Nur 14,4 % der Unternehmen genehmigen jeden KI-Agenten, bevor er live geschaltet wird
Führungskräfte sind zuversichtlich, die Telemetrie ist es nicht. In einer Umfrage unter mehr als 900 Führungskräften und technischen Fachkräften gaben 82 % der Führungskräfte an, sicher zu sein, dass ihre bestehenden Richtlinien sie vor unautorisierten Aktionen von KI-Agents schützen. Dieselbe Studie ergab jedoch, dass weniger als jede sechste Organisation jeden Agenten mit vollständiger Sicherheits- und IT-Freigabe live schaltet. Beide Aussagen können nicht dauerhaft wahr bleiben – und genau in dieser Lücke entsteht der nächste Audit-Befund.
Diese Lücke ist kein Technologieproblem, das auf ein besseres Tool wartet. Es ist ein Evidenzproblem. Wenn ein Agent auf regulierte Daten zugreift, fragt ein Regulator, Prüfer oder gegnerischer Anwalt, wer den Agenten autorisiert hat, auf welche Daten er zugegriffen hat und unter welcher Regel. Eine schriftliche Richtlinie beantwortet keine dieser Fragen. Ein manipulationssicheres Protokoll, das jede Aktion einer Identität und einer Richtlinienentscheidung zuordnet, beantwortet alle drei.
Dieser Beitrag nutzt die Umfrageergebnisse, um aufzuzeigen, wo Agenten-Governance funktioniert und wo sie versagt – geschrieben für den CISO und den Chief Compliance Officer, die für die Antwort einstehen müssen. Kiteworks Secure Data Exchange ist rund um diese Evidenzfrage aufgebaut, und das folgende Argument wendet dieselben Regeln auf Agents und auf die Personen an, die Aufgaben an sie delegieren.
Wichtige Erkenntnisse
1. Freigaben hinken der Bereitstellung hinterher.
Agents gelangen in den Produktivbetrieb, bevor Security und IT ihre Freigabe erteilen. Das bedeutet, dass die Überprüfung, die viele Richtlinien voraussetzen, für die meisten Agents nicht stattfindet.
2. Zuversicht ist keine Kontrolle.
Eine schriftliche Richtlinie, die kein System beim Datenzugriff durchsetzt, ist eine Absichtserklärung – und ein Prüfer wird sie auch so lesen.
3. Ein Agent ohne Identität hinterlässt keine Spuren.
Geteilte Zugangsdaten und unüberwachte Agents kappen die Verbindung zwischen Aktion und verantwortlicher Person – und ein Ermittler braucht jede einzelne Verbindung.
4. Regulatoren regulieren Daten, nicht Modelle.
Für Offenlegung und Schutzmaßnahmen gelten dieselben Anforderungen, egal ob eine Person oder ein Agent auf den Datensatz zugegriffen hat.
5. Verantwortlichkeit ist die günstigste Lücke, die sich schließen lässt.
Einen verantwortlichen Eigentümer für die Lese-, Schreib- und Freigaberechte von Agents zu benennen, kostet wenig und macht jede spätere Kontrolle nachvollziehbar.
Die Zahlen hinter der Freigabelücke
Der Gravitee State of AI Agent Security 2026 Report, veröffentlicht im Februar 2026 und basierend auf mehr als 900 Führungskräften und technischen Fachkräften, ergab, dass 80,9 % der technischen Teams bereits von der Planung in aktive Tests oder den Produktivbetrieb übergegangen sind. Nur 14,4 % berichteten, dass alle ihre KI-Agents mit vollständiger Sicherheits- und IT-Freigabe live gingen. Stellt man diese beiden Zahlen nebeneinander, wird die Reihenfolge klar: Agents werden zuerst gestartet, die Freigabe folgt – wenn überhaupt – später.
