Mai 2026

The Monoculture Premium

Wenn die Standardisierung der IT-Landschaft das Unternehmen fragiler macht, und wie viel stattdessen zu standardisieren ist.

Zusammenfassung

Die Systeme eines Unternehmens auf weniger Plattformen zu konsolidieren ist orthodoxer Rat, und das aus gutem Grund: Weniger Plattformen kosten weniger im Betrieb, in der Personalausstattung und in der Integration. Wir argumentieren, dass der Rat nur bis zu einem bestimmten Punkt richtig ist, der sich berechnen lässt. Standardisierung tauscht viele kleine, unabhängige Ausfälle gegen wenige große, korrelierte; sobald der Schaden eines Ausfalls schneller wächst als seine Reichweite, steigt der erwartete Ausfallverlust mit der Konsolidierung der Plattformen, obwohl kein einzelner Ausfall wahrscheinlicher wird. Wir bei Nashua schreiben ein minimales Modell eines Unternehmens nieder, das wählt, wie viele Plattformen es betreibt, mit Betriebskosten, die mit der Konsolidierung sinken, und einem Ausfallverlust, der im ausgefallenen Anteil des Unternehmens konvex ist, und leiten in geschlossener Form die Anzahl von Plattformen ab, die deren Summe minimiert. Das Ergebnis ist nicht monoton: Vollständige Standardisierung ist optimal, wenn Ausfälle selten, billig oder linear sind, andernfalls ist es eine innere Anzahl von Plattformen, wobei die Differenz die Monokulturprämie ist, die Konsolidierungs-Business-Cases übersehen. Wir zeigen, dass nominale Diversität die effektive Diversität überzeichnet, sobald Plattformen eine Komponente gemeinsam nutzen, und argumentieren, dass eng gekoppelte Ketten standardisiert werden sollten, lose gekoppelte Funktionen hingegen nicht. Verankert in der niederländischen Situation und den Verordnungen DORA und NIS2, schließt diese theoretische Forschung damit, wie sie gemessen werden könnte.

Schlüsselwörter: Standardisierung; IT-Konsolidierung; Konzentrationsrisiko; korrelierter Ausfall; Monokultur; Resilienz; Portfoliodiversifikation; DORA; NIS2; Niederlande; operationelles Risiko

1. Einleitung

Unter Standardisierung verstehen wir die Verringerung der Anzahl unterschiedlicher Plattformen, Produkte, Lieferanten oder Komponenten, die ein Unternehmen für einen gegebenen Zweck betreibt, so dass ein größerer Teil des Unternehmens von jeder verbleibenden abhängt. Sie gehört zu den am wenigsten umstrittenen Empfehlungen der Informationstechnologie. Weniger Plattformen bedeuten weniger Lizenzen, weniger zu pflegende Kompetenzen, weniger zu bauende Integrationen und weniger abzusichernde Dinge; die Literatur zur Unternehmensarchitektur behandelt einen standardisierten Kern als Fundament für die Umsetzung (Ross, Weill & Robertson, 2006), und Konsolidierungsprogramme sind fester Bestandteil jeder Kostenprüfung. Wir bei Nashua empfehlen Standardisierung häufig, und dieser Beitrag argumentiert nicht, dass sie falsch sei. Er argumentiert, dass sie nicht monoton ist: gut bis zu einem bestimmten Punkt, schädlich darüber hinaus, und dass dieser Punkt aus Größen berechnet werden kann, die ein Unternehmen schätzen kann.

Das Argument wurde für uns am 19. Juli 2024 geführt, als ein fehlerhaftes Content-Update eines weit verbreiteten Endpoint-Security-Produkts innerhalb von Stunden schätzungsweise 8.5 Millionen Windows-Rechner lahmlegte (Weston, 2024; CrowdStrike, 2024). Das Produkt war von Tausenden Organisationen aus den besten Gründen gewählt worden: Es war leistungsfähig, es war Standard, und überall einen einzigen Sicherheitsagenten zu betreiben war einfacher als mehrere. Der Ausfall erreichte am selben Morgen Fluggesellschaften, Flughäfen, Krankenhäuser, Rundfunkanstalten und Ministerien, in den Niederlanden wie anderswo, weil sie alle auf dieselbe Komponente standardisiert hatten. Keine einzige von ihnen hatte einen Fehler gemacht. Gemeinsam hatten sie eine Monokultur aufgebaut, und eine Monokultur fällt auf einmal aus.

Die ökologische Analogie ist alt (Geer et al., 2003) und wurde gewöhnlich mit Blick auf die Softwaresicherheit gezogen: Eine Population, die ein einziges Betriebssystem betreibt, ist für einen einzigen Exploit anfällig. Dieser Beitrag erhebt eine andere und breitere Behauptung. Der Schaden durch korrelierte Ausfälle hängt nicht von einem Angreifer ab; er hängt allein von der Form der Verlustfunktion ab, davon, ob der Verlust des ganzen Unternehmens auf einmal schlimmer ist als der Verlust seiner Teile nacheinander. Wir argumentieren, dass dies fast immer der Fall ist, zeigen, dass dies allein den erwarteten Ausfallverlust mit der Konsolidierung steigen lässt, und leiten ab, wie viele Plattformen ein Unternehmen betreiben sollte, als Funktion seiner Ausfallwahrscheinlichkeit, seiner Verlustskala, der Konvexität seines Verlusts und der Kosten jeder zusätzlichen Plattform.

Der Beitrag fragt: Unter welchen Bedingungen erhöht die Standardisierung der IT-Landschaft den erwarteten Verlust des Unternehmens, statt ihn zu senken, und wie viel sollte ein Unternehmen stattdessen standardisieren? Abschnitt 2 ordnet die Frage in die Literaturen ein, die sie in anderen Disziplinen beantwortet haben. Abschnitt 3 gibt das Modell und das Optimum in geschlossener Form. Abschnitt 5 argumentiert, woher die Konvexität kommt und wo sie fehlt. Abschnitt 7 zeigt, warum nominale Diversität die reale Diversität überzeichnet. Abschnitt 9 liest die niederländische Situation durch das Modell. Abschnitt 10 verfolgt eine konstruierte Bank. Die Abschnitte 12 bis 16 geben Regeln, Grenzen und Schlussfolgerungen.

Die niederländische Rahmung ist Absicht. Die Niederlande betreiben eine nationale digitale Identität, über die die meisten Bürger Behörden, Krankenversicherer und Pensionsfonds erreichen, und sie ist per Design ein Single Point of Failure. Ihr Finanzsektor unterliegt seit Januar 2025 einer europäischen Verordnung, die von Instituten verlangt, die Konzentration ihrer IKT-Abhängigkeiten zu bewerten und schwerwiegende Vorfälle zu melden; ihre kritischen Sektoren kommen unter die niederländische Umsetzung einer zweiten Regelung, die diese Pflicht ausweitet. Das Konzentrationsrisiko ist in den Niederlanden zu einer beaufsichtigten Größe geworden. Dieser Beitrag ist ein Versuch, ihm einen Preis zu geben.

2. Hintergrund

2.1 Das Argument für die Standardisierung

Die Vorteile der Konsolidierung sind real und gut dokumentiert. Ross, Weill und Robertson (2006) zeigten, dass Unternehmen mit einem standardisierten, integrierten Kern ihre Strategie zuverlässiger umsetzten; Weill und Ross (2004) fanden, dass Spitzenunternehmen die lokale Wahl der Infrastruktur beschränkten. Die Praktikerliteratur zu den Gesamtbetriebskosten beruht auf derselben Ökonomie: Jede unterschiedliche Plattform trägt Fixkosten für Lizenzen, Kompetenzen, Werkzeuge, Integration und Sicherheit, die weitgehend unabhängig davon sind, welchen Teil des Unternehmens sie bedient, so dass die Kosten pro Leistungseinheit mit der Konsolidierung der Plattformen sinken. All dies nehmen wir als gegeben. Das Modell in Abschnitt 3 enthält Betriebskosten, die mit der Konsolidierung sinken, und die Behauptung des Beitrags betrifft das, was ihnen gegenübergestellt werden sollte.

2.2 Korrelierte Ausfälle in anderen Disziplinen

Andere Disziplinen haben längst gelernt, dass Konzentration und Fragilität gemeinsam reisen. In der Finanzwirtschaft zeigte Markowitz (1952), dass das Risiko eines Portfolios nicht vom Risiko seiner Positionen abhängt, sondern davon, wie sie sich gemeinsam bewegen, und dass Diversifikation über unvollständig korrelierte Anlagen das Risiko senkt, ohne die erwartete Rendite zu kosten; diese Einsicht ist das Fundament des Fachs. In der Ökologie zeigte May (1972), dass größere und stärker vernetzte Systeme unter sonst gleichen Bedingungen weniger stabil sind, und Tilman, Reich und Knops (2006) wiesen experimentell nach, dass diverse Ökosysteme in ihrer Produktivität stabiler sind als Monokulturen. Haldane und May (2011) übertrugen das ökologische Argument auf das Bankwesen und zeigten, dass ein System von Instituten, die ähnliche Vermögenswerte halten und durch ähnliche Exposures verbunden sind, zu dem gleichzeitigen Versagen neigt, das 2008 vorführte. Im Supply-Chain-Management dokumentierte Sheffi (2005), wie Redundanz und Flexibilität, nicht Effizienz allein, darüber entscheiden, welche Firmen eine Störung überleben, und die Literatur zum Resilience Engineering (Hollnagel, Woods & Leveson, 2006) hat dasselbe Argument für soziotechnische Systeme im Allgemeinen geführt. In der Sicherheitstechnik argumentierte Perrow (1984), dass eng gekoppelte, interaktiv komplexe Systeme Unfälle hervorbringen, die normal statt außergewöhnlich sind, und Leveson (2011), dass Sicherheit eine Eigenschaft der Struktur eines Systems ist und nicht seiner Komponenten. In der IT-Sicherheit argumentierten Geer et al. (2003), dass eine Software-Monokultur eine nationale Verwundbarkeit darstellt, weil ein einziger Exploit alle erreicht.

Jede dieser Literaturen enthält die Behauptung des vorliegenden Beitrags in einem anderen Vokabular. Was der Literatur zur Unternehmens-IT fehlt, ist der Schritt, den die Finanzwirtschaft 1952 vollzog: ein Modell, in dem der Nutzen der Konzentration und die Kosten der Korrelation in derselben Gleichung erscheinen, so dass der Zielkonflikt berechnet statt behauptet werden kann. Abschnitt 3 ist ein Versuch dieses Schritts.

2.3 Konzentrationsrisiko als beaufsichtigte Größe

Der European Digital Operational Resilience Act (Verordnung (EU) 2022/2554), anwendbar auf Finanzunternehmen seit Januar 2025, verlangt von Instituten, das IKT-Konzentrationsrisiko aus der Abhängigkeit von Drittanbietern zu identifizieren und zu bewerten und schwerwiegende IKT-bezogene Vorfälle ihrer Aufsicht zu melden, in den Niederlanden der Zentralbank. Die zweite Richtlinie über Netz- und Informationssicherheit (Richtlinie (EU) 2022/2555) weitet Meldepflichten und Risikomanagementpflichten durch das niederländische Umsetzungsgesetz auf wesentliche und wichtige Einrichtungen in den kritischen Sektoren aus. Beide behandeln Konzentration als ein zu messendes und zu steuerndes Risiko, und keine von beiden sagt, wie viel Konzentration zu viel ist. Das nachstehende Modell wird als eine Antwort angeboten, und die Vorfalldaten, die die Meldepflichten ansammeln werden, sind, wie Abschnitt 15 argumentiert, das Mittel, mit dem es kalibriert werden könnte.

