Illustration Absmeier foto ki designer

KI-Agenten, Service Accounts und Cloud-Workloads handeln ohne menschliche Anmeldung – oft rund um die Uhr und mit weitreichenden Rechten. Damit verschiebt sich die zentrale Sicherheitsfrage: Nicht nur wer, sondern auch was darf auf Daten, Anwendungen und Netze zugreifen? Unternehmen brauchen ein vollständiges Inventar, klare Verantwortlichkeiten, kurzlebige Zugangsdaten und identitätsbasierte Kontrollen. Mikrosegmentierung kann dabei den Bewegungsraum kompromittierter Identitäten begrenzen, ist aber nur ein Baustein einer durchgängigen NHI-Governance.

Management Summary

Maschinenidentitäten werden zum zentralen IAM-Risiko: Service Accounts, API-Schlüssel, Workloads und KI-Agenten wachsen schneller als klassische Governance-Prozesse. Palo Alto Networks beziffert das Verhältnis von Maschinen- zu menschlichen Identitäten für 2026 auf 109 zu eins.[1]
Sichtbarkeit ist die Voraussetzung für Kontrolle: Ohne vollständiges Inventar, eindeutige Eigentümer und nachvollziehbare Abhängigkeiten bleiben verwaiste Konten, Schatten-KI und überprivilegierte Zugriffe unentdeckt.
Statische Geheimnisse sind ein strukturelles Problem: Kurzlebige, automatisch verwaltete Identitäten und konsequente Rotation reduzieren die Abhängigkeit von langlebigen Passwörtern, API-Schlüsseln und Tokens.[3][4]
Least Privilege muss dynamisch werden: Zugriffsrechte sollten an Identität, Aufgabe, Kontext und Laufzeit gebunden, kontinuierlich geprüft und bei veränderten Risiken rasch entzogen werden.[2][5]
Mikrosegmentierung begrenzt den Aktionsradius: Identitätsbasierte Regeln können laterale Bewegungen erschweren; sie ersetzen jedoch weder sauberes Identitäts-Lifecycle-Management noch Secrets Management, Monitoring und Incident Response.

Maschinen- und Dienstidentitäten übertreffen laut einem Bericht von Palo Alto Networks die Zahl der menschlichen Nutzer mittlerweile im Verhältnis 109 zu eins. Der Trend wird sich mit dem wachsenden Einsatz von KI-Agenten voraussichtlich noch beschleunigen. Diese nicht-menschlichen Identitäten (Non-Human Identities, NHI) verfügen in der Regel über übermäßige Berechtigungen und werden nur unzureichend überwacht. Dies führt zu einem wachsenden blinden Fleck in der Netzwerksicherheit, den Angreifer nutzen können, um sich lateral zu bewegen, ohne Warnmeldungen auszulösen. Tatsächlich wendet laut dem IBM-Report Cost of a Data Breach 2026 weniger als ein Drittel der Unternehmen granulare Zugriffskontrollen und eine Zero-Trust-Architektur auf NHI an.

Kay Ernst, Regional Manager DACH beim IT-Sicherheitsanbieter Zero Networks, erklärt, wie Mikrosegmentierung kann trotz der sich schnell veränderten Angriffsfläche auch trickreiche Angreifer auszubremsen:

NHI-Sicherheit bezeichnet die Praxis, für Maschinenidentitäten, Dienstkonten, API-Schlüssel, Workload-Identitäten und KI-Agenten dieselben Governance-Regeln anzuwenden, die Unternehmen für menschliche Benutzer durchsetzen.

»Maschinenidentität« war ursprünglich ein engerer Begriff für kryptografische Anmeldedaten. »Nicht-menschliche Identität« folgte als weiter gefasster Oberbegriff. In der Praxis decken beide Begriffe dieselbe, sich ausweitende Kategorie ab: Identitäten, die von Software – anstelle von menschlichen Benutzern – zur Authentifizierung und zum Zugriff auf Systeme dienen. Obwohl jede nicht-menschliche Identität ein einzigartiges Risikoprofil aufweist, stellen heute insbesondere zwei Arten die größte Bedrohung für Unternehmen dar: Dienstkonten und KI-Agenten.

