Identity Governance wird kritisch, da die KI-Ausgaben von Unternehmen stark steigen

Google News hat auf eine Warnung aufmerksam gemacht: Die KI-Ausgaben von Unternehmen steigen schneller, als viele Firmen die dahinter agierenden Identitäten steuern können. Der Konflikt beschränkt sich längst nicht mehr auf experimentelle Chatbots. KI-Agenten fordern heute Daten an, rufen Geschäftsanwendungen auf, erzeugen Zugangsdaten und führen Aufgaben über Unternehmenssysteme hinweg aus.

Diese Ausweitung verändert die Sicherheitsfrage. Unternehmen konzentrierten sich früher darauf, zu entscheiden, welche Mitarbeitenden auf eine Ressource zugreifen dürfen. Nun müssen sie menschliche Nutzer, Servicekonten, Anwendungsidentitäten, Automatisierungstools und KI-Agenten innerhalb derselben Umgebung steuern.

Der Druck liegt bei Chief Information Officers, Sicherheitsverantwortlichen und Identity-Teams. Von ihnen wird verlangt, eine schnellere KI-Bereitstellung zu ermöglichen und zugleich klare Verantwortlichkeiten, begrenzte Berechtigungen und verlässliche Prüfpfade zu wahren. Diese Ziele geraten häufig in Konflikt, wenn ein Agent Arbeit planen, Aufgaben delegieren und Anwendungsgrenzen überschreiten kann.

Die zentrale Frage ist daher nicht, ob Unternehmen mehr für KI ausgeben werden. Sie lautet, ob Identity Governance verhindern kann, dass diese Ausgaben eine wachsende Schicht unkontrollierter Befugnisse schaffen.

Was sich mit der Beschleunigung der KI-Ausgaben von Unternehmen verändert hat

Unternehmens-KI entwickelt sich von Software, die Maßnahmen empfiehlt, zu Systemen, die Maßnahmen selbst ergreifen können.

Ein Mitarbeitender, der einen Chatbot nutzt, schafft ein vertrautes Governance-Problem. Die Organisation muss entscheiden, auf welche Informationen dieser Mitarbeitende und die Anwendung zugreifen dürfen. Ein KI-Agent schafft ein schwierigeres Problem, weil er sich mit mehreren Systemen verbinden, Zugangsdaten speichern, Tools aufrufen und Arbeit ausführen kann, ohne dass eine Person jeden Schritt genehmigt.

Dieser Unterschied wird bedeutsam, wenn Agenten in Produktionsabläufe eingebunden werden. Ein Kundenservice-Agent könnte Kontodaten lesen, frühere Interaktionen zusammenfassen, eine Rückerstattungsanfrage auslösen und ein Ticket aktualisieren. Ein Coding-Agent könnte Repositories prüfen, Entwicklungstools öffnen, Infrastrukturänderungen erstellen und Code zur Überprüfung einreichen.

Jede Aktion erfordert eine Identität. Sie erfordert zudem eine Autorisierung, die festlegt, was diese Identität nach der Authentifizierung tun darf. Ein Login allein beantwortet nicht die Frage, ob der Agent eine gesamte Kundendatenbank lesen sollte oder nur die Datensätze, die für eine zugewiesene Aufgabe erforderlich sind.

Herkömmliche Systeme für Identitäts- und Zugriffsmanagement wurden hauptsächlich für Mitarbeitende, Auftragnehmende, Anwendungen und relativ vorhersehbare Servicekonten entwickelt. Sie gehen in der Regel davon aus, dass Administratoren eine stabile Rolle definieren und ihr einen stabilen Satz von Berechtigungen zuweisen können.

KI-Agenten belasten dieses Modell. Ihre Aufgaben können sich während der Ausführung verändern, und ein Agent kann einen anderen Agenten oder Dienst bitten, einen Teil eines Workflows zu erledigen. Die daraus entstehende Delegationskette erschwert es, nachzuvollziehen, woher die ursprüngliche Befugnis stammt.

Die Ausgaben von Unternehmen erhöhen die Dringlichkeit, weil mehr finanzierte Projekte mehr Verbindungen schaffen. Jede Produktionsbereitstellung kann API-Schlüssel, Servicekonten, Datenkonnektoren, Modellendpunkte, Plug-ins und Zugriffsrichtlinien einführen. Ein Projekt, das wie eine einzelne KI-Anwendung aussieht, kann hinter den Kulissen mehrere Identitäten erzeugen.

