Was ist Künstliche Intelligenz (KI) in der Cybersicherheit?

KI in der Cybersicherheit verändert die digitale Verteidigung durch fortschrittliche Bedrohungserkennung, prädiktive Analysen und automatisierte Reaktion auf Vorfälle. Entdecken Sie ihre Vorteile, Sicherheitsrisiken, Anwendungsfälle und zukünftigen Trends zum Aufbau widerstandsfähiger Cyberabwehr.

KI in der Cybersicherheit: Die Anwendung von maschinellem Lernen, Deep Learning und Automatisierung zur Erkennung, Untersuchung und Behebung von Cyberbedrohungen in Telemetriedaten von Endpunkten, Netzwerken, Cloud-Services und Identitätssystemen. 

Primäre Ziele: die Zeit bis zur Erkennung (MTTD) verkürzen, die Verweildauer reduzieren, Routineaufgaben automatisieren und die Produktivität von SOC-Analysten steigern.

Was ist Künstliche Intelligenz (KI) in der Cybersicherheit?

KI in der Cybersicherheit bezieht sich auf die Anwendung von KI-Technologien, um einen verbesserten Schutz digitaler Systeme und sensibler Daten vor Cyberbedrohungen sicherzustellen. Zur Erkennung, Verhinderung und Reaktion auf Cyberbedrohungen nutzt KI in der Cybersicherheit maschinelles Lernen und neuronale Netze zusammen mit anderen KI-Techniken wie Datenanalyse und Automatisierung. 

KI in der Cybersicherheit kann enorme Datenmengen mit hoher Geschwindigkeit analysieren, um Muster zu erkennen, die auf eine Beeinträchtigung der Cybersicherheit eines Systems hindeuten, und hat sich daher als leistungsstarkes Werkzeug erwiesen, um Cyberkriminalität zu bekämpfen und Cybersicherheit proaktiv sicherzustellen.

Wie wird KI in der Cybersicherheit eingesetzt?

KI-Sicherheit wird von Sicherheitsexperten mit verschiedenen Methoden eingesetzt, um Cybersicherheit sicherzustellen:

1. Bedrohungserkennung und Reaktion auf Bedrohungen: KI wird eingesetzt, um Bedrohungen zu erkennen und auf identifizierte Bedrohungen zu reagieren, indem sie das normale Netzwerkverhalten erlernt, um Anomalien im Netzwerk zu identifizieren. Dies gewährleistet eine schnellere Reaktion auf Cyberangriffe.

2. Prädiktive Analytik: KI wird in der prädiktiven Cybersicherheit eingesetzt, um verbesserte Threat Intelligence bereitzustellen, umfassende Einblicke zu liefern und die Effizienz von Sicherheitsanalysten zu verbessern. KI-Modelle sind in der Lage, Abweichungen zu erkennen, die auf bösartige Aktivitäten hinweisen.

3. Automatisierte Sicherheitsprüfungen: KI in der Cybersicherheit automatisiert routinemäßige Sicherheitsprüfungen, einschließlich Patch-Management und Incident Response.

4. Erkennung von Phishing-Angriffen: KI-Sicherheit ist in der Lage, Phishing-Versuche zu identifizieren, indem sie den Inhalt der E-Mail und das Verhalten des Absenders analysiert und solche Angriffe blockiert.

5. Endpunktschutz: Die Integration von KI in Endpoint-Sicherheitslösungen hat Cybersicherheitsteams in die Lage versetzt, ihre Maßnahmen zur Bedrohungserkennung, Reaktion und Behebung zu verbessern. Dabei werden Verhaltensanalyse-Techniken in Echtzeit eingesetzt.

Bedeutung von KI in der modernen Cybersicherheit

Da Cyberangriffe mit dem technologischen Fortschritt immer ausgefeilter werden, ist es schwierig, Cybersicherheit mit traditionellen Methoden und Maßnahmen sicherzustellen. KI hat die Cybersicherheitsfähigkeiten verbessert, indem sie potenzielle Schwachstellen und zukünftige Angriffe durch prädiktive Analytik vorwegnimmt, indem sie Bedrohungen identifiziert und verhindert, bevor sie dem Netzwerk oder System schaden können.

