How AI Agents Are Changing Enterprise Identity and Access Management

Das Identitäts- und Zugriffsmanagement in Unternehmen war traditionell auf Menschen ausgerichtet.

Ein Mitarbeiter meldet sich an, weist seine Identität nach, erhält entsprechend seiner Rolle Zugriff und nutzt diesen, um eine Aufgabe auszuführen. Identitätsteams verwalten die Berechtigungen des Benutzers, Sicherheitsteams überwachen Aktivitäten, und der Zugriff wird regelmäßig überprüft.

Dieses Modell funktionierte einigermaßen gut, solange Menschen die wichtigsten Akteure innerhalb einer Organisation waren.

KI-Agenten stellen diese Annahme infrage.

Moderne KI-Agenten können weit mehr, als Texte zu generieren oder Fragen zu beantworten. Sie können mit Anwendungen interagieren, APIs aufrufen, Informationen abrufen, Unternehmenstools nutzen und mehrstufige Workflows ausführen.

In manchen Umgebungen können sie mit begrenztem menschlichem Eingreifen kontinuierlich arbeiten.

Das schafft ein neues Identitätsproblem.

Die Frage lautet nicht mehr nur „Wer hat Zugriff?“

Organisationen müssen außerdem fragen: Was darf der KI-Agent tun, warum tut er es, welche Identität verwendet er, und wie lange soll dieser Zugriff verfügbar bleiben?

NIST hat diese Herausforderung kürzlich hervorgehoben und darauf hingewiesen, dass Unternehmen agentische KI schnell einsetzen, während herkömmliche Sicherheitsvorkehrungen möglicherweise nicht ausreichen, um die neuen Risiken autonomer Systeme abzufangen.

Das bedeutet nicht, dass herkömmliches IAM irrelevant wird. Stattdessen müssen Unternehmen die Identitätssicherheit erweitern , um eine neue Klasse digitaler Akteure zu berücksichtigen.

KI-Agenten sind keine herkömmlichen Dienstkonten

Organisationen beschäftigen sich seit Jahren mit nicht-menschlichen Identitäten.

Dienstkonten, API-Schlüssel, Anwendungsidentitäten und Workload-Identitäten greifen bereits auf Unternehmenssysteme zu, ohne dass hinter jeder Anfrage eine Person sitzt.

KI-Agenten bringen einen wichtigen Unterschied mit sich.

Ein herkömmliches Dienstkonto erfüllt im Allgemeinen eine festgelegte Funktion. Ein KI-Agent kann Anweisungen interpretieren, Tools auswählen, Informationen abrufen und möglicherweise entscheiden, welche Aktionen zum Erreichen eines Ziels erforderlich sind.

Das führt zu mehr Variabilität.

Betrachten wir beispielsweise einen internen KI-Agenten, der ein Finanzteam unterstützen soll.

Der Agent könnte Folgendes tun dürfen:

• Finanzberichte lesen
• Ein internes Dokumentenarchiv durchsuchen
• Kundeninformationen abrufen
• Berichte erstellen
• Informationen an eine andere Anwendung senden

Die Sicherheitsfrage wird komplizierter, wenn derselbe Agent außerdem Datensätze ändern, Transaktionen genehmigen oder auf sensible Kundendaten zugreifen kann.

Dem Agenten weitreichende Berechtigungen zu geben, nur weil er seine Aufgaben erledigen muss, kann unnötige Risiken schaffen.

Deshalb sollten KI-Agenten nicht einfach dasselbe Zugriffsmodell wie herkömmliche Anwendungen übernehmen.

Herkömmliches IAM beantwortet die Frage „Wer?“, Agenten fügen die Frage „Warum?“ hinzu.

Herkömmliches IAM konzentriert sich stark auf Identität und Zugriff.

Ein Benutzer authentifiziert sich, das System legt fest, auf welche Ressourcen er zugreifen darf, und Richtlinien bestimmen, was er tun kann.

KI-Agenten benötigen eine zusätzliche Kontextebene.

Stellen Sie sich vor, ein Agent hat die Berechtigung, auf eine Kundendatenbank zuzugreifen.

Das bedeutet nicht zwangsläufig, dass jede Datenbankoperation erlaubt sein sollte.

