Wie Verteidigungsteams Daten in Missionsergebnisse umwandeln

Führende Verteidigungsorganisationen können Informationen dort verknüpfen, wo sie sich bereits befinden, und geben Teams die Möglichkeit, Einblicke über Domänen hinweg sicher zu analysieren und zu teilen, ohne sensible Systeme ändern zu müssen. Dieser verteilte Ansatz bietet eine bessere Möglichkeit, Entscheidungen zu treffen, und legt gleichzeitig die Grundlage für zukünftige KI-gestützte Workflows.

Dieser Artikel untersucht, wie Verteidigungsteams diesen Ansatz in der Praxis umsetzen. Anhand von Kundenberichten von Organisationen wie dem US Army Corps of Engineers und führenden Auftragnehmern aus der Luft- und Raumfahrt sowie Verteidigung erfahren Sie, wie eine auf Suche basierende einheitliche Datenschicht schnellere Entscheidungsfindung, stärkere Governance und besseren Support für wichtige Missionen ermöglicht. 

Organisationen des öffentlichen Sektors weltweit nutzen Elastic, um ihre Daten zu operationalisieren, kritische Systeme zu schützen und KI-gestützte Innovationen zu implementieren. Die Elasticsearch Platform bietet eine einheitliche Datengrundlage, um KI konsistent anzuwenden, öffentliche Dienste zu verbessern, Data Analytics und Entscheidungsfindung zu optimieren, behördenübergreifende Zusammenarbeit und Datenaustausch zu ermöglichen, Geodatenanalysen zu unterstützen und vieles mehr. 

Lesen Sie weiter, um zu erfahren, wie Organisationen im Verteidigungsbereich verteilte Suche implementieren und Informationen nahtlos über Systeme hinweg vernetzen.

Das Projektteam für das Navigationsportal des US Army Corps of Engineers unterstützt den sicheren, zuverlässigen und effizienten Schiffsverkehr in den gesamten Vereinigten Staaten. Angesichts des Umfangs seiner Aktivitäten können selbst kleine Verbesserungen zu großen Kosteneinsparungen führen.

Die Effizienzsteigerung war für NavPortal in der Vergangenheit schwierig. Da die Arbeit auf einem projekt- und missionsbasierten Finanzierungsmodell basiert, sind die Tools oft isoliert, die Datensysteme fragmentiert und Einblicke lassen sich nicht projektübergreifend einheitlich ableiten.

Bei seinen Aktivitäten in Hunderten von Häfen und auf Tausenden von Meilen an Wasserstraßen trug das Army Corps über Jahrzehnte hinweg historische Vermessungsdaten, Schiffsverkehrsinformationen aus dem Automatic Identification System (AIS) der Küstenwache, Baggereinträge und Geodatensätze aus mehreren externen Quellen zusammen.

Das Kernproblem ist die georäumliche Präzision. Im Laufe der Zeit erfasste Vermessungspunkte überlappen sich nie perfekt, was es nahezu unmöglich macht, Veränderungen der Fahrrinnentiefe oder Sedimentablagerungen konsistent zu untersuchen.

Unterschiedliche Datentypen – darunter Single-Beam-Vermessungen, Multi-Beam-Vermessungen, Schiffsverkehrsmuster und Baggerarbeiten – existierten in separaten Systemen mit inkompatiblen Formaten. Um all das zu verstehen, benötigten Analysten Fachwissen zu einer Vielzahl von Systemen, von SQL über Oracle bis hin zu AutoCAD und mehr. 

Das Problem ging über Tool-Wildwuchs hinaus. Analysten mussten Systeme manuell verknüpfen. Die Fragmentierung verlangsamte die Entscheidungsfindung, schränkte die Sichtbarkeit über Bezirksstellen hinweg ein und erschwerte die Vorhersage, wo Baggerarbeiten erforderlich waren – ein kritischer Mangel, wenn Gefahren in Fahrrinnen schnell bedrohlich werden können.

