Wir stellen Agent Security vor

Wenn morgen ein Auditor käme und Sie um ein vollständiges Verzeichnis aller KI-Modelle, Agenten und Tools in Ihrer Umgebung bäte: Wie lange würde es dauern, dieses zusammenzustellen? Die ehrliche Antwort lautet bei den meisten Unternehmen: Das können sie nicht. Denn die Art und Weise, wie KI in Unternehmen Einzug hält, hat sich grundlegend verändert.

Heute stellen wir Agent Security vor: Snyks Ansatz, um den gesamten Lebenszyklus von KI-Agenten von der Entwicklung bis zur Laufzeit abzusichern. Diese Vision wird jetzt mit der allgemeinen Verfügbarkeit von Evo AI-SPM, einem grundlegenden Modul, Wirklichkeit. Es ermöglicht Ihnen, KI-Risiken schon heute zu kontrollieren und erweitert die operativen Möglichkeiten der AI Security Fabric. Evo AI-SPM schafft eine maßgebliche Datenquelle für KI-Risiken, über die Unternehmen zentral nachvollziehen, steuern und durchsetzen können, wie KI im gesamten Unternehmen eingesetzt wird.

Autonome Agenten schreiben heute Software, rufen APIs auf, greifen auf interne Systeme zu und führen Aktionen in Produktionsumgebungen aus. Diese Systeme werden zunehmend zu einem festen Bestandteil davon, wie moderne Software entwickelt und betrieben wird. Doch während sich die KI-Fähigkeiten rasant weiterentwickelt haben, fehlt vielen Unternehmen ein klarer Überblick darüber, was ihre Agenten tun, worauf sie Zugriff haben und wie sich sicheres Verhalten durchsetzen lässt. Für viele Führungskräfte ist das Problem der „Shadow AI“ eine Sichtbarkeitskrise.

KI-Risiken beginnen in der Entwicklung

Entwickler integrieren Modelle, Agent-Frameworks und externe Tools direkt in Anwendungen – oft ohne zentrale Kontrolle. Diese Komponenten beeinflussen, wie Software geschrieben wird, und prägen ihr Verhalten, die verbundenen Systeme und die möglichen Aktionen. Die meisten Unternehmen suchen noch immer an der falschen Stelle nach KI-Risiken: in Cloud- und Laufzeitsystemen, nachdem die KI bereits bereitgestellt wurde.

Gleichzeitig wächst die Software-Supply-Chain auf schwer nachvollziehbare Weise. KI-Komponenten werden schneller eingeführt, als sie erfasst werden können. Dadurch entstehen blinde Flecken in der Entwicklung, in Pipelines und zur Laufzeit. Die erste Herausforderung ist Sichtbarkeit. Ohne sie gibt es schlichtweg keine Governance und keine Kontrolle.

Die nächste Lücke betrifft die Kontrolle: Den meisten Unternehmen fehlt eine einheitliche Methode, um akzeptables Agentenverhalten festzulegen und durchzusetzen. Verschärft wird das Problem durch Prompt-Injection, Datenlecks und unsichere Agentenaktionen, die durch Systeme entstehen, die auf externen Eingaben und mehrstufigem Schlussfolgern beruhen.

Ohne speziell dafür entwickelte Kontrollen können sich diese Risiken schnell über Anwendungen und Workflows ausbreiten. Um sie abzusichern, müssen Unternehmen beide Bereiche berücksichtigen.

Agentische Entwicklung absichern

Jedes Team, das Tools wie Claude Code, Cursor oder Devin einsetzt, führt autonome Systeme direkt in die Entwicklungsumgebung ein. Diese Systeme haben Zugriff auf Codebasen, interne APIs und sensible Daten – und entscheiden mit darüber, was entwickelt und ausgeliefert wird.

