Was ist ein KI-Agent in der Cybersicherheit?

Auf der Milken-Konferenz im Mai 2026 beschrieb Robert F. Smith, Gründer und CEO von Vista Equity Partners, einen Wandel, den jeder Sicherheitsverantwortliche zur Kenntnis nehmen sollte. Software, so sagte er, habe drei Entwicklungsstufen durchlaufen: zunächst als Produkt, dann als Dienstleistung und nun als „Arbeiter“. „Dieser Agent, diese Software, leistet tatsächlich Arbeit.“ Unternehmen, die den Übergang zu Software als „Arbeiter“ nicht vollziehen, so seine deutliche Aussage, laufen Gefahr, vollständig aus dem Markt verdrängt zu werden. Er hat nicht nur deshalb Recht, weil Unternehmen Gefahr laufen, im Wettbewerb in den Rückstand zu geraten, während KI die Effizienz steigert, sondern auch, weil agentische Systeme das Potenzial haben, systemische Herausforderungen anzugehen, mit denen viele Unternehmen heute konfrontiert sind.

Warum die Cybersicherheit jetzt KI-Agenten braucht

Sicherheitsteams müssen in immer undurchsichtiger werdenden Umgebungen mit weniger Ressourcen immer mehr leisten. In der Cybersicherheit bestehen vier Probleme fort, und KI-Agenten sind in der Lage, einige dieser Probleme anzugehen.

• Der Personalmangel lässt sich nicht durch Neueinstellungen beheben. ISC2 schätzt den weltweiten Mangel an Cybersicherheitsexperten auf 4,8 Millionen. Ein Agent, der Warnmeldungen priorisiert, Telemetriedaten korreliert und Zusammenfassungen von Vorfällen erstellt, ersetzt diese Mitarbeiter zwar nicht, steigert aber ihre Effizienz.
• Die Asymmetrie in der Verteidigung ist struktureller Natur. Angreifer agieren mit maschineller Geschwindigkeit. Verteidiger überwachen Millionen von Vorfällen manuell und reagieren erst Stunden oder Tage später. Ein Agent, der mit maschineller Geschwindigkeit Bedrohungen erkennt, korreliert und eindämmt, ändert diese Situation.
• Begrenzte Budgets zwingen die meisten Sicherheitsteams dazu, zwischen verschiedenen Funktionen zu wählen. Ein Agent, der parallel über mehrere Bereiche hinweg arbeitet, erweitert den Umfang dessen, was ein kleines Team abdecken kann.
• Die Komplexität der Systeme ist über das Maß hinausgewachsen, das manuelle Prozesse bewältigen können. Ein modernes Unternehmen betreibt Tausende von Endpunkten, Dutzende von Cloud-Diensten, Hunderte von SaaS-Anwendungen und ein immer größer werdendes Netz von APIs. Ein Agent kann diese gesamte Fläche gleichzeitig überwachen.

Seit Jahrzehnten schienen Angreifer im Vorteil: Sie müssen nur ein einziges Mal erfolgreich sein, Verteidiger dagegen jedes Mal. Angreifer stehen nicht unter Zeitdruck, sie müssen es nur richtig machen. Jetzt koordinieren sie ihre Angriffe mithilfe von KI in großem Umfang und mit hoher Geschwindigkeit.

Doch richtig eingesetzte KI-Agenten drehen den Spieß um: Sie geben Verteidigern die Möglichkeit, in Maschinengeschwindigkeit zu reagieren, rund um die Uhr, ohne Pause. Eine echte Chance, den Angreifern endlich auf Augenhöhe zu begegnen.

Was ist ein KI-Agent?

Das Wichtigste zuerst. Im Kern vereint ein KI-Agent vier Komponenten:

Das gängigste Implementierungsmuster ist das ReAct-Framework – „Reasoning and Acting“ in einer verschachtelten Schleife: Nachdenken, Handeln, Beobachten, Wiederholen. Der Agent überlegt, was zu tun ist, ruft ein Tool auf, liest das Ergebnis aus und fährt fort, bis das Ziel erreicht ist.

Moderne LLM-APIs unterstützen dieses Muster nativ durch Funktionsaufrufe, und die Schlussfolgerungen des Agenten sind bei jedem Schritt einsehbar – eine Eigenschaft, die für die Sicherheitssteuerung von Bedeutung ist.

Was einen Agenten von einem Skript oder einer Automatisierungsregel unterscheidet, ist, dass die Schlussfolgerungen nicht vordefiniert sind. Der Agent bewertet die Situation bei jedem Schritt und entscheidet, was als Nächstes zu tun ist. Ein Skript führt aus, wozu es geschrieben wurde, während ein Agent selbst herausfindet, was zu tun ist. Genau dieser Unterschied macht sie so leistungsstark.

Was sind agentenbasierte Systeme?

Ein einzelner Agent ist leistungsstark. Ein koordiniertes System aus Agenten ist jedoch eine ganz andere Sache.

