Home / Ressourcen / Governance
Governance · 5 Min. Lesezeit · Stand 2026-11-15
Wenn der Agent vor Ihrer Tür nicht sagt, wer ihn schickt
Arkose Labs hat seinen Agent Trust Manager erweitert, um KI-Agenten-Traffic bei jedem Schritt der Customer Journey zu klassifizieren und zu steuern. Der Schritt reagiert auf ein Problem, das die meisten Unternehmen noch gar nicht gemessen haben: Agenten, die schlicht nicht sagen, was sie sind.
Was passiert ist
Arkose Labs hat den Arkose Agent Trust Manager erweitert, ein Produkt zur Klassifizierung und Steuerung von KI-Agenten-Traffic auf kundenorientierten Websites (Help Net Security, 5. November 2026). Die Erweiterung erlaubt es einem Unternehmen, seine Customer Journey Schritt für Schritt abzubilden, von Registrierung über Login und Checkout bis zur Geldbewegung, und jedem Schritt eine Richtlinie zuzuweisen: zulassen, beobachten oder blockieren, durchgesetzt von der Arkose-Titan-Engine des Unternehmens. Sessions werden als sich selbst offenlegend gut, nicht offenlegend gut oder bösartig eingestuft, und eine neue Arkose Agent ID gibt einem einzelnen Agenten eine stabile Kennung, die über Netzwerkwechsel, neue Builds und mehrere Konten hinweg erhalten bleibt (Help Net Security, 5. November 2026).
Der Grund, warum es dieses Produkt überhaupt gibt, ist eine Zahl aus Arkose Labs' eigener Forschung. Der State of Agentic AI Trust Q3-Report des Unternehmens kommt zu dem Ergebnis, dass persönliche KI-Agenten sich bei weniger als 3 Prozent ihrer Website-Besuche zu erkennen geben (Arkose Labs, via Help Net Security, 5. November 2026). Arkose-Labs-CEO Kevin Gosschalk brachte es so auf den Punkt: „Unternehmen können sich nicht mehr darauf verlassen, dass Agenten ankündigen, wer sie sind" (Help Net Security, 5. November 2026).
Dieser eine Satz beschreibt eine Verschiebung der Spielregeln im Web-Traffic. Zwanzig Jahre lang funktionierte Bot-Erkennung, indem sie nach Agenten suchte, die lügen, um menschlich zu wirken. Das neue Problem sind Agenten, die ehrlich nicht menschlich sind und es trotzdem nicht sagen, und ein Unternehmen hat keine verlässliche Möglichkeit, danach zu fragen.
Warum das kein Einzelfall ist
Die Zahl von Arkose Labs reiht sich in ein Traffic-Muster ein, das sich schon vorher in eine Richtung bewegte. Der 2025 Bad Bot Report von Imperva stellte fest, dass automatisierter Traffic 51 Prozent des gesamten Web-Traffics ausmacht, erstmals seit zehn Jahren mehr als menschliche Aktivität, wobei bösartige Bots allein 37 Prozent des gesamten Internet-Traffics ausmachen (Imperva, 2025 Bad Bot Report). Imperva führt einen Teil des Anstiegs darauf zurück, dass KI die Einstiegshürde für den Bau von Bots überhaupt erst gesenkt hat, dieselbe KI-Fähigkeit, die heute einem legitimen persönlichen Assistenten erlaubt, im Auftrag eines Menschen zu browsen, zu klicken und zu kaufen, ohne sich jemals zu erkennen zu geben.
Auch die Liste neuer Fähigkeiten in der Erkennungsbranche erzählt ihre eigene Geschichte. Arkose Labs hat nicht ein Feature ergänzt, sondern sieben in einem einzigen Release: Orchestrierung nach Journey-Schritt, Session-Klassifizierung, markenspezifische Blockmeldungen, eine Schnittstelle für Abfragen in natürlicher Sprache, eine persistente Agenten-Kennung, ein Audit-Trail für Signaländerungen und einen netzwerkübergreifenden Intelligence-Vergleich (Help Net Security, 5. November 2026). Ein Anbieter baut nicht so viel Tooling in einem einzigen Zyklus für ein Problem, das er für eine Nische hält. Er baut es, weil jeder Kunde, der danach fragt, dieselbe Lücke beschreibt: Traffic, der an Checkout und Login ankommt und den niemand mit Sicherheit einordnen kann.
Was das für regulierte Unternehmen bedeutet
Die praktische Gefährdung liegt genau an den Schritten, die Arkose Labs zuerst steuern lässt: Registrierung, Login und Geldbewegung. Genau dort konzentrieren sich auch Betrugskontrollen, Know-your-Customer-Pflichten und die Haftung für Zahlungsbetrug. Ein Unternehmen, das nicht unterscheiden kann, ob eine Session ein offengelegter persönlicher Assistent, ein nicht offengelegter oder ein Angreifer ist, der dieselbe Seite testet, fasst drei unterschiedliche Risikoprofile in einem einzigen, nicht differenzierten Strom zusammen, und eine einzige pauschale Richtlinie, alles zulassen oder alles blockieren, ist für mindestens zwei der drei Fälle falsch.
Es gibt eine zweite Gefährdung, die leicht zu übersehen ist: Hier geht es nicht nur um Agenten, die vor der eigenen Tür ankommen. Es ist ein Spiegelbild des Identity-Governance-Problems, das sich bereits innerhalb des Unternehmens aufbaut, wo intern gebaute KI-Agenten API-Keys, OAuth-Tokens und Service-Accounts halten, die kein Freigabeprozess je geprüft hat. Eine Organisation, die nicht sagen kann, welcher ihrer eigenen Agenten mit welcher Berechtigung handelt, ist schlecht aufgestellt, um zu beurteilen, ob ein unangemeldeter Agent, der an ihre Website klopft, legitimer Traffic ist oder etwas, das gestoppt werden muss.