3. Ein minimales Modell

3.1 Aufbau

Ein Unternehmen hat NN Geschäftsfunktionen, von denen jede auf einer Plattform laufen muss. Es wählt, wie viele unterschiedliche Plattformen es betreibt, mm, mit 1≤m≤N1 \le m \le N; m=1m = 1 ist vollständige Standardisierung und m=Nm = N ist eine Plattform pro Funktion. Der Klarheit halber nehmen wir die Funktionen als gleichmäßig verteilt an, N/mN/m pro Plattform; ungleiche Verteilungen werden in Abschnitt 7 behandelt.

Plattformen zu betreiben kostet Geld. Jede unterschiedliche Plattform trägt Kosten c1c_1 pro Periode, die unabhängig davon sind, wie viele Funktionen sie bedient: Lizenzen, die Kompetenzen für ihren Betrieb, ihre Werkzeuge, ihre Integration mit dem Rest, ihre Sicherheit. Die Betriebskosten betragen

R(m)=c0+c1 m,(1)R(m) = c_0 + c_1 \, m, \tag{1}

Gleichung 1. Betriebskosten der Systemlandschaft: ein fester Teil plus Kosten pro Plattform.

wobei c0c_0 die Kosten sind, die nicht von der Anzahl der Plattformen abhängen. Dies ist das Argument für die Standardisierung: RR sinkt um c1c_1 für jede entfernte Plattform.

Plattformen fallen aus. In jeder Periode erleidet jede Plattform mit Wahrscheinlichkeit pp einen lahmlegenden Ausfall, unabhängig von den anderen; wenn das geschieht, ist jede Funktion auf ihr für die Referenzdauer des Ausfalls außer Betrieb. Der Verlust aus einem Ausfall hängt vom Anteil ff der Funktionen des Unternehmens ab, die gleichzeitig ausgefallen sind:

L(f)=ℓ fγ,(2)L(f) = \ell \, f^{\gamma}, \tag{2}

Gleichung 2. Verlust aus einem Ausfall als konvexe Funktion des Anteils der gleichzeitig ausgefallenen Funktionen.

wobei ℓ\ell der Verlust ist, wenn das ganze Unternehmen ausgefallen ist, und γ\gamma die Konvexität des Verlusts. Wenn γ=1\gamma = 1, ist der Verlust proportional zum ausgefallenen Anteil: Die Hälfte des Unternehmens zu verlieren kostet halb so viel wie alles zu verlieren. Wenn γ>1\gamma > 1, ist der Verlust konvex: Alles zu verlieren kostet mehr als das Doppelte des Verlusts der Hälfte. Abschnitt 5 argumentiert, dass γ>1\gamma > 1 der Normalfall ist, und sagt, wo er es nicht ist.

3.2 Erwarteter Verlust und Gesamtkosten

Mit mm Plattformen, die jeweils einen Anteil 1/m1/m der Funktionen tragen, ist der erwartete Ausfallverlust pro Periode

E(m)=m⋅p⋅ℓ(1m)γ=p ℓ m 1−γ(3)E(m) = m \cdot p \cdot \ell \left(\tfrac{1}{m}\right)^{\gamma} = p \, \ell \, m^{\,1-\gamma} \tag{3}

Gleichung 3. Erwarteter Ausfallverlust pro Periode für mm gleich ausgelastete Plattformen.

Der Ausdruck enthält die Behauptung des Beitrags. Wenn γ=1\gamma = 1, ist E(m)=p ℓE(m) = p\,\ell für jedes mm: Der erwartete Verlust hängt nicht davon ab, wie viele Plattformen es gibt, und nur die Betriebskosten entscheiden, so dass vollständige Standardisierung optimal ist. Wenn γ>1\gamma > 1, sinkt E(m)E(m) mit steigendem mm: Mehr Plattformen, die jeweils weniger tragen, bedeuten weniger erwarteten Verlust, weil die Konvexität die großen Ausfälle bestraft, die wenige Plattformen hervorbringen. Konsolidierung erhöht den erwarteten Verlust nicht, weil Ausfälle wahrscheinlicher werden, pp bleibt unverändert, sondern weil jeder Ausfall größer wird, und große Ausfälle kosten mehr als ihre Größe.

Das Unternehmen minimiert die Gesamtkosten

T(m)=c0+c1 m+p ℓ m 1−γ(4)T(m) = c_0 + c_1 \, m + p \, \ell \, m^{\,1-\gamma} \tag{4}

Gleichung 4. Gesamtkosten: Betriebskosten plus erwarteter Ausfallverlust, die Größe, die das Unternehmen minimiert.

Behandelt man mm als stetig und setzt die Ableitung gleich null, ergibt sich das Optimum in geschlossener Form:

m∗=(p ℓ (γ−1)c1)1/γ(5)m^{*} = \left( \frac{p \, \ell \, (\gamma - 1)}{c_1} \right)^{1/\gamma} \tag{5}

Gleichung 5. Die optimale Anzahl von Plattformen in geschlossener Form.

Die optimale Anzahl von Plattformen steigt mit der Ausfallwahrscheinlichkeit pp, der Verlustskala ℓ\ell und der Konvexität γ\gamma und sinkt mit den Kosten einer Plattform c1c_1. Liegt der Ausdruck unter eins, ist vollständige Standardisierung optimal; der orthodoxe Rat gilt. Liegt er über eins, minimiert eine innere Anzahl von Plattformen die Gesamtkosten, und die Differenz T(1)−T(m∗)T(1) - T(m^{*}) ist das, was wir die Monokulturprämie nennen: der Betrag, um den vollständige Standardisierung pro Periode mehr kostet als das Optimum, sobald der Ausfallverlust mitgerechnet wird.

3.3 Zwei Regime

Gleichung (5) teilt Unternehmen in zwei Regime, und der praktische Gehalt des Beitrags liegt darin, sie auseinanderzuhalten. Tabelle 1 zeigt beide mit illustrativen Parametern, und Abbildung 1 zeichnet das zweite.

Tabelle 1. Zwei Regime des Modells, mit illustrativen Parametern. Kosten und Verluste in EUR Millionen pro Jahr; c0c_0 weggelassen, da es das Optimum nicht beeinflusst.

Niedriger Einsatz Hoher Einsatz
Ausfallwahrscheinlichkeit pp (pro Plattformjahr) 0.02 0.10
Verlust bei Totalausfall ℓ\ell 20 60
Kosten pro Plattform c1c_1 1.0 1.0
Konvexität γ\gamma 2 2
p ℓp\,\ell 0.4 6.0
m∗m^{*} aus (5) 0.63 →\to 1 2.45 →\to 2–3
T(1)T(1): eine Plattform 1.4 7.0
T(2)T(2): zwei Plattformen 2.2 5.0
T(3)T(3): drei Plattformen 3.1 5.0
Monokulturprämie T(1)−T(m∗)T(1) - T(m^{*}) 0 2.0

Im Regime mit niedrigem Einsatz sind Ausfälle selten und billig, p ℓp\,\ell ist klein im Verhältnis zu den Kosten einer Plattform, und m∗m^{*} liegt unter eins: vollständig standardisieren, wie die Orthodoxie sagt. Im Regime mit hohem Einsatz, ein lahmlegender Ausfall pro Plattformjahrzehnt und ein Verlust von EUR 60 Millionen bei einem Totalausfall, was für eine Bank, eine Fluggesellschaft oder eine Krankenhausgruppe nicht exotisch ist, liegt m∗m^{*} bei etwa zweieinhalb, der Betrieb einer Plattform kostet EUR 2 Millionen pro Jahr mehr als der Betrieb von zwei oder drei, und der orthodoxe Konsolidierungs-Business-Case, der nur c1c_1 zählt, hat das falsche Vorzeichen.

Abbildung 1. Das Regime mit hohem Einsatz aus Tabelle 1 (p = 0.10, ℓ = 60, c₁ = 1). Die Betriebskosten steigen mit den Plattformen; der erwartete Ausfallverlust sinkt, wenn der Verlust konvex ist; ihre Summe hat ein inneres Minimum. Mit γ = 2 liegt das Optimum zwischen zwei und drei Plattformen, und eine Plattform kostet EUR 2 Millionen pro Jahr mehr; mit γ = 1.5 liegt das Optimum bei zwei und die Prämie ist kleiner. Mit γ = 1 wäre die Verlustlinie flach und eine Plattform optimal.
Abbildung 1. Das Regime mit hohem Einsatz aus Tabelle 1 (p = 0.10, ℓ = 60, c₁ = 1). Die Betriebskosten steigen mit den Plattformen; der erwartete Ausfallverlust sinkt, wenn der Verlust konvex ist; ihre Summe hat ein inneres Minimum. Mit γ = 2 liegt das Optimum zwischen zwei und drei Plattformen, und eine Plattform kostet EUR 2 Millionen pro Jahr mehr; mit γ = 1.5 liegt das Optimum bei zwei und die Prämie ist kleiner. Mit γ = 1 wäre die Verlustlinie flach und eine Plattform optimal.

3.4 Der Erwartungswert ist nicht die ganze Geschichte

Gleichung (5) handelt vom erwarteten Verlust, und der erwartete Verlust unterzeichnet das Argument gegen die Monokultur. Man betrachte das Regime mit hohem Einsatz bei γ=1\gamma = 1, wo der erwartete Verlust EUR 6 Millionen pro Jahr beträgt, was immer mm ist. Mit einer Plattform verliert das Unternehmen in neun von zehn Jahren nichts und im zehnten EUR 60 Millionen. Mit drei Plattformen verliert es in etwa einem Viertel der Jahre EUR 20 Millionen, in etwa drei von hundert Jahren EUR 40 Millionen und in einem von tausend Jahren EUR 60 Millionen. Die Erwartungswerte sind gleich; die Verteilungen nicht. Das Unternehmen mit einer Plattform hat jedes Jahr eine Chance von eins zu zehn auf einen Verlust, der eine regulatorische Meldeschwelle, einen Kapitalpuffer oder eine Reputationstoleranz überschreiten kann; das Unternehmen mit drei Plattformen hat eine Chance von eins zu tausend. Ein Vorstand, dem die Größe seines schlechtesten Jahres nicht gleichgültig ist, und das ist jeder Vorstand, sollte die Verteilung mit drei Plattformen auch dort vorziehen, wo die Erwartungswerte gleich sind, und diese Präferenz tritt zum Konvexitätsargument hinzu, statt von ihm abzuhängen. Anhang A gibt die Tail-Kennzahlen.

4. Erweiterungen des Modells

Das minimale Modell macht vier Vereinfachungen, die ein Praktiker gelockert sehen will, bevor er seiner Zahl traut: Plattformen fallen unabhängig aus, Funktionen sind gleichmäßig verteilt, der Verlust eines Ausfalls hängt nicht von seiner Dauer ab, und die Konsolidierung selbst ist kostenlos. Jede kann gelockert werden, ohne die Lehre der geschlossenen Form zu verlieren, und jede Lockerung verschiebt das Optimum in eine Richtung, die zu kennen sich lohnt.

4.1 Gemeinsame Schocks

Angenommen, zusätzlich zum unabhängigen Ausfall jeder Plattform legt mit Wahrscheinlichkeit qq pro Periode ein gemeinsamer Schock alle Plattformen auf einmal lahm: Eine gemeinsam genutzte Komponente fällt aus, ein Cybervorfall breitet sich aus, die Region eines Anbieters geht offline. Der erwartete Verlust wird zu

E(m)=q ℓ+(1−q) p ℓ m 1−γ(6)E(m) = q\,\ell + (1-q)\,p\,\ell\,m^{\,1-\gamma} \tag{6}

Gleichung 6. Erwarteter Verlust mit einem gemeinsamen Schock, der mit Wahrscheinlichkeit qq alle Plattformen auf einmal lahmlegt.