Gartner berichtete, dass 84 Prozent der Befragten seiner CIO-Umfrage 2026 erwarteten, dass ihre Organisationen die Finanzierung generativer KI im Laufe des Jahres erhöhen würden. Die Diskussion über Zero-Trust-Governance konzentrierte sich darauf, Daten zu überprüfen und bestehende Governance-Richtlinien zu aktualisieren, da sich KI-generierte Informationen verbreiten.

Diese Ausgaben führen nicht automatisch zu unsicheren Systemen. Sie erhöhen jedoch die Zahl der Projekte, die Identity-Teams entdecken, klassifizieren und überwachen müssen. Zudem verkürzen sie die Zeit, die für die Entwicklung von Kontrollen verfügbar ist, bevor Geschäftsbereiche Ergebnisse erwarten.

Die Google-News-Schlagzeile erfasst diesen Wandel, doch das eigentliche Ereignis ist größer als ein einzelner Bericht. Identity Governance wird Teil der KI-Infrastruktur, weil Agenten ohne klar definierte Verantwortlichkeit und widerrufbare Befugnisse nicht sicher arbeiten können.

Organisationen können die Identitätsprüfung nicht länger als abschließenden Compliance-Check behandeln. Sie benötigen Identitätsentscheidungen während der Entwicklung, Bereitstellung, Ausführung und Stilllegung. Andernfalls kann ein aufgegebener Agent aktive Zugangsdaten oder Berechtigungen zurücklassen, nachdem sein ursprüngliches Projekt beendet wurde.

Warum Google News auf eine KI-Kontrolllücke hinweist

Der Ausgabenschub legt eine Kontrolllücke offen zwischen denjenigen, die für KI verantwortlich sind, und denjenigen, die ihr Verhalten tatsächlich begrenzen können.

IBM beschrieb diese Lücke in einer Studie vom Juni 2026 unter Chief Information und Technology Officers. Zwei Drittel der befragten Führungskräfte sagten, sie seien für KI-Systeme verantwortlich, die sie nicht vollständig kontrollierten, so das Unternehmen in seiner Studie zur KI-Kontrolle.

Diese Erkenntnis ist wichtig, weil Verantwortung ohne Kontrolle organisatorische Unklarheit erzeugt. Ein CIO kann zwar das KI-Programm des Unternehmens verantworten, während einzelne Abteilungen unabhängig Modelle auswählen, Datenquellen anbinden und Automatisierungen erstellen. Das Sicherheitsteam sieht die daraus resultierende Identität möglicherweise erst nach einer Überprüfung oder einem Vorfall.

Auch die KI-Beschaffung kann Befugnisse fragmentieren. Eine Abteilung könnte eine Anwendung mit eingebetteten Agenten kaufen, ohne sie als Agentenprojekt zu bezeichnen. Ein anderes Team könnte einen internen Workflow unter Verwendung einer Modell-API und mehrerer bestehender Automatisierungstools entwickeln.

Beide Bereitstellungen können nicht-menschliche Identitäten schaffen. Diese Identitäten können sich über Cloud-Plattformen, Softwaredienste, interne Datenbanken und Entwicklungsumgebungen erstrecken. Kein einzelnes Inventar erfasst zwangsläufig den vollständigen Pfad.

Es geht nicht nur um die Anzahl der Konten. Identity Governance muss fünf Informationen verknüpfen: was der Agent ist, wem er gehört, warum er existiert, welche Ressourcen er erreichen kann und wann seine Befugnis ablaufen sollte.

Menschliche Mitarbeitende bieten für mehrere dieser Fragen natürliche Ankerpunkte. Ihre Führungskraft genehmigt den Zugriff, eine Stellenrolle begrenzt Berechtigungen und ein Austritt löst einen Offboarding-Prozess aus. KI-Agenten haben keinen vergleichbaren organisatorischen Status, sofern das Unternehmen keinen schafft.

Ein Agent kann auch Befugnisse nutzen, die von einem menschlichen Nutzer geliehen wurden. Dieses Design kann die Bereitstellung vereinfachen, schwächt jedoch die Zurechenbarkeit, wenn Protokolle die Handlungen der Person nicht von denen des Agenten unterscheiden können. Gemeinsame Zugangsdaten schaffen eine noch größere Lücke, weil Untersuchende möglicherweise nicht wissen, welcher Workflow sie verwendet hat.