Aufzeichnungspflichten laufen aus beiden Richtungen auf dieselbe Anforderung zusammen. Hat ein Agent, der eigene oder der eines anderen, eine regulierte Transaktion berührt, lautet die Erwartung zunehmend, dass man zeigen kann, wer oder was gehandelt hat, nicht nur, dass es eine Richtlinie für die Interaktion gab.
Was tatsächlich hilft
Der Mechanismus, den Arkose Labs für eingehenden Web-Traffic aufbaut, eine stabile Kennung pro Agent, eine im Moment der Interaktion erfasste Klassifizierung und eine Richtlinie, die an jedem Schritt statt am Perimeter insgesamt durchgesetzt wird, ist derselbe Mechanismus, der auch auf der anderen Seite der Beziehung existieren muss, innerhalb des Unternehmens, das seine eigenen Agenten einsetzt.
Eine Agentenidentität, die bewusst vergeben wird statt geerbt zu werden, gibt einer Organisation einen benannten Verantwortlichen für jede Aktion eines Agenten, statt eines gemeinsam genutzten Zugangsdatensatzes, den niemand zuordnen kann. Wird diese Identität auf bestimmte Tools, Daten und Ausgaben beschränkt und jede Nutzung dagegen protokolliert, wird aus „wir haben eine Richtlinie" ein Protokoll, das ein Prüfer tatsächlich lesen kann. Keines davon ersetzt Perimeter-Werkzeuge wie die von Arkose, beide operieren auf unterschiedlichen Seiten derselben Beziehung, aber ein Unternehmen, das die interne Version nicht aufgebaut hat, hat keine Grundlage, um zu beurteilen, wozu ein offengelegter oder nicht offengelegter Agent von außen berechtigt ist, sobald er eingelassen wird.
Was Sie am Montag prüfen sollten
Stellen Sie Ihrem Fraud-, Security- und Plattform-Team je eine Frage, ohne vorher etwas zu kaufen: Bei welchem Schritt der Customer Journey, Registrierung, Login, Checkout, Zahlung, gibt es derzeit keine Möglichkeit, einen offengelegten KI-Agenten von einem nicht offengelegten oder von einem Menschen zu unterscheiden? Schreiben Sie die Antwort für jeden Schritt auf. Die meisten Organisationen werden feststellen, dass die Antwort „bei keinem" lautet, und diese Liste, nicht eine Produktvorführung, ist der eigentliche Ausgangspunkt, um zu entscheiden, wo eine Richtlinie entstehen muss, bevor das Traffic-Volumen die Entscheidung für Sie trifft.
Wie AANCER das löst
AANCER steuert die Seite dieses Problems, die innerhalb des Unternehmens liegt: die Agenten, die ein Unternehmen selbst baut und betreibt. Jeder Certified Agent trägt eine Identität, die von der eigenen, installationsspezifischen Zertifizierungsstelle der Organisation ausgestellt wird, keinen geliehenen Zugangsdatensatz, sodass es immer einen benannten Verantwortlichen für eine Aktion gibt, statt eines gemeinsam genutzten Tokens.
Diese Identität ist auf die Tools, Daten und Ausgaben beschränkt, die ein Agent erreichen soll, und jede Nutzung wird in ein manipulationssicheres, nur anfügbares Audit-Register geschrieben, das Protokoll, das ein Prüfer braucht, um „was hat dieser Agent getan, und mit welcher Berechtigung" zu beantworten, ohne es nachträglich rekonstruieren zu müssen. Ein Widerruf greift in weniger als 30 Sekunden, sodass eine begrenzte Reaktion auf einen Agenten nicht erfordert, die Systeme abzuschalten, mit denen er kommuniziert hat. Nichts davon klassifiziert eingehenden Traffic so, wie es Arkose Titan tut, es beantwortet die Spiegelfrage, auf der Seite der Beziehung, die ein Unternehmen tatsächlich kontrolliert.
Sources
- https://www.helpnetsecurity.com/2026/11/05/arkose-agent-trust-manager/
- https://www.imperva.com/resources/resource-library/reports/2025-bad-bot-report/
Verwandte Leitfäden
Compliance
Der Readiness-Leitfaden zu Artikel 12 des EU AI Act
Was Aufzeichnungspflichten und menschliche Aufsicht ab August 2026 operativ tatsächlich verlangen — und welche Nachweise ein Prüfer von Ihnen einfordern wird.
9 Min. Lesezeit
Leitfaden lesen →Governance
Der Einsatz von KI-Agenten läuft ihrer Aufsicht davon
Eine Splunk-Studie mit 2.050 Befragten zeigt: Die meisten Teams sehen, dass ihre KI-Agenten schneller arbeiten, doch mehr als ein Drittel kann nicht sagen, wer für ihre Überwachung verantwortlich ist. Tempo ohne Verantwortung ist kein Ergebnis. Es ist ein Risiko, das auf seinen Vorfall wartet.
5 Min. Lesezeit
Zur Analyse →Compliance
KI-Guardrails in Australien: Was der Voluntary AI Safety Standard, Essential Eight und die Privacy-Act-Reform für Unternehmens-KI bedeuten
Australien nähert sich der KI-Governance aus drei Richtungen zugleich — Sicherheits-Guardrails, Cyber-Grundschutz und Datenschutzreform — und KI-Plattformen müssen künftig alle drei nachweisen.
6 Min. Lesezeit
Zum Leitfaden →