Wie Sie das Microsoft-Governance-Framework für KI, Daten und Cloud-Workloads bewerten

Von Mirko Peters · 2026-10-16

Wie Sie das Microsoft-Governance-Framework für KI, Daten und Cloud-Workloads bewerten: Säulen, Richtliniendurchsetzung und praktische Schritte für IT-Verantwortliche.

Automatisch mit KI aus dem Originalbeitrag übersetzt. Englisches Original lesen

Das Microsoft-Governance-Framework zu bewerten ist mehr als eine Pflichtübung auf der Checkliste. Es ist Ihr Leitfaden, um KI, Daten und Cloud-Workloads sicher, compliant und zuverlässig zu betreiben. Da Microsoft 365, Azure und Power Platform ständig wachsen, können sich IT-Verantwortliche und Administratoren wie Sie weder Raten noch halbe Lösungen leisten.

Entscheidend ist eine strukturierte, auf Nachweisen beruhende Bewertung. Dafür reicht es nicht, eine Liste von Richtlinien oder einen Stapel Dokumentation zu prüfen. Sie müssen verstehen, wie die Frameworks von Microsoft Risiken tatsächlich eindämmen, regulatorische Anforderungen durchsetzen und Ihnen die Gewissheit geben, dass Ihre betriebliche Basis stimmt, selbst wenn Dienste wie Copilot die Art verändern, wie Benutzer (und ihre Daten!) mit Cloud-Systemen interagieren.

Sie sollten prüfen, wie Governance von der Richtliniengestaltung bis zur Durchsetzung zur Laufzeit greift. Das ist entscheidend für den Schutz sensibler Inhalte, die Wahrung der Dateninhaberschaft und die Vorbereitung auf Audits, zumal Automatisierung, KI-Agenten und Hybrid-Cloud-Innovationen die Komplexität und die Angriffsfläche erhöhen. Dieser Leitfaden führt Sie Schritt für Schritt durch die Grundlagen, die Messung von Reife und Erfolg bis hin zu praktischen Werkzeugen, damit Sie Ihre reale Sicherheitslage und Governance-Reife vergleichen und kontinuierlich verbessern können, egal ob Sie eine klassische Microsoft-365-Umgebung oder einen hochmodernen agentischen KI-Einsatz betreiben.

Statt abgehobener Theorie erwarten Sie umsetzbare Strategien aus der gelebten Praxis der Unternehmens-IT, ergänzt um zahlreiche Lehren aus dem Alltagsgeschäft.

Governance in Microsoft 365 verstehen und die Grundlagen des Data-Governance-Frameworks

Governance in Microsoft 365 bedeutet, genau zu wissen, wem Ihre Daten gehören, wer darauf zugreifen darf und wie sie auf ihrem Weg durch Ihre Cloud-Landschaft behandelt werden. Einfach gesagt: Governance heißt, klare Verantwortlichkeiten festzulegen, sicheren Zugriff durchzusetzen und Richtlinien anzuwenden, die sich mit Ihrem Geschäft und den Compliance-Anforderungen weiterentwickeln.

Der Ansatz von Microsoft setzt, ob Sie Microsoft 365, Power Platform oder Azure nutzen, stark auf Frameworks wie Microsoft Purview für die einheitliche Datenaufsicht und Microsoft Foundry für die verwaltete Orchestrierung von KI-Agenten. Für Datenklassifizierung, Vertraulichkeitsbezeichnungen und Lebenszyklusmanagement stehen integrierte Werkzeuge bereit, die einen Großteil der Arbeit automatisieren.

Als Fundament sollten Sie für jeden Datensatz klar dokumentierte Eigentümer festlegen und automatisierte Überprüfungen einplanen, die veraltete oder riskante Berechtigungen aufspüren. Starke Governance dreht sich nicht nur um Kontrolle, sondern um umsetzbare Durchsetzung in Echtzeit. Ein Beispiel ist die Schichtung „Bronze-Silber-Gold“ in Microsoft Fabric: Sie hält Analysen verlässlich, indem sie die Data Governance für KI-gestützte Werkzeuge wie Power BI und Copilot strukturiert (erfahren Sie, wie Microsoft Fabric Data Governance und KI vereint).