Der gemeinsame Schock fügt einen Sockel hinzu, q ℓq\,\ell, den keine Anzahl von Plattformen beseitigt, und er skaliert den Nutzen der Diversifikation um (1−q)(1-q) herunter. Das Optimum ist wie in Gleichung (5), mit pp ersetzt durch (1−q) p(1-q)\,p: Weniger Plattformen lohnen sich, wenn gemeinsame Schocks dominieren, weil Diversifikation sie nicht berührt. Die praktische Lesart ist die, die Abschnitt 7 entwickelt: Das erste Geld sollte in die Senkung von qq fließen, durch das Entfernen gemeinsam genutzter Komponenten, und erst dann in die Erhöhung von mm, weil eine Plattform, die unter einer gemeinsam genutzten Komponente hinzugefügt wird, nichts gegen den Schock erkauft, der am meisten zählt.

4.2 Ungleiche Verteilungen und das Kern-und-Satelliten-Design

Funktionen sind selten gleichmäßig verteilt. Das übliche Design ist eine Kernplattform, die den größten Teil des Unternehmens trägt, und Satelliten, die den Rest tragen, und die Frage ist, ob die Satelliten ihre Kosten wert sind. Mit Anteilen s1,…,sms_1, \dots, s_m, die sich zu eins summieren, beträgt der erwartete Verlust p ℓ∑jsjγp\,\ell \sum_j s_j^{\gamma}, was für ein gegebenes mm durch gleiche Anteile minimiert wird, weil sγs^{\gamma} konvex ist; jede Ungleichheit hebt den erwarteten Verlust über den gleichmäßigen Fall. Ein Kern, der neun Zehntel trägt, mit zwei Satelliten zu je einem Zwanzigstel hat bei γ=2\gamma = 2 einen erwarteten Verlust von p ℓ (0.81+0.0025+0.0025)=0.815 p ℓp\,\ell\,(0.81 + 0.0025 + 0.0025) = 0.815\,p\,\ell, kaum unter dem p ℓp\,\ell der einzelnen Plattform, während für drei Plattformen bezahlt wird. Die Satelliten kosten fast so viel wie echte Diversifikation und liefern fast nichts davon. Das Design, das sich auszahlt, ist dasjenige, das die Last aufteilt, weshalb die Bank in Abschnitt 10 das Privatkundengeschäft vom Firmenkundengeschäft trennt, statt einen kleinen Satelliten von einem dominanten Kern abzuspalten.

4.3 Dauer

Der Verlust eines Ausfalls wächst mit seiner Dauer, und die Dauer hängt auf zwei gegenläufige Weisen von der Anzahl der Plattformen ab. Die Wiederherstellungskapazität ist endlich, so dass ein größerer Ausfall länger braucht, um behoben zu werden, wenn dieselben Teams alles seriell wiederherstellen müssen; dies ist eine der Quellen der Konvexität in Abschnitt 5 und steckt bereits in γ\gamma. Dagegen hat eine Landschaft mit mehr Plattformen mehr unterschiedliche Dinge, die kaputtgehen können, und mehr unterschiedliche Wiederherstellungsverfahren, die zu pflegen sind, so dass jede einzelne Wiederherstellung aus Mangel an Übung langsamer sein kann. Der zweite Effekt spricht dafür, mm moderat zu halten und die Wiederherstellung auf jeder beibehaltenen Plattform zu üben, und er ist ein Grund, warum die Regeln in Abschnitt 12 die kleinere Konsolidierung der größeren Diversifikation vorziehen.

4.4 Die Kosten des Konsolidierens

Konsolidierung ist eine Migration, und Migrationen sind selbst eine Quelle von Ausfällen: Daten werden verschoben, Schnittstellen neu gebaut, Mitarbeiter umgeschult, und es gibt eine Periode des Parallelbetriebs, in der das Unternehmen sowohl vom Alten als auch vom Neuen abhängt. Ein Konsolidierungs-Business-Case sollte neben der wiederkehrenden Einsparung einen einmaligen Risikoterm tragen, den erwarteten Verlust aus Migrationsvorfällen, und sollte anerkennen, dass dieser Term mit der Anzahl der entfernten Plattformen steigt. Das Modell bepreist ihn nicht, weil er einmalig ist und das Modell pro Periode rechnet, aber er verschiebt die Entscheidung in dieselbe Richtung wie die Prämie: hin zur kleineren Konsolidierung.

4.5 Sensitivität des Optimums

Abbildung 2 zeichnet das Optimum aus Gleichung (5) gegen den Quotienten p ℓ/c1p\,\ell / c_1, den Einsatzquotienten, also das, was auf dem Spiel steht, im Verhältnis zu den Kosten einer Plattform, für drei Werte von γ\gamma. Unterhalb eines Quotienten von etwa eins ist das Optimum eine Plattform, was immer die Konvexität ist, und der orthodoxe Rat ist sicher. Darüber steigt das Optimum, langsam, mit dem Einsatz: Ein Quotient von sechs, der Fall der Bank, ergibt zwei bis drei Plattformen; ein Quotient von zwanzig, eine Krankenhausgruppe oder eine Börse, ergibt drei bis fünf. Die Kurven sind flach genug, dass die genauen Parameter weniger zählen als das Regime: Ein Unternehmen muss nur ungefähr wissen, ob sein Quotient unter eins oder deutlich darüber liegt, um zu wissen, ob es sich im orthodoxen Regime oder im Prämienregime befindet, und der Anhang gibt das vollständige Raster.

Abbildung 2. Die optimale Anzahl von Plattformen gegen den Einsatzquotienten p ℓ/c₁, für drei Konvexitäten. Unterhalb eines Quotienten von etwa eins ist vollständige Standardisierung optimal; darüber steigt das Optimum langsam mit dem Einsatz. Die Kurven kreuzen sich, weil höhere Konvexität den Verlust aus großen Ausfällen erhöht, aber auch den Nutzen der ersten Aufteilung stärker als den späterer.
Abbildung 2. Die optimale Anzahl von Plattformen gegen den Einsatzquotienten p ℓ/c₁, für drei Konvexitäten. Unterhalb eines Quotienten von etwa eins ist vollständige Standardisierung optimal; darüber steigt das Optimum langsam mit dem Einsatz. Die Kurven kreuzen sich, weil höhere Konvexität den Verlust aus großen Ausfällen erhöht, aber auch den Nutzen der ersten Aufteilung stärker als den späterer.

5. Woher die Konvexität kommt

Das Ergebnis des Modells hängt an γ>1\gamma > 1: an der Behauptung, dass der Verlust des ganzen Unternehmens auf einmal mehr kostet als die Summe der Verluste seiner Teile nacheinander. Die Behauptung sollte begründet, nicht angenommen werden, und es sollte gesagt werden, wo sie versagt, denn wo sie versagt, ist der orthodoxe Rat richtig.

5.1 Fünf Quellen der Konvexität

Gegenseitige Vertretung. Wenn eine Funktion ausgefallen ist, springen andere für sie ein: Eine Filiale nimmt einen Anruf entgegen, den die App nicht entgegennehmen kann, ein Lager versendet, was das Portal nicht verkaufen kann, Mitarbeiter arbeiten mit Papier. Vertretung ist nur möglich, wenn die vertretende Funktion in Betrieb ist. Ein Teilausfall wird durch Vertretung aufgefangen; bei einem Totalausfall gibt es niemanden, der einspringt. Der Verlust aus der letzten ausgefallenen Funktion ist daher größer als der Verlust aus der ersten, und das ist Konvexität.

Endliche Workaround-Kapazität. Ein Unternehmen hat eine endliche Zahl von Menschen, die manuelle Workarounds ausführen können, eine endliche Zahl von Telefonleitungen und eine endliche Toleranz bei seinen Kunden. Ein kleiner Ausfall passt in diese Kapazität; ein großer übersteigt sie, und der Überschuss geht vollständig verloren.

Schwellen. Regulatorische Meldungen, vertragliche Service-Gutschriften, Reputationsaufmerksamkeit und Medienberichterstattung haben alle Schwellen. Ein Ausfall unterhalb der Schwelle kostet seinen direkten Verlust; einer darüber kostet seinen direkten Verlust plus die Folgen der Schwelle. Schwellen lassen die Verlustfunktion mit der Größe stufenweise ansteigen, was im Aggregat Konvexität ist.

Parallelität der Wiederherstellung. Die Wiederherstellung wird von Teams mit endlicher Kapazität geleistet. Zwei unabhängige Ausfälle auf verschiedenen Plattformen können von verschiedenen Teams parallel behoben werden; ein Ausfall über alles hinweg wird von denselben Leuten seriell behoben, so dass seine Dauer, und sein Verlust, mit seiner Größe wächst.

Abhängigkeitsansteckung. Funktionen hängen voneinander ab. Eine Funktion, die in Betrieb ist, aber von einer ausgefallenen abhängt, ist beeinträchtigt; mit steigendem ausgefallenem Anteil steigt der beeinträchtigte Anteil schneller, weil jeder zusätzliche Ausfall mehreren Überlebenden eine Abhängigkeit nimmt.

Jede Quelle ist jedem vertraut, der je einen Vorfall gemanagt hat, und zusammen machen sie γ>1\gamma > 1 zum Normalfall für ein Unternehmen lose gekoppelter Funktionen. Der Wert von γ\gamma ist eine empirische Frage; wir verwenden 1.5 und 2 als Illustrationen, und Abschnitt 15 sagt, wie er gemessen werden könnte.

5.2 Wo Konvexität fehlt: enge Kopplung

Das Argument kehrt sich um, wo Funktionen so eng gekoppelt sind, dass der Verlust einer einzigen so schlimm ist wie der Verlust aller. Eine Zahlungskette, in der Autorisierung, Clearing und Settlement alle funktionieren müssen, damit irgendeine Zahlung abgeschlossen wird, ist ein solcher Fall: Ein Ausfall eines Schritts stoppt die Kette, und der Verlust aus einem ausgefallenen Schritt ist der Verlust aus der ausgefallenen Kette. Innerhalb einer solchen Kette ist γ≤1\gamma \le 1, Diversifikation über Plattformen erkauft nichts, weil jede ausfallende Plattform alles stoppt, und Standardisierung ist richtig: eine Plattform, ein Fehlermodus, eine Wiederherstellung. Perrows (1984) enge Kopplung ist die Bedingung, und sie gibt dem Beitrag seine erste Regel: innerhalb eng gekoppelter Ketten standardisieren, über lose gekoppelte Funktionen hinweg diversifizieren. Die Einheit der Diversifikation ist nicht die Funktion, sondern die Kette, und ein Unternehmen sollte seine Ketten kartieren, bevor es seine Plattformen zählt.

Dieselbe Logik beantwortet einen Einwand. Mehrere Plattformen zu betreiben hilft nicht, wenn sich ein Ausfall auf einer zu den anderen fortpflanzt; Fortpflanzung ist Kopplung, und gekoppelte Plattformen sind für die Zwecke des Modells eine Plattform. Diversität zählt nur dort, wo die Plattformen unabhängig ausfallen, was das Thema des nächsten Abschnitts ist.

6. Die Konvexität messen

Alles im Modell hängt an γ\gamma, und γ\gamma ist eine Größe, die kein Unternehmen erfasst. Sie lässt sich messen, und dieser Abschnitt zeigt an einem konstruierten Beispiel, wie, damit eine Risikofunktion dasselbe mit ihrem eigenen Vorfallregister tun kann.