Sicherheitsteams geraten daher von beiden Seiten unter Druck. Führungskräfte im Geschäft erwarten kürzere Bereitstellungszyklen, während Regulierungsbehörden und Kunden kontrollierten Zugriff auf sensible Informationen erwarten. Identity-Teams müssen beides ermöglichen, ohne jede Agentenanfrage in eine langwierige manuelle Prüfung zu verwandeln.

Die Kontrolllücke erstreckt sich auch auf Wissenssysteme. Ein KI-Assistent, der mit einer unternehmenseigenen Wissensbasis verbunden ist, kann Informationen abrufen, die isoliert betrachtet harmlos erscheinen. Dennoch könnte er sensible Fakten ableiten, indem er mehrere Dokumente kombiniert, die der anfragende Workflow nie gemeinsam analysieren sollte.

Deshalb muss die Zugriffskontrolle über eine Ordnerberechtigung hinausgehen. Organisationen müssen die Beziehungen zwischen Nutzern, Agenten, Datenquellen und generierten Ergebnissen verstehen. Eine gut strukturierte KI-Wissensbasis kann die Informationsgewinnung verbessern, ihr Wert hängt jedoch davon ab, angemessene Grenzen zu wahren.

Die Herausforderung wird größer, wenn sich KI schneller verändert als Zugriffsprüfungen. Ein vierteljährlicher Zertifizierungsprozess könnte einen Agenten für einen Zweck genehmigen. Wochen später könnten Entwickler ein weiteres Tool hinzufügen oder ihm erlauben, eine neue Datenkategorie zu verarbeiten.

Eine statische Genehmigung bildet das bereitgestellte System dann nicht mehr ab. Identity Governance muss wesentliche Änderungen verfolgen, darunter neue Integrationen, umfassendere Berechtigungsumfänge, veränderte Delegationspfade und geänderte Aufbewahrungsregeln.

Google News hebt ein Sicherheitsproblem hervor, das durch das Budgetwachstum sichtbar wird. Unternehmen finanzieren die Fähigkeit, über KI zu handeln, doch viele Governance-Programme konzentrieren sich weiterhin darauf, die Fähigkeit zur Anmeldung zu kontrollieren.

KI-Agenten machen Berechtigungen zum zentralen Zielkonflikt

Der zentrale Zielkonflikt ist einfach: Agenten werden nützlicher, je weiter ihre Befugnisse reichen, doch umfassendere Befugnisse erhöhen die Folgen eines Fehlers.

Ein Agent, der lediglich Texte entwerfen kann, birgt ein begrenztes operatives Risiko. Ein Agent, der auf Kundendateien zugreifen, Zahlungssysteme aufrufen, Infrastruktur verändern oder externe Nachrichten senden kann, kann größeren Nutzen schaffen. Er kann durch Fehler, Manipulation oder gestohlene Zugangsdaten aber auch größeren Schaden anrichten.

Das Prinzip der geringsten Privilegien bedeutet, nur den Zugriff zu gewähren, der für eine klar definierte Aufgabe erforderlich ist. Bei Mitarbeitenden ist seine Anwendung bereits schwierig, weil sich Rollen entwickeln und Berechtigungen ansammeln. Bei Agenten ist sie schwieriger, weil sich die erforderliche Aufgabe dynamisch entfalten kann.

Betrachten wir einen Agenten, der mit der Klärung eines Rechnungsstreits beauftragt ist. Er könnte die Rechnung lesen, eine Bestellung prüfen, einen Vertrag vergleichen, einen internen Genehmiger kontaktieren und eine vorgeschlagene Anpassung erstellen müssen. Er sollte keinen dauerhaften Zugriff auf jede Rechnung oder die Fähigkeit erhalten, seine eigene Anpassung zu genehmigen.

Ein weitreichendes Servicekonto macht diesen Workflow einfach umzusetzen. Eine eng begrenzte Identität erleichtert die Governance, erfordert jedoch ein präziseres Richtliniendesign. Diese Spannung zeigt sich oft erst, wenn aus einem Pilotprojekt ein Produktionsdienst wird.

Delegation fügt eine weitere Ebene hinzu. Ein orchestrierender Agent könnte einen spezialisierten Agenten bitten, Daten abzurufen oder eine Analyse auszuführen. Das Unternehmen muss entscheiden, ob der zweite Agent alle Berechtigungen erbt, nur eine reduzierte Teilmenge erhält oder für eine einzelne Operation temporären Zugriff bekommt.

