Evo ergänzt CycloneDX-Unterstützung für vollständige KI-Transparenz

KI ist inzwischen ein Supply-Chain-Thema

Der Einsatz von KI in Unternehmen wächst rasant. Entwickler beziehen Modelle aus Open-Source-Repositories, von Hugging Face, aus internen Checkpoints und aus feinjustierten Varianten auf MCP-Servern. Doch die rasante Innovation hat die Sicherheitsleitplanken überholt, die ihren Einsatz steuern sollen. Während die Innovation Fahrt aufnimmt, fehlt Sicherheits- und Plattformteams oft der Überblick darüber, welche Modelle eingesetzt werden, woher sie stammen und wie sie sich verhalten.

Das schafft ein grundlegendes Risiko: Was Sie nicht sehen, können Sie nicht absichern. Um die Kontrolle zurückzugewinnen, benötigen Unternehmen eine zentrale Möglichkeit, KI-Modelle zu inventarisieren, ihre Herkunft nachzuverfolgen und die Compliance sicherzustellen – ohne Entwickler dazu zu zwingen, bestehende Pipelines von Grund auf neu aufzubauen.

Hier werden AI Bill of Materials (AI-BOMs) unverzichtbar. Eine AI-BOM bietet ein strukturiertes, maschinenlesbares Inventar, das Abhängigkeiten, Herkunft und Lizenzierung erfasst. Bisher gab es für solche Inventare keinen allgemein anerkannten Standard. Mit CycloneDX 1.6 – dem branchenweit beliebtesten SBOM-Standard – ändert sich das.

Wir freuen uns, bekannt zu geben, dass der Discovery Agent von Evo jetzt CycloneDX AI ModelCards vollständig unterstützt. Diese Integration ermöglicht portable, standardisierte AI-BOMs, die sich mit minimalem Aufwand in bestehende SBOM-Workflows integrieren lassen. Durch zusätzliche Sicherheitsinformationen und umsetzbare Metadaten erweitert Evo CycloneDX und macht AI-BOMs intelligent, praxistauglich und wirklich bereit für den Unternehmenseinsatz.

Die Transparenzlücke: Warum Sie nicht absichern können, was Sie nicht sehen

Unternehmen haben Schwierigkeiten, sich einen klaren Überblick über die KI-Modelle zu verschaffen, die in ihren Umgebungen ausgeführt werden. Zu den Herausforderungen gehören:

• Keine zentrale AI-BOM: Es gibt kein einheitliches Inventar der KI-Modelle über Codebasen, Repositories, Entwicklergeräte und MCP-Server hinweg.

• Keine Nachverfolgung der Herkunft: Teams können oft nicht erkennen, wer ein Modell erstellt hat, woher es stammt (von Hugging Face, GitHub oder aus einem benutzerdefinierten Checkpoint), ob es verändert wurde oder ob es vertrauenswürdig ist.

• Blinde Flecken bei der Lizenz-Compliance: Modelllizenzen fehlen oft, sind unvollständig oder werden manuell geprüft – dadurch entstehen Compliance-Risiken.

• Keine Transparenz über die Architektur: Teams können Modelltyp (Text, Code, Bildverarbeitung, Audio oder multimodal), Aufgabenbereich (Textgenerierung, Code-Reparatur, Bildklassifizierung usw.), Architekturfamilie (Transformer, CNN, Diffusion), Ein- und Ausgabeformate oder Lernansatz (überwacht, selbstüberwacht, RL) nur schwer nachvollziehen.

• Keine Einblicke in die Implementierung: Wird das Modell über das MCP-Standard-SDK, einen benutzerdefinierten, feinjustierten Fork oder eine nicht genehmigte Inferenzbibliothek ausgeführt? Ohne diese Informationen sind Governance, Risikomanagement und Compliance nahezu unmöglich.

AI-BOMs mit CycloneDX standardisieren

Mit strukturierten AI ModelCards stellt CycloneDX ein maschinenlesbares Format bereit, das KI-Systemen die gleiche Disziplin wie SBOMs verleiht. Der Standard ermöglicht es Teams, wichtige Metadaten zu erfassen, darunter Modellnamen, Versionen und die jeweiligen Verantwortlichen – Autoren oder Anbieter.

Über die grundlegende Identifizierung hinaus dokumentiert CycloneDX 1.6 die technische DNA eines Modells – seine Architektur, seinen Lernansatz sowie definierte Ein- und Ausgaben. So entsteht ein portabler, einheitlicher Datensatz, der die Grundlage jeder modernen KI-Governance-Strategie bildet.

