Die Herausforderung ist nicht neu, aber die Lösung ist innovativ: Wie erkennt man Bedrohungen, wenn jeden Tag tausende Mitarbeiter und automatisierte Systeme massive Datenmengen generieren? JPMorgan Chase antwortet mit einer KI-basierten Strategie, die traditionelle Threat-Hunting-Methoden revolutionieren könnte.
Digitale Fingerabdrücke als Sicherheitswerkzeug
Andrew Plummer, Chief Scientist für Künstliche Intelligenz und Machine Learning in der Cybersicherheit bei JPMorgan Chase, entwickelte ein System, das die Arbeitsweisen von Mitarbeitern in digitale Fingerabdrücke umwandelt. Diese basieren nicht auf persönlichen Daten, sondern auf “casual and cognitive” Verhaltensmustern — also typischen Arbeitszeiten, genutzten Systemen, Datenzugriffen und Aktivitätsmustern.
Das Prinzip ist einfach: Wenn ein Mitarbeiter etwas tut, das außerhalb seiner normalen Muster liegt, kann die KI dies sofort erkennen. Das System bewertet automatisch, wie verdächtig diese Abweichung ist, und hilft Sicherheitsanalytikern, echte Bedrohungen von harmlosen Anomalien zu unterscheiden.
Digital Twins als Analyse-Engine
Das zweite Element sind Digital Twins — digitale Zwillinge, die in der Fertigung längst etabliert sind. JPMorgan Chase nutzt diese Simulationen, um flagged Anomalien tiefer zu analysieren. Sie modellieren, wie sich Verhaltensmuster entwickeln könnten, berücksichtigen externe Faktoren wie Geopolitik oder Wetterereignisse und bewerten damit realistische Szenarien.
Bereits in Pilot-Phase mit etwa 19.000 Mitarbeitern zeigt das System beeindruckende Ergebnisse: Es reduziert False Positives erheblich — ein kritisches Problem in der Cybersicherheit, das Analysten überfordert — und entdeckt gleichzeitig echte Bedrohungen frühzeitig.
Implizierungen für Europäische Finanzinstitute
Für deutsche und europäische Banken ist dies eine bemerkenswerte Entwicklung. Mit der zunehmenden Regulierung durch die NIS2-Richtlinie und strengeren Datenschutzanforderungen suchen Finanzinstitute nach Wegen, ihre Sicherheit zu verbessern, ohne massive Mengen personenbezogener Daten zu sammeln. Der Ansatz von JPMorgan Chase zeigt, dass KI-gestützte Verhaltensmuster-Erkennung diese Balance ermöglicht.
Plummer kündigte an, das System sukzessive auf alle 320.000 Mitarbeiter sowie alle 6.000+ Applikationen und AI-Agenten auszurollen. Dies könnte ein Maßstab für Großunternehmen weltweit werden — auch in Deutschland, wo Banken ähnliche Infrastrukturen und Anforderungen haben.