Agentenbasierte Systeme ermöglichen es Agenten, sich zu vermehren, sich mit anderen Agenten abzustimmen und Aufgaben an diese zu delegieren. Ein koordinierender Agent erhält ein übergeordnetes Ziel, unterteilt es in Teilaufgaben und weist jede davon einem spezialisierten Agenten mit den entsprechenden Werkzeugen und dem passenden Aufgabenumfang zu. Dies spiegelt wider, wie Sicherheitsabläufe in großem Maßstab funktionieren: Ein CISO führt nicht jede Paketerfassung persönlich durch. Er leitet ein Team mit definierten Rollen und Eskalationswegen.

Eine weitere Designentscheidung betrifft den Grad an Autonomie und Handlungsfreiheit, den Agenten ausüben dürfen. Am einen Ende steht ein „Copilot“, der Maßnahmen vorschlägt, die ein Mensch genehmigen muss. Am anderen Ende steht ein vollständig autonomer Agent, der ohne menschliche Kontrollpunkte handelt, Aufgaben delegiert und sich anpasst. Verschiedene Agenten verfügen über unterschiedliche Fähigkeiten, die unterschiedlichen Nutzen bieten.

Drei Architekturen sind für die Cybersicherheit von Bedeutung:

• Lineare Pipelines: Die Arbeit wird sequenziell von einem Agenten zum nächsten weitergeleitet. Nachvollziehbar und leichter zu steuern.
• Hierarchische Orchestrierung: Ein Koordinator delegiert an spezialisierte Unteragenten und fasst deren Ergebnisse zusammen. Leistungsstark bei komplexen Aufgaben, birgt jedoch das Risiko einer Absichtsabweichung: Ein weit unten in der Kette befindlicher Unteragent ergreift Maßnahmen, die der Urheber niemals beabsichtigt hat.
• Peer-to-Peer-Zusammenarbeit: Agenten fragen sich gegenseitig dynamisch ab und erteilen sich gegenseitig Aufgaben. Hier zeigt sich die volle Leistungsfähigkeit agentenbasierter Systeme, wobei Governance unerlässlich ist.

Martins Top-3-Anwendungsbereiche für KI-Agenten in der Cybersicherheit

Die wahre Stärke agentenbasierter Systeme liegt darin, bisher voneinander getrennte Sicherheitsfunktionen mit maschineller Geschwindigkeit miteinander zu verknüpfen. Hier ist eine Liste der drei Anwendungsbereiche, die meiner Meinung nach die folgenreichsten Sicherheitsergebnisse erzielen.

1. Agentenbasierte Sicherheitsorchestrierung, -automatisierung und –reaktion

Playbooks, die vollständig automatisiert sind und anhand der von menschlichen Bedienern bereitgestellten Informationen dynamisch angepasst werden.

Herkömmliche SOAR-Tools basieren auf statischen Playbooks, festen Workflows und ständiger Wartung, die mit KI-gesteuerten Angriffen nicht Schritt halten können. Ein agentenbasiertes SOAR-System ersetzt diese Starrheit durch eine Orchestrierungsebene, die spezialisierte Agenten in den Bereichen Prävention, Erkennung, Untersuchung und Reaktion koordiniert. Das agentenbasierte System übernimmt den Kontext aus jedem Schritt und legt die nächste Maßnahme in Echtzeit fest.

Ein agentenbasiertes SOAR-System wertet seine Erkenntnisse aus. Ein Vorfall, der als Anomalie bei den Anmeldedaten beginnt, kann eine Untersuchung der lateralen Bewegung, eine forensische Datenerfassung, eine Eindämmungsmaßnahme und eine Benachrichtigung der Beteiligten auslösen. Dies geschieht gleichzeitig, wobei jeder Teil von einem Agenten mit den richtigen Tools und dem richtigen Aufgabenbereich bearbeitet wird – alles unter der Kontrolle eines Analysten.

Die Daten zu Sicherheitsverletzungen von IBM aus dem Jahr 2025 zeigen, dass Unternehmen mit KI-gestützter Erkennung und Reaktion die Kosten für Sicherheitsverletzungen im Durchschnitt um 2,2 Millionen US-Dollar senken konnten, verglichen mit Unternehmen, die darauf verzichteten. Menschliche Bediener legen die Aufgaben fest, definieren die Sicherheitsgrenzen und verfügen über den Notfallknopf. Die Agenten führen die Maßnahmen aus.

2. Zusammenarbeit zwischen der IT-Sicherheitsabteilung und der digitalen Belegschaft

Dort, wo Eigeninitiative und sichere Handlungen zu erkennbaren Merkmalen des Verhaltens von Menschen und KI-Agenten werden, ermöglicht ein agentenbasiertes System eine effektive Sicherheitssteuerung.