Der Einsatz automatisierter Threat-Hunting-Algorithmen hat menschliche Eingriffe und menschliche Fehler reduziert, indem Bedrohungen innerhalb eines Netzwerks mit größerer Effizienz und Wirksamkeit identifiziert werden. Mit KI in der Cybersicherheit ist es nun einfacher, große Netzwerke durch maschinelles Lernen, Sicherheitsautomatisierung und neuronale Netze zu schützen und dadurch die Skalierbarkeit zu verbessern.

Wie funktioniert KI in der Cybersicherheit?

KI in der Cybersicherheit arbeitet mit KI-Algorithmen, maschinellem Lernen und neuronalen Netzen, die in der Lage sind, riesige Datenmengen zu analysieren, um Muster und Anomalien zu erkennen, die auf Cyberangriffe hindeuten. Darüber hinaus hilft KI dabei, das gesamte Netzwerk zu scannen, um Schwachstellen zu identifizieren und zukünftige Cyberangriffe zu verhindern. Hier ist ein vereinfachter Workflow, um den Einsatz von KI in der Cybersicherheit zu verstehen:

1. Datenerfassung: KI-Algorithmen nutzen verschiedene Quellen, um die erforderlichen Daten zu erfassen. Zu den wichtigsten Quellen für die Datenerfassung gehören Benutzerverhalten, Systemprotokolle und Netzwerkverkehr.

2. Datenverarbeitung: Die erfassten Daten werden anschließend gefiltert und verarbeitet, um irrelevante Informationen zu entfernen. Die Datenverarbeitung umfasst eine Reduzierung von Störungen in den Daten.

3. Training des KI-Modells: KI-Algorithmen werden dann darauf trainiert, normales Verhalten zu erkennen und anschließend nach Anomalien und ungewöhnlichen Aktivitäten Ausschau zu halten, die vom normalen Verhalten abweichen.

4. Erkennung von Bedrohungen: Das trainierte KI-Modell, die Algorithmen und neuronalen Netze überwachen enorme Mengen an Echtzeitdaten, um Bedrohungsmuster zu identifizieren und so die Erkennung und Verhinderung von Bedrohungen zu unterstützen.

5. Reaktion auf Auffälligkeiten: Wenn eine Bedrohung für das System erkannt wird, informiert der automatisierte KI-Algorithmus die menschlichen Sicherheitsanalysten über den potenziellen Softwareangriff. Diese neigen dazu, bösartige IP-Adressen und E-Mail-Absender zu blockieren, um Angriffe wie Phishing zu stoppen.

Künstliche Intelligenz vs. Datenanalyse

Obwohl KI in der Cybersicherheit und Datenanalyse in der Cybersicherheit eine entscheidende Rolle bei der Erkennung, Verhinderung und Reaktion auf Cyberangriffe spielen, unterscheiden sie sich beide in ihren Ansätzen und ihren jeweiligen Fähigkeiten. Zweifellos definieren Fortschritte in der KI neu, wie Cybersicherheit funktioniert. KI konzentriert sich auf die Entwicklung von Maschinen und Systemen, die in der Lage sind, Aufgaben auszuführen, die ansonsten menschliche Intelligenz erfordern. Im Gegensatz dazu umfasst Datenanalyse die Analyse und Interpretation komplexer Daten, um fundierte Entscheidungen zu treffen.

Darüber hinaus werden KI-Algorithmen darauf trainiert, autonome Entscheidungen auf Grundlage der aus den verfügbaren Daten gewonnenen Erkenntnisse zu treffen. KI-Sicherheit nutzt maschinelles Lernen und neuronale Netze. Soweit Datenanalyse betrachtet werden muss, ist sie stärker auf die Analyse historischer Daten ausgerichtet, um Erkenntnisse zu gewinnen und anschließend fundierte Entscheidungen zu treffen.  Sie verwendet Statistik, um Trends und Muster in den verfügbaren Daten zu identifizieren.

Wenn es um die Wahl zwischen beiden geht, ist KI in der Lage, Bedrohungen autonom zu erkennen und darauf zu reagieren. Datenanalyse liefert jedoch lediglich Erkenntnisse zum Verständnis potenzieller Bedrohungen und unterstützt Menschen dabei, datenbasierte fundierte Entscheidungen zu treffen.

