Auditing Digital Twins: A Risk and Control Framework for Trustworthy Enterprise Decision Systems

In de moderne wereld van business en engineering is een nieuw soort instrument opgekomen om leiders te helpen complexe systemen te begrijpen. Stel je een fabrieksvloer voor, een elektriciteitsnet of een ziekenhuisnetwerk. Dit zijn fysieke plaatsen waar machines brommen, data stroomt en elke seconde beslissingen worden genomen. Om deze te beheren, bouwen bedrijven steeds vaker "digitale tweelingen" (digital twins). Een digitale tweeling is geen robot of persoon; het is een levend, ademend computermodel dat een reëel object of proces weerspiegelt. Het maakt verbinding met sensoren op de werkelijke apparatuur en ontvangt een constante stroom informatie over temperatuur, snelheid, druk en locatie. In ruil daarvoor simuleert het model wat er op dit moment gebeurt en voorspelt het wat er hierna zou kunnen gebeuren. Dit stelt managers in staat om ideeën te testen, problemen te signaleren voordat ze defect raken, en de werking te optimaliseren zonder ooit de fysieke machines aan te raken.

Echter, naarmate deze digitale spiegels meer verbonden en krachtiger worden, introduceren ze een nieuw soort gevaar. Omdat de digitale tweeling direct verbonden is met de echte wereld, kan een fout in de computercode of een leugen in de data leiden tot een ramp in de echte wereld. Als het model met valse informatie wordt gevoed, kan het een fabriek de opdracht geven een machine te versnellen die al oververhit is. Als het model wordt gehackt, kan een aanvaller een energiecentrale uitschakelen of een verkeersopstopping veroorzaken. De vraag voor organisaties is niet langer alleen of de technologie werkt, maar of deze vertrouwd kan worden. Kan een bedrijf vertrouwen op de digitale tweeling om leven-of-doodbeslissingen te nemen? Om dit te beantwoorden, had een onderzoeker een manier nodig om vertrouwen te meten, niet alleen in de software, maar in het gehele systeem van data, beveiliging en menselijk toezicht dat dit ondersteunt.

Een onderzoeker is in deze kloof gestapt met een nieuw framework dat ontworpen is om deze digitale tweelingen te auditeren. Hij benaderde het probleem door te vragen wat er feitelijk nodig is om een digitale tweeling als veilig en betrouwbaar genoeg te beschouwen voor het gebruik door een grote onderneming. In plaats van alleen naar cybersecurity te kijken, die zich richt op het buitenhouden van hackers, breidde hij zijn blik uit naar acht verschillende gebieden van de gezondheid van het systeem. Deze gebieden omvatten de nauwkeurigheid van de data die het model voeden, de regels die bepalen wie er toegang toe heeft, de manier waarop de computermodellen worden gebouwd en bijgewerkt, en het vermogen van het systeem om te herstellen als het crasht. Hij behandelde de digitale tweeling niet als een enkel stuk software, maar als een complexe omgeving waarin data, mensen en machines interageren.

Om zijn ideeën te testen, creëerde de onderzoeker een gesimuleerde omgeving. Hij verzamelde een panel van tachtig experts, waaronder IT-auditors, cybersecurity-specialisten en engineers met een gemiddelde ervaring van meer dan dertien jaar. Deze experts kregen de opdracht om tien verschillende scenario's van digitale tweelingen te evalueren, variërend van luchtvaart en energie tot gezondheidszorg en logistiek. De experts beoordeelden elk scenario op achtenveertig specifieke punten, zoals of de data werd gecontroleerd op fouten, of de modellen werden getest voor gebruik, en of er een duidelijk verslag was van elke wijziging die aan het systeem werd aangebracht. De onderzoeker combineerde deze scores vervolgens in één getal, een "Digital Twin Auditability Index", die varieert van nul tot honderd. Deze index fungeert als een rapportcijfer, dat organisaties precies vertelt hoe betrouwbaar hun digitale tweeling is.