Das Army Corps integrierte das globale H3-Rastersystem von Uber mit Elasticsearch, um eine einheitliche Geodatenplattform zu schaffen. Elasticsearch ist eine verteilte Suchmaschine und Analytics-Engine, die für die Verarbeitung von strukturierten, unstrukturierten und Geodaten in großem Maßstab ausgelegt ist. Seine Geodatenfunktionen ermöglichen eine schnelle Suche in Standortdaten mithilfe von Koordinaten, Polygonen und hexagonaler räumlicher Analyse. Dadurch ist es möglich, räumliche Beziehungen in Echtzeit zu speichern, abzufragen und zu visualisieren.

Durch die Konvertierung von Rohvermessungspunkten, Schiffsverkehrsdaten und Baggereinträgen in standardisierte hexagonale Bins mit unterschiedlichen Auflösungen – vom kontinentalen Maßstab bis hinunter zu einem Quadratfuß – hat das Team ein einheitliches räumliches Framework geschaffen. Jeder hexagonale Bin erhält einen global eindeutigen Bezeichner, sodass das Army Corps Veränderungen im Laufe der Zeit unabhängig von der ursprünglichen Datenquelle oder der Vermessungsart nachverfolgen kann.

Diese Standardisierung löste eine zentrale Herausforderung bei der Geopräzision. Anstatt zu versuchen, Vermessungspunkte abzugleichen, die nicht perfekt übereinstimmten, konnte das Army Corps Daten in einheitlichen räumlichen Bereichen aggregieren und sie anhand von Variablen wie Zeit, Vermessungsmethode und Datenquelle zuverlässig vergleichen.

Die APIs von Elasticsearch ermöglichen einen sicheren Datenaustausch über Teams und Projekte hinweg, ohne dass zugrunde liegende Systeme umstrukturiert werden müssen, während die Echtzeit-Analytikfunktionen sofortige Volumenberechnungen und prädiktive Modellierung unterstützen. 

Durch die gemeinsame Betrachtung von Fahrwassertiefe und Schiffsverkehrsdichte im selben räumlichen Framework können Teams die Prioritäten für Baggerarbeiten und die Ressourcenzuweisung basierend auf aktuellen Bedingungen sowie künftig prognostizierten Anforderungen optimieren.

Mithilfe der Geodatenfunktionen von Elasticsearch kann das Army Corps nun:

• Geodaten im Zeitverlauf vergleichen und analysieren: Hexagonales Binning ermöglicht konsistente Vergleiche über verschiedene Erhebungsarten und Zeiträume hinweg und bietet neue Funktionen zur Trendanalyse.
• Benachrichtigen Sie die Beteiligten, wenn Probleme auftreten: Wenn aggregierte Behälter eine Sedimentansammlung anzeigen, die die Schwellenwerte überschreitet, löst das System Warnungen an lokale Behörden und Hauptquartiere aus.
• Probleme vorhersagen, bevor sie auftreten: Indem das Army Corps die Shoaling-Raten für jeden sechseckigen Behälter verfolgt, kann es die Bedingungen der Kanäle sechs Monate in die Zukunft prognostizieren und Bereiche lokalisieren, die Wartung erfordern, bevor Schiffsaufgrundungen oder Sicherheitsvorfälle auftreten.

Diese Hexbins sind für das Army Corps inzwischen faktisch zu einem Datenintegrations-Framework geworden, das eine neue Möglichkeit bietet, Vermessungsdaten, AIS-Verkehr, Baggerungsmetriken und prädiktive Analytik in einem einzigen räumlich-zeitlichen System zusammenzuführen, das Fahrrinnen offen, sicher und effizient hält.

SNC ist ein weltweiter Auftragnehmer in den Bereichen Luft- und Raumfahrt sowie nationale Sicherheit, der kritische Verteidigungs- und Behörden einsätze unterstützt, die Flugzeugmodifikation und -integration, die Entwicklung von Raumfahrtsystemen sowie Cybersicherheits technologieprodukte umfassen.