Lesen Sie die Quelle, bevor Sie sich auf die Zahlen stützen. Gravitee verkauft API-Management, und eine Anbieterumfrage ist kein repräsentativer Querschnitt der Wirtschaft. Die Zahlen sind als Richtungsanzeige zu verstehen. Das ist hier dennoch hilfreich, weil die Richtung dem entspricht, was Sicherheitsverantwortliche im vertraulichen Gespräch schildern. Niemand berichtet, dass Agents brav auf ein Review warten.
Im selben Bericht gaben 88 % der Organisationen an, einen KI-Agent-Sicherheitsvorfall bestätigt oder vermutet zu haben. Diese Zahl sollte mit Vorsicht betrachtet werden: Die Anzahl der Vorfälle sagt, wie oft etwas schiefgelaufen ist – aber nicht, ob die Organisation erklären kann, was passiert ist, bei wem, mit welchen Daten und unter wessen Autorität. CISO und Chief Compliance Officer werden an der Erklärung gemessen, nicht an der Anzahl.
Die Folge ist eine Vielzahl von Agents, die Security- und Compliance-Teams vor dem Start nie gesehen haben. Sie wissen nicht, wozu jeder Agent autorisiert war, welche Zugangsdaten er nutzt oder ob er andere Agents starten kann. Jeder nicht geprüfte Agent ist eine offene Frage für einen Prüfer – und mit jedem Team, das einen Agenten ausliefert, vervielfachen sich diese Fragen.
Sie vertrauen darauf, dass Ihr Unternehmen sicher ist. Aber können Sie es auch nachweisen?
Jetzt lesen
Zuversicht ist keine Kontrolle
Die unangenehmste Erkenntnis der Umfrage betrifft die Wahrnehmung: Gravitee berichtet, dass 82 % der Führungskräfte überzeugt sind, ihre bestehenden Richtlinien schützen sie vor unautorisierten Agentenaktionen, während im Schnitt nur 47,1 % der Agents aktiv überwacht oder abgesichert sind. Führungskräfte täuschen nicht – sie schließen aus den besten ihnen vorliegenden Informationen, meist einer schriftlichen Richtlinie.
Das ist Governance-Theater – und es verdient eine Benennung ohne Verachtung. Eine Richtlinie beschreibt, was das Unternehmen beabsichtigt. Eine Kontrolle ist ein Mechanismus, der das tatsächliche Geschehen stoppt oder protokolliert, unabhängig davon, ob sich jemand an die Richtlinie erinnert. Dazwischen liegt der Moment, in dem ein Agent auf Daten zugreift – und die meisten Führungskräfte haben nie gesehen, was an diesem Punkt tatsächlich passiert.
Ein Prüfer unterscheidet klar zwischen beiden. Wird ein Nachweis verlangt, dass eine Richtlinie durchgesetzt wird, will der Prüfer das System sehen, das sie durchsetzt, und das Protokoll, das dies belegt. Ein Richtlinienordner zeigt, dass jemand eine Regel aufgeschrieben hat – aber nicht, dass eine Anfrage je gegen diese Regel geprüft wurde. Nur Letzteres kann ein Prüfer testen.
Wie Bonfy.AI argumentiert: Die KI-Agents sind nicht außer Kontrolle geraten – sie sind dorthin gegangen, wo niemand hinsah. Das Fehlen eines Beobachters ist ein Governance-Problem, kein Agentenfehler. Die Zuversichtslücke schließt sich erst, wenn ein Beobachter und ein Durchsetzer am Zugriffspunkt platziert werden – und das Protokoll dort gespeichert wird, wo der Agent es nicht verändern kann.
Ein System-Prompt schließt diese Lücke nicht. Eine Anweisung, ein Modell solle bestimmte Datensätze meiden, kann durch Prompt Injection umgangen oder durch ein Modell-Update verändert werden. Ein Prüfer akzeptiert „das Modell wurde angewiesen, es nicht zu tun“ nicht als Zugriffssteuerungsnachweis. Die Durchsetzung muss bei den Daten liegen, unabhängig vom Modell, und ein Protokoll hinterlassen, das die Sitzung überdauert.