Die Supply-Chain absichern

Agenten nutzen ein schnell wachsendes Ökosystem aus MCP-Servern, Plugins, Tools und externen Diensten, von denen viele nicht überprüft wurden. Agent Scan (Open Preview) ermittelt und bewertet die Tools, MCP-Server und Skills, auf die Agenten angewiesen sind, bevor agentische Entwicklungstools sie verwenden. So erhalten Teams Einblick in die Fähigkeiten der Agenten und die damit verbundenen Risiken, bevor agentische Entwicklungstools sie einsetzen.

Die Ergebnisse absichern

Durch KI generierter Code bringt neue Risikokategorien mit sich, darunter Autorisierungsfehler, unsichere Abhängigkeiten und Fehler in der Geschäftslogik, die bei herkömmlichen statischen Analysen häufig unentdeckt bleiben. Snyk Studio sichert KI-generierten Code bereits bei seiner Erstellung ab, indem Sicherheitskontext direkt in agentische Entwicklungs-Workflows eingebettet wird. Die Lösung ist bei mehr als 300 Unternehmenskunden im Einsatz und lässt sich nativ in Workflows mit Claude Code, Cursor und Devin integrieren.

Das Verhalten absichern

Agenten generieren nicht nur Code, sondern führen Befehle aus, greifen auf Systeme zu und lösen Workflows aus. Agent Guard (Private Preview) setzt Richtlinien in Echtzeit durch, überwacht das Verhalten von Agenten und blockiert unsichere oder unbefugte Aktionen sofort. Dabei blockiert Agent Guard nicht nur unsichere Aktionen, sondern lenkt Agenten auch auf die richtigen hin.

Agentische Anwendungen absichern

Dieselben Teams, die mit Agenten entwickeln, setzen sie auch in Anwendungen, Copilots und automatisierten Workflows ein. In vielen Fällen geschieht das ohne Verzeichnis, ohne Durchsetzung von Richtlinien und ohne Prüfpfad.

Verhalten in der Praxis überprüfen

Agent Red Teaming (Open Preview) simuliert mehrstufige Angriffsszenarien, darunter Prompt-Injection, Datenexfiltration und verkettete Agentenaktionen, um Schwachstellen aufzudecken, bevor sie die Produktion erreichen.

Anwendungen in der Produktion absichern

Snyk API & Web führt dynamische Tests zur Laufzeit durch, um Risiken in Anwendungen unter realen Bedingungen zu erkennen, etwa Autorisierungsfehler (z. B. BOLA) und unsichere Geschäftslogik.

Das neue Sicherheitsmodell

Das Modell, das sich in Unternehmen bewährt, ist einfach: Sichtbarkeit → Erkenntnisse → Durchsetzung

• Sichtbarkeit: Ermitteln Sie, welche KI in Code und Workflows vorhanden ist.

• Erkenntnisse: Ermitteln Sie, welche Komponenten ein tatsächliches Risiko darstellen.

• Durchsetzung: Stellen Sie sicher, dass unsichere KI niemals die Produktion erreicht.

Sichtbarkeit allein reicht nicht aus. Zu wissen, was vorhanden ist, verhindert noch nichts. Nur ein Modell, das alle drei Bereiche miteinander verbindet und dort ansetzt, wo KI tatsächlich ins System gelangt – im Code –, ist wirksam.

Evo AI-SPM – jetzt allgemein verfügbar

Play Video: YouTube Video: B_dDtwgfZzA

Um KI-Agenten abzusichern, müssen Sie zunächst verstehen, wo sie vorhanden sind und wie sie eingesetzt werden. Ohne diese Grundlage lassen sich keine Richtlinien festlegen, Risiken bewerten oder sichere Verhaltensweisen durchsetzen. Agent Security baut auf Evo AI-SPM (AI Security Posture Management) auf, das jetzt allgemein verfügbar ist.

Bei mehr als 500 Evo-Scans, darunter Scans von Unternehmen mit über 100.000 Repositories, beobachten wir immer wieder dasselbe Muster: Selbst Teams mit einer starken Cloud-Sicherheit fehlt der Einblick in die Vorgänge im Code.

