Was Unternehmen nicht sehen, können sie auch nicht schützen. Dieses alte Sicherheitsprinzip gewinnt im Zeitalter KI-gestützter Cyberangriffe neue Dringlichkeit: Während traditionelle Sichtbarkeitsansätze zunehmend an ihre Grenzen stoßen, agieren Angreifer schneller, verstecken sich geschickt in verschlüsseltem Traffic und nutzen die wachsende Komplexität hybrider Cloud-Infrastrukturen aus.
Von Tiho Saric, Senior Sales Director bei Gigamon.
Man kann nur bekämpfen, was man auch als Gefahr erkennt. Dieses Prinzip gilt seit dem Trojanischen Pferd – und mehr denn je bei heutigen Cyberangriffen. Denn durch KI werden die Attacken nicht nur deutlich schneller und effektiver, sondern auch zunehmend schwerer zu erkennen. In dieser Bedrohungslage wird echte Sichtbarkeit über das gesamte Netzwerk hinweg zum entscheidenden Faktor.
KI ist in Deutschland mittlerweile an 82 % der gemeldeten Sicherheitsverletzungen beteiligt, so eine aktuelle Gigamon-Umfrage. Die Technologie verschafft Angreifern ein wesentlich höheres Tempo und ermöglicht ihnen, der Abwehr von Unternehmen immer wieder einen Schritt voraus zu sein. Dreiviertel (76 %) der untersuchten deutschen Unternehmen verzeichneten im vergangenen Jahr einen Sicherheitsvorfall.
Ein zentrales Problem bleibt die Sichtbarkeit. Einerseits werden Infrastrukturen durch Hybrid-Cloud-Umgebungen immer komplexer, andererseits können Angreifer mit KI immer schneller und zielgerichteter agieren. Traditionelle Ansätze, die vorwiegend auf MELT-Daten (Metrics, Events, Logs, Traces) setzen, reichen nicht mehr aus, auch weil KI‑Angriffe sich zunehmend in verschlüsseltem Traffic, East‑West‑Bewegungen und Cloud-Workloads verstecken.
Sichtbarkeit im Zeitalter von Cloud und KI
Application Metadata Intelligence (AMI) ist ein neuer Ansatz, um tiefe Einblicke und schnelle Erkenntnisse in den komplexen Infrastrukturen von heute zu gewinnen. Genau gemeint ist damit die strukturierte Erfassung, Aufbereitung und Bereitstellung von Metadaten über Anwendungsverkehr in Netzwerken und digitalen Infrastrukturen. Dabei geht es nicht nur um die eigentlichen Nutzdaten, sondern um beschreibende Informationen über Verbindungen, Protokolle, Anwendungen, Sitzungen, Transaktionen und Verhaltensmuster auf den Ebenen 4 bis 7 des Netzwerkmodells.
Ziel ist es, aus roh vorliegenden Netzwerkdaten aussagekräftige, kontextbezogene Informationen zu gewinnen, die für Sicherheitsanalysen, Performance-Monitoring, Fehlerdiagnosen und operative Steuerung genutzt werden können. Gerade in hybriden und Multi-Cloud-Umgebungen, in denen klassische Sichtbarkeit oft eingeschränkt ist, schafft AMI eine zusätzliche Transparenzschicht zwischen Netzwerk, Anwendungen und darüberliegenden Analysewerkzeugen.
Im praktischen Einsatz umfasst die Technologie typischerweise die Identifikation von Anwendungen und Protokollen, die Extraktion relevanter Attribute aus dem Datenverkehr sowie die Anreicherung dieser Informationen mit weiterem Kontext, etwa zu Benutzern, Geräten, Standorten, Workloads oder Kommunikationsbeziehungen. So lassen sich beispielsweise Nutzungsmuster, Antwortzeiten, Fehlersignaturen, Datei- oder Sitzungsbezüge, ungewöhnliche Verbindungsfolgen oder Abweichungen vom erwarteten Verhalten sichtbar machen.
Moderne Ansätze arbeiten dabei häufig auch in stark verschlüsselten Umgebungen, indem sie nicht primär den Inhalt auswerten, sondern Metadaten, Verbindungsmerkmale und Protokollverhalten analysieren. Die gewonnenen Informationen werden anschließend in standardisierten Formaten an Sicherheits-, Observability-, SIEM- oder Performance-Werkzeuge übergeben, damit diese fundierter korrelieren, alarmieren und auswerten können.
So profitieren Unternehmen davon
Der Mehrwert von AMI liegt vor allem darin, dass sich komplexe Anwendungslandschaften präziser beobachten und schneller bewerten lassen. Sicherheitsverantwortliche erhalten belastbarere Hinweise auf verdächtige Aktivitäten, Schatten-IT, unerwünschte Anwendungen oder Anomalien im Kommunikationsverhalten.
Gleichzeitig profitieren Betriebs- und Infrastrukturteams, weil Engpässe, Latenzursachen, Qualitätsprobleme und Ausfälle schneller eingegrenzt werden können. AMI trägt damit dazu bei, Fehlalarme zu reduzieren, Untersuchungen zu beschleunigen und die Reaktionszeiten bei Incidents zu verkürzen.
Darüber hinaus unterstützt die Technologie eine effizientere Nutzung nachgelagerter Analyseplattformen, da statt großer Mengen unstrukturierter Rohdaten gezielt verdichtete und kontextualisierte Informationen bereitgestellt werden. Insgesamt ist Application Metadata Intelligence damit ein wichtiger Baustein für mehr Transparenz, bessere Entscheidungsgrundlagen und einen wirksameren Betrieb moderner, verteilter IT- und Anwendungsumgebungen.