Da Unternehmen zunehmend Modelle der generativen KI (GenAI) und große Sprachmodelle (Large Language Models, LLMs) in ihre digitalen Systeme integrieren, sind sie mit neuen und erhöhten Risiken konfrontiert. Wenig überraschend stehen dabei Risiken im Zusammenhang mit Datenexfiltration – der unbefugten Übertragung von Daten aus einem Unternehmen an ein externes Ziel – meist ganz oben auf der Liste der Sicherheitsteams. Diese Risiken zu verstehen und zu minimieren, ist für Entscheidungsträger im Bereich Cybersicherheit von entscheidender Bedeutung, damit die vertraulichen Informationen und die Systemintegrität ihres Unternehmens geschützt bleiben.
Datenexfiltration stellt eine erhebliche Bedrohung für Unternehmen dar, die GenAI und LLMs einsetzen. Diese hochentwickelten Modelle verarbeiten häufig große Mengen sensibler Daten, was sie zu attraktiven Zielen für Cyberkriminelle macht. Die Folgen eines Angriffs können schwerwiegend sein und von finanziellen Verlusten und Reputationsschäden bis hin zu rechtlichen Konsequenzen und behördlichen Sanktionen reichen. Aufsehenerregende Vorfälle wie Datenschutzverletzungen bei Unternehmen im Gesundheits- und Finanzdienstleistungssektor verdeutlichen, wie dringend robuste Sicherheitsmaßnahmen erforderlich sind. Zu den möglichen Wegen der Datenexfiltration zählen interne und externe Bedrohungen durch Menschen oder Systeme sowie Bedrohungen und Schwachstellen innerhalb der Lieferkette, beispielsweise:
- Bedrohungen durch Insider: Mitarbeitende mit Zugriff auf sensible Daten können absichtlich oder unabsichtlich Datenschutzverletzungen verursachen. Bedrohungen durch Insider sind besonders schwer einzudämmen, da es sich bei den beteiligten Personen um Vertrauenspersonen handelt.
- Externe Bedrohungen: Cyberangriffe auf KI-Infrastrukturen werden immer ausgefeilter. Angreifer können Schwachstellen in KI-Modellen, Software oder Hardware ausnutzen, um sich unbefugten Zugriff auf Daten zu verschaffen.
- Schwachstellen in der Lieferkette: Risiken durch Drittanbieter und Partner können die Sicherheit von KI-Systemen beeinträchtigen. Die Sicherheit der gesamten Lieferkette zu gewährleisten, ist unerlässlich, um den Abfluss von Daten zu verhindern.
Glücklicherweise gibt es wirksame Gegenmaßnahmen – zu den Strategien, mit denen sich Vorfälle von Datenexfiltration bekämpfen lassen, gehören:
- Zugriffskontrolle und Authentifizierung: Die Implementierung robuster Zugriffskontrollen und einer Multi-Faktor-Authentifizierung (MFA) ist entscheidend, um zu steuern, wer auf KI-Systeme und Daten zugreifen kann. Richtlinienbasierte Zugriffskontrollen (PBAC) stellen sicher, dass Mitarbeitende nur über die für ihre jeweilige Rolle erforderlichen Berechtigungen verfügen, wodurch das Risiko unbefugter Zugriffe verringert wird.
- Überwachung und Anomalieerkennung: Die kontinuierliche Überwachung von KI-Systemen auf ungewöhnliche Aktivitäten ist unerlässlich. Der Einsatz von KI und maschinellem Lernen zur Anomalieerkennung in Echtzeit kann dazu beitragen, potenzielle Datenexfiltrationsversuche zu erkennen und darauf zu reagieren, bevor sie erheblichen Schaden anrichten.
- Regelmäßige Audits und Penetrationstests: Regelmäßige Sicherheitsaudits helfen dabei, Schwachstellen in KI-Systemen zu identifizieren. Penetrationstests, bei denen ethische Hacker versuchen, in ein System einzudringen, liefern wertvolle Erkenntnisse über potenzielle Schwachstellen und Verbesserungsmöglichkeiten.
- Sicherheit der Lieferkette: Die Bewertung und Minderung von Risiken durch Drittanbieter ist für die Aufrechterhaltung der Sicherheit von KI-Systemen von entscheidender Bedeutung. Unternehmen sollten in der gesamten Lieferkette Sicherheitsmaßnahmen umsetzen, darunter eine gründliche Überprüfung der Anbieter und eine kontinuierliche Überwachung ihrer Sicherheitspraktiken.
- Schulung und Sensibilisierung der Mitarbeitenden: Cybersicherheitsschulungen für Mitarbeitende sind unerlässlich, um eine Kultur des Sicherheitsbewusstseins zu schaffen. Wenn Beschäftigte über die Risiken der Datenexfiltration und bewährte Verfahren zu deren Verhinderung aufgeklärt werden, lässt sich die Wahrscheinlichkeit von Insider-Bedrohungen und menschlichen Fehlern erheblich verringern.