Sicherheitsrisiken und Herausforderungen bei Maschinenidentitäten

Wie die meisten nicht-menschlichen Identitäten weisen auch Dienstkonten und KI-Agenten eine Reihe gemeinsamer Risiken auf: Sie verfügen über dauerhafte Zugriffsrechte, die nach ihrer Einrichtung nur selten überprüft werden, und sie sind so konzipiert, dass sie im Hintergrund arbeiten, sodass Missbrauch unbemerkt bleibt. Der Unterschied liegt darin, wie schnell sich Zugriffsrechte ansammeln und wie tiefgreifend die Governance-Lücke bereits ist – die Ausbreitung von Dienstkonten ist eine bekannte Schwachstelle, während sich das gesamte Ausmaß der Angriffsfläche durch KI-Agenten erst noch abzeichnet.

Zu den am weitesten verbreiteten Risiken im Zusammenhang mit nicht-menschlichen Identitäten gehören:

Statische Anmeldedaten ohne MFA-Prüfung:
KI-Agenten arbeiten in offen gestalteten Workflows, ohne dass ein Mensch jeden Schritt genehmigen muss – sie authentifizieren sich, verwalten Token und verschaffen sich autonom Zugang über gesammelte Berechtigungen. Laut einer IBM-Studie gibt weniger als die Hälfte der Unternehmen an, NHI in KI-Workflows zu schützen. Ebenso laufen Dienstkonten mit statischen Anmeldedaten, die bestenfalls vierteljährlich rotiert werden. Manche Unternehmen legen sie sogar so fest, dass sie überhaupt nie ablaufen, da die Rotation von Anmeldedaten, die mit einem laufenden Produktionsprozess verbunden sind, ein eigenes operatives Risiko birgt.
Dauerhafte Berechtigungen und Privilegienausweitung:
Viele Dienstkonten sind mit Domain-Admin-Rechten oder unternehmensweiten Zugriffsrechten überberechtigt, die betrieblich nicht notwendig sind. Das Gleiche gilt für agentische Identitäten. Je mehr Aufgaben KI-Agenten zugewiesen werden, desto mehr Zugriffsrechte sammeln sie durch Richtlinienabweichungen, Tool-Verkettung und einen sich ausweitenden Anwendungsbereich an.
Schatten-KI und die Lücke in der agentischen Governance:
Fast 80 Prozent der Unternehmen setzen laut IBM bereits intern KI-Agenten ein, und etwa zwei Drittel verfügen über keine Governance-Richtlinien zu deren Verwaltung. Diese Lücke beginnt als Sichtbarkeitsproblem. Sicherheitsteams können die in ihrer Umgebung laufende »Schatten-KI« nicht erkennen, geschweige denn kontrollieren. Ob genehmigt oder nicht: Der Einsatz von KI-Agenten vergrößert die Angriffsfläche für KI schneller, als Unternehmen ihre Governance ausbauen können.
Aktivitäten entgehen den Erkennungstools:
Der Datenverkehr von Dienstkonten und KI-Agenten verschmilzt mit normalen Aktivitäten, da er auf legitimen Zugriffen basiert. Wenn Angreifer diese Berechtigungen ausnutzen, um sich lateral zu bewegen und auf sensible Systeme zuzugreifen, bleibt die Bedrohung für Erkennungstools verborgen, da sie nicht anomal erscheint.

Least-Privilege-Prinzip für nicht-menschliche Identitäten

Da Dienstkonten in der Regel im Hintergrund arbeiten, sind sie bekanntermaßen schwer zu überwachen. Ebenso hat die weit verbreitete Einführung von KI – oft außerhalb der IT-Kontrolle – in vielen Unternehmen einen massiven »blinden Fleck« bei KI-Agenten geschaffen. Der erste Schritt zur Durchsetzung von Least-Privilege-Kontrollen für NHI ist die Implementierung einer kontinuierlichen Netzwerküberwachung, die jede Identität, jedes Tool und jede Verbindung in der Umgebung abbildet und so Schatten-KI sowie lange verborgene Dienstkonten ans Licht bringt.

NHI-Zugriff auf Geschäftsanforderungen beschränken

Sichtbarkeit schafft Klarheit darüber, worauf Agenten und Dienstkonten zugreifen können. Der nächste Schritt besteht darin, zu verstehen, welchen Zugriff sie benötigen, um ihre vorgesehenen Funktionen auszuführen. Indem sie das tatsächliche Netzwerkverhalten über einen längeren Zeitraum beobachten, können Sicherheitsteams, welche Verbindungen wirklich notwendig sind, wo der bereitgestellte Zugriff die tatsächlichen Anforderungen übersteigt und wo diese Lücke die größten Sicherheitsrisiken birgt. Mit dieser ermittelten Basis können Teams den Zugriff so einschränken, dass er den betrieblichen Anforderungen entspricht, ohne dabei wichtige Verbindungen zu unterbrechen.

