Fortinet stellt FortiAI vor. Die On-Premises KI-Appliance nutzt selbstlernende tiefe neuronale Netze, um Sicherheitsanalysen durchzuführen und die Bedrohungsbeseitigung zu beschleunigen. Sie soll fortgeschrittene Bedrohungen innerhalb von Sekundenbruchteilen erkennen können. Der FortiAI Virtual Security Analyst entlastet Security-Mitarbeiter, indem er ihnen viele zeitaufwändige, manuelle Tätigkeiten abnimmt. Dadurch gewinnen sie laut Anbieter mehr Freiraum für wichtigere Aufgaben. Sobald die KI im Unternehmensnetzwerk installiert wird, lernt sie kontinuierlich dazu. FortiAI setzt Deep Learning ein, auch als tiefe neuronale Netze (Deep Neuronal Networks, DNN) bekannt. Diese imitieren Neuronen im menschlichen Gehirn. Die KI kann datenbasiert komplexe Entscheidungen treffen. Dafür führt sie wissenschaftliche Analysen der Bedrohungen durch, die sie im jeweiligen Unternehmensnetzwerk findet. Bedrohungen sollen in Echtzeit automatisiert identifiziert und klassifziert werden. Maßgeschneiderte Threat Intelligence wird bereitgestellt, um False Positives signifikant zu reduzieren. Das selbstlernende KI-Modell benötigt dabei keine Internetverbindung, um dazuzulernen und sich weiterzuentwickeln. Dadurch eignet es sich auch für den Einsatz in abgeschotteten Netzwerken, etwa in OT-Umgebungen, Regierungseinrichtungen und großen Unternehmen. Sie unterliegen häufig strengen Compliance- und/oder Sicherheitsrichtlinien, die die Anbindung ans Internet einschränken.
Effiziente Produktionsplanung: KI reduziert Aufwand bei Schulte Kartonagen um 25%
Welcher Liefertermin steht wann an? Wie aufwändig muss die Maschine umgerüstet werden? Ist das benötigte Material bereits geliefert? Um die Reihenfolge verschiedener Kundenaufträge optimal zu planen, müssen Produktionsplaner:innen eine Vielzahl von Faktoren kennen und einschätzen. Bei Schulte Kartonagen hat ab sofort ein intelligenter KI-Assistent alle Faktoren im Blick – und macht Vorschläge für die effiziente Planung der Produktion. Gefördert wurde die Zusammenarbeit mit dem Fraunhofer IEM und den Universitäten Paderborn und Bielefeld im it’s OWL-Projekt ARISE.