6.1 Die Daten

Für jeden Ausfall im Register werden zwei Zahlen benötigt: der Anteil der Funktionen des Unternehmens, den er erreichte, ff, und der Verlust, den er verursachte, LL, in denselben Einheiten wie ℓ\ell. Der Anteil lässt sich gewöhnlich aus dem Vorfalldatensatz rekonstruieren, der die betroffenen Systeme nennt; der Verlust ist schwieriger, weil Unternehmen die direkten Kosten eines Vorfalls erfassen und selten sein entgangenes Geschäft, seine Entschädigungen oder seine Reputationsfolgen, und die Konvexität steckt zum großen Teil in diesen. Ein Register, das nur direkte Kosten erfasst, wird γ\gamma unterschätzen. Die Messung beginnt daher mit einer einmaligen Übung: Für die zehn oder zwanzig größten Ausfälle im Register wird gemeinsam mit dem Fachbereich der vollständige Verlust rekonstruiert, einschließlich dessen, was durch Vertretung und Workaround aufgefangen wurde, und dessen, was nicht.

6.2 Die Anpassung

Mit der Verlustfunktion L=ℓfγL = \ell f^{\gamma} ergibt Logarithmieren log⁡L=log⁡ℓ+γlog⁡f\log L = \log \ell + \gamma \log f, eine Gerade, deren Steigung γ\gamma ist. Tabelle 2 gibt ein konstruiertes Register von acht Ausfällen für ein Unternehmen mit zwölf Funktionen und die Anpassung. Die Ausfälle, die eine Funktion erreichten, kosteten etwa ein Zwanzigstel des Totalausfallwerts, nicht ein Zwölftel; diejenigen, die die Hälfte des Unternehmens erreichten, kosteten etwa ein Drittel, nicht die Hälfte; die Steigung beträgt etwa 1.8. Die Zahl ist illustrativ, aber ihre Größe ist der Punkt: Ein Unternehmen, dessen kleine Ausfälle durch Vertretung aufgefangen werden und dessen große es nicht werden, wird γ\gamma deutlich über eins finden, und die Anpassung macht aus dem Befund eine Zahl statt eines Eindrucks.

Tabelle 2. Ein konstruiertes Vorfallregister für ein Unternehmen mit zwölf Funktionen und die daran angepasste Konvexität. Verlust in EUR Millionen, rekonstruiert einschließlich entgangenen Geschäfts und Entschädigungen. Die angepasste Steigung von log⁡L\log L über log⁡f\log f ist γ≈1.8\gamma \approx 1.8; der Achsenabschnitt ergibt ℓ≈58\ell \approx 58.

Ausfall Funktionen Anteil ff Verlust LL L/ℓL/\ell
A 1 0.08 0.7 0.012
B 1 0.08 1.1 0.019
C 2 0.17 2.4 0.041
D 3 0.25 4.9 0.084
E 4 0.33 8.0 0.138
F 6 0.50 17.0 0.293
G 9 0.75 36.0 0.621
H 12 1.00 58.0 1.000

6.3 Die Residuen lesen

Die Residuen der Anpassung sind so aufschlussreich wie ihre Steigung. Ausfälle, die mehr kosteten, als die Gerade für ihre Größe vorhersagt, sind diejenigen, bei denen die Vertretung versagte, die Workarounds erschöpft waren oder eine Schwelle überschritten wurde; ihre Datensätze sagen, welches davon, und diese Aussage identifiziert die Quellen aus Abschnitt 5, die in diesem Unternehmen wirksam sind. Ausfälle, die weniger kosteten als vorhergesagt, sind diejenigen, bei denen die Vertretung funktionierte, und sie identifizieren die manuellen und gegenseitigen Fähigkeiten aus Abschnitt 7, die es zu bewahren lohnt. Ein Unternehmen, das die Gerade anpasst und die Residuen liest, lernt sowohl sein γ\gamma als auch die Gründe dafür, was mehr ist, als das Modell verlangt, und genau das, was die Konsolidierungsentscheidung braucht.

6.4 γ\gamma ohne Daten erheben

Wo das Register dünn ist, kann γ\gamma durch Befragung eingegrenzt werden. Man frage den Fachbereich für einen kleinen und einen großen Ausfall, wie lange die Vertretung trägt und welchen Wertanteil sie aufrechterhält; man frage, wo die Melde-, Vertrags- und Reputationsschwellen liegen und was das Überschreiten jeder einzelnen kostet; man frage, wie die Wiederherstellung mit der Zahl der ausgefallenen Systeme skaliert. Jede Antwort ergibt einen Punkt auf der Verlustkurve, und drei oder vier Punkte ergeben eine Steigung. Die Befragung ist grob, aber sie ist an der richtigen Stelle grob: Die Entscheidung zwischen einer Plattform und zweien hängt davon ab, ob γ\gamma nahe eins oder nahe zwei liegt, und eine Befragung kann diese gewöhnlich auseinanderhalten.

7. Verborgene Monokulturen

7.1 Nominale und effektive Diversität

Das Modell zählt Plattformen, die unabhängig ausfallen. Ein Unternehmen, das drei Anwendungsplattformen auf einem Betriebssystem betreibt, alle drei über einen Identitätsanbieter authentifiziert, alle drei über einen Agenten patcht und alle drei in einer Cloud-Region hostet, hat drei Plattformen für die Zwecke seiner Lizenzrechnung und eine für die Zwecke eines Ausfalls in irgendeiner dieser gemeinsam genutzten Komponenten. Seine nominale Diversität ist drei; seine effektive Diversität, gegenüber dem Ausfall einer gemeinsam genutzten Komponente, ist eins. Der Ausfall vom Juli 2024 war genau dies: Organisationen mit diversen Anwendungslandschaften entdeckten, dass sie einen einzigen Sicherheitsagenten gemeinsam nutzten, und der Agent war die Plattform, die ausfiel.

Zwei Maße machen die Unterscheidung operationalisierbar. Für ungleiche Verteilungen, bei denen Plattform jj einen Anteil sjs_j der Funktionen trägt, ist die effektive Anzahl von Plattformen der Kehrwert der Summe der quadrierten Anteile,

meff=1∑jsj2,(7)m_{\text{eff}} = \frac{1}{\sum_j s_j^{2}}, \tag{7}

Gleichung 7. Effektive Anzahl von Plattformen bei ungleichen Anteilen: der Kehrwert der Summe der quadrierten Anteile.

der inverse Simpson-Index (Simpson, 1949), in der Ökonomie als inverser Herfindahl-Index bekannt (Hirschman, 1964). Drei Plattformen, die die Hälfte, drei Zehntel und ein Fünftel des Unternehmens tragen, haben meff=2.6m_{\text{eff}} = 2.6, nicht drei; eine, die neun Zehntel trägt, mit zwei kleinen anderen hat meff≈1.2m_{\text{eff}} \approx 1.2. Der erwartete Verlust des Unternehmens wird von meffm_{\text{eff}} bestimmt, und Gleichung (5) sollte als Zielwert dafür gelesen werden.

Für gemeinsam genutzte Komponenten, bei denen die Ausfälle der Plattformen mit paarweiser Korrelation ρ\rho korreliert sind, ist die effektive Anzahl

meff=m1+(m−1) ρ,(8)m_{\text{eff}} = \frac{m}{1 + (m-1)\,\rho}, \tag{8}

Gleichung 8. Effektive Anzahl von Plattformen, wenn Ausfälle mit paarweiser Korrelation ρ\rho korreliert sind.

die von mm bei ρ=0\rho = 0 auf eins bei ρ=1\rho = 1 fällt. Drei Plattformen mit einer Korrelation von einem Halb sind effektiv anderthalb; mit einer Korrelation von neun Zehnteln sind sie effektiv eine. Eine gemeinsam genutzte Komponente, von der alle Plattformen abhängen, setzt ρ=1\rho = 1 für Ausfälle dieser Komponente, wie divers die Plattformen sonst auch sein mögen.

7.2 Ein Inventar gemeinsam genutzter Komponenten

Tabelle 3 listet die Komponenten auf, über die Unternehmen am häufigsten unbemerkt einen Fehlermodus teilen, weil keine von ihnen im Anwendungsinventar als Plattform erscheint. Die gemeinsame Eigenschaft ist, dass jede einmal, für das ganze Unternehmen, von einer Funktion gewählt wird, die keine Plattformen zählt: Die Sicherheit wählt den Agenten, die Infrastruktur wählt den Hypervisor und die Region, das Identitätsmanagement wählt den Anbieter, das Netzwerk wählt das DNS. Jede Wahl ist lokal sinnvoll, und jede fügt eine Abhängigkeit mit ρ=1\rho = 1 hinzu.

Tabelle 3. Komponenten, über die nominal diverse Plattformen einen Fehlermodus teilen, und die Funktion, die sie typischerweise wählt, ohne Plattformen zu zählen.

Gemeinsam genutzte Komponente Gewählt von, und warum sie unsichtbar ist
Endpoint-Security-Agent Sicherheit; per Richtlinie auf jedem Gerät ausgerollt
Betriebssystem und Patch-Kanal Infrastruktur; „der Standard-Build“
Identitätsanbieter, Single Sign-on Identitätsmanagement; jede Anwendung authentifiziert darüber
Hypervisor, Cloud-Anbieter, Region Infrastruktur; die Hosting-Entscheidung
DNS, Zertifikate, Content Delivery Netzwerk; niemand sonst sieht sie
Integrationsbus, API-Gateway Architektur; jede Integration läuft hindurch
Ein einziger SaaS-Anbieter für mehrere Produkte Einkauf; ein Vertrag, ein Lieferantenmanager
Ein einziger Integrator oder Managed-Service-Provider Sourcing; ein einziger Hals, den man zudrücken kann
Netzwerkkern, Firewalls Netzwerk; eine Architektur

Das Inventar gibt dem Beitrag seine zweite Regel: effektive Diversität zählen, nicht nominale Diversität. Ein Konsolidierungs-Business-Case sollte meffm_{\text{eff}} vorher und nachher angeben, berechnet über die gemeinsam genutzten Komponenten ebenso wie über die Anwendungsplattformen, und eine Diversifikationsentscheidung sollte prüfen, dass die getrennt gehaltenen Plattformen keine Komponente teilen, die sie zu einer macht.

7.3 Diversität der letzten Instanz

Eine Plattform ist immer verfügbar und wird fast nie gezählt: der manuelle Prozess. Eine Filiale, die eine Zahlung auf Papier entgegennehmen kann, ein Lager, das nach einer gedruckten Liste kommissionieren kann, eine Station, die von Hand dokumentieren kann, ist eine zweite Plattform mit hohen Betriebskosten pro Transaktion, einer Korrelation nahe null mit allem Digitalen und einer Kapazität, die endlich ist und verfällt, wenn sie nicht geübt wird. Im Modell ist sie eine Plattform mit großem c1c_1 und ρ=0\rho = 0, das heißt die teuerste und die wertvollste Art. Unternehmen, die auf eine digitale Plattform konsolidiert und die manuelle Fähigkeit haben verkümmern lassen, haben meff=1m_{\text{eff}} = 1 im strengsten Sinne, und die Organisationen, die im Juli 2024 am besten durchkamen, waren nach den meisten Berichten diejenigen, die noch ohne ihre Bildschirme arbeiten konnten.

8. Diversität, die wenig kostet

Eine zweite Plattform zu betreiben ist der teure Weg, Diversität zu kaufen, und das Modell bepreist ihn mit c1c_1. Mehrere Designs kaufen einen Teil desselben Schutzes für viel weniger, und das Modell zeigt, warum sie funktionieren: Jedes senkt den Anteil ff, den ein einzelner Ausfall erreichen kann, oder senkt die Korrelation ρ\rho zwischen den Dingen, die ausfallen können, ohne eine Plattform hinzuzufügen.

