KI-Sicherheitsstrategien für mehrere Modelle: Zwei Maßnahmen, die Sie jetzt ergreifen sollten

Lee EnnisSenior Manager, Data Science | F5

KI-Sicherheit beherrscht in diesem Jahr die Diskussionen in der Branche, doch den sichersten Weg in die Zukunft zu bestimmen, kann überwältigend wirken. Die rasche Veröffentlichung immer leistungsfähigerer Modelle, der starke Anstieg des Datenverkehrs durch KI-Agenten, die zunehmende Verbreitung von Schatten-KI und die Bedrohung durch hochmoderne Modelle in den Händen böswilliger Akteure belasten sowohl das Tagesgeschäft als auch die langfristige Planung erheblich.

Führungskräfte müssen beim Einsatz mehrerer KI-Modelle auch strategisch über die Ressourcenverteilung nachdenken. So wie man für alltägliche Besorgungen keinen Porsche 911 Turbo fahren würde, sollte man für einfache Aufgaben nicht auf die teuersten und rechenintensivsten Modelle zurückgreifen. Die Effizienz von KI zu maximieren ist entscheidend, doch es bleibt eine Herausforderung, Abstand vom täglichen Informationsstrom zu gewinnen und den Blick für das große Ganze zu bewahren.

Das bremst die Einführung von KI natürlich nicht. Unsere 12. jährliche Umfrage unter IT-Entscheidungsträgern weltweit zeigt, wie tief KI-Anwendungen bereits in Produktionssysteme und betriebliche Arbeitsabläufe integriert sind. In Unternehmen mit einem Jahresumsatz von mindestens 1 Milliarde US-Dollar sind durchschnittlich bereits 55 % der Anwendungen KI-fähig – damit wurde die Hälfte innerhalb nur weniger Jahre überschritten. Gleichzeitig betreiben 78 % der Unternehmen zumindest teilweise ihre eigene Inferenz.

„Bereit oder nicht“ ist nicht sicher

Leider deuten die Daten auch darauf hin, dass viele Unternehmen sich selbst überholen. Es steht außer Frage, dass die Einführung von KI schneller vorangeschritten ist als die Transparenz darüber. Mehr als ein Drittel der Befragten unserer Umfrage (35 %) räumt ein, dass ihre Infrastrukturen noch nicht in der Lage sind, die Governance, Beobachtbarkeit und Sicherheit bereitzustellen, die ihre KI-Workloads benötigen. Andere rasen wahrscheinlich mit einem falschen Gefühl der Kontrolle und ohne geeignete Scheinwerfer in den Nebel.

Glücklicherweise können Sie bereits heute einige wichtige Maßnahmen ergreifen, um sicherzustellen, dass Ihr Unternehmen auf dem Weg zum KI-Erfolg sicher voranschreitet.

Schritt 1: Übernehmen Sie das Steuer bei Multi-Modell-KI

Der erste Schritt besteht darin, die Kontrolle über Ihre Multi-Modell-Bereitstellungen zu übernehmen. Ein durchschnittliches Unternehmen nutzt sieben verschiedene Modelle oder Modellfamilien im Produktivbetrieb oder in der aktiven Evaluierung. Die größten Unternehmen, darunter viele F5-Kunden, setzen in der Regel sogar noch mehr ein. Während 52 % der Unternehmen Modelle miteinander verknüpfen oder orchestrieren, betreibt fast die Hälfte mehrere Modelle mit nur geringer Koordination und uneinheitlichen Sicherheitsvorkehrungen.

Bevor sich KI-Modelle weiter ausbreiten, sollten Sie eine Bestandsaufnahme Ihrer Modelle und Inferenzdienste durchführen. Behandeln Sie sie als eine neue Infrastrukturebene, die abgesichert und optimiert werden muss:

• Redundanzen identifizieren: Erkennen Sie sich überschneidende Funktionen und beheben Sie Kompatibilitätsprobleme frühzeitig.
• Kostentreiber analysieren: Verstehen Sie genau, wofür Ihr Rechenbudget verwendet wird.
• Sicherheitsrisiken bewerten: Identifizieren Sie Schwachstellen, die für bestimmte Modelle oder Workloads spezifisch sind.
• Aufgaben den Modellen zuordnen: Stellen Sie sicher, dass Ihre KI-Modelle die Aufgaben übernehmen, die zum Erfolg Ihres Unternehmens beitragen, während alltäglichere Anforderungen durch zweckmäßigere Dienste erfüllt werden, deren Kosten ihrem Nutzen entsprechen.