Die meisten Compliance- und Sicherheitsprobleme gehen auf veraltete Inhalte, verwaiste Eigentümer oder uneinheitliche Kontrollen zurück und nicht auf die KI selbst (erfahren Sie mehr über Herausforderungen beim Datenzugriff und bei der Governance in Microsoft 365). Gute Governance hält Ihre Zusammenarbeit sicher und compliant, ohne Produktivität oder Innovation zu bremsen, und legt die Grundlage für KI-gestützte Workloads.

Von der Richtlinie zur Laufzeit: So wird Governance auf Microsoft-Plattformen durchgesetzt

Der Schritt von gut dokumentierten Richtlinien zur tatsächlichen Durchsetzung im Tagesgeschäft ist der Punkt, an dem die meisten Organisationen ins Straucheln geraten. Modernes Governance-Verständnis bei Microsoft verlangt mehr als ein geschriebenes Regelwerk. Es stützt sich auf automatisierte Kontrollen, Überwachungswerkzeuge und Durchsetzung in Echtzeit in jeder Phase, von der Entwicklung bis zur Produktion.

Auf Plattformen wie Microsoft Foundry und Power Platform bedeutet diese Durchsetzung, dass Richtlinien nicht nur in einem PDF oder Wiki liegen, sondern in Echtzeit steuern, was im System geschieht. Laufzeitkontrollen können riskantes Verhalten markieren und sicherstellen, dass KI-Agenten und Automatisierungen keine blinden Flecken oder Datenlecks verursachen. Das ist besonders wichtig, da Copilot und andere KI-gestützte Funktionen immer mehr Verantwortung übernehmen und auf immer mehr sensible Daten zugreifen.

Automatisierte Governance garantiert keine Perfektion, reduziert das operative Risiko und Compliance-Überraschungen aber deutlich. Dynamische Kontrollen über Microsoft-Umgebungen hinweg sorgen dafür, dass Sie vorbereitet sind, wenn Produktivsysteme sich unerwartet verhalten oder agentische KI die erwarteten Grenzen überschreitet (oder sprengt). Ohne strikte Governance zur Laufzeit können Plattformen wie Foundry beispielsweise unbeabsichtigt Tür und Tor für Shadow IT öffnen und Organisationen verborgenen Risiken aussetzen (erfahren Sie, wie Foundry neue Shadow-IT-Risiken einführt).

Als Nächstes zeigen wir Ihnen, wie Microsoft Sicherheits- und Agentenkontrollen formalisiert und wie Sie diese Agenten zur Laufzeit bewerten können. So bleibt Ihre Governance wirksam, unabhängig davon, wie ambitioniert oder unberechenbar Ihre KI-Landschaft wird.

Agent Control Standards, ACS und Security in der Microsoft Governance

1. ACS (Agent Control Specification)

• Die Agent Control Specification (ACS) von Microsoft ist die formale Blaupause, um festzulegen, durchzusetzen und zu überprüfen, was KI-Agenten und Automatisierungen dürfen und was nicht. Sie umfasst Sicherheit, Datenzugriff und Ausführungsbeschränkungen und sorgt dafür, dass Kontrollen plattformübergreifend, etwa in Microsoft 365, Azure und Power Platform, einheitlich gelten.

1. Security-Foundry-Tools für Entwickler

• Entwickler und Administratoren erhalten Werkzeuge innerhalb von Foundry, mit denen sie Kontrollen auf Entwickler- oder Workload-Ebene festlegen können. Damit arbeitet jeder Agent innerhalb klar durchgesetzter Grenzen, was das Risiko einer schleichenden Rechteausweitung oder einer versehentlichen Datenfreigabe verringert.

1. Durchsetzung von Richtlinien zur Laufzeit und Risikominderung

• ACS ermöglicht die Überwachung zur Laufzeit sowie das automatisierte Blockieren oder Alarmieren, sobald ein Agent versucht, die Regeln zu verletzen. Statt einen Compliance-Verstoß erst nachträglich zu entdecken, wirken diese Kontrollen als erste Verteidigungslinie. Das ist besonders wichtig für den Aufbau vertrauenswürdiger KI-Workloads.