Geschichte der KI in der Cybersicherheit

Die Art und Weise, wie KI in der Cybersicherheit eingesetzt wurde, hat sich mit dem technologischen Fortschritt erheblich weiterentwickelt. In den frühen Jahren konzentrierten sich KI-Anwendungen auf regelbasierte Systeme und führten Anomalieerkennung auf grundlegender Ebene durch. Mit dem technologischen Fortschritt entwickelte sich auch die Anwendung von KI in der Cybersicherheit weiter.

• 1980er

In den 1980er Jahren lag der Schwerpunkt vor allem auf der Einführung regelbasierter Systeme, die Intrusion Detection durchführten. Grundlegende Anomalien im System konnten damals erkannt werden.

• 1990er

In den 1990er Jahren begann die Entwicklung von Algorithmen für maschinelles Lernen, was zu einer effizienteren und wirksameren Bedrohungserkennung führte.

• 2000er

Da sich die Rechenleistung im Laufe der Jahre weiterentwickelte, gewann Big Data erheblich an Bedeutung, um den Einsatz von KI in der Cybersicherheit zur Analyse und Erkennung von Bedrohungen in Echtzeit zu verbessern.

• 2010er

In diesen Jahren wurden neuronale Netze und Deep Learning für die Identifizierung und Reaktion auf Bedrohungen auf fortgeschrittenem Niveau eingesetzt.

• 2020er

KI wurde zu einem integralen Bestandteil mehrerer Cybersicherheitsanwendungen, da prädiktive Analytik, Verhaltensanalyse und automatisierte Reaktionen die Fähigkeit von KI zur Gewährleistung von Cybersicherheit verbesserten.

Traditionelle Cybersicherheit vs. moderne KI-gesteuerte Ansätze

Traditionelle Ansätze der Cybersicherheit basieren auf der Anwendung von Perimeter-Verteidigung zum Schutz des Netzwerks, der Anwendungen und der Daten eines Unternehmens. Traditionelle Ansätze umfassen funktionale Tools wie Firewalls und die Einrichtung mutmaßlich vertrauenswürdiger Zonen innerhalb des Perimeters. Dieser Ansatz stützt sich auf vordefinierte Regeln zur Identifizierung von Bedrohungen. Dieser Ansatz ist nur bei bekannten Bedrohungen nützlich. Bei neuen und sich weiterentwickelnden Bedrohungen versagt er jedoch häufig. Im Gegensatz dazu sind moderne KI-gesteuerte Ansätze für die Cybersicherheit anpassungsfähig, da sie keinen regelbasierten statischen Systemen folgen und neue Bedrohungen erlernen können.

Darüber hinaus hat Künstliche Intelligenz in der Cybersicherheit die Reaktionszeit erheblich verkürzt, da KI Echtzeitdaten mit sehr hoher Geschwindigkeit verarbeitet. Im Vergleich zu traditionellen Ansätzen sind KI-gesteuerte Ansätze besser skalierbar, da sie problemlos auf den Schutz großer Netzwerke skaliert werden können, ohne dass Menschen stark eingebunden werden müssen. Außerdem haben moderne Ansätze prädiktive Analytik hervorgebracht, die bei der Vorhersage und Eindämmung von Bedrohungen und Angriffen unterstützt, bevor diese tatsächlich auftreten. Dies verdeutlicht, dass traditionelle Ansätze reaktiv sind, während Künstliche Intelligenz in der Cybersicherheit proaktiv ist.

Vorteile von KI in der Cybersicherheit

KI hat der Cybersicherheit mehrere Vorteile gebracht:

1. Besseres Schwachstellenmanagement: KI-Sicherheit bietet ein besseres Schwachstellenmanagement durch automatisierte Bedrohungserkennung und verbesserte Reaktionen in Echtzeit. Dadurch können Unternehmen und Netzwerkverantwortliche schnell auf potenzielle Bedrohungen reagieren und den Schaden minimieren.

2. Verbesserte Bedrohungserkennung: Die Einbindung von KI in Cybersicherheitstools hilft Sicherheitsteams, ihre Effektivität bei der Erkennung und Verwaltung von Bedrohungen zu steigern. KI-gestützte Sicherheitssysteme sind in der Lage, enorme Datenmengen zu analysieren und Muster sowie Anomalien zu erkennen, die auf einen Cyberangriff hindeuten könnten.