Tools wie Modellregister können dabei helfen, Abhängigkeiten transparent zu machen und Orchestrierungs-Frameworks für einen nahtlosen Modellwechsel oder ein automatisches Failover zu unterstützen. Ein umfassendes Inventar ermöglicht effizientes Routing und hohe Ausfallsicherheit, gewährleistet ein einheitliches Sicherheitsniveau und erleichtert die Skalierung, ohne dass dabei Kosten-, Komplexitäts- oder Sicherheitsprobleme entstehen.

Schritt 2: Bewältigen Sie den Anstieg des KI-Datenverkehrs

Ihre Bestandsaufnahme bereitet Sie auch auf die nächste große Hürde vor: die explosionsartige Zunahme von KI-Agenten. Automatisierter und KI-gesteuerter Datenverkehr macht bereits mehr als die Hälfte des Internetverkehrs aus. Da zwei Drittel der Unternehmen KI einsetzen, um die Automatisierung weiter voranzutreiben, wächst die Zahl der Agenten im Web exponentiell. Tatsächlich gehen bereits 77 % der Unternehmen davon aus, dass die Identitäts- und Zugriffskontrolle für Agenten betriebliche und sicherheitsbezogene Herausforderungen mit sich bringen wird.

Ihre Sorge ist berechtigt. Die Verwaltung des Zugriffs für Maschinenidentitäten kann Sicherheitsadministratoren schnell überfordern und birgt ein erhebliches Risiko für den Diebstahl von Anmeldedaten, den Missbrauch von Berechtigungen und Identitätsdiebstahl.

Verhindern Sie Katastrophen, indem Sie strenge Governance-Richtlinien für nicht-menschliche Identitäten entwickeln. Zu den wirksamen Ansätzen gehören die Weiterleitung des Datenverkehrs über identitätsbasierte Load Balancer und die Implementierung von Leitplanken, die autonome KI-Aktionen auf reversible Leistungsoptimierungen beschränken. Die Absicherung nichtdeterministischer Aktionen kann eine Herausforderung darstellen, doch Plattformsicherheitslösungen wie unsere kürzlich angekündigte F5 AI Security Platform machen Schluss mit dem Rätselraten.

Berücksichtigen Sie bei der Festlegung von Governance-Richtlinien unbedingt auch die wirtschaftliche Modellierung der Nutzung von Agentendiensten. Die Erlösmodelle befinden sich noch im Wandel, und Gebühren pro Aufgabe oder Interaktion könnten schon bald die herkömmlichen Gebühren pro Benutzer ablösen. So wie Sicherheitsgurte und Überrollbügel bei Abenteuern im Gelände für mehr Sicherheit sorgen, bereitet die frühzeitige Klärung dieser Governance-Fragen Ihr Unternehmen auf einen unkontrollierten Agenten-Traffic vor, ohne künftige Arbeitsabläufe zu beeinträchtigen.

Dies sind nur einige der Maßnahmen, die Unternehmen angesichts des rasanten Wachstums agentenbasierter KI in Betracht ziehen sollten, um die Transparenz und Cybersicherheit in KI-Umgebungen mit mehreren Modellen zu verbessern. Weitere Informationen finden Sie in unserem aktuellen Bericht: „Der Stand der KI-Inferenzlandschaft 2026: Auswirkungen auf Anwendungsinfrastrukturen.“

Über den Autor

Lee EnnisSenior Manager, Data Science | F5

Lee Ennis leitet das KI-Team für Data Science und Forschung bei F5. Sein Schwerpunkt liegt auf der Entwicklung fortschrittlicher KI-Sicherheitslösungen, die Unternehmen dabei unterstützen, große Sprachmodelle (LLMs) und generative KI-Systeme sicher bereitzustellen und zu überwachen. Sein Team vereint Fachwissen in den Bereichen maschinelles Lernen, adversariales Testen und Modellabsicherung, um Schwachstellen zu identifizieren und das Vertrauen in KI-gestützte Umgebungen zu stärken.

Weitere Blogbeiträge von Lee Ennis