Wenn Befugnisse über mehrere Agenten weitergegeben werden, müssen Protokolle diese Kette bewahren. Untersuchende müssen wissen, welcher Mensch oder Dienst die Aufgabe ausgelöst hat, welcher Agent jede Entscheidung getroffen hat, welche Ressourcen verwendet wurden und ob die daraus resultierende Aktion innerhalb des genehmigten Zwecks blieb.

McKinsey schätzte, dass auf Agenten ausgerichtete Technologie innerhalb von drei Jahren bis zu 15 Prozent der Cybersicherheitsbudgets von Unternehmen beanspruchen könnte. Laut der Analyse würden sich die Ausgaben neben dem Datenschutz auf Identität und Governance konzentrieren.

Diese Prognose spiegelt einen Wandel der Sicherheitsarchitektur wider. Organisationen haben jahrelang Kontrollen rund um Netzwerke, Geräte und menschliche Konten aufgebaut. Agentische Systeme machen Identität zu einem zentralen Durchsetzungspunkt, weil ein Agent über alle drei Bereiche hinweg arbeiten kann.

Kontinuierliche Autorisierung bietet eine mögliche Antwort. Anstatt den Zugriff einmal bei der Anmeldung zu genehmigen, bewertet ein System, ob eine bestimmte Aktion zum Zeitpunkt der Anforderung weiterhin zulässig ist. Die Entscheidung kann den Agenten, die Aufgabe, die Ressource, den Zeitpunkt, das Risikoniveau und den ursprünglichen Nutzer berücksichtigen.

Temporäre Zugangsdaten verringern ebenfalls die Angriffsfläche. Ein Agent kann Zugangsdaten für eine Aufgabe erhalten und sie automatisch verlieren, wenn die Aufgabe endet. Dieser Ansatz begrenzt den Wert eines gestohlenen Tokens und reduziert die Wahrscheinlichkeit, dass veraltete Zugriffe unbegrenzt bestehen bleiben.

Keine der beiden Techniken löst das gesamte Governance-Problem. Eine Richtlinien-Engine benötigt weiterhin verlässliche Informationen über Zweck und Verantwortlichkeit des Agenten. Temporäre Zugangsdaten können gefährlich weitreichend sein, selbst wenn sie schnell ablaufen.

Auch Unternehmen benötigen eine Aufgabentrennung. Ein Agent, der eine Zahlung vorschlägt, sollte sie nicht zwangsläufig auch autorisieren oder ausführen. Maßnahmen mit hoher Tragweite können eine menschliche Prüfung, einen zweiten Agenten mit anderer Berechtigung oder eine deterministische Geschäftsregel erfordern.

Diese Kontrolle verringert die Autonomie, was Teams enttäuschen kann, die vollständig automatisierte Workflows erwarten. Das Ziel sollte jedoch nicht maximale Autonomie sein. Es sollte das höchste Maß an Autonomie sein, das akzeptable Nachweise, Verantwortlichkeit und Wiederherstellungsoptionen bewahrt.

Hier treffen KI-Ausgaben in Unternehmen am unmittelbarsten auf Identity Governance. Geld finanziert Modelle, Infrastruktur und Integrationsarbeit. Es muss auch die Kontrollen finanzieren, die festlegen, welche Handlungen diese Systeme ausführen dürfen.

Der Markt für Identitätssicherheit hat ein eigenes Nachweisproblem

Anbieterumfragen weisen in dieselbe Richtung, doch ihre Zahlen müssen sorgfältig interpretiert werden.

Sicherheitsanbieter haben mehrere Studien veröffentlicht, die eine schnelle Einführung von Agenten und schwache Identitätskontrollen beschreiben. Diese Berichte liefern nützliche Signale, weil Anbieter Kundenumgebungen und Vorfallmuster beobachten. Zugleich unterstützen sie Produkte, die von den veröffentlichenden Organisationen verkauft werden.

Teleport berichtete in seiner Enterprise-Studie 2026, dass KI-Systeme mit übermäßigen Berechtigungen mit einer 4,5-mal höheren Vorfallrate verbunden waren. Das Unternehmen erklärte zudem, dass 92 Prozent der befragten Unternehmen KI einsetzten, während die Identitätskontrollen hinterherhinkten, wie aus seinem Enterprise-Sicherheitsbericht hervorgeht.