Für eine Organisation, die auf dieser Ebene tätig ist, ist eine robuste Cybersicherheit unerlässlich, um vertragliche und regulatorische Anforderungen zu erfüllen. Strenge staatliche Aufsicht und die Notwendigkeit, das Vertrauen der Bürger zu wahren, setzen die weitreichenden Aktivitäten der Organisation unter Druck.

Als SNC expandierte, nahm auch die Komplexität der Bedrohungslandschaft zu. Die Organisation benötigte eine skalierbare, sichere Möglichkeit, Bedrohungen in zunehmend verteilten Umgebungen zu überwachen und darauf zu reagieren – ganz ohne auf externe Managed Service Provider angewiesen zu sein, um ihre sensibelsten Systeme, ihr geistiges Eigentum und Controlled Unclassified Information (CUI) zu schützen.

Die bestehende Security Information and Event Management (SIEM) -Lösung von SNC, die von einem Drittanbieter verwaltet wurde, hatte Schwierigkeiten, mit modernen Verteidigungsoperationen Schritt zu halten. 

„Das alte System war träge und teuer“, erklärt Doug Russell, Direktor für Datenintegrationsstrategien bei SNC. „Das Ausführen von Abfragen war ein umständlicher Prozess.“

Untersuchungen, die schnelle Antworten erforderten, nahmen regelmäßig mehrere Minuten in Anspruch – ein kritisches Risiko in einer Bedrohungsumgebung, in der die Geschwindigkeit der Erkennung direkten Einfluss auf das Ausmaß der Folgen haben kann. Abgesehen von der reinen Leistung führte das Legacy-Setup von SNC zu gravierenden operativen blinden Flecken. Den Analysten fehlten die erforderlichen Korrelationsfunktionen, um Sicherheitssignale über verschiedene Umgebungen hinweg miteinander zu verknüpfen. Dies schränkte ihre Fähigkeit ein, Bedrohungen zu erkennen und einzudämmen, bevor sie echten Schaden anrichten konnten. 

Vor allem konnte das eigene Cyber-Team von SNC die Systeme, auf die es sich zum Schutz sensibler Verteidigungsinformationen stützte, weder vollständig einsehen noch steuern – was für ein Auftragsunternehmen, das unter strengen staatlichen Vorschriften arbeitet, ein kritisches Risiko darstellte. 

Das Team von SNC setzte Elastic Security parallel zur bestehenden Lösung ein, um sie aus erster Hand zu testen. Elastic Security ist eine offene, KI-gestützte Plattform, die SIEM, XDR und Cloud-Security in einer einzigen Lösung vereint. Dadurch können Teams Bedrohungen schnell und im großen Maßstab erkennen, untersuchen und bekämpfen – ganz ohne Datensilos oder zusätzliche Komplexität. Für SNC stellten sich die Ergebnisse sofort ein.

„Der Unterschied war wie Tag und Nacht“, sagt Russell. „Die Geschwindigkeit und die Abfragemöglichkeiten von Elastic in unserer Umgebung haben uns umgehauen.“ Die Fähigkeit, Daten mithilfe von Kibana-Dashboards zu visualisieren, war ebenfalls beeindruckend.“

Aufgrund der Performance migrierte SNC zu Elastic Security und baute ein robustes, internes Security Operations Center (SOC) darauf auf. Mit Elastic als zentralem SIEM konnte das Cyber-Team von SNC Sicherheitsdaten nun direkt analysieren, untersuchen und darauf reagieren, ohne sensible Informationen über Dritte weiterzuleiten. Rollenbasierte Zugriffskontrollen und operative Trennung stellten sicher, dass die richtigen Personen die richtigen Daten sehen konnten, während die allgemeine Informationssicherheit gewahrt blieb.

