Zum Hauptinhalt springen
 

 


Wir zeigen Ihnen gerne, wie Sie mit DRACOON profitieren können.

Termin buchen

Compliance


DORA
NIS-2
DSGVO 
DigiG

 

 


Wir zeigen Ihnen gerne, wie Sie mit DRACOON profitieren können.

Termin buchen

Partner Login


Wir zeigen Ihnen gerne, wie Sie mit DRACOON profitieren können.

Termin buchen

Support Login


Wir zeigen Ihnen gerne, wie Sie mit DRACOON profitieren können.

Termin buchen

Karriere


Wir zeigen Ihnen gerne, wie Sie mit DRACOON profitieren können.

Termin buchen

4 Min. Lesezeit

Wie deutsche Rüstungsunternehmen den KI-Zugriff auf geheimhaltungsnahe Daten steuern

Wie deutsche Rüstungsunternehmen den KI-Zugriff auf geheimhaltungsnahe Daten steuern

Deutsche Rüstungsunternehmen wollen KI-Assistenten nutzen, um Entwicklung, Angebotserstellung und Lieferkettenarbeit zu beschleunigen. Diese Assistenten können aber auch auf technische Zeichnungen, Spezifikationen von Unterauftragnehmern und Programmkorrespondenz zugreifen. Solche Daten liegen knapp unterhalb einer formalen Geheimhaltungseinstufung.

Genau darin liegt das Problem. Geheimhaltungsnahe Daten tragen selten ein eindeutiges Label, und ein KI-Agent hält nicht an, um zu fragen, ob eine Datei sensibel ist. Posture-Werkzeuge zeigen, wo Daten liegen. Sie kontrollieren aber nicht, was ein Agent mit diesen Daten tut, während sie bewegt werden.

Dieser Beitrag erklärt, wie deutsche Rüstungsunternehmen den KI-Zugriff auf geheimhaltungsnahe Daten steuern. Er behandelt Klassifizierung, Agentenberechtigungen, Richtliniendurchsetzung und Audit-Nachweise.

Executive Summary

Deutsche Rüstungsunternehmen steuern den KI-Zugriff, indem sie jede Anfrage eines Agenten als Richtlinienentscheidung behandeln. Sie klassifizieren Daten beim Eintritt, begrenzen die Handlungsspielräume jedes Agenten und setzen Regeln durch, solange Daten bewegt werden. Zudem führen sie Audit-Nachweise, die Sicherheits- und Compliance-Teams gleichermaßen nutzen können.

Das ist wichtig, weil die Einführung von KI schneller voranschreitet als die Governance. Wer die Durchsetzung auf den Datenpfad legt, verkleinert die Angriffsfläche, verkürzt Untersuchungen und liefert Prüfern Nachweise statt Zusicherungen. Bestehende Posture-Werkzeuge bleiben im Einsatz und erhalten einen Partner für die Durchsetzung.

Wichtigste Erkenntnisse

  1. Geheimhaltungsnahe Daten brauchen durchsetzbare Regeln, keine Richtliniendokumente. Eine klare Klassifizierung und eine konsequente Benutzer- und Rechteverwaltung geben jeder späteren Regel dieselbe Grundlage und reduzieren manuellen Prüfaufwand.
  2. KI-Agenten sollten die Rechte der Nutzer erben und nie überschreiten. Greifen Agenten über API-Integrationen nur im Rahmen der Rolle des angemeldeten Nutzers zu und ist Multi-Faktor-Authentifizierung aktiv, bleibt der Handlungsspielraum jedes Agenten begrenzt.
  3. Posture-Werkzeuge finden Risiken, doch der Schutz muss beim Datenaustausch greifen. DSPM, CSPM und IAM bleiben unverzichtbar. Eine Schutzschicht auf dem Datenpfad schließt die Lücke zwischen dem Erkennen eines Problems und dem Handeln.
  4. Virenschutz und Freigaben gehören vor den Abruf oder Versand durch einen Agenten. Geprüfte Inhalte, Ende-zu-Ende-Verschlüsselung und nachvollziehbare Freigaben verhindern, dass ungeprüfte oder eingeschränkte Dateien die Grenze des Unternehmens verlassen.
  5. Audit-Nachweise sollten Prüfern und Security Operations gleichermaßen dienen. Audit-Logs machen Zugriffe einer konkreten Person zuordenbar, und API-Integrationen unterstützen die Anbindung an bestehende Prozesse für schnellere Erkennung und belastbare Prüfungen.