1. Kontrollen für Identität, Zugriff und Toolausführung

• Starke Governance beruht auf präziser Kontrolle darüber, wer worauf wann und wie zugreifen darf. ACS arbeitet mit Identitätsanbietern und Zugriffsverwaltung zusammen, um die Toolausführung und die Datenreichweite abzusichern. So wird die Angriffsfläche auch dann minimiert, wenn KI-Agenten autonom handeln. Weitere Informationen zu den Herausforderungen und bewährten Vorgehensweisen bei der Sicherheit von KI-Agenten finden Sie auf dieser Seite zur Absicherung von KI-Agenten.

KI-Agenten mit kontextbezogenen Bewertungsrastern und Open-Source-Ansätzen bewerten

1. Szenariobasierte Bewertungsraster

• Microsoft nutzt kontextbezogene Bewertungsraster, um KI-Agenten auf Herz und Nieren zu prüfen. Dabei wird nicht nur geprüft, ob sie funktionieren, sondern auch, ob sie sich in realen, unübersichtlichen Produktionsszenarien verantwortungsvoll verhalten. Dazu gehört die Simulation gängiger Arbeitsabläufe, von Grenzfällen und auch von Stresssituationen, um Probleme zu erkennen, bevor sie Benutzer treffen.

1. Spezifikationsbasierte Bewertung (Bewertungsframeworks)

• Open-Source-Frameworks wie Microsoft ASSERT bieten eine formale Möglichkeit, festzulegen, was „gutes Verhalten“ für jeden Agenten oder jede Automatisierung bedeutet. Sie setzen auf spezifikationsbasierte Bewertung. So lassen sich Agenten nicht nur einmalig, sondern während ihres gesamten Lebenszyklus testen und Verbesserungen oder Verschlechterungen im Zeitverlauf messen.

1. Tests für Grenzfälle und unsichere Ausgaben

• Kontextbezogene Bewertungsraster sind darauf ausgelegt, Stellen aufzudecken, an denen Agenten unberechenbar oder unsicher handeln könnten, etwa indem sie vertrauliche Daten preisgeben oder den vorgesehenen Rahmen verlassen. Regelmäßige Bewertungszyklen decken diese Probleme auf, bevor Agenten im großen Maßstab produktiv gehen. Wirksame Frameworks für agentische Kontrollen wie Entra Agent ID tragen zusätzlich dazu bei, Verantwortlichkeit sicherzustellen und Identitätsabweichungen zu verhindern (lesen Sie mehr über Herausforderungen bei Agenten-Identitäten und -Kontrolle).

1. Kontinuierliche Verbesserung durch offene Bewertung

• Durch die Einbindung von Open-Source-Bewertungsframeworks stellt Microsoft sicher, dass die Governance von Agenten anpassungsfähig, transparent und von der Community geprüft ist. So bleibt sie mit der sich ständig wandelnden KI-Risikolandschaft Schritt. Organisationen können damit ihre Governance- und Strategien zur Zuverlässigkeit von Agenten laufend nachjustieren.

Grundpfeiler: Menschen, Prozesse, Richtlinien und Technologie in der Microsoft Governance

Selbst mit den besten KI-Kontrollen und strikten Richtlinien steht und fällt Ihr Governance-Framework mit vier Grundpfeilern: Menschen, Prozesse, Richtlinien und Technologie. Der Ansatz von Microsoft, insbesondere in gemischten Cloud-Umgebungen, erfordert eine enge Abstimmung zwischen diesen Bereichen.

Dazu gehört, klar festzulegen, wer für was verantwortlich ist, und zwar nicht nur auf technischer Ebene, sondern auch in geschäftlicher Hinsicht. Außerdem gilt es, die Einhaltung von Prozessen konsequent sicherzustellen und Richtlinien zu etablieren, die klar verbindlich, aber flexibel genug sind, um Risiken und Compliance zu steuern. Ohne jeden dieser Bausteine können selbst robuste technische Lösungen im Alltagsbetrieb oder bei organisatorischen Veränderungen versagen.

Technologie ist natürlich der Kitt, der all diese Teile im großen Maßstab zusammenhält. Interoperabilität sorgt dafür, dass unterschiedliche Systeme synchron bleiben. Observability schafft Transparenz über Ihre KI- und Datenprozesse, und kontinuierliches Tracing hilft, Aktionen mit Ergebnissen zu verknüpfen, um verlässliche Audit-Trails zu erhalten. Ebenso müssen Richtlinien und Menschen zusammenarbeiten, damit Kontrollen über Geschäftsbereiche und IT-Funktionen hinweg Bestand haben.