3. Incident Response: Mit KI wurden Incident-Response-Prozesse automatisiert, was eine schnellere und effektivere Eindämmung von Cyberbedrohungen ermöglicht. Dadurch können KI-Sicherheitssysteme sofort eine Reaktion einleiten, sobald eine Bedrohung erkannt wird.

4. Kosteneffizient: Die Einbindung von KI in Cybersicherheitssysteme ist kosteneffizient, da sie die für die Erkennung, Verhinderung und Behebung von Bedrohungen erforderlichen personellen Ressourcen erheblich reduziert. Dies senkt die Betriebskosten für die meisten Unternehmen.

5. Skalierbarkeit: KI-basierte Sicherheitssysteme skalieren mühelos, um enorme Datenmengen zu analysieren. Sie bewältigen das exponentielle Datenwachstum problemlos.

6. Verbesserte Gesamtsicherheit: Hacker ändern ihre Taktiken ständig, was es für Sicherheitssysteme schwierig macht, sie zu erkennen. KI kann in einer solchen Situation dabei helfen, eine Reihe von Angriffen zu erkennen, darunter Phishing und Malware, mithilfe von Algorithmen des maschinellen Lernens. Die Analyse des Inhalts und die Bestimmung des Verhaltens des Absenders sind mit KI-Sicherheit jetzt deutlich einfacher.

Bewertung der mit KI in der Cybersicherheit verbundenen Risiken

Obwohl KI mehrere Vorteile bietet, sind auch einige Risiken damit verbunden:

1. Verzerrung: KI-Modelle können mitunter zu einer ungenauen Erkennung von Sicherheitsbedrohungen führen, da sie Verzerrungen aus den Daten übernehmen können, mit denen sie trainiert wurden.

2. Adversarial Attacks: Hacker und Cyberkriminelle können die Algorithmen von KI-Systemen erkennen und daher leicht irreführende Daten in die Algorithmen einspeisen. Dies kann die Wirksamkeit dieser Algorithmen beeinträchtigen.

3. Nachlässigkeit bei der Wachsamkeit: Da menschliche Sicherheitsanalysten möglicherweise vollständig von KI-Modellen abhängig werden, könnten sie die allgemeine Wachsamkeit der Sicherheitssysteme vernachlässigen.

Auswirkungen von KI in der Cybersicherheit

KI hat durch verbesserte Bedrohungserkennung und schnellere Reaktionszeiten einen enorm positiven Einfluss auf die Cybersicherheit gehabt. KI hat außerdem dazu beigetragen, die allgemeine Sicherheitslage von Unternehmen in verschiedenen Branchen zu verbessern. Darüber hinaus sind KI-gestützte Sicherheitssysteme proaktiv und unterstützen daher bei der Vorhersage und Eindämmung potenzieller Risiken, um Schäden zu minimieren. Abgesehen davon haben sich diese Systeme als äußerst kosteneffizient und skalierbar erwiesen.

Beispiele für KI in der Cybersicherheit

1. Spam-Filter: Spam-Filter in E-Mails helfen dabei, bösartige E-Mails zu identifizieren und sie nach Zustimmung des Benutzers zu blockieren.
2. Netzwerküberwachung: Um netzwerkbasierte Bedrohungen wie DDoS zu vermeiden, überwacht KI-Sicherheit den Netzwerkverkehr, um Anomalien zu erkennen.
3. Endpoint Protection: KI-Systeme schützen Endpunktgeräte, indem sie Malware-Bedrohungen erkennen und eindämmen.

Best Practices für KI in der Cybersicherheit

Die Best Practices, damit KI-Modelle in der Cybersicherheit proaktiv arbeiten, sind:

1. Regelmäßige Updates: Um die Wirksamkeit von KI-Modellen zu verbessern, müssen sie regelmäßig mit aktuellen Daten aktualisiert werden.
2. Reduzierung von Verzerrungen: Methoden und Maßnahmen müssen implementiert werden, um Verzerrungen zu identifizieren und zu mindern.
3. Verbesserung der umfassenden Sicherheit: Um die umfassende Sicherheit zu verbessern, ist es entscheidend, ein Gleichgewicht zwischen KI und menschlicher Wachsamkeit zu schaffen.
4. Training zur Verhinderung von Adversarial Attacks: KI-Algorithmen müssen die Erkennung von Adversarial Attacks umfassen und sich auf die Abwehr solcher Angriffe konzentrieren.

