Einsatz von KI Agentic AI: KI-Agenten an die kurze Leine legen

Anbieter zum Thema

IONOS SE

d.velop AG

Esker Software Entwicklungs-und Vertrieb

Yorizon GmbH & Co. KG

KI-Agenten greifen zunehmend eigenständig auf Unternehmensdaten und Systeme zu – und werden damit zum neuen Angriffsziel. Wie Ionos zeigt, entscheidet nicht die Leistungsfähigkeit von Agentic AI über die Sicherheit, sondern die Begrenzung der Zugriffsrechte auf das Notwendige.

KI-Agenten entwickeln sich derzeit von einer Technologie für Pilotprojekte zu einem Werkzeug, das zunehmend Einzug in den Unternehmensalltag hält. Sie analysieren Daten, greifen auf Anwendungen zu und übernehmen Aufgaben, die bislang manuell erledigt wurden. Gleichzeitig wächst das Bewusstsein für die Sicherheitsrisiken, die mit der Einführung von Agentic AI einhergehen. Denn je enger KI-Agenten mit Unternehmensdaten und IT-Systemen verbunden werden, desto wichtiger wird die Kontrolle über ihre Zugriffsrechte.

Die Diskussion dreht sich häufig um die Fähigkeiten dieser neuen Systeme. Unternehmen stellt sich jedoch eine andere Herausforderung: Wie lassen sich KI-Agenten produktiv nutzen, ohne ihnen weitreichende Berechtigungen auf kritische Systeme einzuräumen? Nicht jede Aufgabe, die ein Agent übernehmen soll, erfordert auch die Möglichkeit, Änderungen an einer Infrastruktur vorzunehmen.

Nicht jede Aufgabe erfordert uneingeschränkten Zugriff

Viele Anwendungsfälle von Agentic AI beruhen darauf, bestehende Informationen auszuwerten. Konfigurationen lassen sich prüfen, Ressourcen analysieren oder Auffälligkeiten identifizieren, ohne dass ein Agent selbst Änderungen an einer Infrastruktur vornehmen muss. Daraus ergibt sich ein Ansatz, der zunehmend an Bedeutung gewinnt: Analyse- und Änderungsfunktionen voneinander zu trennen und KI-Agenten gezielt auf Lesezugriffe zu beschränken.

Mit dem Ionos Cloud MCP Server verfolgen wir genau diesen Ansatz. Der Open-Source-Server verbindet KI-Assistenten über das Model Context Protocol (MCP) mit einem Ionos-Cloud-Konto und beschränkt verfügbare Funktionen bewusst auf Analyse- und Abfrageoperationen. Funktionen zum Erstellen, Ändern oder Löschen von Cloud-Ressourcen sind nicht vorgesehen. Typische Einsatzszenarien reichen von Sicherheits-Audits über FinOps-Auswertungen bis hin zu Compliance- und Infrastrukturanalysen.

Agentic-AI-Workflow unter Kontrolle

Der Read-only-Ansatz soll Risiken durch Prompt-Injections oder fehlerhafte Agent-Schleifen strukturell begrenzen. Fehler wirken sich dadurch im schlimmsten Fall auf Analyseergebnisse aus, nicht jedoch unmittelbar auf produktive Systeme.

Gleichzeitig gewinnt die Frage an Bedeutung, wo Daten verarbeitet werden und welche Systeme an einem Agentic-AI-Workflow beteiligt sind. Unternehmen müssen nicht nur Zugriffsrechte kontrollieren, sondern auch nachvollziehen können, wo Modelle, Prompts und Ergebnisse verarbeitet werden. In Kombination mit dem AI Model Hub können Verarbeitung, Tool-Ausgaben und Infrastrukturzugriffe innerhalb deutscher Rechenzentren verbleiben. Sicherheit, Transparenz und digitale Souveränität werden damit zu einem zentralen Bestandteil moderner Agentic-AI-Architekturen.

Unternehmen müssen nicht nur Zugriffsrechte kontrollieren, sondern auch nachvollziehen können, wo Modelle, Prompts und Ergebnisse verarbeitet werden.

Rijesh Haridas

Agentic AI: Was Unternehmen berücksichtigen sollten

Der aktuelle Trend zu Agentic AI zeigt, dass Sicherheit und Kontrolle bereits bei der Konzeption neuer Anwendungen berücksichtigt werden müssen. Dazu gehören insbesondere:

• Zugriffsrechte gezielt begrenzen: Viele Analyse-, Monitoring- und Audit-Aufgaben lassen sich bereits mit Lesezugriffen umsetzen. Umfangreiche Systemrechte sind dafür häufig nicht erforderlich.
• Mit überschaubaren Anwendungsfällen starten: Analyse-, Reporting- und Audit-Szenarien eignen sich besonders für erste Agentic-AI-Projekte. Denn sie schaffen einen Mehrwert, ohne direkt in produktive Systeme einzugreifen.
• Transparenz über Datenflüsse schaffen: Je mehr Systeme angebunden sind, desto wichtiger ist der klare Überblick darüber, welche Daten ein Agent verarbeitet und wofür sie genutzt werden.
• Verarbeitung bewusst steuern: Neben den Zugriffsrechten spielt auch der Ort der Verarbeitung eine wichtige Rolle. Unternehmen müssen nachvollziehen können, wo Modelle, Prompts und Ergebnisse verarbeitet werden.

Für Unternehmen wird damit deutlich: Der erfolgreiche Einsatz von Agentic AI hängt nicht allein von leistungsfähigeren Modellen ab. Ebenso wichtig ist die Frage, welche Rechte ein Agent tatsächlich benötigt. Viele Analyse-, Monitoring- und Audit-Aufgaben lassen sich bereits mit klar begrenzten Berechtigungen umsetzen. Ansätze wie Read-only-Konzepte zeigen, dass sich produktive Einsatzszenarien oft auch ohne umfassende Systemrechte realisieren lassen. Gleichzeitig gewinnt die Frage an Bedeutung, wie Unternehmen Sicherheit, Kontrolle und digitale Souveränität entlang des gesamten Datenflusses sicherstellen können.

Performance-Marketing

Agentic AI im Marketing: Warum autonome Systeme nur so gut sind wie ihre Datenbasis