Das Sicherheitssystem muss möglicherweise auch verstehen:

• Wer hat die Aufgabe initiiert?
• Was will der Agent erreichen?
• Auf welche Anwendung oder welches Tool wird zugegriffen?
• Welche Informationen werden angefordert?
• Wie sensibel sind diese Informationen?
• Entspricht die Anfrage dem normalen Verhalten des Agenten?
• Wie lange soll die Berechtigung aktiv bleiben?

Damit bewegt sich die Identitätssicherheit hin zu kontext- und absichtsbasierten Zugriffsentscheidungen.

Auch aktuelle Untersuchungen zu agentischen Identitäten haben die Lücke zwischen herkömmlichen IAM-Modellen und Agenten hervorgehoben, die mit nicht-menschlichen Identitäten und delegierten Berechtigungen in Maschinengeschwindigkeit arbeiten.

Das Wachstum nicht-menschlicher Identitäten verändert die IAM-Landschaft

Identitätsteams in Unternehmen müssen sich bereits mit einer wachsenden Zahl nicht-menschlicher Identitäten befassen.

Cloud-Workloads, Anwendungen, APIs, Automatisierungsplattformen und Dienstkonten können allesamt Zugangsdaten benötigen.

KI-Agenten fügen eine weitere Kategorie hinzu.

Eine Organisation könnte letztlich Hunderte oder Tausende Agenten haben, die in SaaS-Anwendungen, Cloud-Umgebungen und internen Systemen unterschiedliche Funktionen ausführen.

Das schafft mehrere praktische Probleme.

1. Bestandsaufnahme der Identitäten

Sicherheitsteams müssen wissen, welche KI-Agenten existieren.

Das klingt einfach, aber KI-Systeme können von verschiedenen Geschäftsbereichen, Entwicklungsteams und einzelnen Mitarbeitern erstellt werden.

Eine Organisation kann Identitäten, von deren Existenz sie nichts weiß, nicht wirksam absichern.

2. Zuständigkeit

Für jeden Agenten sollte es einen verantwortlichen Eigentümer geben.

Wenn ein KI-Agent Zugriff auf sensible Informationen hat, muss jemand dafür verantwortlich sein, diesen Zugriff zu genehmigen und zu überprüfen, ob er weiterhin erforderlich ist.

3. Berechtigungsverwaltung

Agenten sollten nur die Berechtigungen erhalten, die sie benötigen.

Ein Agent, der Kundendatensätze liest, sollte nicht automatisch die Berechtigung erhalten, sie zu löschen.

4. Verwaltung von Zugangsdaten

Langfristig gültige Zugangsdaten schaffen zusätzliche Risiken.

Wo möglich, sollten Organisationen kurzlebige Zugangsdaten, Workload-Identitäten und andere Mechanismen in Betracht ziehen, die unnötige dauerhafte Zugriffe reduzieren.

5. Aktivitätsüberwachung

Identitätsmanagement darf nicht bei der Authentifizierung enden.

Sicherheitsteams benötigen Einblick darin, was Agenten tatsächlich tun, nachdem sie Zugriff erhalten haben.

Das Prinzip der geringsten Privilegien wird noch wichtiger

Das Prinzip der geringsten Privilegien war schon immer ein wichtiger Sicherheitsgrundsatz.

Für KI-Agenten ist es noch wichtiger, weil sie schnell und wiederholt agieren können.

Ein menschlicher Benutzer könnte bei der Ausführung einer Aufgabe einen Fehler machen. Ein autonomes System könnte denselben Fehler möglicherweise über Hunderte oder Tausende Datensätze hinweg wiederholen.

Stellen Sie sich einen KI-Agenten mit Zugriff auf das CRM eines Unternehmens vor.

Wenn er nur Kontaktinformationen aktualisieren muss, schafft die Berechtigung zum Export der gesamten Kundendatenbank eine unnötige Gefährdung.

Ein besseres Modell würde den Agenten auf Folgendes beschränken:

• Bestimmte Anwendungen
• Bestimmte Daten
• Bestimmte Aktionen
• Bestimmte Zeiträume
• Bestimmte Geschäftszwecke

Dadurch lässt sich die potenzielle Auswirkung erheblich reduzieren, falls ein Agent kompromittiert wird oder sich unerwartet verhält.