8.1 Diversität in der Zeit: Ringe und Canaries

Eine Änderung, die auf alle Instanzen gleichzeitig ausgerollt wird, erreicht f=1f = 1, wenn sie fehlerhaft ist. Dieselbe Änderung, in RR Ringen ausgerollt, wobei jeder Ring zurückgehalten wird, bis der vorige eine Zeit lang sauber gelaufen ist, erreicht höchstens f=1/Rf = 1/R, bevor sie gestoppt wird, so dass der Verlust aus einer fehlerhaften Änderung von ℓ\ell auf ℓ (1/R)γ\ell\,(1/R)^{\gamma} fällt: mit vier Ringen und γ=2\gamma = 2 auf ein Sechzehntel. Der ringweise Rollout ist Diversität in der Zeit statt in der Plattform, er kostet Verzögerung statt Geld, und er steht für jede gemeinsam genutzte Komponente in Tabelle 3 zur Verfügung. Er ist auch das, was der Anbieter im Zentrum des Ausfalls vom Juli 2024 danach für die Content-Updates einführte, die ihn verursacht hatten (CrowdStrike, 2024): Der erste Ring ist der Canary, und der Canary ist die billigste Plattform, die ein Unternehmen betreiben kann. Der Vorbehalt des Modells ist, dass Ringe nur gegen Ausfälle schützen, die sich innerhalb der Haltefrist bemerkbar machen; ein Defekt, der schlummert, erreicht jeden Ring, und schlummernde Defekte sind ein gemeinsamer Schock.

8.2 Diversität im Ort: Regionen und Standorte

Dieselbe Plattform in zwei Regionen oder an zwei Standorten zu hosten fügt keine Plattform hinzu, senkt aber ρ\rho für die Ausfälle, die lokal für eine Region sind: Strom, Netzwerk, der regionale Vorfall eines Anbieters. Es tut nichts gegen Ausfälle in der eigenen Software der Plattform, die beide Regionen erreichen, und ein Unternehmen, das eine zweite Region als zweite Plattform zählt, hat die beiden verwechselt. Die Lesart des Modells ist, dass regionale Diversität qq für eine Klasse gemeinsamer Schocks senkt und als solche bepreist werden sollte, nicht als m=2m = 2.

8.3 Eingeschränkte Betriebsmodi

Eine Plattform, die in einen reduzierten Modus zurückfallen kann, nur lesend, gecacht, Queue-and-Forward, wenn eine Abhängigkeit ausfällt, verwandelt einen Totalausfall in einen Teilausfall: Der Anteil ff, den ein Ausfall erreicht, wird zum Anteil der Funktion, den der eingeschränkte Betriebsmodus nicht aufrechterhalten kann. Eingeschränkte Betriebsmodi sind billig, wo sie eingebaut sind, und unmöglich, wo sie es nicht sind, und das Modell zählt sie, indem es ff für den Ausfall der Abhängigkeit senkt. Der manuelle Prozess aus Abschnitt 7 ist der Grenzfall, der eingeschränkte Betriebsmodus, der keine Software braucht.

8.4 Diversität bei Lieferanten, nicht bei Produkten

Zwei Produkte eines Lieferanten teilen die Fehlermodi des Lieferanten: seinen Update-Prozess, seinen Identitätsdienst, seine finanzielle Gesundheit. Ein Unternehmen, das Lieferantendiversität in einer Schicht will, in der ein zweites Produkt zu teuer ist, kann sie manchmal stattdessen in den Abhängigkeiten der Schicht erhalten, ein zweiter Identitätsanbieter als Rückfallebene, ein zweites DNS, eine zweite Zertifizierungsstelle, zu einem Bruchteil der Kosten einer Plattform. Diese senken ρ\rho für den Ausfall der Abhängigkeit und lassen die Plattformzahl unverändert.

8.5 Was diese gemeinsam haben

Jedes dieser Designs ist billig, weil es nichts hinzufügt, das zu betreiben wäre; es ändert, wie ein vorhandenes Ding ausfällt. Dem Modell ist es gleich, ob ff niedriger, ρ\rho niedriger oder mm höher ist, weil alle drei den erwarteten Verlust senken, und ein Unternehmen sollte sie in der Reihenfolge der Kosten pro Einheit Reduktion kaufen. Ringe und eingeschränkte Betriebsmodi kommen gewöhnlich zuerst, regionale und Abhängigkeitsdiversität danach und eine zweite Plattform zuletzt, was die umgekehrte Reihenfolge ist, in der Konsolidierungsprüfungen sie betrachten.

9. Die niederländische Situation

9.1 Ein Morgen im Juli

Der Ausfall vom 19. Juli 2024 erreichte die Niederlande, wie er überall ankam. Flüge am nationalen Flughafen wurden verspätet und gestrichen, als die Systeme von Fluggesellschaften und Bodenabfertigung ausfielen; Krankenhäuser meldeten Störungen von Systemen auf betroffenen Arbeitsplatzrechnern und verschoben Behandlungen; staatliche und private Dienste wurden unterbrochen. Die betroffenen Organisationen hatten nicht dieselben Anwendungsplattformen gewählt; sie hatten denselben Sicherheitsagenten gewählt, der auf jedem Windows-Rechner in ihrem Besitz mit privilegierten Rechten lief. In den Begriffen des Modells war ihre Anwendungsdiversität irrelevant: Der Agent war eine gemeinsam genutzte Komponente mit ρ=1\rho = 1, der Ausfall erreichte in jeder betroffenen Organisation einen Anteil ff nahe eins, und die Konvexität tat den Rest. Die Kosten trugen Organisationen, die, jede für sich, nichts Unkluges getan hatten, und das ist die Signatur einer Monokultur.

9.2 Ein Single Point of Failure per Design

Die nationale digitale Identität, DigiD, betrieben von der Behörde für digitale Dienste der Regierung, ist das Mittel, über das die meisten Einwohner die Steuerbehörde, Gemeinden, Krankenversicherer, Pensionsverwalter und Krankenhäuser online erreichen. Sie ist per Design ein Single Point of Failure, gewählt wegen der Konsistenz und Bequemlichkeit, die eine einzige Identität bringt, und die Wahl ist genau mit der Standardisierungsökonomie zu verteidigen, die dieser Beitrag als gegeben nimmt. Das Modell sagt, was die Wahl kostet: Für jeden Dienst, der von ihr abhängt, ist die Identitätsschicht eine gemeinsam genutzte Komponente mit ρ=1\rho = 1, und ein Ausfall, von denen Denial-of-Service-Angriffe mehrere verursacht haben, nimmt den Zugang zu allen auf einmal. Die bestehenden Abmilderungen, ein separates Identitätssystem für Unternehmen, die kommende europäische Wallet für die digitale Identität und die eigenen Rückfallkanäle der Dienste, sind Diversifikation im Sinne des Modells, und ihr Wert lässt sich in seinen Begriffen angeben: Jede senkt ρ\rho für einen Teil der abhängigen Dienste. Wir argumentieren nicht, dass die nationale Identität dupliziert werden sollte; wir argumentieren, dass die von ihr abhängigen Unternehmen sie in meffm_{\text{eff}} zählen und einen Rückfallkanal erprobt halten sollten.

9.3 Regulierung, die Konzentration zählt

DORA verlangt von niederländischen Finanzunternehmen, ihr IKT-Konzentrationsrisiko zu bewerten und schwerwiegende Vorfälle der Zentralbank zu melden; die niederländische Umsetzung von NIS2 weitet Melde- und Risikomanagementpflichten auf die kritischen Sektoren aus. Beide machen Konzentration zu einer Größe, die bekannt sein muss. Das Modell bietet der Aufsicht und den Beaufsichtigten dasselbe Vokabular: meffm_{\text{eff}} ist die Konzentration, Gleichung (5) ist das Niveau, ab dem sie aufhört, umsichtig zu sein, und die Monokulturprämie sind die Kosten ihrer Überschreitung. Die Vorfallmeldungen, die beide Verordnungen nun verlangen, sind, wie Abschnitt 15 argumentiert, die Daten, aus denen pp, ℓ\ell und vor allem γ\gamma endlich gemessen statt angenommen werden könnten.

9.4 Der Morgen der Krankenhäuser

Krankenhäuser sind der Sektor, in dem die Konvexität aus Abschnitt 5 am sichtbarsten ist, weil die Schwellen klinisch sind. Eine Station, die ihre elektronische Patientenakte verliert, fällt auf Papier zurück und kommt zurecht; ein Krankenhaus, das die Akten aller Stationen auf einmal verliert, zusammen mit dem Labor, der Apotheke und den Bildgebungssystemen, die von denselben Arbeitsplatzrechnern abhängen, kommt nicht zurecht und verschiebt Behandlungen. Mehrere niederländische Krankenhäuser meldeten genau dies am 19. Juli 2024, und diejenigen, die sich am schnellsten erholten, waren nach eigenen Angaben jene mit geübten Papierverfahren, was in den Begriffen des Modells die Diversität der letzten Instanz ist. Die Konsolidierung des Sektors auf eine kleine Zahl von Plattformen für die elektronische Patientenakte, aus jedem Standardisierungsgrund zu verteidigen, ist zugleich eine Monokultur über Krankenhäuser hinweg: Ein Defekt in einer Plattform erreicht jedes Krankenhaus, das sie betreibt, was ein gemeinsamer Schock auf Sektorebene ist, dem die Diversifikation keines einzelnen Krankenhauses begegnen kann, und den das NIS2-Umsetzungsgesetz, indem es den Sektor als wesentlich benennt, den Sektor nun zu bedenken verpflichtet.

9.5 Was die Verordnungen verlangen, in den Begriffen des Modells

Die Anforderungen von DORA übersetzen sich direkt in die Größen des Modells. Das Register vertraglicher Vereinbarungen mit IKT-Drittdienstleistern, das jedes Finanzunternehmen führen muss, ist das Inventar gemeinsam genutzter Komponenten aus Tabelle 3 in regulatorischer Form, und meffm_{\text{eff}} kann daraus berechnet werden. Die verlangte Bewertung des Konzentrationsrisikos ist die Frage, ob meffm_{\text{eff}} umsichtig ist, auf die Gleichung (5) eine Antwort ist. Und ihre Klassifizierung schwerwiegender Vorfälle, die Schwellen für betroffene Kunden, Dauer, geografische Ausbreitung und wirtschaftliche Auswirkung verwendet, ist selbst eine Quelle der Konvexität: Ein Ausfall, der die Schwellen überschreitet, trägt Melde-, Aufsichts- und Reputationsfolgen, die einer darunter nicht trägt, so dass die Verordnung selbst die Verlustkurve oberhalb der Schwelle steiler macht. Ein Institut, das sein γ\gamma schätzt, sollte die Schwellen der Verordnung zu den Quellen zählen, was bedeutet, dass DORA Konzentration sowohl misst als auch ihre Kosten erhöht.

9.6 Die Souveränitätsfrage

Die niederländische öffentliche Debatte über die Abhängigkeit von einer kleinen Zahl außereuropäischer Cloud-Anbieter ist in den Begriffen des Modells eine Debatte über qq: einen gemeinsamen Schock, rechtlich, politisch oder kommerziell, der jeden bei einem Anbieter gehosteten Workload auf einmal erreichen würde. Das Modell löst die Debatte nicht, die sich um die Wahrscheinlichkeit eines solchen Schocks dreht, aber es benennt ihre Begriffe: Ein zweiter Anbieter ist eine Plattform zu Kosten c1c_1, die qq für eine Klasse von Schocks senkt, und ob sich ihr Betrieb lohnt, hängt wie üblich von qq, ℓ\ell und γ\gamma ab. Unternehmen auf beiden Seiten der Debatte würden mit diesen drei Zahlen nützlicher argumentieren als ohne sie.

