KI-Anwendungen entwickeln sich rasant von einfachen Chat-Oberflächen zu agentengesteuerten Systemen. Diese modernen „agentischen“ Anwendungen rufen APIs nicht einfach nur auf – sie erkennen verfügbare Funktionen, orchestrieren Arbeitsabläufe und führen Aktionen über zahlreiche Tools und Dienste hinweg aus, häufig dynamisch und zur Laufzeit.
Sicherheitsmodelle sind jedoch nach wie vor größtenteils auf statische Anwendungen mit vorhersehbaren Datenverkehrsmustern ausgelegt und werden mit Hochdruck weiterentwickelt, um mit dieser rasanten Entwicklung so schnell wie möglich Schritt zu halten.
Diese Entwicklung verändert jedoch grundlegend die Rolle etablierter Sicherheitskontrollen wie API-Erkennung, Bedrohungserkennung und Schutz sowie Web Application Firewalls (WAFs). In einer agentenbasierten Welt sind diese Kontrollen nicht mehr nur eine „Perimeterverteidigung“. Sie fungieren zunehmend als Steuerungsebenen für die Sicherheit von KI-Anwendungen und sorgen für die nötige Transparenz, die Durchsetzung von Richtlinien und Laufzeitbeschränkungen, wenn Agenten selbst entscheiden können, was als Nächstes zu tun ist.
“In agentenbasierten KI-Architekturen schützt eine WAF nicht mehr nur webbasierte Anwendungen. Sie dient nun auch als Durchsetzungspunkt für Richtlinien bei hochvolumigem Datenverkehr zwischen Maschinen.”
KI-Anwendungen sind von Grund auf API-zentriert
Auf technischer Ebene ist nahezu jede KI-Anwendung eine Engine zur Orchestrierung von APIs.
Zu den gängigen API-Kategorien gehören:
- Modell-APIs: Endpunkte für LLM-Inferenz
- Retrieval-APIs für die abrufgestützte Generierung (Vektordatenbanken, Suchdienste, Dokumentenspeicher)
- Tool-/Aktions-APIs: Ticketsysteme, E-Mail, Codeausführung, CRM, Zahlungen usw.
- Streaming-APIs: Secure Socket Engine (SSE), WebSockets, gRPC-Streaming
- Orchestrierungs- und Richtlinien-APIs: Agenten-Router, Workflow-Engines, Schutzmechanismus-Dienste
Mit zunehmender Reife gehen Agenten von statischen Integrationen zur Laufzeiterkennung von Funktionen über und wählen Tools danach aus, was im jeweiligen Moment verfügbar und relevant ist. Das Model Context Protocol (MCP) ist ein Beispiel dafür: Es standardisiert, wie KI-Systeme Tools über eine einheitliche API-Schnittstelle erkennen und aufrufen.
Diese API-zentrierte Architektur macht Transparenz und Kontrolle bei APIs unverzichtbar. Wenn eine Anwendung ihren Funktionsumfang dynamisch erweitern kann, muss ein Sicherheitsteam diese Erweiterungen nahezu in Echtzeit erkennen und steuern können.
Die Rolle der API-Erkennung in KI-Anwendungen
Es gilt die bekannte Faustregel: Kein Unternehmen kann schützen, was es nicht sehen kann. Dies trifft jedoch insbesondere dann zu, wenn ein Agent APIs dynamisch erkunden und nutzen kann. Deshalb sind die Erkennung und Klassifizierung von APIs heute unverzichtbar.
Die Erkennung und Klassifizierung von APIs ermöglicht einen kontinuierlichen Überblick darüber, welche API-Endpunkte vorhanden sind – einschließlich neu hinzugefügter Endpunkte. Sie gibt Aufschluss über die verwendeten HTTP-Anfragemethoden (z. B. GET, POST oder PUT). Zudem hilft sie dabei, die eingesetzten Schemata und Payload-Strukturen zu ermitteln und festzustellen, welche Clients, Agenten und Dienste welche APIs aufrufen. Darüber hinaus lässt sich damit nachvollziehen, wie sich die API-Landschaft und damit die Angriffsfläche im Laufe der Zeit verändern.
Für MCP-Server und andere KI-Steuerungs-APIs – Softwareschnittstellen, die Interaktionen zwischen Anwendungen und KI-Modellen verwalten, absichern und steuern – bietet die API-Erkennung einen erheblichen Sicherheitsnutzen. Sie kann unerwartete Routen oder Tool-Beschreibungen erkennen, darunter Funktionen oder Daten, die nicht vorhanden sein oder nicht offengelegt werden sollten. Zudem hilft sie dabei, Schatten-APIs und undokumentierte APIs zu identifizieren, die von Agenten oder Entwicklern möglicherweise unbeabsichtigt verwendet werden. Darüber hinaus erstellt sie eine Baseline für das normale Verhalten von Agenten, etwa hinsichtlich typischer Nutzungsmuster, Aufrufraten und Abfolgen.