Agents ohne Identität hinterlassen keine Spuren
Die Identität ist der erste Bruch in der Nachweiskette. Gravitee fand heraus, dass nur 21,9 % der Teams Agents als unabhängige, identitätsführende Entitäten behandeln. Die übrigen lassen Agents mit geliehenen Zugangsdaten agieren – das bedeutet, ein Zugriffsprotokoll zeigt, dass etwas auf einen Datensatz zugegriffen hat, aber nicht, welcher Agent es war oder wer ihn beauftragt hat.
Im Auditfall: Ein geteiltes Zugangsdatenpaar kann den Akteur nicht identifizieren. Ein Akteur ohne Identität kann nicht der Person zugeordnet werden, die die Aufgabe delegiert hat. Ein Workflow, den niemand überwacht, hinterlässt überhaupt kein Protokoll. Jede dieser Lücken entfernt eine Verbindung zwischen Aktion und verantwortlicher Person – und eine nachvollziehbare Untersuchung braucht die vollständige Kette von Autorisierung über Aktion bis zum Ergebnis.
Die Authentifizierungspraxis zeigt, wie sich das Problem etabliert. Der Bericht ergab, dass 45,6 % der Teams weiterhin auf geteilte API-Schlüssel für die Authentifizierung zwischen Agents setzen. Geteilte Schlüssel sind bequem – und Bequemlichkeit macht aus einer Governance-Lücke schnell den Standard. Niemand hat bewusst entschieden, Agents anonym zu machen. Teams haben einfach bewährte Praktiken aus dem Servicebereich übernommen.
Die Fähigkeiten der Agents verschärfen das Problem: Agents, die weitere Agents erstellen und beauftragen können, verlängern die Delegationskette um ein nicht autorisiertes Glied. Ein Agent, der einen weiteren Agent startet, gibt alle Zugriffsrechte weiter, die er selbst besitzt – der neue Agent erbt also den Zugriff seines „Elternteils“. Was Sie nicht zuordnen können, können Sie nicht steuern – und ein Agentenbaum ohne Identität an jedem Knoten ist praktisch nicht rekonstruierbar.
Die Lösung ist einfach formuliert, aber anspruchsvoll in der Umsetzung: Behandeln Sie Agents und Menschen als zwei Identitätsklassen unter einem Governance-Modell. Jeder Agent handelt für eine benannte Person, innerhalb von Richtliniengrenzen, mit einem Protokoll, das jede Aktion auf die delegierende Person zurückführt. Das ist Attribution, nicht Unabhängigkeit – und genau das verlangt ein Ermittler.
Regulatoren regulieren Daten, nicht Modelle
Denken Sie an ein Gesundheitssystem, dessen Agent eine Patientenakte liest, eine Zusammenfassung erstellt und das Ergebnis an einem ungeeigneten Ort speichert. Für die regulatorische Bewertung spielt es keine Rolle, dass die Aktion von Software ausging. Die Verpflichtung bezieht sich auf die geschützten Gesundheitsdaten und die zugesagten Schutzmaßnahmen – HIPAA fragt nicht, ob ein Arzt oder ein Programm auf die Akte zugegriffen hat. Dasselbe gilt für Kartendaten nach PCI DSS und Kundendaten nach GLBA und SOX. Die Rechtsabteilung entscheidet im Einzelfall, was meldepflichtig ist; dieser Beitrag liefert allgemeine Informationen.
Was der Chief Compliance Officer braucht, sind Nachweise, die schneller eintreffen als die Uhr tickt. Der Kiteworks Data Security and Compliance Risk: 2026 Annual Survey Report ergab, dass 50 % der Organisationen kein vollständiges Audit-Protokoll zum KI-Datenzugriff innerhalb eines Werktags liefern können – und 63 % berichteten in den letzten zwölf Monaten von einer Compliance-Folge, etwa einem Audit-Befund, einem Sanierungsplan, einer Eskalation an den Vorstand, einer Vertragsstrafe oder einer formellen Untersuchung. Meldefristen und Prüfer-Timelines laufen in Tagen – ein Nachweispaket, das Wochen braucht, ist ein Risiko für sich.
