Was ist Datenmaskierung und wie wird sie richtig implementiert?

Veröffentlicht: 2023-03-13

Bußgelder im Zusammenhang mit der Offenlegung sensibler Daten nehmen zu. Beispielsweise können schwere DSGVO-Verstöße Unternehmen bis zu 4 % ihres weltweiten Jahresumsatzes kosten, während grobe HIPAA-Verstöße zu Gefängnisstrafen führen können.

Ihre Produktionsumgebung könnte umfassend geschützt werden. Aber was ist mit Testinitiativen und Verkaufsdemos? Haben Sie Vertrauen in die Drittanbieter, die Zugriff auf Ihre sensiblen Daten haben? Werden sie ihr Bestes tun, um es zu schützen?

Um Compliance und Datensicherheit zu gewährleisten, wenden sich Unternehmen an Datenmanagement-Dienstleister. Wenn Sie auch interessiert sind, sehen Sie sich diesen Leitfaden an, der die drei wichtigen Fragen beantwortet:

Was ist Datenmaskierung?
Warum und wann brauchen Sie es und
Wie konnte Ihr Unternehmen es erfolgreich umsetzen?

Es präsentiert auch ein detailliertes Datenmaskierungsbeispiel aus unserem Portfolio. Nachdem Sie den Artikel gelesen haben, verfügen Sie über genügend Informationen, um mit Datenmaskierungsanbietern zu verhandeln.

Datenmaskierung verstehen

Also, was ist Datenmaskierung?

Datenmaskierung ist definiert als das Erstellen einer realistischen und strukturell ähnlichen, aber dennoch gefälschten Version der Organisationsdaten. Es ändert die ursprünglichen Datenwerte mithilfe von Manipulationstechniken, behält jedoch das gleiche Format bei und liefert eine neue Version, die nicht rückentwickelt oder zu den authentischen Werten zurückverfolgt werden kann. Hier ist ein Beispiel für maskierte Daten:

Müssen Sie Datenmaskierungsalgorithmen auf alle in Ihrem Unternehmen gespeicherten Daten anwenden? Höchst wahrscheinlich nicht. Hier sind die Datentypen, die Sie unbedingt schützen müssen:

Geschützte Gesundheitsinformationen (PHI) umfassen Krankenakten, Labortests, Krankenversicherungsinformationen und sogar demografische Daten.
Zahlungskarteninformationen beziehen sich auf Kredit- und Debitkarteninformationen und Transaktionsdaten gemäß dem Payment Card Industry Data Security Standard (PCI DSS).
Persönlich identifizierbare Informationen (PII) wie Pass- und Sozialversicherungsnummern. Grundsätzlich alle Informationen, die zur Identifizierung einer Person verwendet werden können.
Geistiges Eigentum (IP) umfasst Erfindungen wie Designs oder alles, was für die Organisation von Wert ist und gestohlen werden kann.

Warum brauchen Sie Datenmaskierung?

Datenmaskierung schützt vertrauliche Informationen, die für nicht produktive Zwecke verwendet werden. Solange Sie also einen der im vorherigen Abschnitt vorgestellten sensiblen Datentypen in Schulungen, Tests, Verkaufsvorführungen oder anderen Arten von Aktivitäten außerhalb der Produktion verwenden, müssen Sie Datenmaskierungstechniken anwenden. Dies ist sinnvoll, da Nicht-Produktionsumgebungen normalerweise weniger geschützt sind und mehr Sicherheitslücken aufweisen.

Wenn es erforderlich ist, Ihre Daten mit Drittanbietern und Partnern zu teilen, können Sie außerdem Zugriff auf maskierte Daten gewähren, anstatt die andere Partei zu zwingen, Ihre umfassenden Sicherheitsmaßnahmen einzuhalten, um auf die ursprüngliche Datenbank zuzugreifen. Statistiken zeigen, dass 19 % der Datenschutzverletzungen auf Kompromittierungen auf Seiten der Geschäftspartner zurückzuführen sind.