In den folgenden Abschnitten erfahren Sie, wie Sie Verantwortlichkeiten definieren, Prozesse einheitlich gestalten und Technologie nutzen, um eine kontinuierlich prüfbare und optimierte Governance aufzubauen. Einen frischen Blickwinkel darauf, warum sich Verantwortung nicht allein durch Transparenz ersetzen lässt, bietet diese Folge über echte Kostenverantwortung in Microsoft 365.

Menschen: Verantwortlichkeiten festlegen, Prozesse vereinheitlichen und Richtlinien in der Governance setzen

• Klare Verantwortung für Daten und KI: Weisen Sie jedem Datensatz und jedem KI-Agenten einen konkreten Verantwortlichen zu, um verwaiste Ressourcen zu vermeiden und Verantwortlichkeit zu fördern. Diese Verantwortlichen sollten Berechtigungen und Änderungen im Lebenszyklus im Laufe der Zeit überprüfen (praktische Hinweise zu Eigentümerschaft und Governance von Berechtigungen).
• Einheitliche Prozessdokumentation: Dokumentieren Sie Workflows für Zugriffsanfragen, Überprüfungen und sensible Vorgänge regelmäßig. Durch die Standardisierung dieser Schritte wird Governance umsetzbar, und Lücken, die durch Ad-hoc-Vorgehen entstehen, werden minimiert.
• Wirksame Festlegung von Richtlinienregeln: Übersetzen Sie Geschäftsziele und regulatorische Anforderungen in durchsetzbare, verständliche Richtlinien. Nutzen Sie Tools und Schulungen, damit alle einheitliche Kontrollen befolgen und Ausnahmen selten bleiben.

Technologische Wegbereiter: Interoperabilität, Observability und kontinuierliches Tracing in Microsoft AI

1. Interoperabilität: Die Frameworks von Microsoft sorgen dafür, dass Richtlinien und Kontrollen nahtlos über unterschiedliche Dienste hinweg funktionieren, von Microsoft 365 bis hin zu hybriden und Multi-Cloud-Umgebungen. So sinkt das Risiko isolierter Daten oder einer fragmentierten Zugriffs-Governance.
2. Observability: Echtzeitüberwachung und umfangreiche Telemetriedaten, ermöglicht durch Plattformen wie Microsoft Purview Audit, erlauben es Ihnen, Aktivitäten von Benutzern und Agenten über alle Cloud-Dienste hinweg nachzuverfolgen, nicht nur in einzelnen Apps. Für regulierte oder risikoreiche Umgebungen ist ein Upgrade auf Purview Audit Premium unverzichtbar, um Compliance und forensische Möglichkeiten zu stärken (mehr zur Überwachung von Benutzeraktivitäten mit Purview).
3. Kontinuierliches Tracing: Tracing zeigt Ihnen den Weg von Daten, Entscheidungen und Agentenaktionen über Umgebungen hinweg. So lassen sich Probleme leichter erkennen, Workflows optimieren und prüfungsfähige Nachweise liefern, unabhängig davon, ob sich Agenten wie erwartet verhalten oder nicht.

Open Source, Interoperabilität und die Messung des Erfolgs der KI-Governance im Unternehmen

Die Governance von Microsoft setzt nicht nur auf offene Standards, sondern unterstützt auch aktiv Open-Source-Tools und APIs. So vermeiden Organisationen Lock-in-Effekte, und ihre Governance bleibt zukunftssicher. Die Idee ist einfach: Sie sollten KI- und Datenworkloads flexibel steuern können, ob sie nun in Microsoft 365, in Azure oder in Cloud- und KI-Ökosystemen von Drittanbietern laufen.

Offene Standards wie ACS bilden die Grundlage für eine einheitliche Durchsetzung von Richtlinien, auch wenn sich Ihre Architektur weiterentwickelt. Diese Interoperabilität bedeutet, dass Sie nicht an proprietäre Werkzeuge gebunden sind und trotzdem Governance auf Unternehmensniveau sowie Audit-Trails erhalten. Ebenso ermöglichen Open-Source-Frameworks zur Bewertung von Agenten, die Governance agentischer KI individuell anzupassen und kontinuierlich zu verbessern. Bewertungsraster lassen sich dabei an Ihre Umgebung und die neuen Risiken anpassen, die diese mit sich bringt.