Warum KI-Agenten eine Governance-Lücke bei geheimhaltungsnahen Daten schaffen

Geheimhaltungsnahe Daten umfassen Material, das nicht formal eingestuft ist, einem Programm aber dennoch schaden würde, wenn es abfließt. Dazu gehören exportkontrollierte technische Daten, Preise von Unterauftragnehmern, Testergebnisse und Integrationszeichnungen. Unternehmen teilen diese Daten täglich mit Hauptauftragnehmern und Zulieferern. Ein KI-Assistent, der an solche Ablagen angebunden ist, übernimmt die Reichweite desjenigen, der ihn aufruft. Dabei arbeitet er schneller, als es jeder Prüfer könnte. Das Risiko liegt nicht darin, dass KI böswillig wäre. Es liegt darin, dass niemand entschieden hat, was sie lesen, zusammenfassen oder versenden darf.

Ein realistisches Szenario: Ein Ingenieur bittet einen Assistenten, eine Lieferantenübersicht zu erstellen, und der Assistent greift auf einen Ordner mit einer eingeschränkten Zeichnung zu. Ohne Richtlinienprüfung im Moment des Zugriffs verlässt diese Zeichnung die Unternehmensgrenze als E-Mail-Anhang. Nur wenige Organisationen messen, wie oft das geschieht, daher wäre jede genaue Zahl geraten. Die Gefährdung ist dennoch leicht erkennbar, sobald man abbildet, wo Agenten angebunden sind. Die Verkleinerung der Angriffsfläche beginnt damit, jeden möglichen Weg eines Agenten zu kennen. Governance muss auf dem Datenpfad ansetzen und nicht nur rund um das Modell.

Daten steuern, bevor ein KI-Agent sie anfragt

Governance beginnt vor dem Agenten. Unternehmen, die dies gut umsetzen, treffen zuerst zwei Entscheidungen: wie Daten klassifiziert werden und was jeder Agent tun darf. Beide Entscheidungen müssen maschinell durchsetzbar sein, denn ein Richtlinien-PDF stoppt keine Anfrage.

Geheimhaltungsnahe Daten beim Eintritt klassifizieren und zuordnen

Daten sollten bereits beim Eintritt in die Plattform einer Schutzstufe zugeordnet werden, unabhängig davon, ob sie per Upload, E-Mail oder API ankommen. Über die Benutzer- und Rechteverwaltung in DRACOON lässt sich festlegen, wer auf welche Inhalte zugreifen, sie bearbeiten oder weitergeben darf. Prüfer finden so eine einheitliche Grundlage statt mehrerer paralleler Regelwerke. Das reduziert den manuellen Prüfaufwand und vereinfacht spätere Audits.

Agentenberechtigungen pro Nutzer und pro Werkzeug begrenzen

Agenten, die über API-Integrationen angebunden sind, sollten ausschließlich im Rahmen der Rechte des angemeldeten Nutzers handeln. Die Benutzer- und Rechteverwaltung bestimmt, welche Inhalte erreichbar sind, und die Multi-Faktor-Authentifizierung stellt sicher, dass die Identität des Nutzers abgesichert ist. Zusätzlich sollten Administratoren festlegen, welche Anwendungen überhaupt auf die Plattform zugreifen dürfen. Das praktische Ergebnis ist ein kleinerer Schadensradius für jeden Agenten, den Sie einsetzen.