10. Ein konstruierter Fall

Der Fall ist konstruiert, nicht beobachtet. Er ist kein Bericht über irgendeine Bank, und seine Zahlen sind illustrativ; er existiert, um das Modell an einer Entscheidung der Art durchzuspielen, die Konsolidierungsprüfungen hervorbringen.

10.1 Der Vorschlag

Bank K ist eine mittelgroße niederländische Bank, die nach zwei Fusionen vier Kernbankplattformen betreibt, eine pro früherer Einheit, von denen jede etwa ein Viertel ihrer Funktionen trägt. Eine Kostenprüfung schlägt die Konsolidierung auf eine vor, mit einer Einsparung von EUR 3 Millionen pro Jahr an Lizenzen, Kompetenzen, Werkzeugen und Integration: die Entfernung von drei Plattformen zu je c1=c_1 = EUR 1 Million. Der Business Case zählt die Einsparung und die Migrationskosten und sonst nichts, und er wird im Grundsatz genehmigt.

10.2 Die Lesart des Modells

Die Risikofunktion der Bank schätzt aus ihrer eigenen Vorfallhistorie und der von Wettbewerbern, dass ein lahmlegender Ausfall einer Kernplattform etwa einmal pro Jahrzehnt und Plattform auftritt, p=0.10p = 0.10; dass ein Totalausfall von Referenzdauer etwa EUR 60 Millionen an Entschädigungen, entgangenem Geschäft, regulatorischen Folgen und Reputation kosten würde; und, aus der Form ihrer vergangenen Teilausfälle, die weit weniger kosteten als ihr proportionaler Anteil, dass γ≈2\gamma \approx 2. Das sind die Parameter mit hohem Einsatz aus Tabelle 1, und die Lesart des Vorschlags durch das Modell steht in Tabelle 4.

Tabelle 4. Bank K: Betriebskosten, erwarteter Ausfallverlust und Gesamtkosten für die heutige Systemlandschaft, den Vorschlag und das Optimum des Modells. EUR Millionen pro Jahr; c0c_0 weggelassen. Tail-Kennzahlen aus Anhang A.

4 (heute) 1 (Plan) 2 3
Betriebskosten c1mc_1 m 4.0 1.0 2.0 3.0
Erwarteter Verlust E(m)E(m) 1.5 6.0 3.0 2.0
Gesamtkosten T(m)T(m) 5.5 7.0 5.0 5.0
Schlechtestes Jahr in 20 (VaR 95 %) ≈\approx30 60 30 20

Der Vorschlag spart EUR 3 Millionen Betriebskosten und fügt EUR 4.5 Millionen erwarteten Ausfallverlust hinzu. Seine Gesamtkosten sind EUR 1.5 Millionen pro Jahr schlechter als die der Systemlandschaft, die er ersetzt, und sein schlechtestes Jahr in zwanzig verdoppelt sich von etwa EUR 30 Millionen auf EUR 60 Millionen. Die Konsolidierung auf zwei Plattformen spart dagegen EUR 2 Millionen Betriebskosten, fügt EUR 1.5 Millionen erwarteten Verlust hinzu und senkt die Gesamtkosten um eine halbe Million bei unverändertem schlechtestem Jahr; die Konsolidierung auf drei senkt die Gesamtkosten um denselben Betrag und halbiert das schlechteste Jahr. Der orthodoxe Schritt hat das falsche Vorzeichen; der richtige Schritt ist eine kleinere Konsolidierung, als die Prüfung vorschlug.

10.3 Das Design

Die Bank konsolidiert auf zwei Plattformen und wendet die Regeln des Beitrags auf die Aufteilung an. Sie kartiert zuerst ihre eng gekoppelten Ketten: Die Zahlungskette, von der Autorisierung bis zum Settlement, wird als Ganzes auf eine Plattform gelegt, weil innerhalb davon γ≤1\gamma \le 1 gilt und Diversität nichts erkaufen würde. Die übrigen Funktionen werden entlang der losesten Kopplung aufgeteilt, die die Bank hat, Privatkundengeschäft auf der einen Plattform und Firmenkundengeschäft auf der anderen, so dass ein Ausfall der einen die andere ihre Kunden bedienen und einspringen lässt, was der Ursprung der Konvexität ist. Die Bank prüft dann die effektive Diversität: Die beiden Plattformen erhalten unterschiedliche Patch-Kanäle und unterschiedliche Endpoint-Agenten, werden in unterschiedlichen Cloud-Regionen gehostet und über eine Identitätsschicht authentifiziert, deren Rückfallebene vierteljährlich erprobt wird, so dass die Korrelation über gemeinsam genutzte Komponenten niedrig ist statt eins. Die manuelle Fähigkeit für das Filialnetz im Privatkundengeschäft wird beibehalten und geübt. Das mm der Bank ist zwei; ihr meffm_{\text{eff}}, berechnet über gemeinsam genutzte Komponenten, liegt nahe zwei; und ihr Konsolidierungs-Business-Case trägt nun eine Zeile für den Ausfallverlust, die der der Prüfung nicht hatte.

11. Ein zweiter konstruierter Fall: eine Krankenhausgruppe

Der Fall der Bank handelt von Plattformen. Der zweite handelt von gemeinsam genutzten Komponenten, wo nach dem Modell gewöhnlich das größere Risiko liegt. Er ist konstruiert, nicht beobachtet, und ist kein Bericht über irgendein Krankenhaus.

11.1 Die Systemlandschaft

Die Krankenhausgruppe G betreibt drei Krankenhäuser auf einer elektronischen Patientenakte, einem Laborsystem, einem Bildgebungssystem und einem Apothekensystem: vier Plattformen, jede ein Sektorstandard, jede gut gewählt. Jeder Arbeitsplatzrechner in den drei Krankenhäusern läuft mit demselben Betriebssystem-Build, demselben Endpoint-Security-Agenten und demselben Patch-Kanal; jeder Kliniker authentifiziert sich über einen Identitätsanbieter; alle vier Plattformen werden in einem Rechenzentrum gehostet, mit einem Warm-Standby in einem zweiten. Nominal ist m=4m = 4. Das Register der Gruppe, aufgebaut für das NIS2-Umsetzungsgesetz, zeigt, dass alle vier Plattformen vom Arbeitsplatz-Build, dem Agenten, dem Identitätsanbieter und dem Netzwerk des Rechenzentrums abhängen und dass das Standby den Agenten und den Identitätsanbieter mit dem Primärsystem teilt.

11.2 Effektive Diversität

Für Ausfälle der eigenen Software der Plattformen ist meffm_{\text{eff}} etwa vier, und die Gruppe ist gut diversifiziert: Ein Defekt im Apothekensystem lässt die Akte, das Labor und die Bildgebung laufen, und der klinische Verlust ist begrenzt. Für Ausfälle des Arbeitsplatz-Builds, des Agenten, des Identitätsanbieters oder des Netzwerks ist ρ=1\rho = 1 über alle vier Plattformen und meff=1m_{\text{eff}} = 1: Ein Defekt in irgendeinem davon erreicht jeden Kliniker in jedem Krankenhaus auf einmal, und das Standby, das zwei davon teilt, hilft nicht. Die reale Diversität der Gruppe ist eine Plattform für die Fehlermodi, die nach aller Erfahrung am ehesten korreliert sind, und der Juli 2024 war ein Ausfall genau dieser Art.

11.3 Die Zahlen

Die Risikofunktion der Gruppe schätzt einen lahmlegenden Ausfall einer gemeinsam genutzten Komponente auf p=0.08p = 0.08 pro Jahr über die Gesamtheit, einen Totalausfallverlust von etwa EUR 40 Millionen für die Referenzdauer, an verschobenen Behandlungen, Umleitungen, Überstunden und regulatorischen Folgen, und, aus den eigenen Teilausfällen der Krankenhäuser, ein γ\gamma von etwa 2.2, steil, weil ein Teilausfall durch Papier aufgefangen wird und ein Totalausfall nicht. Für den Fehlermodus der gemeinsam genutzten Komponenten ergibt p ℓ/c1p\,\ell / c_1 mit c1c_1 bei etwa EUR 0.8 Millionen einen Quotienten von vier, und Gleichung (5) ergibt m∗≈2m^{*} \approx 2: Die Gruppe sollte ihre gemeinsam genutzten Komponenten in zwei unabhängigen Sätzen betreiben, nicht in einem.

11.4 Das Design

Zwei elektronische Patientenakten zu betreiben wäre ruinös, und das Modell verlangt es nicht; es verlangt zwei unabhängige Sätze der gemeinsam genutzten Komponenten, die die vier Plattformen derzeit zu einer machen. Die Gruppe teilt ihre Arbeitsplatzrechner in zwei Builds mit zwei Agenten verschiedener Hersteller und zwei Patch-Kanälen auf, weist jede Krankenhausabteilung einem Build zu, so dass jede Station Kollegen auf dem anderen hat, fügt einen zweiten Identitätspfad als Rückfallebene hinzu, der monatlich erprobt wird, und verlegt das Standby-Rechenzentrum auf ein Netzwerk und einen Agenten, die das Primärsystem nicht teilt. Die Plattformen bleiben bei vier. Die effektive Diversität für Ausfälle gemeinsam genutzter Komponenten steigt von eins auf etwa zwei, was das Modell verlangt hat, zu Kosten deutlich unter denen einer zweiten Plattform: Der zweite Build und Agent kosten einen Bruchteil von c1c_1, der zweite Identitätspfad ist eine Abhängigkeit und keine Plattform, und der ringweise Rollout aus Abschnitt 8 wird auf beide Builds angewendet, so dass ein fehlerhaftes Update höchstens ein Viertel der Systemlandschaft erreicht. Die Papier-Rückfallebene wird beibehalten, finanziert und vierteljährlich geübt, weil sie für die Gruppe die einzige Plattform mit einer Korrelation von null zu allem anderen ist.

11.5 Was der Fall zeigt

Der Fall der Bank zeigte, dass die orthodoxe Konsolidierung das falsche Vorzeichen haben kann. Der des Krankenhauses zeigt etwas Häufigeres: ein Unternehmen, das in seinen Plattformen diversifiziert und in seinen Komponenten eine Monokultur ist, wo die Prämie gezahlt wird, ohne dass je eine Konsolidierung vorgeschlagen worden wäre, und wo die Abhilfe wenig kostet, weil es Diversität in Komponenten, Zeit und Abhängigkeiten ist statt in Plattformen. Die meisten Unternehmen stehen dem Krankenhaus näher als der Bank, und das Register, das DORA und NIS2 nun verlangen, ist das Instrument, das es ihnen zeigt.

12. Regeln

Innerhalb von Ketten standardisieren, über Funktionen hinweg diversifizieren. Die eng gekoppelten Prozessketten kartieren; innerhalb jeder eine Plattform. Über lose gekoppelte Funktionen hinweg gilt das Optimum des Modells. Die Einheit der Diversifikation ist die Kette.

Effektive Diversität zählen. meffm_{\text{eff}} über gemeinsam genutzte Komponenten ebenso wie über Anwendungsplattformen berechnen, vor und nach jeder Konsolidierung. Drei Plattformen auf einem Agenten sind eine Plattform.

Die Prämie bepreisen. Jedem Konsolidierungs-Business-Case eine Zeile für den erwarteten Ausfallverlust hinzufügen, p ℓ m1−γp\,\ell\,m^{1-\gamma} vorher und nachher, mit den eigenen Schätzungen des Unternehmens. Ein Case, der pp, ℓ\ell und γ\gamma nicht angeben kann, ist kein Case über Risiko, und Konsolidierung ist eine Entscheidung über Risiko.