Doch hier hören die meisten Leitfäden auf: bei der tatsächlichen Messung. Microsoft fordert Organisationen auf, über das Denken „Es ist ausgerollt, also sind wir fertig“ hinauszugehen. Stattdessen sollten Sie Governance als langfristige Investition betrachten und Ergebnisse anhand von KPIs messen, etwa die Abnahme von Richtlinienverstößen, die Geschwindigkeit der Reaktion auf Vorfälle oder die Anzahl der Auditbefunde im Zeitverlauf. Für einen tieferen Einblick, wie Sie Richtlinienabweichungen verhindern und eine konsistente Einhaltung von Richtlinien durchsetzen, lesen Sie diesen Beitrag zu Richtlinienabweichungen in der Azure-Governance.

Wenn Sie Ihre Richtlinien, Agenten und Datensteuerungen interoperabel und prüfbar halten, gewinnen Sie Sicherheit, dass Ihr Governance-Framework mitwachsen kann, wenn sich Ihr Geschäft und Ihre technologische Landschaft verändern – über Clouds und Plattformen hinweg und bei allem, was im Bereich KI als Nächstes kommt.

Vertrauen aufbauen und Risiken managen durch menschliche Aufsicht bei Microsoft-KI-Agenten

Egal, wie ausgereift Ihre Governance-Kontrollen sind, das gesunde Urteilsvermögen von Menschen lässt sich nicht ersetzen – besonders bei KI-Agenten, die unerwartete oder riskante Ergebnisse liefern können. Microsoft setzt auf Vertrauen durch Design und kombiniert automatisierte Überprüfung mit konsequenter menschlicher Aufsicht bei kritischen Funktionen und dem Zugriff auf sensible Daten.

Human-in-the-loop-Prozesse bedeuten, dass Sie Prüfworkflows, Eskalationspfade und Genehmigungsschritte einrichten, bevor KI-Agenten oder Automatisierungen bestimmte Aktionen ausführen – oder wenn sie die Grenzen ihrer programmierten Absicht streifen. Das verhindert unsichere Ergebnisse, unterbindet Datenexposition direkt an der Quelle und hält die Compliance-Grenzen auch dann ein, wenn Agenten zunehmend autonomer agieren.

Viele Sicherheitslücken entstehen nicht durch spektakuläre KI-Pannen, sondern durch unsichtbare Schwachstellen in Berechtigungsmodellen oder Ausnahmen in bedingtem Zugriff. Agenten selbst sind oft die besten „Kanarienvögel im Kohlebergwerk“: Sie machen diese latenten Risiken sichtbar, indem sie Zugriffsprobleme oder inkonsistente Richtlinienzuweisungen aufdecken, die normale Audits übersehen. Zum Beispiel können schlecht eingegrenzte Graph-Berechtigungen oder zu weit gefasste Richtlinienausnahmen Vertrauensprobleme in Ihrem bedingten Zugriff verursachen und Ihre Cloud-Umgebung angreifbar machen (mehr dazu, wie Sie Vertrauen mit inklusiven Richtlinien für bedingten Zugriff verbessern).

Um Vertrauen im großen Maßstab aufzubauen, sollten Organisationen Laufzeitüberwachung, regelmäßige Überprüfungen und rollenbasierte Grenzen integrieren. So behalten Sie die Kontrolle, während Microsoft-KI die repetitive Arbeit übernimmt. Wenn Sie sehen möchten, wie nicht verwaltete KI-Agenten Schatten-IT entstehen lassen und was Sie dagegen tun können, lesen Sie diese Analyse zu KI-Agenten und Bedrohungen durch Schatten-IT.

Der Einstieg: Microsoft-Governance-Bewertungstools und nächste Schritte

Wenn Sie Ihre Microsoft-Governance-Reise beginnen oder stärken möchten, sollten Sie mit den richtigen Bewertungstools und Ressourcen starten, die Ihnen helfen, den Ist-Zustand zu erfassen, Ihr Governance-Programm umzusetzen und es über die Zeit zu reifen lassen. Microsoft stellt Toolkits und Frameworks nicht nur für die Erstellung von Richtlinien bereit, sondern auch für kontinuierliche Bewertung und Verbesserung.