Die Evidenzlücke ist das Problem des CCO. Protokolle existieren oft, aber ein Protokoll ist erst dann ein Nachweis, wenn es eine Aktion einer Identität, einer Richtlinienentscheidung und einem unveränderbaren Zeitstempel zuordnet. Ein starker Audit-Trail macht den Unterschied zwischen „wahrscheinlich passiert“ und „nachweislich passiert“.
Das Beispiel Finanzdienstleistungen zeigt die Tragweite: Aufsichtsbehörden erwarten, dass Unternehmen Settlement-, Treasury- und Kundendaten schützen – unabhängig davon, wer darauf zugreift. Finanzdienstleister, die Agents zur Produktivitätssteigerung einsetzen, müssen diese Erwartungen nun auf jede Identität ausweiten, die regulierte Inhalte erreichen kann. Dasselbe gilt für Healthcare, Legal und die Defense-Industrie.
Wie ein Vorfall aussieht, wenn niemand den Weg freigegeben hat
Ein aktueller, konkreter Fall zeigt, wie sich die Lücke auswirkt: Cybernews berichtete, dass KI-Coding-Agents über 13.000 interne Screenshots von 343 Technologieunternehmen in öffentlichen GitHub-Repositories veröffentlichten – darunter Kundendaten, Abrechnungsdaten, Zahlungsbildschirme und unveröffentlichte Produktfeatures. Die Agents konnten keine Bilder an private Pull Requests anhängen und veröffentlichten sie daher als Fallback öffentlich.
Für diese Abfolge brauchte es keinen Angreifer. Die Agents erledigten Aufgaben mit bestehenden Berechtigungen, und keine Richtlinie untersagte den Workaround in einer Form, die Software umsetzen konnte. Das ist die Freigabelücke im Kleinen: Eine Aktion ohne nachvollziehbare Entscheidung, auf Daten, die unter Regulierung stehen, ohne Protokoll, das das Compliance-Team vorlegen könnte.
Die Lehre für den CISO ist nicht, dass Coding-Agents gefährlich sind. Sondern: Autorität und Berechtigung sind nicht dasselbe. Die Berechtigung, ein öffentliches Repository zu erstellen, ist nicht gleichbedeutend mit der Autorität, interne Daten darin zu veröffentlichen – und Berechtigungen bestimmen nicht, was KI nutzen darf. Die meisten Umgebungen können das noch nicht unterscheiden.
Die Lehre für den Chief Compliance Officer ist die Evidenzfrage: Nach einem solchen Vorfall muss das Unternehmen nachweisen, wer den Datenabfluss autorisiert hat, welche Regel die Entscheidung steuerte und wo das Protokoll ist. Wenn die Antwort lautet „wir müssten es rekonstruieren“, ist das Unternehmen bereits im Rückstand gegenüber dem Regulator.
Shadow AI vergrößert die Lücke schneller, als Richtlinien sie schließen
Der IBM 2026 Cost of a Data Breach Report liefert Zahlen zu den Kosten: Shadow-AI-Vorfälle machten 43 % der Datenschutzverletzungen in der Stichprobe aus, gegenüber 20 % im Vorjahr – und sie waren mit durchschnittlich 5,39 Millionen US-Dollar teurer. 68 % der betroffenen Organisationen hatten keine Governance, um KI zu steuern oder Shadow AI zu erkennen, und 92 % der Unternehmen mit KI-bezogener Datenschutzverletzung fehlten angemessene KI-Zugriffskontrollen.
Diese Zahlen beschreiben Organisationen, die KI schneller eingeführt haben, als sie Kontrollmechanismen aufgebaut haben. Die Freigabelücke in den Gravitee-Daten ist dieselbe Geschichte auf Ebene einer einzelnen Deployment-Pipeline: Ein Agent, der ohne Review in die Produktion geht, ist Shadow AI unter anderem Namen – unabhängig davon, ob das Team ihn so sieht.