Elastic Security ermöglichte es SNC, einen erheblichen Teil seiner Alerting-Workflows über das Ticketmanagement-Feature zu automatisieren, wodurch der manuelle Aufwand reduziert wurde und sich Analysten auf höherwertige Aufgaben konzentrieren konnten.

„Elastic hat uns dabei geholfen, den Druck auf unsere Sicherheitsanalysten zu verringern und gleichzeitig einen reibungsloseren Datenzugriff zu ermöglichen“, sagt Russell. „Diese höhere Geschwindigkeit ist entscheidend, um unsere strengen SLAs mit Kunden einzuhalten, und stellt sicher, dass wir die Compliance-Vorgaben weiterhin erfüllen.“

Elastic erfüllte auch die strengen Datenaufbewahrungsanforderungen von SNC durch Speichereffizienz und ermöglichte so den schnellen Abruf älterer Daten aus kalten und eingefrorenen Speicherebenen.

Die Konsolidierung mehrerer Sicherheitstools auf einer einzigen Platform vereinfachte das Tagesgeschäft. So müssen beispielsweise Analysten, die bösartige IP-Adressen untersuchen, nicht mehr zwischen separaten Systemen wechseln, um ein vollständiges Bild zu erhalten. „Elastic erfüllt unsere Anforderungen auf elegante Weise ohne unnötige Komplexität oder Kosten“, erklärt Russell.

Die Zusammenarbeit zwischen SOC- und Incident-Response-Teams verbesserte sich ebenfalls deutlich. „Früher beinhaltete der Informationsaustausch den Austausch zahlreicher Links“, sagt Roderick Bickert, Cybersicherheit-Manager bei SNC. „Mit Elastic können wir einen einzigen Link senden, der die Menschen zu allen verfügbaren Informationen führt. Das Ansehen von allem innerhalb einer einheitlichen Plattform optimiert die Workflows erheblich.“

Mit Elastic Security als Fundament hat SNC:

• Abfragezeiten von Minuten auf Sekunden reduziert, sodass Analysten die Möglichkeit haben, strenge interne und kundenorientierte SLAs einzuhalten und auf Bedrohungen zu reagieren, bevor sie eskalieren
• Daten-Ingestion um das Zehnfache skaliert, bei täglicher Verarbeitung von umgerechnet einem Terabyte an Sicherheitsdaten ohne Einbußen bei der Performance
• Zero-Day-Bedrohungen proaktiv erkannt und neutralisiert, Angriffe identifiziert und eingedämmt, bevor sie öffentlich bekannt gegeben wurden, und so die allgemeine Sicherheitsposition von SNC gestärkt
• Eine neue Einnahmequelle erschlossen durch Defensible Security, einen verwalteten Sicherheitsdienst für Rüstungsunternehmen, der auf Elastic Security und Microsoft Azure Government Cloudbasiert
• Gestärkte Zusammenarbeit zwischen SOC- und Incident-Response-Teams, wodurch fragmentierte Multi-Plattform-Workflows durch eine zentrale, einheitliche Ansicht ersetzt werden

Wie Russell sagt: „Wir können Bedrohungen schnell erkennen und Kunden warnen, bevor sie überhaupt ahnen, was in ihrer Umgebung vor sich geht. Andere Akteure im Verteidigungssektor konnten aus Sicht der Cybersicherheit nicht mit uns mithalten."

Mit Blick auf die Zukunft plant SNC, seinen Einsatz von KI und Machine Learning im SOC zu vertiefen — mithilfe der Anomalieerkennungsfunktionen von Elastic Security, Nutzer- und Entitätsverhaltensanalyse (UEBA) sowie der Integration externer Machine-Learning-Modelle, um die Identifizierung und Reaktion auf Bedrohungen weiter zu automatisieren. 

