Abb. 1: KI-gestützte, automatisierte Überwachung von Perimeter, Innenraum und Luft mittels Sensorfusion aus PTZ- und Thermalkameras, Laser, Mikrowelle für den Nah- und Fernbereich, Infrarot und HF-Sensoren (Quelle: Atos)
Datensicherheit, Konformität und Integration in bestehende Leitsysteme
Die Objekterkennung erfolgt ohne die Verarbeitung biometrischer Daten. Visuelle und physikalische Merkmale werden zur Identifikation und Nachverfolgung genutzt. Die Systemarchitektur ist so konzipiert, dass sie die Vorgaben der Datenschutzgrundverordnung (DSGVO) vollumfänglich erfüllt.
Auch die Anforderungen des geplanten AI Act der Europäischen Union sind bereits berücksichtigt, insbesondere im Hinblick auf Transparenz und Nachvollziehbarkeit algorithmischer Entscheidungen. Die Datenkommunikation zwischen Sensoren, Analysemodulen und Leitsystemen ist verschlüsselt und entspricht den IT-Sicherheitsstandards gemäß BSI IT-Grundschutz sowie den branchenspezifischen Anforderungen wie dem BDEW-Whitepaper zur IT-Sicherheit in der Energiewirtschaft.
Ein wesentliches Merkmal moderner Perimeterschutzlösungen ist die Fähigkeit zur Integration in bestehende Video-Management-Systeme und Leitsysteme. Systeme wie WinGuard PSIM sowie SCADA-Umgebungen können über standardisierte Schnittstellen wie OPC UA und ONVIF eingebunden werden. Die Anbindung an Operational-Technology-(OT)-Netzwerke erfolgt unter strikter Einhaltung der Sicherheitsvorgaben für Industrieanlagen. Die modulare Architektur ermöglicht zudem eine schrittweise Erweiterung der bestehenden Sicherheitsinfrastruktur. Auch kleinere, geografisch verteilte Standorte lassen sich in das Gesamtsystem integrieren.
Kommunikationssicherheit, Redundanz und KI-gestützte Szenarienerkennung
Für die verschlüsselte Datenübertragung stehen verschiedene Kommunikationspfade wie Glasfaser und Richtfunk sowie Mobilfunkstandards wie LTE und 5G zur Verfügung. Die Architektur unterstützt die Nutzung redundanter Datenwege, um die Betriebssicherheit auch bei Teilausfällen zu gewährleisten. Der Systembetrieb ist On-Premises – also in privaten Rechenzentren, ohne Anbindung an öffentliche Cloud-Dienste – möglich. Diese Eigenschaft ist insbesondere im KRITIS-Bereich von zentraler Bedeutung.
Neben der klassischen Objekterkennung bietet das System KI-gestützte Funktionen zur Szenarienerkennung. Dabei kommen Large Language Models (LLMs) unterstützend zum Einsatz, um beschreibende Szenarien aus Sensordaten abzuleiten und ungewöhnliche Gefahrensituationen sprachlich zu klassifizieren. Die eigentliche Objekterkennung erfolgt dabei durch spezialisierte KI-Modelle für die Bild- und Sensordatenanalyse. Dazu gehören beispielsweise umgestürzte Bäume auf Zufahrtswegen, ungewöhnliche Bewegungsmuster von Maschinen oder potenzielle Sabotagehandlungen. Die Szenarienanalyse unterstützt das Betriebspersonal bei der Bewertung der Gefahrenlage und ermöglicht eine schnelle, priorisierte Reaktion des Personals oder der Sicherheitsbehörden.
Betriebserfahrungen und Anwendungsfälle
Die entwickelte Sicherheitsarchitektur wurde ursprünglich für Anwendungen mit sehr hohen Sicherheitsanforderungen konzipiert und sukzessive an die spezifischen Anforderungen von KRITIS-Anlagen angepasst. Erste Pilotprojekte befinden sich derzeit in Planung. Gespräche mit Übertragungsnetzbetreibern verdeutlichen das bestehende Interesse der Branche. Auch Betreiber aus der Wasserwirtschaft und der Schieneninfrastruktur prüfen derzeit vergleichbare Systemlösungen.
In bisherigen Anwendungen hat sich gezeigt, dass insbesondere die Reduzierung von Fehlalarmen und die automatisierte Priorisierung von Ereignissen zu einer signifikanten Entlastung des Betriebspersonals führen. Die Integration in bestehende Infrastrukturen wurde als wirtschaftlich umsetzbar und technisch robust bewertet.
Wirtschaftliche Effizienz und Beitrag zur Resilienz im KRITIS-Umfeld
Die Investitionen in multisensorische Perimeterschutzsysteme können unter bestimmten Voraussetzungen als netzrelevante Kosten anerkannt werden. Dies ermöglicht es Betreibern, die Investitionen als sog. Capital Expenditures (CapEx) in die Netzentgelte einzupreisen. Die deutliche Senkung von Fehlalarmraten reduziert den Personalbedarf im Sicherheitsdienst und verringert so die Betriebskosten. Die Fähigkeit zur frühzeitigen Erkennung und Priorisierung von Bedrohungen trägt zur Steigerung der betrieblichen Resilienz bei und unterstützt die Einhaltung der Meldepflichten für sicherheitsrelevante Vorfälle gemäß § 8b BSIG.
Gerade vor dem Hintergrund der Vielzahl von Schalt- und Umspannanlagen bei den Übertragungs- und Verteilnetzbetreibern ist es neben den gesetzlichen Vorgaben für alle Anlagenbetreiber von hoher Bedeutung, ihre Versorgungssicherheit wie auch in der Vergangenheit weiterhin hoch zu priorisieren. Sie haben häufig hohe Systemrelevanz, daher sind großflächige Schwarzfallsituationen – ausgelöst durch Fremdeinwirkung – unbedingt zu vermeiden. Gerade bisher nicht gekannte Bedrohungen durch Drohnen katapultieren die Sicherheitslage von Schalt- und Umspannanlagen – auch im SF6-Bestandsumfeld – in eine neue Dimension und Herausforderung hinsichtlich Überwachung und Gefahrenabwehr.
Mit der Kombination aus intelligenter Sensorfusion, KI-gestützter Analyse, datenschutzkonformer Ereignispriorisierung und flexibler Systemintegration stellt die vorgestellte Lösung einen bedeutenden Fortschritt im Bereich der physischen Sicherheit kritischer Energieanlagen dar (Abb. 1). Sie ermöglicht es Betreibern, auf sich wandelnde Bedrohungslagen proaktiv zu reagieren und gleichzeitig die wirtschaftliche Effizienz sowie die regulatorische Konformität sicherzustellen. Die kontinuierliche Weiterentwicklung wird sich künftig verstärkt auf die Integration prädiktiver Analytik und die Verknüpfung mit IT-Sicherheitsplattformen konzentrieren, um eine ganzheitliche Bedrohungserkennung zu ermöglichen.
Prof. Dr. M. Laskowski, Principal, M. Heeren, Senior Sales & Client Manager Big Data & AI, Atos, Essen/Köln
atos.net/de/deutschland