht doppelt, weil ich bisher nur auf Belegnummern-Ebene meine Duplikate geprüft habe. So, und auf einmal habe ich da eine Rechnung in Höhe von 10.000 Euro, die ich doppelt überwiesen habe. So wild kann ich erstmal gar nicht denken. Da würde ja jeder sagen, ich würde nicht die Rechnung doppelt bezahlen. Aber es passiert halt.

Sven

Genau, das meine ich. Also so der erste Gedanke von einem Geschäftsführer oder Manager ist natürlich, das würde ich ja nicht machen. Also das ist ja ganz logisch.

Sebastian

Und ich würde halt denken, ach wieso, meine Buchhaltungssoftware, die macht das halt schon. Die hat eine Duplikatüberprüfung auf Belegnummern-Ebene, überprüft vielleicht auch noch den Endbetrag dazu. Ja, aber was passiert denn, wenn ich halt eben einen Zahlendreher in dieser Rechnungsnummer drin habe? Natürlich habe ich, wenn ich es eben KI-unterstützt mache, diese Anomalien zu erkennen, habe ich natürlich auch eine gewisse Unschärfe drin. Also ich werde es auch nicht genau sagen können und sagen, diese Rechnung ist doppelt bezahlt. Aber es gibt mir zumindest den Hinweis, das ist ja eine potenzielle Anomalie.

Sven

Richtig. Dann kann ich als Mitarbeiter sagen, nein, das ist in Ordnung, trainiere damit wieder die KI, dass ich beim nächsten Mal weiß, okay, damit kann ich umgehen. Oder ich werde darauf hingewiesen und kann dann proaktiv damit handeln.

Sebastian

Der Algorithmus kann natürlich auch sagen, ich habe hier drei Merkmale, das ist mein Kreditor, das ist die Belegnummer, das ist der Betrag. Ich habe hier drei Merkmale, zwei davon sind erfüllt. Ja gut, dann sage ich halt, die Wahrscheinlichkeit liegt bei 66 Prozent. Aber es kann ja auch sein, da wurde ein Kreditor zweimal angelegt und schon ist es nicht mehr der gleiche. Und dann geht es halt darum, diese Anomalie zu erkennen und besonders dann halt auch eben, vielleicht auch mit einer gewissen Wahrscheinlichkeit auch versehen, wie wahrscheinlich ist eine Anomalie in diesem Bereich. Weil dieses Problem haben andere Unternehmen genauso. Und diese Erkenntnis, dieses Learning, was man da eben hat, das kann man natürlich auch hierhin übertragen und sagen, also die KI weiß dann halt schon, dass sie genauer auf Eingangsrechnung gucken muss. Und auch wenn der Kreditor und die Belegnummer eben eine andere ist, aber dennoch der Betrag gleich ist, muss sie da trotzdem mal tiefer reinschauen, weil es recht häufig ist, dass hier Anomalien auftreten.

Sven

Das ist eigentlich ein sehr, sehr gutes Beispiel, weil gerade das ist eine Anomalie, wenn wir die haben, meistens rechnet sich dadurch die Anomalie-Detection automatisch. Weil in dem Moment, wo ich genau so welche Sachen ausfindig mache, ist es günstiger, eine entsprechende Anomalie-Detection laufen zu haben, als diese Rechnung bezahlen zu müssen. Ich hatte noch zwei Gedanken dazu. Ich will jetzt nichts über den Kunden verraten, aber ein Kunde, mit dem wir das schon länger machen, der selber hat 50.000 Kunden und hat ein recht kleines Sales-Team. Also dieses Sales-Team muss eine sehr große Anzahl von Kunden betreuen, also sagen wir mal Sales und Key-Account. Und gewisse Anomalien werden im Hintergrund automatisch durch uns identifiziert. Und im ersten Schritt, weil eben dieses Sales-Team so klein ist, dass sie gar nicht alle 50.000 Kunden entsprechend selber bedienen oder kontaktieren können, ist es sogar so, dass das System automatisch schnell Nachrichten an den Kunden rausschickt. Also das System stellt fest, hier stimmt irgendwie etwas nicht, der verhält sich anders als normal. Normalerweise bestellt er halt immer, irgendwie verändert sich was und dann geht eine erste Nachricht vom System automatisch raus, wo entweder ein Rabatt angeboten wird oder eine Rückfrage gestellt wird und so weiter. Und in Abhängigkeit zu der Reaktion des Kunden dann, also wenn er, dann bestellt er wieder oder dann merkt die KI, okay, ist alles fein, ist wieder in Ordnung. Wenn das nicht der Fall ist, dann wird der Mitarbeiter darauf hingewiesen, da geht eine rote Flagge an und sagt, okay, hier stimmt bei dem Kunden was nicht, schau dir den mal an, ruf den mal an. Auch ein super Beispiel dafür eigentlich, wie ich durch diese Anomalie-Detection, also zum einen ist es für das Team absolut nicht möglich, diese gesamte Anzahl an Kunden im Auge zu behalten, das ist einfach nicht möglich. Und dann kann ich durch diese Anomalie-Detection auch noch proaktiv darauf hingewiesen werden, wenn was passiert. Also ich habe da einen intelligenten Mitarbeiter im Hintergrund, der die komplette Zeit meine Kunden im Auge behält. Bevor etwas passiert, bevor sich Kunden abwandern durch Wettbewerb, gerade wieder ein großes wichtiges Thema, da ist der Wettbewerb im Hintergrund angefangen hat, die Kunden abzugrasen, kann ich proaktiv darauf hingewiesen werden.