Diese Daten wurden für den State of Agentic AI Adoption Report 2026 von Snyk erhoben und ausgewertet. Viele Unternehmen, die davon ausgingen, ihre KI unter Kontrolle zu haben, mussten überrascht feststellen, dass dies nicht der Fall war: Die Bereitstellung eines einzigen KI-Modells kann fast dreimal so viele nicht nachverfolgte Softwarekomponenten mit sich bringen und dadurch verborgene Risiken im gesamten Unternehmen schaffen.

Kontinuierliche Erkennung in Code und Workflows

Evo AI-SPM schafft diese Grundlage, indem es KI-Komponenten direkt in Code und Entwicklungs-Workflows kontinuierlich erkennt, darunter Modelle, Datensätze, Agent-Frameworks und unterstützende Bibliotheken. Jedes Asset wird außerdem um kontextbezogene Risikoanalysen ergänzt. So können Teams nicht nur nachvollziehen, was sie nutzen, sondern auch die möglichen Auswirkungen auf Sicherheit, Schutz und Compliance verstehen. Dadurch entsteht ein stets aktuelles Verzeichnis der KI-Assets, das widerspiegelt, wie Systeme entwickelt und nicht nur bereitgestellt werden.

Kontextbezogene Risikoanalysen

Evo AI-SPM ermöglicht es Unternehmen außerdem, Governance durchzusetzen. Unternehmen werden zunehmend nicht mehr nur gefragt, ob KI-Richtlinien vorhanden sind, sondern auch, ob sie deren Durchsetzung nachweisen können. Sicherheitsteams können Richtlinien in einfacher Sprache definieren und einheitlich auf Entwicklungs-Workflows anwenden. So verhindern sie unsichere Konfigurationen und Verhaltensweisen, bevor diese die Produktion erreichen.

Durch die Kombination von Risikoanalysen mit Kontext zum Modell und zu den nachgelagerten Anwendungsfällen können Security Engineers leistungsstarke, geschäftsrelevante Richtlinien erstellen. So wird AI-SPM zur maßgeblichen Datenquelle für KI-Risiken und schafft die Grundlage, um den Einsatz von Agenten sicher auszuweiten.

Governance vor der Produktion durchsetzen

Viele Lösungen für Laufzeit- und Cloud-Sicherheit überwachen KI nur in Infrastruktur- und Laufzeitumgebungen. Damit lässt sich zwar ein Teil des Fehlverhaltens nach der Bereitstellung erkennen, doch Risiken, die früher in der Entwicklung entstehen – im Code, in CI/CD-Pipelines und internen Bibliotheken –, bleiben unentdeckt. Wenn Laufzeit-Tools Probleme erkennen, ist das Zeitfenster für Governance bereits geschlossen. Teams müssen dann Risiken wie unsichere Modelle, nicht geprüfte Datensätze oder riskantes Agentenverhalten entwirren, die bereits tief in Produktionssysteme eingebettet sind.

Sichern Sie Ihre Agenten noch heute ab

Mit Evo AI-SPM können Sie sich schon heute einen vollständigen Überblick über Ihren KI-Footprint verschaffen und Governance dort durchsetzen, wo es am wichtigsten ist. Für Teams, die noch einen Schritt weitergehen möchten, arbeitet Snyk aktiv mit Designpartnern daran, die nächste Generation von Agent-Security-Funktionen für Tests und die Durchsetzung zur Laufzeit zu gestalten.

Wenn Sie noch herausfinden, wie KI in Ihrem Unternehmen eingesetzt wird, nehmen Sie an unserem Webinar teil und erfahren Sie, wie Teams Shadow AI in der Praxis aufdecken und steuern.

Ihre KI-Agenten gestalten bereits Ihr Unternehmen mit. Die Frage ist, ob Sie kontrollieren, was sie entwickeln, bevor es ausgeliefert wird. Buchen Sie eine Demo und erleben Sie Evo AI-SPM in Aktion.