Darüber hinaus kann die Datenmaskierung die folgenden Vorteile bieten:

Macht Unternehmensdaten für Cyberkriminelle nutzlos, falls sie darauf zugreifen können
Reduziert Risiken, die durch die gemeinsame Nutzung von Daten mit autorisierten Benutzern und die Auslagerung von Projekten entstehen
Hilft bei der Einhaltung datenschutz- und sicherheitsbezogener Vorschriften wie der Datenschutz-Grundverordnung (DSGVO), des Health Insurance Portability and Accountability Act (HIPAA) und aller anderen in Ihrem Bereich geltenden Vorschriften
Schützt Daten im Löschfall, da die herkömmlichen Dateilöschmethoden noch Spuren der alten Datenwerte hinterlassen
Schützt Ihre Daten im Falle einer unbefugten Datenübertragung

Datenmaskierungstypen

Es gibt fünf Haupttypen der Datenmaskierung, die darauf abzielen, unterschiedliche organisatorische Anforderungen abzudecken.

1. Statische Datenmaskierung

Dies impliziert die Erstellung einer Sicherungskopie der Originaldaten und deren sichere Aufbewahrung in einer separaten Umgebung für Anwendungsfälle in der Produktion. Dann tarnt es die Kopie, indem es gefälschte, aber realistische Werte einfügt, und stellt sie für Nicht-Produktionszwecke (z. B. Tests, Forschung) sowie zur Weitergabe an Auftragnehmer zur Verfügung.

2. Dynamische Datenmaskierung

Zielt darauf ab, einen Auszug der Originaldaten zur Laufzeit zu ändern, wenn eine Abfrage an die Datenbank eingeht. Ein Benutzer, der nicht berechtigt ist, vertrauliche Informationen anzuzeigen, fragt die Produktionsdatenbank ab, und die Antwort wird spontan maskiert, ohne die ursprünglichen Werte zu ändern. Sie können es über einen Datenbank-Proxy implementieren, wie unten dargestellt. Dieser Datenmaskierungstyp wird normalerweise in schreibgeschützten Einstellungen verwendet, um zu verhindern, dass Produktionsdaten überschrieben werden.

3. On-the-Fly-Datenmaskierung

Dieser Datenmaskierungstyp verschleiert Daten, wenn sie von einer Umgebung in eine andere übertragen werden, z. B. von der Produktion zum Testen. Es ist beliebt bei Organisationen, die kontinuierlich Software bereitstellen und große Datenintegrationen durchführen.

4. Deterministische Datenmaskierung

Ersetzt Spaltendaten durch denselben festen Wert. Wenn Sie beispielsweise „Olivia“ durch „Emma“ ersetzen möchten, müssen Sie dies in allen zugehörigen Tabellen tun, nicht nur in der Tabelle, die Sie gerade maskieren.

5. Statistische Datenverschleierung

Dies wird verwendet, um Informationen über Muster und Trends in einem Datensatz zu enthüllen, ohne Details zu den tatsächlich dort vertretenen Personen zu teilen.

7 Hauptdatenmaskierungstechniken

Nachfolgend finden Sie sieben der beliebtesten Datenmaskierungstechniken. Sie können sie kombinieren, um die verschiedenen Anforderungen Ihres Unternehmens abzudecken.

Mischen. Sie können Datenwerte innerhalb derselben Tabelle mischen und neu zuweisen. Wenn Sie beispielsweise die Spalte mit den Mitarbeiternamen mischen, erhalten Sie die echten persönlichen Daten eines Mitarbeiters, die mit einem anderen abgeglichen sind.
Klettern. Ordnet Zeichen und Ganzzahlen eines Datenfelds in zufälliger Reihenfolge neu an. Wenn die ursprüngliche ID eines Mitarbeiters 97489376 lautet, erhalten Sie nach Anwendung des Mischens so etwas wie 37798649. Dies ist auf bestimmte Datentypen beschränkt.
Ausnullen. Dies ist eine einfache Maskierungsstrategie, bei der einem Datenfeld ein Nullwert zugewiesen wird. Diese Methode ist nur begrenzt verwendbar, da sie dazu neigt, die Logik der Anwendung zu verfehlen.
Auswechslung. Originaldaten werden durch gefälschte, aber realistische Werte ersetzt. Das bedeutet, dass der neue Wert weiterhin alle Domäneneinschränkungen erfüllen muss. Beispielsweise ersetzen Sie die Kreditkartennummer einer anderen Person durch eine andere Nummer, die den von der ausstellenden Bank erzwungenen Regeln entspricht.
Zahlenabweichung. Dies gilt vor allem für Finanzinformationen. Ein Beispiel ist das Maskieren der ursprünglichen Gehälter durch Anwenden einer Abweichung von +/-20 %.
Datumsalterung. Diese Methode erhöht oder verringert ein Datum um einen bestimmten Bereich, wobei sichergestellt wird, dass das resultierende Datum die Einschränkungen der Anwendung erfüllt. Beispielsweise können Sie alle Kontrakte um 50 Tage altern lassen.
Mittelung. Beinhaltet das Ersetzen aller ursprünglichen Datenwerte durch einen Durchschnitt. In dieser Tabelle können Sie beispielsweise jedes einzelne Gehaltsfeld durch einen Gehaltsdurchschnitt ersetzen.

