Warum herkömmliche Identity Governance Schwierigkeiten bei der Nachverfolgung von KI-Agenten hat

Das Management des Identitätslebenszyklus wurde für Menschen entwickelt: Mitarbeitende werden eingestellt, versetzt und schließlich über HR-Prozesse aus dem Unternehmen entfernt. Da Unternehmen zunehmend autonome KI-Agenten einsetzen, stellen Sicherheitsteams fest, dass dieses lang etablierte Modell nicht zu einer neuen Klasse nicht menschlicher Identitäten passt.

Ein System, das auf Beschäftigungsdaten basiert

Herkömmliche Tools für Identity Governance and Administration (IGA) gehen davon aus, dass jede Identität einen Vorgesetzten, eine Stellenbezeichnung und eine eindeutige Beziehung zu einem Personalverwaltungssystem wie Workday, SAP SuccessFactors oder ServiceNow HR hat. Die Einstellung einer neuen Person löst die Bereitstellung von Zugriffsrechten aus, eine Beförderung ändert Berechtigungen, und ein Austrittsereignis startet Deaktivierungs-Workflows. Diese Schritte erzeugen den Prüfpfad, der zur Unterstützung von Compliance-Anforderungen und Zugriffsüberprüfungen verwendet wird.

Diese Struktur funktioniert, weil menschlicher Zugriff in der Regel vorhersehbaren Mustern folgt. Eine rollenbasierte Zugriffskontrolle kann eine berufliche Funktion einer bekannten Gruppe von Berechtigungen zuordnen, während Zertifizierungskampagnen und Prüfungen auf Funktionstrennung zusätzliche Kontrolle ermöglichen.

Warum KI-Agenten nicht in das Lebenszyklusmodell passen

KI-Agenten werden auf ganz andere Weise erstellt. Sie werden häufig von Entwicklern, Automatisierungsplattformen oder Orchestrierungs-Frameworks gestartet und nicht von HR-Systemen. Statt über einen formalen Joiner-Mover-Leaver-Prozess Zugriffsrechte zu erhalten, werden sie möglicherweise bei ihrer Erstellung mit Servicekonten, API-Schlüsseln oder OAuth-Berechtigungen ausgestattet.

Im Betrieb können sich diese Agenten auf schwer vorhersehbare Weise verhalten. Ein Agent, der für eine bestimmte Aufgabe entwickelt wurde, kann seinen Wirkungsbereich erweitern, indem er Tools aufruft, Daten abruft oder Aktionen über mehrere Systeme hinweg verkettet. Diese Ausweitung des Umfangs zur Laufzeit ist für Identitätstools schwer zu interpretieren – insbesondere, wenn der Agent als statisches Maschinenkonto und nicht als autonom handelnder Akteur behandelt wird.

Governance-Lücken, die im großen Maßstab entstehen

Der Artikel weist außerdem darauf hin, dass Agenten parallel über Cloud-Dienste, Container und SaaS-Plattformen hinweg agieren können, teilweise mit separaten Anmeldedaten und Sitzungskontexten. In Umgebungen mit mehreren Agenten kann ein Agent sogar Aufgaben an einen anderen delegieren. Dadurch wird es noch schwieriger nachzuvollziehen, wer oder was zu einem bestimmten Zeitpunkt Zugriffsrechte nutzt.

Für Sicherheitsteams geht es nicht nur um die Bereitstellung von Zugriffsrechten, sondern auch um Transparenz und Kontrolle darüber, wie sich Zugriffe während der Ausführung verändern. Herkömmliche IGA-Produkte wurden nicht dafür entwickelt, Identitäten nachzuverfolgen, die sich aufteilen, vervielfachen und mit Systemen außerhalb einer festgelegten Stellenbeschreibung interagieren können.

• Menschenzentrierte Lebenszyklusmodelle basieren auf HR-Ereignissen.
• KI-Agenten werden häufig außerhalb kontrollierter Onboarding-Workflows erstellt.
• Das Verhalten zur Laufzeit kann den Zugriff über die ursprünglichen Berechtigungen hinaus erweitern.
• Bestehende IGA-Tools übersehen möglicherweise die Ausbreitung von Agenten über verschiedene Umgebungen hinweg.

Da KI-Agenten in Unternehmensumgebungen zunehmend verbreitet sind, argumentiert der Artikel, dass sich die Identity Governance über die Annahmen hinaus weiterentwickeln muss, die für menschliche Mitarbeitende entwickelt wurden.