Dauerhafte Berechtigungen schaffen ein neues Risiko

Ein weiterer wichtiger Aspekt ist die Dauer, für die ein KI-Agent Zugriff behält.

Herkömmliche Umgebungen enthalten häufig Dienstkonten mit Berechtigungen, die monatelang oder jahrelang aktiv bleiben.

Dieses Modell wird zunehmend problematisch, wenn die Identität zu einem autonomen System gehört.

Statt nur zu fragen:

„Sollte dieser Agent Zugriff haben?“

sollten Sicherheitsteams außerdem fragen:

„Benötigt dieser Agent jetzt Zugriff?“

Temporärer oder Just-in-Time-Zugriff kann den Zeitraum verkürzen, in dem ein Angreifer oder ein kompromittierter Agent Zugangsdaten missbrauchen kann.

Außerdem schafft er eine klarere Beziehung zwischen der ausgeführten Aufgabe und den für ihre Ausführung erforderlichen Berechtigungen.

Die menschliche Identität bleibt wichtig

Der Aufstieg von KI-Agenten entfernt den Menschen nicht aus der Identitätskette.

In vielen Unternehmensumgebungen wird ein Agent weiterhin im Auftrag einer Person, eines Teams oder eines Geschäftsprozesses handeln.

Diese Beziehung muss sichtbar bleiben.

Zum Beispiel:

Mitarbeiter → Genehmigte Aufgabe → KI-Agent → Anwendung → Daten

Sicherheitsteams sollten idealerweise in der Lage sein, eine wichtige Aktion über diese Kette bis zu ihrem Ursprung zurückzuverfolgen.

Wenn ein KI-Agent sensible Informationen herunterlädt, sollte die Organisation feststellen können, welcher Agent die Aktion ausgeführt hat, wodurch sie ausgelöst wurde, welche Berechtigungen er verwendet hat und gegebenenfalls welcher Mensch oder Geschäftsprozess die Aufgabe initiiert hat.

Das verbessert die Verantwortlichkeit und erleichtert die Untersuchung von Vorfällen.

IAM und Security Operations müssen zusammenarbeiten

Die Identität von KI-Agenten kann nicht als reines IAM-Problem betrachtet werden.

Identitätssysteme können Berechtigungen festlegen, aber Security-Operations-Teams müssen verstehen, was geschieht, wenn diese Berechtigungen genutzt werden.

Hier werden Telemetriedaten zur Identität und die Sicherheitsüberwachung zunehmend miteinander verknüpft.

Eine ungewöhnliche Abfolge könnte so aussehen:

1. Ein KI-Agent authentifiziert sich normal.
2. Er greift auf eine Anwendung zu, die er bereits zuvor verwendet hat.
3. Plötzlich fordert er eine große Menge sensibler Daten an.
4. Er versucht, auf ein anderes System außerhalb seines normalen Workflows zuzugreifen.
5. Das Verhalten löst eine Sicherheitswarnung aus.

Keines der einzelnen Authentifizierungsereignisse muss verdächtig erscheinen.

Die Abfolge könnte es sein.

Deshalb benötigen Organisationen Transparenz über Identitäts-, Anwendungs-, Cloud- und Security-Operations-Daten hinweg.

Was Unternehmen jetzt tun sollten

Organisationen müssen ihre IAM-Architektur nicht über Nacht vollständig neu gestalten.

Ein sinnvoller Ausgangspunkt ist die Schaffung einer klaren Grundlage.

1. Ein Inventar der KI-Agenten erstellen

Identifizieren Sie die KI-Agenten, die derzeit in der Organisation betrieben werden.

Berücksichtigen Sie Agenten, die von IT-, Sicherheits-, Entwicklungs- und Geschäftsteams erstellt wurden.

2. Die Identität jedes Agenten identifizieren

Dokumentieren Sie die Dienstkonten, API-Zugangsdaten, Workload-Identitäten und anderen Authentifizierungsmechanismen, die von den einzelnen Agenten verwendet werden.

3. Berechtigungen zuordnen

Ermitteln Sie genau, worauf jeder Agent zugreifen kann.