Wie implementiert man Datenmaskierung richtig?

Hier ist Ihr 5-Schritte-Implementierungsplan für die Datenmaskierung.

Schritt 1: Bestimmen Sie den Umfang Ihres Projekts

Bevor Sie beginnen, müssen Sie festlegen, welche Aspekte Sie abdecken werden. Hier ist eine Liste typischer Fragen, die Ihr Datenteam untersuchen kann, bevor Sie mit den Maskierungsinitiativen fortfahren:

Welche Daten wollen wir maskieren?
Wo wohnt es?
Wer ist berechtigt, darauf zuzugreifen?
Welche Zugriffsebene hat jeder der oben genannten Benutzer? Wer kann Werte nur einsehen und wer kann Werte ändern und löschen?
Welche Anwendungen verwenden diese sensiblen Daten?
Welche Auswirkungen hat die Datenmaskierung auf verschiedene Benutzer?
Welches Maß an Maskierung ist erforderlich und wie oft müssen wir den Vorgang wiederholen?
Wollen wir die Datenmaskierung im gesamten Unternehmen anwenden oder auf ein bestimmtes Produkt beschränken?

Schritt 2: Definieren Sie den Stapel von Datenmaskierungstechniken

In diesem Schritt müssen Sie ermitteln, welche Technik oder Kombination von Datenmaskierungstools für die jeweilige Aufgabe am besten geeignet ist.

Zunächst müssen Sie identifizieren, welche Datentypen Sie maskieren müssen, z. B. Namen, Daten, Finanzdaten usw., da verschiedene Typen dedizierte Datenmaskierungsalgorithmen erfordern. Auf dieser Grundlage können Sie und Ihr Anbieter auswählen, welche Open-Source-Bibliothek(en) wiederverwendet werden können, um die am besten geeignete Datenmaskierungslösung zu erstellen. Wir empfehlen Ihnen, sich an einen Softwareanbieter zu wenden, da er Ihnen dabei hilft, die Lösung anzupassen und problemlos in Ihre Arbeitsabläufe im gesamten Unternehmen zu integrieren, ohne Geschäftsprozesse zu unterbrechen. Außerdem ist es möglich, etwas von Null aufzubauen, um die einzigartigen Bedürfnisse des Unternehmens abzudecken.

Es gibt vorgefertigte Datenmaskierungstools, die Sie erwerben und selbst einsetzen können, wie z. B. Oracle Data Masking, IRI FieldShield, DATPROF und viele mehr. Sie können sich für diese Strategie entscheiden, wenn Sie alle Ihre Daten selbst verwalten, verstehen, wie unterschiedliche Datenflüsse funktionieren, und Sie eine IT-Abteilung haben, die Ihnen helfen kann, diese neue Datenmaskierungslösung in die bestehenden Prozesse zu integrieren, ohne die Produktivität zu beeinträchtigen.

Schritt 3: Sichern Sie Ihre ausgewählten Datenmaskierungsalgorithmen

Die Sicherheit Ihrer sensiblen Daten hängt weitgehend von der Sicherheit der ausgewählten gefälschten Daten generierenden Algorithmen ab. Daher kann nur autorisiertes Personal wissen, welche Datenmaskierungsalgorithmen eingesetzt werden, da diese Personen mit diesem Wissen die maskierten Daten in den ursprünglichen Datensatz zurückentwickeln können. Es ist eine gute Praxis, Aufgabentrennung anzuwenden. Beispielsweise wählt die Sicherheitsabteilung die am besten geeigneten Algorithmen und Tools aus, während Dateneigentümer die Einstellungen zur Maskierung ihrer Daten beibehalten.