Den Tail prüfen. Das schlechteste Jahr in zwanzig vorher und nachher angeben und mit den Meldeschwellen, Kapitalpuffern und vertraglichen Exposures des Unternehmens vergleichen. Gleiche Erwartungswerte mit unterschiedlichen Tails sind unterschiedliche Entscheidungen.

Die Diversität der letzten Instanz bewahren. Die manuelle Fähigkeit als Plattform behandeln: sie finanzieren, sie üben und sie zählen. Sie ist die einzige Plattform mit einer Korrelation von null.

Die kleinere Konsolidierung vorziehen. Wo das Modell ein inneres Optimum ergibt, ist der Verlust daraus, eine Plattform davor stehen zu bleiben, klein, und der Verlust daraus, eine Plattform darüber hinauszugehen, groß, weil die Kurve des erwarteten Verlusts nahe eins steil ist. Im Zweifel eine Plattform behalten.

13. Die Prämie in einem Business Case bepreisen

Die Regeln aus Abschnitt 12 verlangen, dass die Prämie bepreist wird. Dieser Abschnitt zeigt, wie die Zeile in dem Dokument aussieht, in dem über Konsolidierung tatsächlich entschieden wird, denn ein Risiko, das nicht auf der Seite des Business Case steht, ist nicht in der Entscheidung. Tabelle 5 stellt einen Konsolidierungs-Case in der Form dar, die die meisten Finanzfunktionen verwenden, mit den vom Modell hinzugefügten Zeilen markiert, für die Bank aus Abschnitt 10.

Tabelle 5. Ein Konsolidierungs-Business-Case für Bank K mit den hinzugefügten Zeilen des Modells (markiert mit ⋆\star). Jahreswerte in EUR Millionen, außer den einmaligen Migrationszeilen. Der orthodoxe Case zeigt eine Einsparung des Vorschlags von 3.0 pro Jahr; der vollständige Case zeigt, dass er 1.5 pro Jahr mehr kostet als heute und 2.0 mehr als die Alternative mit zwei Plattformen, bei einem verdoppelten schlechtesten Jahr.

Zeile Heute (m=4m=4) Vorschlag (m=1m=1) Alternative (m=2m=2) Quelle
Betriebskosten der Plattformen, c1mc_1 m 4.0 1.0 2.0 Lizenzen, Kompetenzen, Werkzeuge, Integration
Betriebskosten, sonstige (c0c_0) 12.0 12.0 12.0 Unverändert durch mm
Orthodoxe Jahressumme 16.0 13.0 14.0
⋆\star Erwarteter Ausfallverlust, p ℓ m1−γp\,\ell\,m^{1-\gamma} 1.5 6.0 3.0 p=0.10p=0.10, ℓ=60\ell=60, γ=2\gamma=2
⋆\star Davon gemeinsam genutzten Komponenten zuzurechnen (q ℓq\,\ell) 0.6 0.6 0.6 q=0.01q=0.01; unverändert, sofern Komponenten nicht diversifiziert werden
Vollständige Jahressumme 17.5 19.0 17.0
⋆\star Schlechtestes Jahr in zwanzig (VaR 95 %) ≈\approx30 60 30 Anhang A
⋆\star Überschreitet im schlechtesten Jahr die DORA-Schwellen für schwerwiegende Vorfälle wahrscheinlich sicher wahrscheinlich Betroffene Kunden, Dauer
Einmalige Migrationskosten – 18.0 9.0 Programmschätzung
⋆\star Einmaliges Migrations-Ausfallrisiko – 2.4 1.0 Erwarteter Verlust aus Migrationsvorfällen
⋆\star Effektive Diversität meffm_{\text{eff}} nach gemeinsam genutzten Komponenten 3.6 1.0 1.9 Aus dem Register

Drei Merkmale des vollständigen Case sind hervorzuheben. Erstens sind sich der orthodoxe und der vollständige Case nicht über die Höhe der Einsparung uneins, sondern über ihr Vorzeichen: Die Betriebskosteneinsparung des Vorschlags von EUR 3 Millionen ist real, und sie ist kleiner als die EUR 4.5 Millionen an Ausfallverlust, die er hinzufügt. Eine Finanzfunktion, die nur den oberen Block sieht, genehmigt den Vorschlag; eine, die die ganze Seite sieht, zieht die Alternative vor, und beide lesen dieselben Zahlen. Zweitens ist die Zeile der gemeinsam genutzten Komponenten über die Spalten hinweg unverändert, womit das Modell sagt, dass die Konsolidierungsentscheidung das größte korrelierte Risiko des Unternehmens nicht berührt; diesem Risiko wird durch das Design aus Abschnitt 8 begegnet, nicht durch die Plattformzahl, und ein Case, der die Zeile unverändert zeigt, lädt zu der Frage ein, was sie ändern würde. Drittens sind die Tail-Zeilen nicht mit dem Rest additiv und sollten nicht gegen die Einsparung verrechnet werden; sie werden gezeigt, damit der Vorstand sehen kann, was er akzeptiert, und sie sind die Zeilen, nach denen eine Aufsicht, die den Case unter DORA liest, zuerst fragen wird.

Die Vorlage lässt sich verallgemeinern. Jeder Konsolidierungs-Case kann die vier mit Stern markierten Jahreszeilen, die zwei mit Stern markierten einmaligen Zeilen und die Zeile zur effektiven Diversität tragen, und ein Unternehmen, das sie nicht füllen kann, hat pp, ℓ\ell und γ\gamma noch nicht geschätzt, was Anhang B zu tun zeigt. Die Übung kostet eine Risikofunktion gewöhnlich einige Wochen, was kurz ist gegen die Jahre, die eine Konsolidierung dauert, und das Jahrzehnt, über das ihre Prämie gezahlt wird.

14. Implikationen für Aufsichtsbehörden

Die Verordnungen, die niederländische Unternehmen nun verpflichten, das Konzentrationsrisiko zu bewerten, sagen nicht, wie viel Konzentration zu viel ist, und eine Aufsicht, die die Bewertung eines Instituts beurteilt, braucht einen Maßstab. Das Modell bietet drei Fragen, die eine Aufsicht zu jeder Konsolidierungsentscheidung oder Konzentrationsbewertung eines Instituts stellen kann, von denen jede eine Zahl als Antwort hat.

Die erste ist die effektive Diversität der Systemlandschaft, berechnet aus dem Register über gemeinsam genutzte Komponenten ebenso wie über Plattformen, und ob sie überhaupt berechnet wurde. Ein Institut, das seine Plattformzahl ohne seine gemeinsam genutzten Komponenten meldet, hat nominale Diversität gemeldet, und der Juli 2024 ist die stehende Demonstration, dass nominale Diversität nicht die Größe ist, die ausfällt. Die zweite ist die eigene Schätzung des Instituts für seine Verlustkonvexität, mit den Vorfalldaten oder der Befragung, die sie stützen, denn ein Institut, das γ\gamma nicht geschätzt hat, kann seine Konzentration nicht bepreist haben, und ein Institut, dessen γ\gamma nahe eins liegt, hat nach eigener Aussage wenig durch Diversifikation zu gewinnen und sollte sagen können, warum. Die dritte ist, ob die Konsolidierungsentscheidungen der letzten Jahre die Zeilen aus Tabelle 5 trugen, und falls nicht, wie hoch die Prämie auf jede gewesen wäre. Keine dieser Fragen verlangt von der Aufsicht, eine Anzahl von Plattformen vorzuschreiben, was auch das Modell nicht tut; sie verlangen vom Institut zu zeigen, dass es den Zielkonflikt kennt, den es eingegangen ist, und dafür ist eine Bewertung des Konzentrationsrisikos da.

Eine Aufsicht kann das Modell auch auf Sektorebene verwenden, wo seine Form mit gemeinsamem Schock gilt. Ein Sektor, in dem die meisten Institute dieselbe Plattform, denselben Agenten oder denselben Anbieter betreiben, hat ein qq, das die eigene Diversifikation keines Instituts senkt, und die Resilienz des Sektors ist dann eine Eigenschaft des Lieferanten und nicht der Beaufsichtigten. Das Modell gibt der Aufsicht das Vokabular, um das zu sagen, und die Registerdaten geben ihr das Mittel, es zu sehen, bevor der Morgen kommt, an dem es vorgeführt wird.

15. Grenzen und Forschungsagenda

Dies ist theoretische Forschung. Vier Grenzen folgen, jede mit einem Test.

Erstens ist γ\gamma ungemessen. Es ist der entscheidende Parameter des Modells und derjenige, den derzeit kein Unternehmen erfasst. Er könnte aus Vorfallhistorien geschätzt werden, indem der Verlust jedes Ausfalls auf den Anteil des Unternehmens regressiert wird, den er erreichte, innerhalb eines Unternehmens oder über einen Sektor hinweg; die Vorfallmeldungen, die DORA und NIS2 nun verlangen, werden erstmals die Stichprobe hervorbringen. Wir sagen voraus, dass γ\gamma für die meisten Unternehmen und Sektoren über eins liegt, deutlich über eins, wo Schwellen prominent sind, und bei oder unter eins innerhalb eng gekoppelter Ketten. Ein Befund von γ≤1\gamma \le 1 auf breiter Front würde die praktische Behauptung des Beitrags widerlegen und nur sein Tail-Argument übrig lassen.

Zweitens nimmt das Modell Plattformausfälle als unabhängig an und behandelt Korrelation über meffm_{\text{eff}}. Ein vollständigeres Modell würde die gemeinsame Verteilung der Ausfälle über einen Abhängigkeitsgraphen angeben, und das Inventar gemeinsam genutzter Komponenten aus Abschnitt 7 ist der erste Schritt zu einem solchen. Der Test ist, ob ein aus einem Inventar berechnetes meffm_{\text{eff}} die beobachtete Korrelation der Ausfälle vorhersagt.

Drittens sind die Betriebskosten linear in den Plattformen, und der Verlust ist eine Potenz des ausgefallenen Anteils. Beides sind Vereinfachungen; die Fixkosten pro Plattform können mit der Größe sinken, und Verluste können stufen statt sich zu krümmen. Das qualitative Ergebnis, ein inneres Optimum, wann immer der Verlust konvex und p ℓp\,\ell groß im Verhältnis zu c1c_1 ist, überlebt jede Kostenfunktion, die mit den Plattformen steigt, und jede Verlustfunktion, die konvex ist; die geschlossene Form nicht.

Viertens ist der Fall konstruiert und die niederländische Lesart interpretativ. Die Ereignisse vom Juli 2024 und das Design der nationalen Identität sind öffentlich; die Behauptung, dass von ihnen abhängige Unternehmen sie in meffm_{\text{eff}} zählen sollten, ist unsere. Eine Feldstudie, die meffm_{\text{eff}} für eine Stichprobe niederländischer Finanzunternehmen aus deren DORA-Konzentrationsbewertungen berechnete und es mit Gleichung (5) unter Verwendung ihrer eigenen Verlustschätzungen vergliche, würde zeigen, wie weit der Sektor vom Optimum des Modells entfernt ist und in welche Richtung.