Diese Zahlen sollten nicht als universelle Messwerte behandelt werden. Die Ergebnisse hängen von der Stichprobe, der Formulierung der Fragen, den Definitionen und davon ab, wie Befragte eine KI-Einführung oder einen Sicherheitsvorfall einordnen. Ein Unternehmen, das mit einem Coding-Assistenten experimentiert, ist nicht mit einem Unternehmen gleichzusetzen, das Agenten Änderungen an Produktionssystemen erlaubt.

Das übergeordnete Muster bleibt glaubwürdig, auch wenn die genauen Prozentwerte variieren. Unternehmen fügen nicht-menschliche Identitäten hinzu, und viele bestehende Identitätsprogramme haben bereits Schwierigkeiten, Servicekonten und API-Schlüssel zu inventarisieren. KI-Agenten verleihen diesem bekannten Problem zusätzliche Dynamik.

Eine weitere Einschränkung betrifft die Terminologie. Anbieter verwenden Begriffe wie KI-Agent, Maschinenidentität, Workload-Identität, Servicekonto und nicht-menschliche Identität unterschiedlich. Eine Umfrage kann den Anschein erwecken, Agent-Governance zu messen, obwohl sie mehrere Kategorien der Automatisierung zusammenfasst.

Diese Unklarheit beeinflusst Aussagen zu Ausgaben. Ein Unternehmen könnte ein aufgerüstetes System für privilegierten Zugriff als KI-Sicherheitsinvestition klassifizieren. Ein anderes könnte dieselbe Kontrolle über seine Cloud-Plattform oder sein allgemeines Identitätsbudget finanzieren.

IDC berichtete, dass 16,7 Prozent der geplanten weltweiten KI-Investitionen für die Sicherheit und Governance von KI-Agenten vorgesehen waren. Die Analyse der CISO-Prioritäten nannte außerdem Tool-Wildwuchs, technische Schulden, Kompetenzlücken und Vendor Lock-in als Hindernisse für Kaufentscheidungen.

Diese Zahl zeigt eine erhebliche Aufmerksamkeit auf Käuferseite, beweist aber nicht, dass die Ausgaben zu ausgereifter Governance führen. Unternehmen können sich überschneidende Tools kaufen, ohne ein verlässliches Identitätsinventar oder ein einheitliches Genehmigungsmodell zu schaffen.

Die Integration bleibt der schwierige Teil. Identitätsdaten können sich bei einem Identitätsanbieter, auf einer Cloud-Plattform, in einem Secrets Manager, einem Personalverwaltungssystem, einem Anwendungskatalog und einer Plattform für Sicherheitsoperationen befinden. Metadaten zu Agenten können in einer separaten Entwicklungs- oder Orchestrierungsumgebung liegen.

Ein Governance-Produkt kann nur anzeigen, was angebundene Systeme offenlegen. Shadow AI, also nicht genehmigte oder unentdeckte KI-Nutzung, kann außerhalb dieser Sicht bleiben. Ein Mitarbeiter könnte ein KI-Tool für Verbraucher mit Geschäftsdaten verbinden, ohne eine formale Anwendung zu registrieren.

Oktas Forschung von 2026 beschrieb eine Diskrepanz zwischen dem Vertrauen von Führungskräften und dem Verhalten von Beschäftigten. Sie verband diese Lücke mit unklaren Richtlinien, nicht genehmigten KI-Tools und unzureichenden Schutzmaßnahmen im agentischen Unternehmen.

Die vorsichtige Schlussfolgerung lautet nicht, dass jedes Unternehmen unmittelbar vor einer Identitätskrise steht. Sie lautet, dass Unternehmen kein einheitliches Messsystem für Agentenidentitäten, ihre effektiven Berechtigungen und ihr tatsächliches Verhalten haben.

Effektive Berechtigungen sind wichtiger als zugewiesene Berechtigungen. Ein Agent kann Zugriffe aus mehreren Systemen kombinieren oder Informationen über erlaubte Quellen hinweg ableiten. Jede einzelne Berechtigung kann für sich genommen angemessen erscheinen, während die kombinierte Fähigkeit die beabsichtigte Grenze überschreitet.