Nutzungsdaten zeigen, warum die Lücke wächst: Verizons 2026 Data Breach Investigations Report fand heraus, dass inzwischen 45 % der Mitarbeitenden regelmäßig KI auf Unternehmensgeräten nutzen, gegenüber 15 % im Vorjahr. Der Anteil über nicht-unternehmenseigene Accounts lag bei 67 % und sank nur leicht – es handelt sich also nicht um eine explodierende Schattennutzung, sondern um eine Verdreifachung der Gesamtnutzung mit weiterhin überwiegender Nutzung außerhalb der für das Security-Team sichtbaren Identitätsschicht.
Auch von oben wird die Nutzung gefördert: Der OneTrust 2026 AI-Ready Governance Survey Report, basierend auf 1.200 Entscheidern in acht Märkten, fand heraus, dass 87 % der Unternehmen den Einsatz von KI-Agents fördern, während nur 47 % klare Governance, Überwachung und Kontrollen für Agents haben. Auch dies ist eine Anbieterumfrage und als Richtungsanzeige zu verstehen – aber eine Lücke von vierzig Prozentpunkten zwischen Förderung und Kontrolle ist eine Verantwortlichkeitslücke, kein Technologieproblem.
Was Data-Layer-Governance ändert – und was nicht
Kiteworks Compliant AI steuert den Agenten-Zugriff auf regulierte Daten direkt auf der Datenebene – unabhängig vom Modell, Prompt oder Agenten-Framework. Jede Interaktion durchläuft vier Kontrollpunkte: Der Agent authentifiziert sich per OAuth 2.0 und wird mit dem delegierenden Menschen verknüpft. Attributbasierte Richtlinien prüfen die Anfrage in Echtzeit gegen die Identität des Agents, die Datenklassifizierung und den Kontext und erzwingen minimal erforderlichen Zugriff auf Operationsebene. FIPS 140-3 validierte Verschlüsselung schützt die Daten während der Übertragung und im ruhenden Zustand. Ein manipulationssicherer Audit-Trail protokolliert die Interaktion mit vollständiger Attribution und leitet sie an das SIEM des Security-Teams weiter.
Der Kiteworks Secure MCP Server setzt dieses Modell vor KI-Clients wie Claude und Copilot. Jede Anfrage wird anhand rollenbasierter und attributbasierter Zugriffskontrollen über die Data Policy Engine geprüft, sodass ein KI-Client nur die Daten erhält, die die Richtlinie erlaubt. OAuth-Tokens liegen im Betriebssystem-Keystore und werden dem Sprachmodell nie zugänglich gemacht. Dateiinhalte, die der Server überträgt, werden dem Modellkontext nur mit expliziter Nutzeraktion hinzugefügt. Vor einem Download prüft der Server den Status von Antivirus– und Data Loss Prevention-Scan, und Administratoren können destruktive Tools deaktivieren oder den Zugriff auf bestimmte Tools für Agents komplett einschränken.
Stellen Sie sich vor, Agents würden interne Systeme und Daten nur über einen solchen kontrollierten Pfad erreichen. Jede Anfrage wäre einem menschlichen Autorisierer zugeordnet, gegen Richtlinien geprüft und protokolliert – das Unternehmen hätte einen Nachweis, der die Fragen „wer, was, unter welcher Regel“ beantwortet. Der CCO hätte Evidenz für den Prüfer, der CISO einen Kontrollpunkt, der nicht vom Agentenverhalten abhängt. Ein zero trust Ansatz für generative KI setzt dasselbe Prinzip um: Kein implizites Vertrauen in die Identität oder Absicht des Agents.
Die Grenze dieses Anspruchs ist wichtig: Eine kontrollierte Datenebene steuert, was Agents erreichen und protokolliert ihr Handeln. Sie kontrolliert aber nicht, welchen Screenshot ein Agent vom eigenen Bildschirm eines Entwicklers macht, und sie verhindert nicht die Erstellung eines öffentlichen Repos auf einem Privataccount. Kontrollen für diese Ziele gehören neben die Data-Layer-Governance, nicht an deren Stelle. Gemeinsam decken sie sowohl die Daten ab, die ein Agent anfordern kann, als auch die Ziele, die er nutzen darf.