De resultaten van deze simulatie onthulden een sober realisme. Over alle tien de scenario's heen was de gemiddelde score 61,14. In het classificatiesysteem van de onderzoeker plaatst deze score de digitale tweelingen in de categorie "Controlled" (gecontroleerd), maar niet in de categorie "Trustworthy" (betrouwbaar). Om het niveau van "Trustworthy" te bereiken, moet een systeem een score van ten minste 80 behalen. Dit betekent dat hoewel veel organisaties geavanceerde digitale tweelingen hebben gebouwd met sterke data- en beveiligingsmaatregelen, ze nog niet klaar zijn om volledig te worden vertrouwd voor kritieke beslissingen. De studie vond dat de sterkste gebieden de dataintegriteit waren, wat betekent dat de informatie afkomstig van de sensoren over het algemeen accuraat en compleet was, en de toegangscontrole, wat betekent dat de regels voor wie kon inloggen vrij strikt waren.

De simulatie bracht echter ook significante zwakheden aan het licht die de scores onder de betrouwbare drempel hielden. De zwakste gebieden waren business continuity en veerkracht (resilience), traceerbaarheid (traceability) en modelgovernance. Business continuity verwijst naar het vermogen van het systeem om te blijven werken of snel te herstellen na een ramp, zoals een cyberaanval of een stroomuitval. Traceerbaarheid is het vermogen om terug te kijken om precies te zien welke data en welke modelversie tot een specifieke beslissing hebben geleid. Model governance betreft de regels voor hoe de computermodellen worden gecreëerd, getest en bijgewerkt. De experts vonden dat bedrijven goed waren in het verzamelen van data, maar vaak minder goed voorbereid waren op het afhandelen van systeemfouten of het bewijzen van de exacte wijze waarop een beslissing werd genomen.

De onderzoeker keek ook naar de risico's die restten, zelfs nadat controles waren geïmplementeerd. Hij vond dat de gevaarlijkste dreigingen ongeautoriseerde toegang waren, waarbij iemand binnenkomt die daar niet hoort te zijn; incomplete of onnauwkeurige data; en de manipulatie van data om het systeem te misleiden. Hij ontdekte dat het hebben van een controle niet automatisch betekent dat het risico weg is. Bijvoorbeeld, een systeem kan een firewall hebben, maar als de firewall niet wordt gemonitord of bijgewerkt, blijft het risico op een cyberaanval hoog. De studie toonde aan dat de meest effectieve manier om risico te verlagen het verbeteren van de effectiviteit van de controles was, met name voor de risico's die het meest waarschijnlijk zouden optreden en de meeste schade zouden aanrichten.

Dit werk suggereert dat het bouwen van een digitale tweeling slechts de eerste stap is. De echte uitdaging ligt in het voortdurende beheer en de verificatie van het systeem. De onderzoeker betoogt dat organisaties niet simpelweg kunnen aannemen dat hun digitale tweelingen veilig zijn omdat de technologie geavanceerd is. In plaats daarvan moeten ze actief het vermogen van het systeem om geaudit te worden meten en verbeteren. Dit betekent ervoor zorgen dat elke beslissing die het model neemt kan worden teruggevoerd naar de bron, dat de modellen constant worden gecontroleerd op fouten, en dat het systeem een grote verstoring kan overleven. De studie concludeert dat totdat deze gebieden zijn versterkt, digitale tweelingen moeten worden beschouwd als krachtige instrumenten die nauwlettend toezicht vereisen, in plaats van als volledig autonome besluitvormers.

De bevindingen bieden een duidellijk pad voorwaarts voor bedrijven. Door gebruik te maken van dit nieuwe framework kunnen leiders identificeren waar hun digitale tweelingen kwetsbaar zijn. Ze kunnen zien of ze sterk zijn in data maar zwak in herstel, of dat ze goede beveiliging hebben maar slechte modeltesten. Dit stelt hen in staat om hun middelen te richten op de gebieden die er het meest toe doen, in plaats van te gokken waar de problemen liggen. De studie benadrukt dat vertrouwen geen binaire staat is; een systeem is niet simpelweg veilig of onveilig. Het is een kwestie van graad, en door die graad te meten, kunnen organisaties geïnformeerde keuzes maken over wanneer en hoe ze deze krachtige instrumenten gebruiken. Het onderzoek beweert niet het probleem van de beveiliging van digitale tweelingen te hebben opgelost, maar biedt een praktische, meetbare manier om de huidige staat van de technologie en het werk dat nog moet worden gedaan te begrijpen.