Tests müssen daher über die Überprüfung der Konfiguration hinausgehen. Sicherheitsteams müssen versuchte Aktionen, abgelehnte Anfragen, Delegationsmuster, die Nutzung von Zugangsdaten und Datenbewegungen beobachten. Sie müssen außerdem testen, wie Systeme reagieren, wenn ein Agent bösartige Anweisungen erhält oder auf manipulierte Inhalte trifft.

Die Reaktion auf Vorfälle bringt eine weitere Unsicherheit mit sich. Unternehmen können möglicherweise ein Agentenkonto deaktivieren, aber nicht jede damit verbundene Berechtigung, jeden Workflow oder jede nachgelagerte Aufgabe identifizieren. Ein vollständiger Abschaltmechanismus erfordert eine Abbildung von Abhängigkeiten, bevor ein Vorfall eintritt.

Die Erkenntnisse rechtfertigen erhöhte Aufmerksamkeit, nicht blindes Vertrauen in eine bestimmte Plattform oder Statistik. Identity Governance wird erst wirksam, wenn ein Unternehmen nachweisen kann, wem ein Agent gehört, was er tun kann und wie diese Befugnis endet.

Wer durch den Governance-Wandel unter Druck gerät

CIOs tragen den Umsetzungsdruck, CISOs einen Großteil des Risikos, und Identitätsteams übernehmen die operative Arbeitslast.

Chief Information Officers sollen KI-Investitionen in messbare Geschäftsergebnisse überführen. Sie müssen Projekte über Prototypen hinausbringen und zugleich fragmentierte Ausgaben sowie inkompatible Plattformen kontrollieren. Governance, die zu spät kommt, kann den Produktivstart verzögern oder kostspielige Neugestaltungen erzwingen.

Chief Information Security Officers haben einen anderen Anreiz. Sie müssen übermäßigen Zugriff verhindern, Missbrauch erkennen und Vorfälle erklären. Ein Agent, der über gemeinsame Zugangsdaten handelt, kann alle drei Verantwortlichkeiten untergraben.

Teams für Identity and Access Management stehen zwischen diesen Prioritäten. Sie kennen Verzeichnisse, Authentifizierung, privilegierten Zugriff, Zugriffsprüfungen und Konto-Lebenszyklen. Möglicherweise sind sie jedoch nicht für Agentenorchestrierung, Modellverhalten, Data Governance oder Anwendungsdesign zuständig.

Diese Aufteilung schafft Lücken, sofern Unternehmen keine eindeutigen Verantwortlichkeiten festlegen. Jeder produktive Agent benötigt einen fachlichen Verantwortlichen, der seinen Zweck und seine Folgen verantwortet. Er benötigt außerdem einen technischen Verantwortlichen, der Integration, Zugangsdaten, Richtlinien und Monitoring pflegt.

Entwickler stehen unter Druck, weil Identitätskontrollen die Architektur beeinflussen. Ein Prototyp könnte einen langlebigen API-Schlüssel verwenden, der in einer Umgebungsvariablen gespeichert ist. Ein Produktiveinsatz sollte verwaltete Secrets, abgegrenzte Zugangsdaten, Rotation, Ablaufzeiten und nachvollziehbare Anfragen nutzen.

Diese Anforderungen verursachen Entwicklungsaufwand, der leicht unterschätzt wird. Das Modell kann innerhalb von Sekunden eine Antwort erzeugen, aber das umgebende System muss autorisierte Informationen abrufen, Tool-Aufrufe validieren, Entscheidungen protokollieren, Fehler behandeln und unsichere Wiederholungsversuche verhindern.

Unternehmenskäufer müssen mehr als die Modellqualität prüfen. Sie müssen fragen, ob ein KI-Produkt getrennte Identitäten für Agenten, granulare Berechtigungsbereiche, Administratorfreigaben, exportierbare Logs, Rotation von Zugangsdaten und sofortigen Entzug unterstützt.

Sie sollten auch fragen, wie der Anbieter Delegation handhabt. Wenn ein Agent einen anderen Dienst aufruft, muss der Kunde wissen, welche Identität in nachgelagerten Logs erscheint und ob der ursprüngliche Nutzerkontext erhalten bleibt.

Datenverantwortliche spielen ebenfalls eine Rolle, denn Zugriffsentscheidungen können nicht vollständig auf zentrale Sicherheitsteams gestützt werden. Die Person, die für Finanz-, Medizin-, Kunden- oder Engineering-Daten verantwortlich ist, sollte zulässige Zwecke und Handlungen mit höherem Risiko definieren.