Ein Governance-Playbook für CISOs und Compliance Officer
Starten Sie mit Verantwortlichkeit: Benennen Sie eine einzige verantwortliche Führungskraft für die Lese-, Schreib-, Veröffentlichungs- und Freigaberechte von Agents – mit Autorität über Engineering, Security und Compliance hinweg. Die Verantwortlichkeit für KI-Sicherheit ist in den meisten Organisationen ungeklärt, verschiedene Führungskräfte beanspruchen die Rolle je nach Perspektive – und keine technische Kontrolle ersetzt einen leeren Stuhl.
Erstellen Sie als Nächstes ein Inventar aller Agents in Produktion und Test. Dokumentieren Sie, wer ihn gebaut hat, wer seine Aufgaben delegiert hat, welche Zugangsdaten er nutzt, auf welche Daten er zugreifen kann und ob er andere Agents starten darf. Die Gravitee-Zahlen deuten darauf hin, dass die meisten Organisationen diese Liste heute nicht liefern können – das erste Ergebnis ist also die Liste, nicht das Tool.
Drittens: Geben Sie jedem Agenten eine Identität, die auf den autorisierenden Menschen zurückführt, und schaffen Sie geteilte Schlüssel für die Authentifizierung zwischen Agents ab. Wenden Sie dieselben Datenklassifizierungs- und Handhabungsregeln auf Agents an wie auf Menschen – auch für Bilder und Aufnahmen, die textbasierte Kontrollen umgehen.
Viertens: Erzwingen Sie Richtlinien dort, wo der Agent auf Daten zugreift, nicht dort, wo die Richtlinie geschrieben steht. Eine Regel im Handbuch, die niemand prüft, wird ein Prüfer nicht anerkennen. Kombinieren Sie die Durchsetzung mit einem dokumentierten Incident-Response-Prozess, der auch agentenverursachte Vorfälle abdeckt.
Zuletzt: Üben Sie den Nachweis. Wählen Sie einen Agenten-Workflow, bitten Sie das Team, das vollständige Protokoll über die Zugriffe und die Autorisierung vorzulegen, und messen Sie die Zeit. Ein CISO-Dashboard, das Agenten- und menschliche Aktivitäten nebeneinander zeigt, liefert die Antwort in Minuten. Dauert die Übung eine Woche, kennt das Unternehmen seine tatsächliche Gefährdung, bevor es der Regulator tut.
Die Verantwortlichkeitsfrage, die jedes Board als Nächstes stellt
Die Freigabelücke schließt sich nicht von selbst – der Druck wirkt nur in eine Richtung. Business-Teams werden für die Auslieferung von Agents belohnt, Reviews bringen erst dann sichtbaren Nutzen, wenn etwas schiefgeht. KI-Agents brechen traditionelle Sicherheitsmodelle, weil diese Modelle davon ausgingen, dass ein Mensch im Entscheidungsprozess innehält.
Boards werden im nächsten Zyklus zwei Fragen stellen: Wer ist verantwortlich für das, was unsere Agents tun – und können wir das nachweisen? Führungskräfte, die beide Fragen mit benanntem Verantwortlichen, Agenten-Inventar und Evidenzpaket beantworten können, werden die Umfragezahlen als Benchmark sehen, die sie übertreffen. Wer das nicht kann, wird sich in diesen Zahlen wiederfinden.
Erfahren Sie mehr über die Governance von KI-Agenten-Zugriffen mit auditfähigen Nachweisen – vereinbaren Sie jetzt eine individuelle Demo.
Häufig gestellte Fragen
Die Freigabelücke beschreibt die Differenz zwischen der Anzahl laufender KI-Agents und der Anzahl, die vor dem Start eine vollständige Sicherheits- und IT-Prüfung durchlaufen haben. Eine Umfrage aus 2026 ergab, dass nur 14,4 % der Organisationen berichten, dass jeder Agent mit vollständiger Freigabe live geht. Die meisten Unternehmen haben also Agents im Einsatz, die kein Security- oder Compliance-Team bewertet hat – die Lücke ist der Normalfall, nicht die Ausnahme. Sie ist relevant, weil sie die Nachweise entfernt, die ein Prüfer erwartet, etwa wer den Agenten autorisiert hat und auf welche Daten er zugreifen darf. Ein dokumentiertes Governance-, Risk- und Compliance-Programm, das Agents explizit benennt, beginnt, diese Lücke zu schließen.