Sebastian

Das ist ja auch fast eine positive Anomalie. Natürlich ist es kritisch, wenn ich dieses Potenzial nicht erkenne, aber es ist ja auch, man kann es ja auch positiv sehen. Es setzt mich eben in die Lage, dass ich die sowieso recht knappen Ressourcen sehr gezielt einsetzen kann und da einsetzen kann, wo es wirklich sinnvoll ist. Und es zeigt mir halt einfach mein Potenzial auf, was ich ja augenscheinlich relativ einfach heben kann.

Sven

Das ist ein absolut positives Thema, aber es gibt viele weitere Beispiele. Ich kann ja auch eine Anomalie bekommen. Mensch, folgendes Produkt läuft momentan sehr, sehr gut bei dir. Wenn ich darauf frühzeitig hingewiesen werde, kann ich mich darum kümmern, dass ich entsprechende Einkaufskonditionen bekomme, dass ich halt wieder mein Lager voll mache und so weiter. Das ist ein recht einfaches Beispiel, sagen wir mal so, ich verkaufe das MacBook nicht 10% zu billig, sondern 10% zu teuer und stelle trotzdem fest, das wird trotzdem abgenommen. Also die Anomalie Detection kann mir auch aufzeigen durch so einen Fehler, welche Möglichkeiten habe ich vielleicht noch in der Preisgestaltung. Auch ein super interessantes Thema. Ich hatte noch einen Gedanken bezüglich der Rechnung, die du gesagt hattest. Es ist ja auch so ein Thema, sagen wir mal, ich bin so eine Wohnungsgenossenschaft und habe Handwerker im Einsatz. Und im letzten Jahr ist einfach die Anzahl der Handwerker für die Reparatur von Wasserhähnen um 20% gestiegen, was irgendwie im Vergleich zu vorherigen Daten irgendwie seltsam ist, oder sagen wir mal 15%. Und dann kann genau daraus auf eine entsprechende Schlussfolgerung kommen, wie es würde viel mehr Sinn machen, vielleicht mal die gesamten Wasserhähne zu sanieren, als halt weiterhin immer Handwerker zu beauftragen.

Sebastian

Ja, oder ich brauche diese Erkenntnis, die ich halt einfach in diesem Datenbooster sonst einfach nicht mehr gewinnen könnte. Ich brauche aber diese Erkenntnis, um auf meine Preiskalkulation Einfluss zu nehmen. Ich muss wissen, dass meine Reparaturkosten momentan hoch sind und das muss ich halt irgendwie wissen. Also nur mit der Erkenntnis kann ich halt irgendwie handeln. Also definitiv ein Feld. Es gibt unheimlich viele Bereiche und wie gesagt, die Herausforderung war bisher immer das Thema algorithmisch zu lösen, weil man kann das System gar nicht so entwickeln, also es ist ja keine Garantie, dass die Sachen erkannt werden, aber wenn du dich dem eben algorithmisch näherst, ist die Wahrscheinlichkeit doch relativ gering, dass du so weit denken kannst und wirklich Anomalien erkennst. Also es gibt so viele Sachen. Man glaubt auch gar nicht, dass es zum Beispiel im Handel Vorkasse-Betrug geben kann. Sowas gibt es aber in unterschiedlichsten Ausprägungen und diese Anomalie, die muss ich, oder anders gesagt, es gibt durchaus in Daten Anomalien, die darauf schließen lassen. Also im rückblickend denkt man immer, ja, das hätte man eigentlich erkennen können. Ja, es gibt ja so Fälle, Ferienhausbetreiber, die bauen Webseiten, stellen bei Booking irgendwelche Häuser rein, die es nicht gibt, sagen dann, wir brauchen eine Vorkasseleistung für das Ferienhaus und im Hintergrund wird aber in Höhe des exakten Betrages irgendwo im E-Commerce eingekauft, wo man noch Vorkasse wählen kann und dann wird dort eine Vorkassezahlung geleistet und der Kunde denkt, er bezahlt das Ferienhaus, aber er bezahlt da gerade den Fernseher. Da steht natürlich sowas wie Ferienhaus drin und das sind eben Anomalien, die man halt auf Basis der Zahlungsströme eben hätte erkennen können und wenn man sie schnell erkennt, auch tätig werden kann, zumindest um Folgebetrug dann vielleicht eben zu reduzieren.