Unsere KI-Laufzeitsicherheitslösungen bewältigen diese Herausforderungen und setzen diese Strategien um, damit Unternehmen die Leistungsfähigkeit generativer KI nutzen und gleichzeitig höchste Sicherheitsstandards einhalten können. Unsere modellunabhängige „schwerelose“ Vertrauensschicht befindet sich zwischen der digitalen Infrastruktur Ihres Unternehmens und Ihren Modellen und bietet umfassenden Schutz, ohne die Latenz zu erhöhen. Eine breite Palette anpassbarer Scanner prüft jeden Prompt, um sicherzustellen, dass keine vertraulichen Informationen das System verlassen und keine schädlichen Inhalte wie eingebetteter Code oder Links in das System gelangen. PBAC kann auf Einzelpersonen, Teams und Modelle angewendet werden, sodass nur Mitarbeitende, die Zugriff auf ein Modell benötigen, diesen auch erhalten.
Da unsere Lösung außerhalb des Systems angesiedelt ist, bietet sie Sicherheitsteams Einblick in jedes eingesetzte KI-Tool und ermöglicht so die Echtzeiterkennung ungewöhnlicher Aktivitäten, die auf eine Bedrohung oder einen Angriff hindeuten könnten. Jede Interaktion mit jedem Modell sowie jede Interaktion von Administratoren mit der F5-Lösung wird zur Überprüfung und Auditierung protokolliert und liefert detaillierte Erkenntnisse über das Nutzerverhalten und die Modellnutzung. Der Schlüssel zu einem ausgewogenen Verhältnis zwischen Datensicherheit, Modellleistung und betrieblicher Funktionalität liegt in der Auswahl der richtigen Tools. Durch die Einbindung von F5 in die KI-Sicherheitsinfrastruktur Ihres Unternehmens stellen Sie sicher, dass Ihre GenAI-Implementierungen transparent, sicher und stabil sind und bleiben. Wenn Sie vom 6. bis 8. August an der BlackHat-Konferenz in Las Vegas teilnehmen, klicken Sie hier und kontaktieren Sie uns, um zu erfahren, wie unsere AI Runtime Security-Lösungen das Sicherheitsprofil Ihres Unternehmens transformieren können.
Ähnliche Blogbeiträge

Kubernetes-native WAF für das Gateway-Zeitalter: F5 WAF for NGINX lässt sich jetzt in F5 NGINX Gateway Fabric integrieren
F5 erweitert WAFs, um mit F5 NGINX Gateway Fabric und F5 NGINX Ingress Controller einen konsistenten, skalierbaren Schutz über Cluster und Umgebungen hinweg bereitzustellen.

Von Regeln zu Risiken: Die Entwicklung von WAFs und der Aufstieg KI-gestützter Ergebnisse
WAF-Programme geraten oft an einem bekannten Punkt ins Stocken: Der Blockierungsmodus wird verzögert aktiviert, weil die Feinabstimmung aufwendig ist.
Erklärbarkeit: Licht ins Dunkel der KI-Blackbox bringen
Einblicke von James White, CTO bei CalypsoAI: Dank GenAI verstehen wir inzwischen gut, wie Antworten generiert und an uns zurückgegeben werden. Vereinfacht gesagt basiert KI auf einer Transformer-Architektur – sie wählt die beste Vorhersage für das nächste Wort und den nächsten Satz aus und liefert anhand der ihr vorliegenden Informationen die wahrscheinlichste Antwort […]
Die neue KI-Risikolandschaft: unsichtbar, autonom und bereits im Unternehmen
James White, VP Engineering, F5 Zur Jahresmitte 2025 ist es an der Zeit, eine Momentaufnahme der KI-Nutzung in Unternehmen und des aktuellen Stands der KI-Sicherheit zu erstellen. Der Einsatz generativer KI ist in Unternehmen mittlerweile Standard Unternehmen verfügen inzwischen durchweg zumindest über ein grundlegendes Verständnis von generativer KI. Sie wissen, was sie ist und wo sie […]
Die KI-Grenzen sichern: Strategien zur Bekämpfung von Datenexfiltration
Da Unternehmen zunehmend Modelle der generativen KI (GenAI) und große Sprachmodelle (LLMs) in ihre digitalen Systeme integrieren, sind sie mit neuen und erhöhten Risiken konfrontiert. Wenig überraschend stehen dabei Risiken im Zusammenhang mit Datenexfiltration – der unbefugten Übertragung von Daten aus einem Unternehmen an ein externes Ziel – meist ganz oben auf der Prioritätenliste der Sicherheitsteams. Ein Verständnis […]
Everest Group-Bericht: Aktuelle Trends und Zukunftsaussichten bei der Einführung von GenAI in der Industrie
Wir freuen uns, einen wesentlichen Beitrag zu einem wegweisenden neuen Bericht der Everest Group, einem weltweit führenden Forschungsunternehmen, geleistet zu haben. Der Bericht mit dem Titel „Generative AI Adoption – Examining Real-world Use in Horizontal Functions and Future Outlook“ bietet eine eingehende Analyse der Einführung generativer KI (GenAI) in verschiedenen Branchen. Dem Bericht zufolge ist die IT […]