Schritt 4: Bewahren Sie die referenzielle Integrität

Referentielle Integrität bedeutet, dass jeder Datentyp innerhalb Ihrer Organisation auf die gleiche Weise maskiert wird. Dies kann eine Herausforderung sein, wenn Ihr Unternehmen ziemlich groß ist und mehrere Geschäftsfunktionen und Produktlinien hat. In diesem Fall verwendet Ihr Unternehmen wahrscheinlich unterschiedliche Datenmaskierungsalgorithmen für verschiedene Aufgaben.

Um dieses Problem zu umgehen, identifizieren Sie alle Tabellen, die referenzielle Einschränkungen enthalten, und legen Sie fest, in welcher Reihenfolge Sie die Daten maskieren, da übergeordnete Tabellen vor den entsprechenden untergeordneten Tabellen maskiert werden sollten. Vergessen Sie nach Abschluss des Maskierungsvorgangs nicht zu prüfen, ob die referentielle Integrität gewahrt wurde.

Schritt 5: Machen Sie den Maskierungsprozess wiederholbar

Jede Anpassung an ein bestimmtes Projekt oder nur allgemeine Änderungen in Ihrer Organisation kann dazu führen, dass sensible Daten geändert und neue Datenquellen erstellt werden, wodurch der Maskierungsprozess wiederholt werden muss.

Es gibt Fälle, in denen die Datenmaskierung ein einmaliger Aufwand sein kann, z. B. im Fall der Vorbereitung eines spezialisierten Trainingsdatensatzes, der einige Monate für ein kleines Projekt verwendet wird. Wenn Sie jedoch eine Lösung wünschen, die Ihnen über einen längeren Zeitraum dient, können Ihre Daten irgendwann veraltet sein. Investieren Sie also Zeit und Mühe in die Formalisierung des Maskierungsprozesses, um ihn schnell, wiederholbar und so automatisiert wie möglich zu gestalten.

Entwickeln Sie eine Reihe von Maskierungsregeln, z. B. welche Daten maskiert werden müssen. Identifizieren Sie alle Ausnahmen oder Sonderfälle, die Sie an dieser Stelle vorhersehen können. Erwerben/erstellen Sie Skripte und automatisierte Tools, um diese Maskierungsregeln einheitlich anzuwenden.

Ihre Checkliste zur Auswahl einer Datenmaskierungslösung

Unabhängig davon, ob Sie mit einem Softwareanbieter Ihrer Wahl zusammenarbeiten oder sich für eine fertige Lösung entscheiden, muss das Endprodukt diesen Best Practices für die Datenmaskierung folgen:

Nicht umkehrbar sein, was es unmöglich macht, die gefälschten Daten zu ihren authentischen Werten zurückzuentwickeln
Schützen Sie die Integrität der ursprünglichen Datenbank und machen Sie sie nicht unbrauchbar, indem Sie versehentlich dauerhafte Änderungen vornehmen
Maskieren Sie nicht sensible Daten, wenn dies zum Schutz sensibler Informationen erforderlich ist
Bieten Sie eine Möglichkeit zur Automatisierung, da sich die Daten irgendwann ändern und Sie nicht jedes Mal bei null anfangen möchten
Generieren Sie realistische Daten, die die Struktur und Verteilung der Originaldaten beibehalten und geschäftliche Einschränkungen erfüllen
Seien Sie skalierbar, um zusätzliche Datenquellen aufzunehmen, die Sie in Ihr Unternehmen integrieren möchten
Einhaltung aller geltenden Vorschriften wie HIPAA und GDPR sowie Ihrer internen Richtlinien
Integrieren Sie sich gut in die bestehenden Systeme und Arbeitsabläufe

Herausforderungen bei der Datenmaskierung

Hier ist eine Liste von Herausforderungen, denen Sie während der Implementierung begegnen könnten.