16. Schlussfolgerung

Die Standardisierung der IT-Landschaft senkt deren Betriebskosten und erhöht deren Fragilität, und die beiden heben sich nicht auf. Weniger Plattformen bedeuten größere Ausfälle, und wenn der Schaden eines Ausfalls schneller wächst als seine Größe, was immer dann gilt, wenn Funktionen einander vertreten können, Workarounds endlich sind und Schwellen existieren, steigt der erwartete Ausfallverlust mit der Konsolidierung der Plattformen, obwohl kein Ausfall wahrscheinlicher wird. Die Anzahl von Plattformen, die die Summe aus Betriebskosten und Ausfallverlust minimiert, hat eine geschlossene Form: Sie steigt mit der Wahrscheinlichkeit und der Größe von Ausfällen und mit der Konvexität des Verlusts und sinkt mit den Kosten einer Plattform. Unter eins gilt der orthodoxe Rat; über eins zahlt das Unternehmen, das vollständig standardisiert, eine Monokulturprämie, die sein Konsolidierungs-Business-Case nicht zeigt.

Wir bei Nashua haben argumentiert, dass die Prämie real ist, dass sie dort am größten ist, wo Unternehmen sie am wenigsten erwarten, in nominal diversen Landschaften, die eine Komponente gemeinsam nutzen, und dass sie in jede Konsolidierungsentscheidung neben den Einsparungen eingepreist werden sollte. Die Regeln sind wenige: innerhalb eng gekoppelter Ketten standardisieren und über lose gekoppelte Funktionen hinweg diversifizieren; effektive Diversität zählen, nicht nominale; die Prämie bepreisen; den Tail prüfen; und die manuelle Fähigkeit als die eine Plattform bewahren, die mit nichts anderem zusammen ausfällt. Die Konvexität, auf der das Argument ruht, ist die Größe, deren Messung sich am meisten lohnt, und die Verordnungen, die niederländische Unternehmen nun ihre Vorfälle melden lassen, werden sie erstmals messbar machen. Wir hätten sie lieber gemessen als geglaubt.

Anhang A. Tail-Kennzahlen

Für mm gleich belastete Plattformen, die jeweils unabhängig mit Wahrscheinlichkeit pp pro Jahr ausfallen und jeweils einen Anteil 1/m1/m tragen, ist die Anzahl der in einem Jahr ausgefallenen Plattformen binomialverteilt mit den Parametern mm und pp, und der Verlust beträgt ℓ (j/m)γ\ell\,(j/m)^{\gamma}, wenn jj ausgefallen sind. Die nachstehenden Zahlen verwenden p=0.10p = 0.10 und ℓ=60\ell = 60; der 95-%-Value-at-Risk (VaR) ist der kleinste Verlust, dessen Überschreitungswahrscheinlichkeit unter 5 % liegt.

Tabelle 6.

m=1m=1 m=2m=2 m=3m=3 m=4m=4
P(kein Ausfall) 0.900 0.810 0.729 0.656
P(eine Plattform ausgefallen) 0.100 0.180 0.243 0.292
P(zwei ausgefallen) – 0.010 0.027 0.049
P(drei oder mehr ausgefallen) – – 0.001 0.004
Verlust, eine ausgefallen (γ=1\gamma=1) 60 30 20 15
Erwarteter Verlust (γ=1\gamma=1) 6.0 6.0 6.0 6.0
Erwarteter Verlust (γ=2\gamma=2) 6.0 3.0 2.0 1.5
VaR 95 % (γ=1\gamma=1) 60 30 20 ≈\approx30

Der Value-at-Risk bei m=4m = 4 beträgt etwa 30, weil die Wahrscheinlichkeit, dass zwei oder mehr Plattformen im selben Jahr ausfallen, etwa 5.2 %, knapp über dem 5-%-Niveau liegt; bei etwas niedrigerem pp wäre er 15. Der Punkt der Tabelle sind die erste und die letzte Zeile: Der erwartete Verlust unter γ=1\gamma = 1 ist über die Spalten identisch, das schlechteste Jahr in zwanzig nicht.

Anhang B. Schätzung der Parameter

Ausfallwahrscheinlichkeit pp. Aus dem Vorfallregister des Unternehmens: lahmlegende Ausfälle pro Plattformjahr über das längste verfügbare Fenster, zusammengeführt mit Wettbewerber- oder Sektordaten, wo die eigene Historie des Unternehmens kurz ist. Zu zählen sind Ausfälle, die die Plattform für die Referenzdauer oder länger lahmlegten; kürzere Ausfälle gehören zu einer anderen Verlustskala.

Verlustskala ℓ\ell. Der Verlust daraus, dass das ganze Unternehmen für die Referenzdauer ausgefallen ist: entgangener Umsatz oder entgangene Leistung, Entschädigungen und Service-Gutschriften, regulatorische Folgen, Wiederherstellungskosten und eine Reputationsschätzung. Die meisten Unternehmen haben diese Zahl unter anderem Namen in ihrer Business-Continuity-Planung.

Konvexität γ\gamma. Aus dem Vorfallregister: für jeden Ausfall der erreichte Anteil der Funktionen und der entstandene Verlust; anpassen von log⁡(loss)=log⁡ℓ+γlog⁡(share)\log(\text{loss}) = \log \ell + \gamma \log(\text{share}). Wo das Register dünn ist, γ\gamma aus den Quellen in Abschnitt 5 erheben: fragen, wie lange Vertretung und Workarounds tragen, wo die Schwellen liegen und wie die Wiederherstellung skaliert, und γ\gamma aus den Antworten eingrenzen.

Plattformkosten c1c_1. Aus dem Konsolidierungs-Business-Case selbst: Die pro entfernter Plattform beanspruchte Einsparung ist per Konstruktion c1c_1.

Effektive Diversität meffm_{\text{eff}}. Aus dem Anwendungsinventar und dem Inventar gemeinsam genutzter Komponenten aus Tabelle 3: das anteilsbasierte Maß über die Plattformen berechnen, dann für jede gemeinsam genutzte Komponente erfassen, welche Plattformen von ihr abhängen, und ihre paarweise Korrelation für den Fehlermodus dieser Komponente auf eins setzen.

Anhang C. Sensitivitätsraster

Tabelle 7 gibt m∗m^{*} aus Gleichung (5) für ein Raster des Einsatzquotienten p ℓ/c1p\,\ell / c_1 und der Konvexität γ\gamma. Werte unter eins bedeuten vollständige Standardisierung.

Tabelle 7. Optimale Anzahl von Plattformen m∗m^{*} nach Einsatzquotient und Konvexität.

p ℓ/c1p\,\ell / c_1 0.5 1 2 4 8 16
γ=1.25\gamma = 1.25 0.19 0.33 0.57 1.00 1.74 3.03
γ=1.5\gamma = 1.5 0.40 0.63 1.00 1.59 2.52 4.00
γ=2\gamma = 2 0.71 1.00 1.41 2.00 2.83 4.00
γ=2.5\gamma = 2.5 0.92 1.18 1.55 2.05 2.70 3.56
γ=3\gamma = 3 1.00 1.26 1.59 2.00 2.52 3.17

Anhang D. Erwarteter Verlust bei korrelierten Ausfällen

Die mm Plattformen mögen jeweils mit marginaler Wahrscheinlichkeit pp ausfallen, mit paarweiser Korrelation ρ\rho zwischen den Ausfallindikatoren. Die erwartete Anzahl ausgefallener Plattformen ist m pm\,p unabhängig von ρ\rho, so dass bei linearem Verlust (γ=1\gamma = 1) die Korrelation den Erwartungswert nicht ändert; sie ändert nur die Verteilung und konzentriert denselben erwarteten Verlust in weniger, größere Ereignisse. Bei konvexem Verlust erhöht die Korrelation den Erwartungswert, weil sie die Wahrscheinlichkeit des großen ff erhöht, das die Konvexität bestraft. Für die Form mit gemeinsamem Schock aus Abschnitt 4, in der ein Schock mit Wahrscheinlichkeit qq alle Plattformen lahmlegt und Ausfälle sonst unabhängig sind, beträgt der erwartete Verlust exakt q ℓ+(1−q) p ℓ m1−γq\,\ell + (1-q)\,p\,\ell\,m^{1-\gamma}, und die effektive Anzahl von Plattformen, die ihn im unabhängigen Modell reproduziert, ist meff=(q/p+(1−q) m1−γ)1/(1−γ)m_{\text{eff}} = \left(q/p + (1-q)\,m^{1-\gamma}\right)^{1/(1-\gamma)} für γ≠1\gamma \neq 1. Die Form mit paarweiser Korrelation meff=m/(1+(m−1)ρ)m_{\text{eff}} = m / (1 + (m-1)\rho) aus Abschnitt 7 ist die entsprechende Reduktion für die Varianz des ausgefallenen Anteils und das bessere Maß, wenn die Korrelation diffus ist statt ein einzelner Schock.

Literatur

CrowdStrike (2024, 6 August). Channel File 291 incident: Root cause analysis. CrowdStrike Holdings. https://www.crowdstrike.com/wp-content/uploads/2024/08/Channel-File-291-Incident-Root-Cause-Analysis-08.06.2024.pdf

European Parliament and Council (2022). Regulation (EU) 2022/2554 on digital operational resilience for the financial sector (DORA). Official Journal of the European Union, L 333, 27 December 2022. https://eur-lex.europa.eu/eli/reg/2022/2554/oj

European Parliament and Council (2022). Directive (EU) 2022/2555 on measures for a high common level of cybersecurity across the Union (NIS 2). Official Journal of the European Union, L 333, 27 December 2022. https://eur-lex.europa.eu/eli/dir/2022/2555/oj

Geer, D., Bace, R., Gutmann, P., Metzger, P., Pfleeger, C. P., Quarterman, J. S., & Schneier, B. (2003, 24 September). CyberInsecurity: The cost of monopoly. Computer & Communications Industry Association. https://www.schneier.com/essays/archives/2003/09/cyberinsecurity_the.html

Haldane, A. G., & May, R. M. (2011). Systemic risk in banking ecosystems. Nature, 469, 351–355. https://doi.org/10.1038/nature09659

Hirschman, A. O. (1964). The paternity of an index. American Economic Review, 54(5), 761–762.

Hollnagel, E., Woods, D. D., & Leveson, N. (Eds.) (2006). Resilience engineering: Concepts and precepts. Ashgate. (Reissued by CRC Press, 2017. https://doi.org/10.1201/9781315605685)

Leveson, N. G. (2011). Engineering a safer world: Systems thinking applied to safety. MIT Press. https://doi.org/10.7551/mitpress/8179.001.0001

Markowitz, H. (1952). Portfolio selection. Journal of Finance, 7(1), 77–91. https://doi.org/10.1111/j.1540-6261.1952.tb01525.x

May, R. M. (1972). Will a large complex system be stable? Nature, 238, 413–414. https://doi.org/10.1038/238413a0

Perrow, C. (1984). Normal accidents: Living with high-risk technologies. Basic Books.

Ross, J. W., Weill, P., & Robertson, D. C. (2006). Enterprise architecture as strategy: Creating a foundation for business execution. Harvard Business School Press. ISBN 978-1-59139-839-4.

Sheffi, Y. (2005). The resilient enterprise: Overcoming vulnerability for competitive advantage. MIT Press.

Simpson, E. H. (1949). Measurement of diversity. Nature, 163, 688. https://doi.org/10.1038/163688a0

Tilman, D., Reich, P. B., & Knops, J. M. H. (2006). Biodiversity and ecosystem stability in a decade-long grassland experiment. Nature, 441, 629–632. https://doi.org/10.1038/nature04742

Weill, P., & Ross, J. W. (2004). IT governance: How top performers manage IT decision rights for superior results. Harvard Business School Press. ISBN 978-1-59139-253-8.

Weston, D. (2024, 20 July). Helping our customers through the CrowdStrike outage. The Official Microsoft Blog. https://blogs.microsoft.com/blog/2024/07/20/helping-our-customers-through-the-crowdstrike-outage/