Über den Standard hinaus: AI-BOMs mit Evo erweitern

CycloneDX liefert zwar das nötige Framework, doch Governance auf Enterprise-Niveau erfordert mehr als eine Liste statischer Felder. Viele CycloneDX-Felder erlauben Freitexteinträge, die Sicherheitsteams nur schwer in großem Umfang analysieren oder in Maßnahmen umsetzen können. Evo löst dieses Problem, indem es den Standard erweitert und Modelldaten einer granularen, branchenführenden Taxonomie zuordnet.

Evo unterstützt alle AI-ModelCard-Felder von CycloneDX 1.6:

• Lernansatz: überwacht, unüberwacht, RL, halbüberwacht, selbstüberwacht

• Architekturfamilie: Transformer, CNN, RNN, LSTM, Residual Network

• Modellarchitektur: GPT-1, LLaMA-3, ResNet-50, YOLOv3

• Ein- und Ausgaben: String-Formate, multimodale Repräsentationen

Freitextfelder in CycloneDX lassen sich nur schwer in Maßnahmen umsetzen. Evo ergänzt eine granulare, branchenführende Taxonomie, mit der KI-Metadaten nutzbar werden, zum Beispiel:

Aufgabentaxonomie:

Standardisierte Ein-/Ausgabetypen:

Erkennung von Implementierungspfad und SDK: Evo erkennt die Nutzung des MCP-Standard-SDKs, benutzerdefinierte Inferenzbibliotheken, feinjustierte Forks sowie nicht genehmigte oder veraltete Toolchains. Das ist entscheidend für die Governance in Unternehmen.

Wie CycloneDX und Evo Transparenzlücken schließen

KI-Modelle bergen inzwischen ähnliche Supply-Chain-Risiken wie Software, weisen jedoch zusätzliche semantische und verhaltensbezogene Dimensionen auf. CycloneDX liefert das branchenübliche AI-BOM-Format, während Evo es um Intelligenz und Tiefe erweitert und AI-BOMs für Governance, Compliance und Risikobewertung nutzbar macht. Gemeinsam bringen sie SBOM-Disziplin in KI-Systeme und schaffen umfassende Transparenz, automatisierte Compliance und umsetzbare Erkenntnisse.

In Kombination mit CycloneDX schließt Evo die wichtigsten Transparenz- und Governance-Lücken:

• Zentrale AI-BOM: Evo erstellt ein vollständiges Inventar über Geräte, Repositories, MCP-Server und Agenten hinweg; CycloneDX stellt die Portabilität sicher.

• Nachverfolgung der Herkunft: Erfasst Autor, Anbieter, Quell-URL, Download-Speicherort sowie Modell-Hash und -Signatur.

• Lizenz-Compliance: Extrahiert und vereinheitlicht Lizenzen automatisch und unterstützt so die Durchsetzung von Richtlinien und die Audit-Bereitschaft.

• Transparenz über die Architektur: Zeigt Modelltyp, Architekturfamilie, konkrete Architektur, Aufgabenbereich, Ein- und Ausgabemodalitäten sowie Lernansatz auf.

• Einblicke in die Implementierung: Ordnet die MCP-SDK-Nutzung, benutzerdefinierte Wrapper und nicht konforme Inferenzabläufe zu; CycloneDX erfasst die Beziehungen zwischen Komponenten.

Zuordnung zu den gewünschten Kundenergebnissen

Der AI-BOM-Standard ist da – und Evo gestaltet ihn

Mit KI-Modellen in Unternehmen sind Supply-Chain-Risiken entstanden, bei denen es ebenso sehr um Verhalten und Semantik wie um Code geht. Echte Governance erfordert, den Branchenstandard von CycloneDX 1.6 praktisch nutzbar zu machen.

Durch die Kombination der Portabilität von CycloneDX 1.6 mit der tiefgreifenden Architekturanalyse von Evo erhalten Unternehmen:

• Vollständige Transparenz über alle eingesetzten KI-Modelle

• Vertrauen auf Basis der Herkunft

• Einblicke bis auf Architekturebene

• Automatisierte Durchsetzung von Lizenzen und Richtlinien

• Wiederholbare Governance-Workflows

Möchten Sie vollständige Transparenz über Ihre KI-Supply-Chain schaffen? Entdecken Sie noch heute mit Evo jede KI-Komponente, die in Ihrer Codebasis verborgen ist.