In einer dynamischen KI-Umgebung ist die API-Erkennung nicht mehr nur eine Bestandsaufnahme. Sie ist zu einem Laufzeit-Sicherheitssignal geworden, das zwischen normalem, beabsichtigtem Verhalten und einer fehlerhaften Verwaltung des API-Lebenszyklus unterscheidet, darunter API-Drift, Missbrauch, die Offenlegung sensibler Daten oder eine Kompromittierung.
Die Rolle von WAFs in KI-Anwendungen
Sobald ein Unternehmen einen Überblick darüber hat, was tatsächlich vorhanden ist und was wie genutzt wird, können Richtlinien erstellt und durchgesetzt werden. In agentenbasierten KI-Architekturen dient eine WAF nicht mehr nur dem Schutz webbasierter Anwendungen. Sie fungiert nun auch als zentrale Stelle zur Durchsetzung von Richtlinien für den umfangreichen Datenverkehr zwischen Maschinen.
Für MCP-Endpunkte und KI-Backends kann eine WAF strikte API-Grenzen durchsetzen und nur bekannte Pfade, Methoden und Inhaltstypen zulassen. Eine WAF stellt zudem die Protokollkonformität sicher, indem sie Request Smuggling, fehlerhafte Anfragen, Header-Manipulationen sowie den Missbrauch von Upgrades und Streaming blockiert.
Auch die Durchsetzung von Authentifizierungs- und Sitzungsrichtlinien kann über eine WAF erfolgen, sodass die Identität validiert wird, bevor privilegierte Tool-Anfragen ausgeführt werden. WAFs schützen vor Missbrauch und systematischem Ausspähen, indem sie Scans, Sondierungsversuche, die automatisierte Erkennung von Endpunkten und verdächtige Erkundungsmuster erkennen. Darüber hinaus ermöglichen WAFs die Kontrolle von Anfrageraten und Verbindungen und tragen so dazu bei, Ressourcenerschöpfung und Denial-of-Wallet-Angriffe einzudämmen, die kostspielige Modell- und Tool-Aufrufe ausnutzen.
Ein weiterer entscheidender Vorteil von WAFs besteht darin, dass die Durchsetzung erfolgt, bevor der Datenverkehr die KI-Laufzeitumgebung, die Orchestrierungsschicht oder nachgelagerte Tools erreicht, wo Fehler kostspielig, gefährlich oder irreversibel werden können.
Agentische KI-Anwendungen schnell absichern
Heutige agentenbasierte KI kann eine Anwendung in einen dynamischen Orchestrator von APIs verwandeln, sodass bewährte statische Perimetersicherheit allein nicht mehr ausreicht. Die API-Erkennung ermöglicht kontinuierliche Transparenz und die Erstellung von Verhaltensbaselines in dieser sich schnell verändernden Landschaft.
In dieser Landschaft entwickeln sich WAFs rasch zu zentralen Durchsetzungspunkten für Richtlinien im Machine-to-Machine-Datenverkehr zwischen Agenten. Sie schränken ein, worauf und von wo aus Agenten zugreifen können, wie sie kommunizieren und welche Ressourcen sie in welchem Umfang nutzen dürfen. In dieser Landschaft können API-Erkennung und WAFs praktische Kontrollen anwenden, um agentenbasierte KI-Systeme ebenso schnell abzusichern, wie sich deren Fähigkeiten und Integrationen zur Laufzeit verändern.
Weitere Informationen finden Sie auf F5.com sowie auf unseren Lösungsseiten zu F5 WAF-Lösungen und F5 API-Sicherheitsprodukten und -Services.
Über den Autor
Ähnliche Blogbeiträge
Vier Gründe, warum Sie den F5 Post-Mythos Security Summit nicht verpassen sollten
Holen Sie sich Expertenrat, um Ihre Apps, APIs und Modelle in der Post-Mythos-Welt zu schützen.
Von einer App zu einer ganzen Agentenflotte: Ein 90-Tage-Framework für KI-Sicherheit
Vermeiden Sie den kostspieligen Ansatz „Jetzt bereitstellen, später absichern“ – mit einem umfassenden Framework zum Schutz von KI-Modellen, Anwendungen und autonomen Agenten.
Fünf Stufen antifragiler Cyberresilienz verwandeln Praxis in Ergebnisse
Erfahren Sie, wie fünf Stufen antifragiler Resilienz Störungen in adaptive Verhaltensweisen überführen, die Ausfälle begrenzen und hybride Multicloud-Architekturen stärken.
Warum Ihre KI-Richtlinien, Governance und Leitplanken nicht warten können
KI-Richtlinien und -Governance dürfen nicht länger als reine Formalitäten oder Zukunftsthemen betrachtet werden. Sie müssen durch praktische, durchsetzbare Leitplanken ergänzt werden.
Wenn „privat“ nicht privat ist: Wie ChatGPT-Unterhaltungen öffentlich wurden
KI verändert die Arbeitsabläufe in Unternehmen, doch eine übersehene Einstellung hat bereits Tausende vertraulicher Unterhaltungen öffentlich zugänglich gemacht
KI-Nutzung verstehen: Warum Unternehmen Transparenz brauchen
Anstatt einen zu laxen oder zu strengen Ansatz zu verfolgen, können Unternehmen durch mehr Transparenz bei der KI-Nutzung fundierte und durchsetzbare Entscheidungen treffen.