Unabhängig vom Datenvolumen kann SNC jetzt alles an einem einzigen zentralen Ort speichern. Cassie Cagwin, Senior Cybersecurity Data Science Manager bei SNC, bemerkt: „Elastic spielt weiterhin eine zentrale Rolle bei unseren KI-Sicherheitsinitiativen.“

Als eines der weltweit größten Luft- und Raumfahrt- sowie Verteidigungsunternehmen weiß diese multinationale Luft- und Raumfahrtorganisation, dass technische Präzision und Einsatzbereitschaft essenziell sind. Ingenieure, Techniker und Programmmanager sind auf den sofortigen Zugriff auf präzise Dokumentation angewiesen, um Programme zu pflegen, Fristen einzuhalten und den Missionserfolg sicherzustellen. Doch mit dem Wachstum der Organisation stieg auch die Komplexität, die richtigen Informationen dann zu finden, wenn es am wichtigsten war.

Die Dokumentation war häufig über SharePoint-Websites, Dateifreigaben, E-Mail-Archive und Dutzende unverbundener Repositorys verstreut. Ingenieure mussten häufig Kollegen direkt fragen oder persönliche Notizen führen, nur um den Überblick über Verfahren zu behalten. Ohne einheitliche Suche verschwendeten Mitarbeiter wertvolle Zeit mit der Suche nach Dokumenten oder duplizierten sie sogar versehentlich. 

Die Herausforderung verschärfte sich, da allein ein Unternehmensbereich mehr als zwei Millionen Dokumente aus 50 bis 60 Quellen ansammelte, die von Engineering Command Media über Lessons-Learned-Berichte bis hin zu anderen kritischen Dateien reichten.

Obwohl die Organisation über die richtige Dokumentation verfügte, gab es keine einfache Möglichkeit, diese zu finden. Entwickler benötigten sofortigen Zugriff auf Build-Anweisungen, Testverfahren, Richtlinienreferenzen und technische Spezifikationen, hatten jedoch keine einheitliche Möglichkeit, systemübergreifend danach zu suchen. 

Versionswildwuchs verschärfte das Problem zusätzlich. Ohne eine maßgebliche zentrale Informationsquelle konnten Teams nicht überprüfen, ob sie mit den aktuellsten Spezifikationen arbeiteten. Dies an sich barg neue Risiken, insbesondere in geschäftskritischen Kontexten, in denen veraltete Informationen zu Sicherheitsbedenken oder sehr kostspieligen Verzögerungen führen konnten. Neue Mitarbeiter sahen sich einem wochenlangen Onboarding gegenüber, in dessen Verlauf sie lernten, welche Repositorys sie durchsuchen mussten und wie sie in fragmentierten Systemen navigieren.

Die Organisation benötigte eine Lösung, um den Zugriff auf die technische Dokumentation zu vereinheitlichen, sowohl präzise Keyword-Abfragen als auch explorative semantische Suche zu unterstützen und die Grundlage für zukünftige KI-gesteuerte Funktionen zu schaffen.

Vor einigen Jahren begann die Abteilung mit der Entwicklung einer maßgeschneiderten Enterprise-Suchanwendung auf dem Elasticsearch Stack, der kostenlos und Open Source ist. Das Team hat seitdem ein Upgrade durchgeführt und nutzt dabei erweiterte KI-Funktionen, darunter das Embedding-Modell von Elastic, ELSER und die native Unterstützung für Retrieval-Augmented-Generation-(RAG)-Pipelines.

Elasticsearch ist eine verteilte Such- und Analytics-Engine, die für die Verarbeitung strukturierter und unstrukturierter Daten in großem Maßstab entwickelt wurde. Die Funktionen für die Hybridsuche ermöglichen es Nutzern, Keyword-Präzision mit semantischem Verständnis zu kombinieren, sodass gezielt nach exakten Teilenummern oder Richtlinienreferenzen gesucht werden kann.