Wo Posture-Werkzeuge enden und DRACOON ansetzt

DSPM erkennt und klassifiziert sensible Daten im Ruhezustand. CSPM prüft die Cloud-Konfiguration. IAM stellt fest, wer eine Person oder ein Dienst ist, und Zero Trust verlangt eine kontinuierliche Überprüfung. Jedes dieser Werkzeuge ist notwendig. Keines davon steuert, was geschieht, wenn eine Datei oder Nachricht tatsächlich an einen KI-Agenten, einen Partner oder ein Postfach übermittelt wird. Posture meldet einen Befund, stoppt aber nicht die Übertragung.

DRACOON schließt diese Lücke als ergänzende Schicht und nicht als Ersatz. Die Plattform setzt beim sicheren Datenaustausch an, also beim Teilen von Dateien und beim Versand per E-Mail mit DRACOON for Outlook. Dort sorgen die Benutzer- und Rechteverwaltung, die Multi-Faktor-Authentifizierung und die client-seitige Ende-zu-Ende-Verschlüsselung für einen Datenzugriff nach Zero-Trust-Prinzipien. So wird aus dem Wissen um die eigene Sicherheitslage und die eigenen Compliance-Pflichten ein aktiver Schutz der Daten.

Wie DRACOON den KI-Zugriff im Datenaustausch absichert

Die Durchsetzung erfolgt pro Zugriff. Entscheidend ist, wer auf welche Inhalte zugreifen möchte und welche Aktion dabei ausgeführt wird. Die Rechteverwaltung legt fest, ob Inhalte gelesen, geändert oder weitergegeben werden dürfen. Wer mit sensiblen Programmdaten arbeitet, kann den Zugriff so auf die Personen und Anwendungen beschränken, die ihn tatsächlich benötigen. Mit der client-seitigen Ende-zu-Ende-Verschlüsselung bleiben besonders schützenswerte Inhalte auch bei der Übertragung und Ablage geschützt.

Für Agenten gilt zusätzlich: Der Virenschutz von DRACOON prüft Dateien, sodass nur geprüfte Inhalte weitergegeben werden. E-Mails lassen sich mit DRACOON for Outlook verschlüsselt versenden, sodass auch beim Versand die Vertraulichkeit gewahrt bleibt. Die digitale Signatur kann Freigaben und Bestätigungen nachvollziehbar dokumentieren. In der Praxis können Unternehmen Agenten routinemäßige Entwürfe erstellen lassen, während eingeschränkte Zeichnungen geschützt bleiben. Das ist für sicherheitsbewusste Programmarbeit im DACH-Raum oft ausschlaggebend.

KI-Governance gegenüber Prüfern und Security Operations nachweisen

Prüfer fragen, wer auf was zugegriffen hat, unter welcher Regel und was danach geschah. Mit den Audit-Logs von DRACOON lassen sich Zugriffe und Aktionen einer konkreten Person zuordnen. Die Handlungen eines Agenten können so auf den Nutzer zurückgeführt werden, der ihn autorisiert hat. Das ergibt Nachweise, die Ermittler ohne Übersetzung nachvollziehen können.

Auch Security Operations benötigen dieselben Nachweise im laufenden Betrieb. Über API-Integrationen lassen sich Daten in bestehende Prozesse und Werkzeuge einbinden, sodass Ihre Teams Aktivitäten von Agenten auswerten und darauf reagieren können. Erfassen Sie die mittlere Zeit bis zur Erkennung und die mittlere Zeit bis zur Behebung von Vorfällen mit Agentenbezug. Vergleichen Sie außerdem jeden Monat abgelehnte mit genehmigten Anfragen. Diese beiden Sichten zeigen, ob Ihre Richtlinien streng genug sind.

DRACOON unterstützt Sie dabei, den KI-Zugriff auf geheimhaltungsnahe Daten abzusichern: mit Benutzer- und Rechteverwaltung, Multi-Faktor-Authentifizierung, Virenschutz, client-seitiger Ende-zu-Ende-Verschlüsselung und nachvollziehbaren Audit-Logs, die Ihre bestehenden DSPM-, CSPM- und IAM-Investitionen ergänzen. Vereinbaren Sie jetzt Ihre Demo und kontaktieren Sie uns für ein unverbindliches Beratungsgespräch.