Das Agent Governance Toolkit hilft Ihnen beispielsweise, kritische Kontrollen für Agenten, Automatisierungen und menschliche Aufsicht systematisch abzuhaken. Moderne Bewertungsframeworks lassen sich direkt in Ihren Workflow integrieren, um die Einsatzbereitschaft zu bewerten und Lücken aufzudecken, die bei traditionellen Audits leicht übersehen werden. Für Organisationen, die Copilot einführen, strafft ein governte Learning Center die Einführung und den ROI, hält die Schulungsinhalte aktuell und die Supportanfragen auf einem Minimum (so unterstützt ein Copilot Learning Center die governte Einführung).

Fortgeschrittene Governance bedeutet, klare Datengrenzen zu setzen, indem Sie Umgebungen und Connectoren klassifizieren und Rollen nach dem Least-Privilege-Prinzip über Power Platform, Copilot und darüber hinaus durchsetzen. Die Überwachungs- und DLP-Funktionen von Microsoft Purview erlauben es Ihnen, Richtliniensteuerungen bis auf Connector- und Umgebungsebene auszudehnen, damit Agenten keine Daten abrufen oder abfließen lassen, wo sie nicht hingehören (erfahren Sie mehr über Copilot-Governance mit Purview).

Bereit loszulegen? Ordnen Sie Ihre bestehenden Kontrollen zu, nutzen Sie die Bewertungsrahmen von Microsoft und greifen Sie auf ausgewählte Ressourcen zurück, um eine nachhaltige, umsetzbare Governance aufzubauen – damit Sie für die nächste Innovationswelle gerüstet sind, was auch immer sie bringt.

Häufige Fragen zur Bewertung des Governance-Frameworks von Microsoft

• Wie messe ich die Reife meines Governance-Frameworks von Microsoft?Sie können strukturierte Reifegradmodelle einsetzen, die Ihren Fortschritt von einer grundlegenden Dokumentation der Richtlinien bis hin zur automatisierten, kontinuierlichen Durchsetzung und Verbesserung bewerten. Bei der Benchmark-Analyse sollten Sie technische Kontrollen, die Konsistenz der Prozesse, die Zuweisung von Verantwortlichkeiten sowie reale Ergebnisse betrachten, etwa weniger Vorfälle oder schnellere Audits.
• Welche typischen Fallstricke gibt es bei der Einführung der Governance von Microsoft?Governance scheitert meist dann, wenn die Verantwortung zersplittert ist und Richtlinien nur „auf dem Papier“ existieren. Werkzeugzentrierte Ansätze (statt systemorientierter) führen zu Identitätsdrift, veralteten Berechtigungen und Compliance-Lücken. Lesen Sie, wie die Steuerung von Werkzeugen statt von Systemen zum Scheitern führt.
• Kann das Governance-Framework von Microsoft auch mit Umgebungen anderer Anbieter und Multi-Cloud-Umgebungen zusammenarbeiten?Ja. Nutzen Sie föderierte Identitätssysteme, harmonisierte Skripte für Richtlinien und offene Standards (wie ACS), um Governance über mehrere Clouds auszudehnen. Eine Abstimmung ist möglich, der Erfolg hängt jedoch von einheitlichen Kontrollen und einer cloudübergreifenden Auditierbarkeit ab, nicht nur von isolierten Konfigurationen oder einmaligen Richtlinien.
• Wie halte ich die Compliance aufrecht, wenn KI-Agenten und Automatisierung skalieren?Setzen Sie Zero Trust, rollenbasierten Zugriff und kontinuierliches Monitoring durch und bewerten Sie das Verhalten der Agenten regelmäßig – mit Echtzeitwarnungen und Durchsetzung zur Laufzeit. Schnelle, durchsetzbare Rahmenwerke sind nötig, um mit dem Tempo der Automatisierung Schritt zu halten (siehe ein Wiederherstellungsframework für Governance in 48 Stunden).
• Wie messe ich die Wirksamkeit der Governance?Verfolgen Sie KPIs wie die Reduzierung von Richtlinienverstößen, Audit-Feststellungen, Reaktionszeiten bei Vorfällen und die Ergebnisse regelmäßiger Zugriffsüberprüfungen. Die reifsten Organisationen verknüpfen diese Kennzahlen mit ihren Geschäftszielen und passen Kontrollen kontinuierlich an, um den ROI nachzuweisen.