„Der Schwerpunkt der Anwendung liegt auf dem Indexieren technischer Dokumentation“, sagt ein leitender Entwickler des Projekts. „Das ist essenziell, weil es Entwicklern zeigt, wie sie ihre Arbeit erledigen sollen. Durch das direkte Indexieren aus Originalquellen geben wir Entwicklern die Gewissheit, dass das, was sie finden, aktuell und korrekt ist.“

Die Anwendung unterstützt mittlerweile mehr als zwei Millionen Dokumente und verarbeitet monatlich 30.000 Suchanfragen. Ingenieure können die hybride Suche nutzen, um Präzision und Exploration optimal auszubalancieren. Die Elasticsearch Platform bietet einen erheblichen Mehrwert in Fertigungsbereichen, wo Techniker sie nutzen, um in Echtzeit auf Anweisungen zuzugreifen, diese zu erstellen und zu testen.

„Dank Elastic konnten wir eine kuratierte, maßgeschneiderte Suchmaschine entwickeln, die auf spezifische Anwendungsfälle zugeschnitten ist“, so der leitende Entwickler. „Das Ergebnis sind übersichtlichere, genauere Resultate.“

Neben der Unternehmenssuche bietet Elasticsearch Support für generative KI. Das Team nutzt RAG-Pipelines und ELSER, um Datensätze zu vektorisieren und mit KI-gestützten Assistenten zu experimentieren, wobei alle Reaktionen auf maßgeblichen Dokumenten basieren.

„Andere Tools benötigten zusätzliche Funktionen, um semantische Suche und Vektordatenbanken zu unterstützen“, erklärt der leitende Entwickler. „Elastic bietet diese Features nativ in einer offenen, skalierbaren Architektur.“ 

Mithilfe von Elasticsearch konnte das Luft- und Raumfahrtunternehmen:

• Verbesserte operative Effizienz in geschäftskritischen Kontexten: Die Organisation hat die hybride Suche implementiert und unterstützt nun mehr als zwei Millionen Dokumente und 30.000 Suchanfragen pro Monat.
• Dokumenten-Wildwuchs und Duplikate beseitigt: Durch die Konsolidierung der Enterprise Search beschleunigte die Organisation den Zugriff auf wichtige Informationen, während gleichzeitig sichergestellt wurde, dass Daten auf verlässlichen Dokumenten basieren.
• Grundlage für KI-gestützte Innovationen schaffen: Die Elasticsearch Platform bietet integrierten Support für generative KI und andere KI-Innovationen wie KI-gestützte Assistenten und das Embedding-Modell von Elastic, ELSER.
• Optimiertes Onboarding: Eine höhere operationelle Effizienz zentralisierte die Dokumentation und hilft neuen Mitarbeitern, Dokumentationen schnell zu finden und zu verarbeiten.

„Die Anwendung ist dank ihrer Benutzerfreundlichkeit und dem zuverlässigen Support sowie der Partnerschaft mit dem Elastic-Team ein großer Erfolg“, sagt der leitende Entwickler.

Die Anwendung entwickelt sich zu einer unternehmensweiten Wissensplattform, die Dokumente im gesamten Unternehmen ingestiert und eine maßgeschneiderte Suche für bestimmte Geschäftsbereiche ermöglicht. Das Team kann nun RAG-basierte Prototypen mithilfe generativer KI-Modelle entwickeln und demonstrieren und so zeigen, wie Elastic Multi-Agent-Systeme sowie Entscheidungsunterstützung in stark regulierten Umgebungen unterstützt.

Mit Blick auf die Zukunft plant das Team, die Plattform zu erweitern, um sowohl kleine, spezialisierte Dokumentensätze als auch große, komplexe Datensätze zu unterstützen. „Da wir auch zukünftige Projekte unterstützen, darunter Missionen zum Mond und zum Mars“, sagt der leitende Entwickler, „sorgt Elastic dafür, dass wir bei der Entwicklung neuer Tools wie KI-Assistenten, wissensbasierter Entscheidungsunterstützung und skalierbare Suche immer auf dem neuesten Stand sind.“