Anwendungsfälle für KI in der Cybersicherheit

1. Gesundheitswesen

KI im Gesundheitswesen unterstützt beim Schutz von Patientendaten und bei der Einhaltung von Vorschriften. Aufgrund der Sensibilität medizinischer Informationen ist es entscheidend, Gesundheitsdaten vor Cyberangriffen zu schützen. KI unterstützt hier bei prädiktiver Analytik und Anomalieerkennung.

2. Finanzbranche

Die Finanzbranche wird häufig von Cyberkriminellen ins Visier genommen, da Finanzdaten in der Regel einen hohen Wert haben. KI verbessert die Cybersicherheit in der Finanzbranche durch Betrugserkennung in Echtzeit und Kundenauthentifizierung.

3. Einzelhandel

Im Einzelhandel gewährleistet KI die Privatsphäre und Vertraulichkeit von Kundendaten, indem sie die Daten schützt. Außerdem sichert sie Online-Transaktionen, um Betrug zu vermeiden.

Wie sieht die Zukunft von KI für die Cybersicherheit aus?

In jüngster Zeit ist es für Unternehmen entscheidend, dass KI als Grundlage in die Cybersicherheitsstrategie dieser Unternehmen integriert ist, damit sie digital widerstandsfähiger werden. Die Zukunft von KI in der Cybersicherheit scheint vielversprechend zu sein, insbesondere aufgrund der Fortschritte bei neuronalen Netzen, maschinellem Lernen und Sicherheitsautomatisierung, da diese wirksame und effiziente Cybersicherheitslösungen gewährleisten.

Wie SentinelOne bei KI für die Cybersicherheit hilft

SentinelOne ist ein führendes amerikanisches Cybersicherheitsunternehmen, dessen Hauptfokus auf der Bereitstellung KI-gesteuerter Cybersicherheitslösungen liegt. Das Unternehmen hat eine Plattform entwickelt, die mithilfe von maschinellem Lernen bei der Erkennung, Verhinderung und Reaktion auf Cyberangriffe in Echtzeit unterstützt. Zu den besten Funktionen gehört die Erkennung von Verhaltensmustern zur Identifizierung von Anomalien und potenziellen Bedrohungen. Darüber hinaus konzentriert sich das Unternehmen darauf, menschliche Eingriffe durch die Automatisierung von Bedrohungserkennung und Reaktion zu reduzieren.

SentinelOne bietet eine autonome Cloud-Native Application Protection Platform (CNAPP) zum Schutz von Endpunkt, Identität und Cloud. Singularity umfasst verschiedene Funktionen wie Cloud Workload Protection Platform (CWPP), Cloud Native Security (CNS), Cloud Workload Security (CWS), Cloud Data Security (CDS), Cloud Security Posture Management (CSPM), Kubernetes Security Posture Management (KSPM), Infrastructure as Code (IaC) Scanning, Cloud Detection and Response (CDR) und mehr. SentinelOne verfügt über mehr als 2.000 integrierte Konfigurationsprüfungen für den Workload-Schutz und führt Secret-Scanning in Echtzeit für mehr als 750 verschiedene Typen durch. Es verhindert den Missbrauch von Zugangsdaten, laterale Bewegungen und verfügt über eine einzigartige Offensive Security Engine, die Verified Exploit Paths bereitstellt.

SentinelOne Singularity Data Lake erfasst Daten aus mehreren First- und Third-Party-Quellen und generiert durch Full-Stack-Log-Analysen umsetzbare Erkenntnisse und Mandiant Threat Intelligence. Purple AI ist Ihr persönlicher Cybersicherheitsanalyst; in Kombination mit einer patentierten Storyline-Technologie führt es forensische Analysen in Cloud-Umgebungen und von Angreifern durch. SentinelOne führt Root Cause Analysis und agentenloses Schwachstellenmanagement durch, um Sicherheitslücken zu identifizieren und zu beheben.

Die Plattform konsolidiert Sicherheitstools und Integrationen und maximiert den Nutzen, indem sie die Geschäftskontinuität sicherstellt. Sie reduziert Active-Directory-Risiken und beschleunigt SecOps mit branchenführender KI-Analytik. Mit automatisierten Workflows, Incident Response und nahtloser XDR-Integration ist SentinelOne eine umfassende KI-Sicherheitslösung für unterschiedliche Geschäftsanforderungen.