Führungskräfte orientieren sich an schriftlichen Richtlinien – und die wirken auf dem Papier vollständig. Umfragedaten zeigen: 82 % der Führungskräfte sind überzeugt, dass ihre Richtlinien sie schützen, während im Schnitt weniger als die Hälfte der Agents aktiv überwacht oder abgesichert ist. Das Vertrauen ist nicht unehrlich, sondern beruht auf fehlender Kenntnis über die Durchsetzung beim Datenzugriff. Die Lücke schließt sich, wenn Führungskräften gezeigt wird, wie Durchsetzung bei jeder Anfrage aussieht – statt sie auf ein Dokument zu vertrösten. Ein Report, der Agenten- und menschliche Aktivitäten nebeneinander zeigt, etwa ein CISO-Dashboard, ersetzt Vertrauen durch Nachweis.
Ein Regulator oder Prüfer erwartet ein Protokoll, das jede Agentenaktion einer Identität, einer Richtlinienentscheidung und einem unveränderbaren Zeitstempel zuordnet. Das Protokoll sollte zeigen, welcher Mensch den Workflow delegiert hat, welche Daten betroffen waren und welche Regel die Anfrage erlaubte oder blockierte. Der Kiteworks Data Security and Compliance Risk: 2026 Annual Survey Report ergab, dass 50 % der Organisationen kein vollständiges Audit-Protokoll zum KI-Datenzugriff innerhalb eines Werktags liefern können – üben Sie die Abfrage, bevor der Prüfer sie stellt. Zentrale Audit-Logs, die Menschen und Agents gemeinsam abdecken, machen die Abfrage reproduzierbar.
Ja, denn die Verpflichtungen beziehen sich auf die Daten. HIPAA, PCI DSS, SOX und ähnliche Frameworks verlangen Zugriffskontrollen, Verschlüsselung und Audit-Trails für regulierte Daten – und diese Anforderungen gelten gleichermaßen, wenn ein Agent darauf zugreift. Wer auf agentenspezifische Regeln wartet, setzt sich unnötig Risiken aus, denn Regulatoren erwarten seit Langem, dass Zugriffskontrollen jede Identität abdecken, die auf regulierte Daten zugreifen kann. Ein Review gegen HIPAA und die anderen für Ihre Daten geltenden Frameworks, mit explizit benannten Agents, schließt die Lücke.
Die ehrliche Antwort: Viele Organisationen haben das noch nicht entschieden – und das ist bereits der Befund. Verschiedene Umfragen sehen unterschiedliche Führungskräfte in der Verantwortung, und viele Unternehmen berichten von fehlender klarer Verantwortlichkeit über den gesamten KI-Lebenszyklus. Die Lösung ist organisatorisch, nicht technisch: Benennen Sie eine verantwortliche Führungskraft, dokumentieren Sie die Delegationskette vom Menschen zum Agenten und verankern Sie beides im AI Data Governance-Programm, wobei Kiteworks Compliant AI die Kontrollen auf Datenebene adressiert.
Weitere Ressourcen
- Blogbeitrag
Zero‑Trust-Strategien für kostengünstigen KI-Datenschutz - Blogbeitrag
Wie 77 % der Unternehmen bei der KI-Datensicherheit versagen - eBook
AI Governance Gap: Warum 91 % kleiner Unternehmen 2025 russisches Roulette mit Datensicherheit spielen - Blogbeitrag
Für Ihre Daten gibt es kein „–dangerously-skip-permissions“ - Blogbeitrag
Regulatoren fragen nicht mehr nach einer KI-Richtlinie. Sie wollen den Nachweis, dass sie funktioniert.