Sven

Ja, richtig. Das finde ich einen ganz guten Punkt, weil wenn man so irgendwie darüber nachdenkt, was sind denn so die Pain Points eigentlich? Also wäre hier ganz klar einfach ein erheblicher finanzieller Verlust, aber auch wenn ich an so etwas denke wie rechtliche Konsequenzen zum Beispiel. Also durch eine Anomalie-Detection kann ich vorzeitig darauf hingewiesen werden, um rechtliche Konsequenzen einfach irgendwie in den Griff zu bekommen oder eben auch zu sagen, okay, ich habe hier eine gewisse Möglichkeit, um das zu sehen, um darauf eingreifen zu können. Weitere Pain Points, die man hat, ob es irgendwie Kundendienstprobleme, Preisfehler, Markenreputation, die Gefahren sind ja vielfältig.

Sebastian

Eigentlich kannst du die ganzen Betrugsbeispiele nehmen, darauf würdest du einfach nicht kommen. Also das gibt es das immer in der Regel schon irgendwo, also irgendwo hat jemand genau dieses Pattern schon mal angewandt. Aber das hast du halt eben nicht auf dem Schirm, um das dann halt eben zu erkennen. Und ich glaube über das ganze Thema Software, Data, IT, Security, ich glaube, das liegt auf der Hand, also welche Anomalien da auftreten können. Das machen ja, also wenn man wirklich auf Infrastrukturebene geht, machen das ja Firewall-Lösungen schon sehr gut, dass sie Anomalien in den Zugriffspattern irgendwie erkennen, darauf hinweisen, entsprechend etwas blocken oder ausschließen. Das funktioniert schon ganz gut, aber gerade so auch durch, also wie viele Anomalien auch durch Softwarefehler entstehen, die man eigentlich hätte auch vermeiden können. Aber das ist halt immer der Punkt. Man möchte eigentlich es gar nicht zum Schaden kommen lassen. Also man möchte ja eigentlich, also wenn ich über eine Anomalie rede, dann ist es ja in der Regel so, dass der Schade schon entstanden ist. Meine Rechnung ist doppelt überwiesen. Ich habe Produkte zu günstig verkauft. Ich habe den Hack bereits in der Server-Infrastruktur. Eigentlich ist es dann ja passiert, also wenn ich diese Anomalie erkenne. Es gibt natürlich auch Anomalien, die nur auf ein Potenzial hinweisen, dass irgendwo etwas entstehen könnte. Aber häufig ist es so, dass diese Anomalie zeigt, dass der Schaden schon eingetreten ist. Jetzt könnte ich argumentieren, dass ich halt vorher ansetzen muss, um genau das zu verhindern. Ja, das kann ich dann eben durch zum Beispiel Softwarequalität tun, wenn ich darüber spreche, dass meine Anomalie durch einen Softwarefehlerentstanden ist. Aber häufig brauche ich halt erstmal eine Sensibilität für das Thema und es ist ja ein Stück weit die Versicherung. Also vielleicht bekomme ich den Schaden nicht ersetzt, deswegen das Beispiel hinkt. Aber ich kann in letzter Instanz immer noch mal darauf hingewiesen werden. Also ich bekomme noch mal die Info, hier ist etwas passiert und das ist deutlich besser, als wenn über Jahre etwas passiert, ich über Jahre Rechnung doppelt überweise und nicht dafür sensibilisiert werde, ich muss hier meine Prozesse optimieren, ich muss da vielleicht eine Person für einstellen, die etwas überwacht. Ich kann handeln und ich glaube, das soll dieser Bereich tun, eben Personen einfach befähigen zu handeln und einfach die Kenntnis zu vermitteln.