Rechts- und Compliance-Teams werden sich für Nachweise interessieren. Ein Richtliniendokument, das besagt, Agenten nutzten das Prinzip der geringsten Berechtigung, ist schwächer als Aufzeichnungen darüber, welche Berechtigungen gewährt wurden, wer sie genehmigte, welche Handlungen erfolgten und wann der Zugriff ablief.

Auch Beschäftigte erleben den Governance-Wandel. Ein streng kontrollierter Agent kann häufiger um Genehmigung bitten oder eine Aufgabe ablehnen, die er innerhalb seiner Berechtigungen nicht ausführen kann. Diese Reibung kann Nutzer dazu verleiten, nicht autorisierte Tools zu wählen, wenn genehmigte Systeme unbrauchbar wirken.

Die Reaktion von Unternehmen muss daher Kontrolle und Nutzbarkeit ausbalancieren. Richtlinien sollten zwischen risikoarmer Entwurfserstellung und Ausführung mit hoher Tragweite unterscheiden. Für beides denselben Genehmigungsprozess zu verlangen, kann Verzögerungen verursachen, ohne die wichtigsten Schutzmaßnahmen zu verbessern.

Der Einkauf kann diese Unterscheidung unterstützen, indem er Produkte nach ihrer Befugnis klassifiziert. Ein Tool, das Dokumente zusammenfasst, birgt ein anderes Risiko als eines, das Datensätze bearbeitet oder extern kommuniziert.

Vorstände sollten sich auf die Exponierung statt auf die Zahl der KI-Projekte konzentrieren. Zehn Agenten mit schreibgeschütztem Zugriff auf öffentliche Informationen können ein geringeres operatives Risiko darstellen als ein Agent mit weitreichenden Produktionsberechtigungen.

Diese Umdeutung macht Identity Governance zu einer Geschäftsentscheidung. Sie verknüpft KI-Ausgaben mit dem Wert und Risiko der automatisierten Handlungen, anstatt jeden Einsatz als gleichwertigen Softwarekauf zu behandeln.

Leser von Google News sollten die Geschichte der Identity Governance daher als Umverteilung von Arbeit verstehen. Höhere KI-Ausgaben beseitigen menschliche Verantwortung nicht. Sie verlagern diese Verantwortung zu den Personen, die maschinelle Befugnisse gestalten, genehmigen und überwachen.

Worauf Unternehmenskäufer als Nächstes achten sollten

Die nächste Phase wird an Identitätsabdeckung, Berechtigungsqualität und Einsatzbereitschaft für Vorfälle gemessen werden, nicht an der Zahl der Agentenankündigungen.

Das erste Signal ist, ob große KI-Plattformen interoperable Identitätsstandards übernehmen. Unternehmen riskieren derzeit, jede Agentenumgebung über unterschiedliche Identitätsobjekte, Logs und Richtliniensysteme verwalten zu müssen.

Gemeinsame Standards würden Unternehmen helfen, einen Agenten über eine Modellplattform, ein Orchestrierungsframework, einen Cloud-Dienst und eine Geschäftsanwendung hinweg konsistent zu identifizieren. Sie würden zudem die Nachverfolgung von Delegationsketten erleichtern.

Die Ankündigung eines Anbieters, Agentenidentitäten zu unterstützen, reicht nicht aus. Käufer sollten prüfen, ob die Identität eindeutig, dauerhaft, einem Verantwortlichen zuordenbar und mit bestehenden Authentifizierungssystemen kompatibel ist. Sie sollten außerdem überprüfen, ob nachgelagerte Anwendungen sie erkennen können.

Das zweite Signal ist die Qualität der Laufzeitautorisierung. Viele Plattformen können den Zugriff bei der Einrichtung begrenzen, aber weniger können jede Handlung anhand der aktuellen Aufgabe und des Kontexts bewerten.

Laufzeitkontrollen sollten praktische Fragen beantworten. Darf dieser Agent für diese Anfrage auf diesen Kundendatensatz zugreifen? Kann er die daraus resultierenden Informationen außerhalb des Unternehmens versenden? Erfordert eine Finanztransaktion eine zweite Genehmigung?