Fazit

KI hat durch ihre fortschrittlichen Mechanismen zur Bedrohungserkennung, Verhinderung und Reaktion eine große Revolution im Bereich der Cybersicherheit ausgelöst. Die Einbindung von maschinellem Lernen, Automatisierung und neuronalen Netzen trägt dazu bei, die Sicherheit und digitale Resilienz von Unternehmen in verschiedenen Branchen zu verbessern. Während KI-Sicherheit der Industrie große Vorteile bietet, sind auch bestimmte Risiken damit verbunden, die effizient gemanagt werden müssen.

Die Einführung von Best Practices und die Entwicklung einer umfassenden Sicht auf Cybersicherheit durch die Schaffung eines Gleichgewichts zwischen KI und personellen Ressourcen können Unternehmen dabei helfen, gegenüber Cyberbedrohungen resilient zu sein.

FAQs zu KI in der Cybersicherheit

Was ist KI in der Cybersicherheit?

KI in der Cybersicherheit bezieht sich auf die Anwendung von KI-Technologien, um einen verbesserten Schutz digitaler Systeme und sensibler Daten vor Cyberbedrohungen sicherzustellen.

Wie hilft KI in der Cybersicherheit?

KI hilft in der Cybersicherheit bei der Erkennung, Verhinderung und Reaktion auf Cyberbedrohungen, indem sie maschinelles Lernen und neuronale Netze zusammen mit anderen KI-Techniken wie Datenanalyse und Automatisierung einsetzt.

Was sind die Hauptrisiken beim Einsatz von KI in der Cybersicherheit?

Zu den Hauptrisiken gehören Modellverzerrungen (die zu falsch positiven/negativen Ergebnissen führen), adversariale Angriffe, die täuschende Eingaben einspeisen, um Modelle zu umgehen oder zu vergiften, sowie eine übermäßige Abhängigkeit der Bediener, die die menschliche Aufsicht und das Situationsbewusstsein verringern kann.

Was sind gängige Praxisbeispiele für den Einsatz von KI in der Cybersicherheit?

Beispiele sind KI-gestützte E-Mail-Spam- und Phishing-Filter (Analyse von Inhalten und Absenderverhalten), Netzwerküberwachungssysteme, die anomalen Datenverkehr erkennen (z. B. DDoS-Indikatoren), und KI-gesteuerter Endpunktschutz, der Verhaltensanalysen und automatisierte Behebung durchführt.

Wie sieht die Zukunft von KI in der Cybersicherheit aus?

Die Zukunft von KI in der Cybersicherheit scheint vielversprechend zu sein, insbesondere aufgrund der Fortschritte bei neuronalen Netzen, maschinellem Lernen und Sicherheitsautomatisierung, da diese dazu beitragen, effektive und effiziente Cybersicherheitslösungen sicherzustellen.

Kann KI menschliche Sicherheitsanalysten ersetzen?

Nein—KI automatisiert routinemäßige Erkennungs- und Reaktionsaufgaben und skaliert die Analyse, aber menschliche Analysten werden weiterhin für komplexe Untersuchungen, strategische Entscheidungen, die Abstimmung von Modellen und die Validierung strittiger Warnmeldungen benötigt. 

Das beste Ergebnis ist ein Gleichgewicht, bei dem KI die Triage großer Mengen übernimmt und Menschen die Aufsicht und Bedrohungssuche durchführen.

Welche Branchen profitieren am meisten von KI in der Cybersicherheit?

Stark angegriffene oder datensensible Branchen – wie das Gesundheitswesen (Schutz von Patientendaten), das Finanzwesen (Betrugserkennung und Authentifizierung) und der Einzelhandel (sichere Online-Transaktionen und Schutz von Kundendaten) – profitieren erheblich, da KI Echtzeiterkennung, prädiktive Analysen und skalierbare Abwehrmaßnahmen bietet.

Ist KI-basierte Cybersicherheit kosteneffektiv?

KI kann den für Erkennung, Prävention und Behebung erforderlichen Personalaufwand reduzieren und die Analyse großer Datenmengen skalieren—was zu niedrigeren Betriebskosten führt—während gleichzeitig Erkennungsgeschwindigkeit und Abdeckung verbessert werden.