Seit zwei Jahrzehnten investieren Sicherheitsteams in die Absicherung des menschlichen Faktors: persönliche, relevante und zeitnahe Schulungen, Sensibilisierung und Verhaltensanalysen. KI-Agenten arbeiten nun Seite an Seite mit menschlichen Agenten, und die Herausforderungen übertragen sich direkt auf sie. Der Agent liest E-Mails, trifft Entscheidungen, ergreift Maßnahmen und kann durch seine Eingaben auf eine Weise manipuliert werden, die Social Engineering ähnelt.

Auf der Seite der Agenten kann sich die Governance nicht auf Sozialisation stützen. Der Aufbau einer Sicherheitskultur funktioniert hier anders. Was Menschen durch Kultur und institutionelle Identität verinnerlichen, müssen Agenten über Strukturen erhalten: Berechtigungen, unveränderliche Protokolle, Aktionsschranken.

Auf der menschlichen Seite muss das Sicherheitsbewusstseinsprogramm die neuen Risiken abdecken: Prompt-Injektion als Social-Engineering-Vektor, die Risiken eines übermäßigen Vertrauens in die Ausgabe des Agenten und die Verpflichtung zur Eskalation, wenn etwas, was der Agent tut, keinen Sinn ergibt. Es ist eine neue, einheitliche Ebene erforderlich, die es Organisationen ermöglicht, die sichere Entscheidungsfindung und das Verhalten von Menschen und KI zu steuern.

3. Kontinuierliches Management der Sicherheitslücken

Hierbei erfasst ein Agent kontinuierlich die Angriffsfläche, priorisiert die Ergebnisse nach ihrer tatsächlichen Ausnutzbarkeit und schließt den Kreis zwischen Erkennung und Behebung.

Das Schwachstellenmanagement läuft in den meisten Unternehmen in einem Zyklus ab: Scannen, Berichten, Ticket erstellen, Patchen, wiederholen. Angreifer messen ihr Zeitfenster in Stunden. Ein Agent zur Erfassung von Sicherheitsrisiken verkürzt diesen Zyklus, indem er kontinuierlich läuft, entdeckte Schwachstellen mit aktuellen Bedrohungsdaten abgleicht und die Ausnutzbarkeit im spezifischen Kontext der Unternehmensumgebung bewertet, anstatt sich auf einen generischen CVSS-Wert zu stützen.

Der McKinsey-Lilli-Vorfall vom März 2025 – bei dem ein Angreifer durch eine einzige SQL-Injektion in einer von 43.000 Mitarbeitern genutzten KI-Plattform Millionen von Chat-Datensätzen kompromittierte, ist ein Fallbeispiel dafür, was passiert, wenn diese Schutzebene fehlt. Die vollständige technische Analyse finden ist hier.

Wenn der Agent etwas entdeckt, priorisiert er die Ergebnisse danach, was Angreifer derzeit tatsächlich ausnutzen, verlinkt auf den entsprechenden Patch und verfolgt die Behebung bis zum Abschluss.

Was ist eine agentenbasierte Organisation?

Die drei genannten Anwendungsfälle verdeutlichen, was KI-Agenten für eine Organisation leisten können. Doch wie sollte eine Organisation strukturiert sein, um diese neuen Fähigkeiten zu integrieren?

Eine agentenbasierte Organisation ist eine, in der KI-Agenten keine isolierten Werkzeuge, sondern operative Akteure sind. Sie arbeiten Seite an Seite mit menschlichen Mitarbeitern, übernehmen definierte Arbeitsabläufe und sind gegenüber Governance-Strukturen rechenschaftspflichtig, die beide Ebenen umfassen.

Gartner prognostiziert, dass 40% der Unternehmensanwendungen bis 2026 aufgabenspezifische KI-Agenten integrieren werden – ein Anstieg gegenüber weniger als 5% im Jahr 2025. Eine PwC-Umfrage ergab, dass 79% der Führungskräfte bereits angeben, Agenten in ihrer Organisation einzusetzen. Die meisten dieser Einsätze erfolgten ohne ein bestehendes Governance-Rahmenwerk.

Der Übergang zu einer agentenbasierten Organisation ist in erster Linie eine Herausforderung für die Governance. Sicherheitskultur, Verantwortlichkeitsstrukturen und Überwachungsmechanismen, die für menschliche Mitarbeiter funktionieren, lassen sich nicht automatisch auf Agenten übertragen. Agenten können nicht sozialisiert werden. Sie verfügen über keine beständige Identität, an die sich Normen knüpfen lassen. Deshalb muss Governance gezielt gestaltet werden und darf nicht als selbstverständlich vorausgesetzt werden.

Fazit

Seit Jahrzehnten ist das Sicherheitsgleichgewicht zugunsten der Angreifer verschoben, und auch wenn KI-Agenten keine Garantie dafür bieten, dass sich dies ändert, sind sie doch die erste Entwicklung seit einer Generation, die dies strukturell überhaupt erst möglich macht. Nur diejenigen Organisationen, die eine agentenbasierte Cybersicherheit aufbauen, werden mit Angreifern Schritt halten können, die mit maschineller Geschwindigkeit arbeiten.