Achten Sie auf Produkte, die kurzlebige Zugangsdaten, Berechtigungsbereiche auf Aufgabenebene, Richtlinienprüfungen und eindeutige Aufzeichnungen über Ablehnungen unterstützen. Diese Fähigkeiten zeigen, dass Identity Governance in die Ausführung übergeht, statt auf eine administrative Prüfung beschränkt zu bleiben.

Das dritte Signal sind Erkenntnisse aus Vorfällen und Audits. Unternehmen werden erfahren, ob ihre Kontrollen funktionieren, wenn ein Agent sich unerwartet verhält, manipulierte Anweisungen erhält oder Befugnisse außerhalb seines vorgesehenen Zwecks nutzt.

Nützliche öffentliche Nachweise wären detaillierte Vorfallberichte, regulatorische Feststellungen, Versicherungsanforderungen und Prüfungsleitlinien. Diese Quellen können zeigen, ob Unternehmen die Handlungen eines Agenten nachvollziehen und jede zugehörige Berechtigung schnell entziehen können.

Ein Rückgang übermäßiger Berechtigungen würde das Argument stärken, dass Identitätsprogramme aufholen. Ein Anstieg von Vorfällen mit gemeinsamen Konten oder unklaren Verantwortlichkeiten würde zeigen, dass die Ausgaben die Governance weiterhin überholen.

Unternehmen können damit beginnen, ihre eigene Position zu messen, ohne auf einen neuen Standard zu warten. Sie sollten produktive Agenten zählen, Verantwortliche benennen, Zugangsdaten erfassen, effektive Berechtigungen abbilden und Ablaufdaten für Zugriffe nachverfolgen.

Die Abdeckung ist die erste hilfreiche Kennzahl. Eine Organisation kann keinen Agenten steuern, den sie nicht entdeckt hat. Das Inventar sollte gekaufte Anwendungen mit eingebetteten Agenten, intern entwickelte Workflows und von Mitarbeitenden erstellte Automatisierungen umfassen.

Die Qualität der Berechtigungen ist die zweite Kennzahl. Teams sollten messen, wie viele Agenten über weitreichende oder dauerhafte Zugriffe verfügen, wie häufig Anfragen abgelehnt werden und ob sensible Aktionen eine zusätzliche Genehmigung erfordern.

Die Performance im Lebenszyklus ist die dritte Kennzahl. Unternehmen sollten wissen, wie lange es dauert, eine Agentenidentität zu erstellen, zu prüfen, zu ändern, zu sperren und stillzulegen. Langsame Prozesse fördern Umgehungslösungen, während fehlende Kontrollen zur Stilllegung unnötige Zugriffe bestehen lassen.

Die Bereitschaft für Vorfälle liefert den abschließenden Test. Ein Team sollte in der Lage sein, einen Agenten zu deaktivieren, seine Zugangsdaten zu widerrufen, wartende Aufgaben zu stoppen, betroffene Ressourcen zu identifizieren und die Abfolge der Aktionen zu rekonstruieren.

Diese Schritte erfordern nicht, dass Unternehmen ihre bestehenden Identitätssysteme aufgeben. Viele Organisationen können ihre aktuellen Governance-Prozesse erweitern, wenn diese Systeme Maschinenidentitäten, temporäre Berechtigungen und detaillierte Ereignisdaten unterstützen.

Allein Agenten in mitarbeiterähnliche Rollen einzuordnen, wird dynamische Delegation oder aufgabenspezifischen Zugriff jedoch nicht lösen. Unternehmen werden Richtlinien benötigen, die sich an Aktionen und Zwecken orientieren – nicht nur an Stellenbezeichnungen.

Google News hat eine aktuelle Schlagzeile aufgegriffen, doch die nachhaltige Geschichte ist operativ. Die Ausgaben für Enterprise AI schaffen Systeme, die Berechtigungen mit Maschinengeschwindigkeit ausüben können. Die Identitäts-Governance muss bestimmen, wessen Befugnisse sie nutzen, wie weit diese reichen und wann sie enden.

Die nächste Frage für jeden Käufer von AI ist konkret: Kann Ihre Organisation jeden produktiven Agenten benennen, seinen Verantwortlichen identifizieren, seine effektiven Berechtigungen erklären und sie widerrufen, ohne unabhängige Arbeit zu beeinträchtigen? Wenn die Antwort weiterhin unklar ist, hat das AI-Budget bereits eine Governance-Verpflichtung geschaffen, die das Sicherheitsbudget lösen muss.