Formaterhaltung. Die Maskierungslösung muss die Daten verstehen und in der Lage sein, ihr ursprüngliches Format beizubehalten.
Geschlechtererhaltung. Die ausgewählte Datenmaskierungsmethode muss beim Maskieren von Personennamen das Geschlecht berücksichtigen. Andernfalls wird die Geschlechterverteilung innerhalb des Datensatzes verändert.
Semantische Integrität. Die generierten falschen Werte müssen den Geschäftsregeln folgen, die verschiedene Datentypen einschränken. Beispielsweise müssen Gehälter in einem bestimmten Bereich liegen und Sozialversicherungsnummern einem vorgegebenen Format folgen. Dies gilt auch für die Aufrechterhaltung der geografischen Verteilung der Daten.
Eindeutigkeit der Daten. Wenn die Originaldaten eindeutig sein müssen, wie z. B. eine Mitarbeiter-ID-Nummer, muss die Datenmaskierungstechnik einen eindeutigen Wert liefern.
Balance zwischen Sicherheit und Benutzerfreundlichkeit. Wenn die Daten zu stark maskiert sind, können sie unbrauchbar werden. Wenn es andererseits nicht ausreichend geschützt ist, können sich Benutzer unbefugten Zugriff verschaffen.
Die Integration der Daten in die bestehenden Arbeitsabläufe kann für die Mitarbeiter am Anfang sehr umständlich sein, da die Menschen an eine bestimmte Arbeitsweise gewöhnt sind, die derzeit gestört wird.

Ein Datenmaskierungsbeispiel aus dem ITRex-Portfolio

Eine internationale Gesundheitsorganisation wollte sensible personenbezogene Daten (PII) verschleiern, die in mehreren Formaten präsentiert werden und sich sowohl in Produktions- als auch in Nicht-Produktionsumgebungen befinden. Sie wollten eine ML-gestützte Datenmaskierungssoftware entwickeln, die personenbezogene Daten erkennen und verschleiern kann und gleichzeitig die internen Richtlinien des Unternehmens, die DSGVO und andere Datenschutzbestimmungen einhält.

Folgende Herausforderungen sind unserem Team sofort aufgefallen:

Der Kunde verfügte über enorme Datenmengen, über 10.000 Datenquellen und viele entsprechende Datenflüsse
Es gab keine klare Datenmaskierungsstrategie, die alle verschiedenen Abteilungen abdecken würde

Aufgrund dieser großen Vielfalt wollte unser Team eine Reihe von Richtlinien und Prozessen entwickeln, die verschiedene Dataset-Eigentümer anleiten, wie sie ihre Daten maskieren können, und die als Grundlage für unsere Lösung dienen würden. Beispielsweise könnte jemand mit der Liste der Datenpunkte kommen, die er einmalig oder kontinuierlich verschleiern möchte, und die Lösung würde, geleitet von diesen Prinzipien, die Daten untersuchen und geeignete Verschleierungstechniken auswählen und anwenden.

Wir sind an dieses Projekt herangegangen, indem wir die Landschaft anhand der folgenden Fragen vermessen haben:

Welche Datenverwaltungslösungen verwenden Sie? Der Kunde verwendete bereits Informatica, also haben wir uns dafür entschieden. Die Datenmaskierungslösung von Informatica bietet sofort einsatzbereite Funktionen, die einige der Kundenanforderungen erfüllten, aber nicht ausreichten, um alle Anforderungen abzudecken.
Welche Datentypen sind Sie bereit zu maskieren? Aufgrund der Vielzahl an Datenquellen war es unmöglich, alles auf einmal zu adressieren. Also haben wir den Kunden gebeten, Prioritäten zu setzen und zu identifizieren, was unternehmenskritisch ist.
Möchten Sie es einmal tun oder es zu einem wiederholbaren Prozess machen?

Nachdem wir diese Fragen beantwortet hatten, schlugen wir vor, Datenmaskierung als Service bereitzustellen, hauptsächlich weil der Kunde zu Beginn über zu viele Datenquellen verfügt und es Jahre gedauert haben könnte, sie alle abzudecken.

Am Ende haben wir Datenmaskierungsdienste mit Hilfe eines benutzerdefinierten ML-gesteuerten Tools bereitgestellt, das die Datenmaskierung in vier Schritten halbautomatisch durchführen kann:

Datentypen identifizieren. Dateneigentümer geben ihre Datenquellen in das Analysetool ein, das die Daten der Spalten untersucht und die Datentypen aufdeckt, die es in diesen Spalten identifizieren könnte, z. B. Adressen, Telefonnummern usw. Ein menschlicher Experte überprüft seine Ausgabe und ermöglicht ihm, aus Fehlern zu lernen .
Schlagen Sie Maskierungsansätze für jede Spalte vor und wenden Sie sie nach menschlicher Genehmigung an
Stellen Sie die Ergebnisse bereit. Nachdem die maskierten Daten generiert wurden, müssen sie bereitgestellt werden. Wir haben mehrere Optionen für die Datenspeicherung bereitgestellt. Dies umfasst unter anderem die Verwendung einer temporären Datenbank, die mehrere Tage aktiv bleibt, die Zuweisung eines permanenten Speicherorts für maskierte Umgebungen, die Generierung von CSV-Dateien (Comma-Separated Values) und mehr.
Untersuchen Sie eine Reihe von Daten oder eine Reihe von Umgebungen und geben Sie ihnen ein Genehmigungsabzeichen als Nachweis dafür, dass sie ordnungsgemäß maskiert und konform sind

Diese Datenmaskierungslösung half dem Kunden, die DSGVO einzuhalten, reduzierte die Zeit, die zum Erstellen von Nicht-Produktionsumgebungen benötigt wurde, drastisch und senkte die Kosten für die Übertragung von Daten aus der Produktion in die Sandbox.

Wie werden maskierte Daten nach der Implementierung gepflegt?

Ihre Bemühungen hören nicht auf, wenn vertrauliche Daten maskiert werden. Sie müssen es dennoch im Laufe der Zeit pflegen. Hier sind die Schritte, die Ihnen bei dieser Initiative helfen werden:

Richten Sie Richtlinien und Verfahren ein, die die maskierten Daten regeln. Dazu gehört die Bestimmung, wer berechtigt ist, auf diese Daten zuzugreifen und unter welchen Umständen und welchen Zwecken diese Daten dienen (z. B. Tests, Berichte, Forschung usw.)
Schulen Sie Ihre Mitarbeiter in der Verwendung und dem Schutz dieser Daten
Überprüfen und aktualisieren Sie den Maskierungsprozess regelmäßig, um sicherzustellen, dass er relevant bleibt
Überwachen Sie maskierte Daten auf verdächtige Aktivitäten wie unbefugte Zugriffsversuche und Sicherheitsverletzungen
Führen Sie maskierte Datensicherungen durch, um sicherzustellen, dass sie wiederherstellbar sind

Abschließende Gedanken

Die Datenmaskierung schützt Ihre Daten in Nicht-Produktionsumgebungen, ermöglicht es Ihnen, Informationen mit Drittanbietern zu teilen, und hilft Ihnen bei der Einhaltung von Vorschriften. Sie können selbst eine Datenverschleierungslösung erwerben und bereitstellen, wenn Sie über eine IT-Abteilung verfügen und Ihre Datenflüsse kontrollieren. Beachten Sie jedoch, dass eine unsachgemäße Implementierung der Datenmaskierung zu ziemlich unangenehmen Folgen führen kann. Hier sind einige der prominentesten:

Produktivität behindern. Die ausgewählten Datenmaskierungstechniken können große unnötige Verzögerungen bei der Datenverarbeitung verursachen und dadurch die Mitarbeiter verlangsamen.
Anfällig für Datenschutzverletzungen werden. Wenn Ihre Datenmaskierungsmethoden oder deren Fehlen sensible Daten nicht schützen, drohen finanzielle und rechtliche Konsequenzen bis zur Verbüßung einer Haftstrafe.
Ableitung ungenauer Ergebnisse aus der Datenanalyse. Dies kann passieren, wenn die Daten falsch oder zu stark maskiert sind. Forscher interpretieren den experimentellen Datensatz falsch und gelangen zu fehlerhaften Schlussfolgerungen, die zu unglücklichen Geschäftsentscheidungen führen.

Wenn ein Unternehmen also nicht sicher ist, ob es in der Lage ist, Initiativen zur Datenverschleierung durchzuführen, ist es am besten, sich an einen externen Anbieter zu wenden, der Ihnen bei der Auswahl der richtigen Datenmaskierungstechniken hilft und das Endprodukt mit minimalen Unterbrechungen in Ihre Arbeitsabläufe integriert.

Bleiben Sie geschützt!

Erwägen Sie die Implementierung einer Datenmaskierungslösung? In Kontakt kommen! Wir helfen Ihnen, Ihre Daten zu priorisieren, ein konformes Verschleierungstool zu erstellen und es bereitzustellen, ohne Ihre Geschäftsprozesse zu unterbrechen.

Ursprünglich am 28. Februar 2023 unter https://itrexgroup.com veröffentlicht.