Rollenbasiertes Bewusstsein in Aktion
Stärkung der Verhaltensresilienz von 28.000 Kollegen
Durch maßgeschneiderte, rollenspezifische Schulungen bei National Grid erfordert die sichere und zuverlässige Energieversorgung in Großbritannien und den USA mehr als nur allgemeine Schulungen zur Sensibilisierung für Sicherheitsfragen.
National Grid benötigte ein Programm zum Umgang mit menschlichen Risiken, das den tatsächlichen betrieblichen Druck, Positionen mit hoher Verantwortung sowie die sich wandelnde Bedrohungslandschaft, die durch generative KI geprägt ist, widerspiegelt.
In Zusammenarbeit mit MetaCompliance führte National Grid ein strukturiertes, zweigleisiges Schulungsmodell ein, das unternehmensweite Einheitlichkeit mit gezielten Schulungen für risikoreiche Positionen verbindet.
Priorisierte Rollen, die am stärksten von komplexen Bedrohungen betroffen sind
Entwicklung von maßgeschneiderten, szenariobasierten Modulen, die auf die jeweilige Funktion zugeschnitten sind
Implementierung eines strukturierten Dual-Stream-Modells für 28.000 Kollegen
Messung der Auswirkungen des Verhaltens und Vorbereitung auf neue KI-gesteuerte Risiken
Was dies für das menschliche Risikomanagement bedeutet
Verwandlung von Erkenntnissen über das Verhalten in messbare Risikominderung
Rollenbasierte Risiken lassen sich nicht allein durch allgemeine Sensibilisierungsmaßnahmen bewältigen.
Der Ansatz von National Grid zeigt, wie strukturiertes, szenariobasiertes Lernen risikoreiche Rollen, Erkenntnisse zum Verhalten und die Sichtbarkeit der Führungsebene in einem messbaren Rahmen miteinander in Einklang bringen kann.
Angesichts sich weiterentwickelnder Bedrohungen – insbesondere im Zusammenhang mit Identitätsmissbrauch und KI-gestützten Angriffswegen – benötigen Unternehmen einen strukturierten Ansatz für das Management menschlicher Risiken.
Sind Sie bereit, Ihr Bewusstsein in eine messbare Risikominderung zu verwandeln?
Sehen Sie, wie strukturiertes, rollenbasiertes Lernen das Verhalten direkt mit den Ergebnissen von Cyberrisiken verbindet.