Achten Sie insbesondere auf übermäßige Berechtigungen und unnötige dauerhafte Privilegien.

4. Zuständigkeit zuweisen

Jeder KI-Agent in der Produktionsumgebung sollte einen eindeutig benannten fachlichen und technischen Eigentümer haben.

5. Dauerhaften Zugriff reduzieren

Verwenden Sie, wo praktikabel, kurzlebige oder aufgabenbezogene Berechtigungen statt eines dauerhaft weitreichenden Zugriffs.

6. Verhalten der Agenten überwachen

Sicherheitsteams sollten die Authentifizierung, den Datenzugriff, API-Aufrufe und ungewöhnliche Aktivitäten im Zusammenhang mit KI-Agenten überwachen.

7. Identität mit der Reaktion auf Vorfälle verknüpfen

Wenn verdächtige Aktivitäten auftreten, sollten Sicherheitsteams den beteiligten Agenten schnell identifizieren, seinen Zugriff entziehen oder einschränken und die damit verbundene Aktivität untersuchen können.

8. KI-Agenten wie andere privilegierte Technologien überprüfen

Ein KI-Agent, der mit sensiblen Unternehmenssystemen verbunden ist, sollte ebenso umfassend sicherheitstechnisch beachtet werden wie andere privilegierte Identitäten und kritische Anwendungen.

Die Zukunft des IAM in Unternehmen ist kontextbezogener

KI-Agenten ersetzen das herkömmliche IAM nicht unbedingt.

Sie legen einige seiner Annahmen offen.

Identitätssysteme wurden jahrelang weitgehend auf der Grundlage vorhersehbaren menschlichen Verhaltens entwickelt. Menschen melden sich an, erledigen Aufgaben und melden sich ab. Anwendungen haben klar definierte Funktionen. Dienstkonten führen relativ spezifische Aufgaben aus.

KI-Agenten können anders arbeiten.

Sie können Anweisungen interpretieren, mit mehreren Systemen interagieren und Aktionen mit Maschinengeschwindigkeit ausführen.

Daher muss das Identitätsmanagement in Unternehmen zunehmend nicht nur verstehen, wer oder was Zugriff anfordert, sondern auch, was der Akteur zu tun versucht, was er tun darf und ob dieses Verhalten zum Zeitpunkt der Aktion weiterhin vertrauenswürdig ist.

Organisationen, die sich frühzeitig mit diesem Thema befassen, werden besser in der Lage sein, KI einzuführen, ohne autonome Systeme in unkontrollierte privilegierte Identitäten zu verwandeln.

Das Ziel sollte nicht darin bestehen, die Einführung von KI zu verlangsamen.

Vielmehr sollte sichergestellt werden, dass jeder KI-Agent über eine angemessene Identität, begrenzten Zugriff, eine klare Verantwortlichkeit und ausreichende Überwachung verfügt, damit seine Aktionen innerhalb akzeptabler Grenzen bleiben.

Abschließende Gedanken

KI-Agenten stellen eine wichtige Veränderung in der Technologielandschaft von Unternehmen dar.

Sie können die Produktivität steigern und komplexe Workflows automatisieren, aber ihre Fähigkeit, auf Systeme zuzugreifen und autonom zu handeln, bringt eine neue Dimension in die Identitätssicherheit.

Traditionelle IAM-Grundsätze wie Authentifizierung, Autorisierung und das Prinzip der geringsten Privilegien bleiben unverzichtbar. Der Unterschied besteht darin, dass Organisationen diese Grundsätze nun auf eine wachsende Zahl maschinengesteuerter Akteure anwenden müssen.

In der nächsten Entwicklungsphase des IAM wird es daher weniger darum gehen, lediglich Anmeldungen zu kontrollieren, sondern vielmehr darum, digitale Identitäten, Berechtigungen, Absichten und Verhalten im gesamten Unternehmen zu steuern.

Außerdem lesenswert: Threat Intelligence im Zeitalter der KI beginnt mit dem, was bereits vorhanden ist erläutert, warum Sicherheitsteams verwertbare Informationen, wiederholbare Prozesse und eine effektive Automatisierung priorisieren sollten, bevor sie agentische KI in ihren Security Operations einsetzen.