Durchsetzung granularer, identitätsbasierter Zugriffskontrollen

Granulare Zugriffskontrollen müssen für jede Identität gelten – ob Mensch, Maschine oder KI. Dienstkonten, KI-Agenten und alle Maschinenidentitäten sollten auf vorab genehmigte Ressourcen und Anmeldetypen beschränkt sein. Dadurch lässt sich sicherzustellen, dass laterale Bewegungen und unbefugter Zugriff auf sensible Systeme blockiert werden, selbst im Falle kompromittierter Maschinenidentitäten.

Automatisiertes Policy-Lifecycle-Management mit einer deterministischen Engine

Moderne Unternehmensumgebungen sind zu dynamisch für statische, IP-zentrierte Richtlinien, die sich eher auf einen Standort als auf eine Identität beziehen. Laut Gartner ist es an der Zeit, den Kurs zu ändern und von IP-zentrierten Regeln zu einer einheitlichen Identitätsstruktur überzugehen, bei der die Durchsetzung dynamisch angepasst wird.

»Der Wandel von einer netzwerkzentrierten zu einer identitätsorientierten Segmentierung ist eine Reaktion auf die Entwicklung traditioneller Perimeter hin zu hybriden Architekturen, den Aufstieg dynamischer, Cloud-nativer Umgebungen und die Einführung von NHI. (…) Sich auf statische, IP-basierte Mikrosegmentierung zu verlassen, garantiert eine katastrophale Anfälligkeit gegenüber KI-gesteuerten Angriffen.«

Eine deterministische Policy-Engine, die gelernte Netzwerk-Baselines nutzt, um präzise Regeln zu erstellen, kann auch dazu dienen, Richtlinien automatisch an Netzwerkänderungen anzupassen und so sicherzustellen, dass der Zugriff stets auf die Identität zugeschnitten ist.

Lücken bei Identität und Least-Privilege-Prinzip schließen

Die meisten Unternehmen tun sich schwer, eine einfache Frage zu beantworten: Wie viele Dienstkonten und KI-Agenten laufen derzeit in der Umgebung, und worauf kann jedes einzelne tatsächlich zugreifen? Dieser blinde Fleck – und nicht die Raffinesse der Angreifer – verwandelt eine einzige nicht-menschliche Identität mit übermäßigen Berechtigungen in einen Sicherheitsverstoß, der den Geschäftsbetrieb lahmlegt.

Die Lücken beim Least-Privilege-Prinzip der geringsten Berechtigungen haben dazu geführt, dass Maschinenidentitäten übermäßige Berechtigungen erhielten und unzureichend überwacht wurden. Automatisierte, identitätsgesteuerte Mikrosegmentierung erleichtert die Erkennung und Kontrolle von Dienstkonten, KI-Agenten und jeder anderen Identität. Nach der Bereitstellung innerhalb kurzer Zeit erhalten Unternehmen umfassende Sichtbarkeit über alle Netzwerkressourcen und Identitäten im Netzwerk. Während einer Lernphase verfolgt die Lösung alle Anmeldeaktivitäten, das Kontoverhalten und die Zugriffsmuster auf Ressourcen.

Eine deterministische Automatisierungs-Engine bildet das beobachtete Netzwerkverhalten ab und generiert Richtlinien nach dem Least-Privilege-Prinzip auf der Grundlage erlernter Basiswerte. Sie gewährleistet die Kontrolle durch die Teams mittels »Human-on-the-Loop«-Simulationen und einer schrittweisen Einführung vor der Durchsetzung. Identitätsbasierte Richtlinien regeln den Zugriff auf Netzwerkebene. Sie sind an Benutzer-, Maschinen- oder KI-Identitäten gebunden und aktualisieren sich bei Änderungen der Umgebung automatisch.

Fazit:

Das Schließen von Sicherheitslücken bei Maschinenidentitäten erfordert eine dynamische Zugriffskontrolle, die darauf basiert, wie sich nicht-menschliche Identitäten tatsächlich verhalten.

Tipps für die Praxis

Inventar und Verantwortliche festlegen: Erfassen Sie Service Accounts, Anwendungen, Workloads, Bots, API-Schlüssel, Zertifikate und KI-Agenten in einem gemeinsamen Register. Jede Identität benötigt einen fachlichen und technischen Owner.
Geschäftszweck dokumentieren: Hinterlegen Sie für jede NHI Aufgabe, erlaubte Ressourcen, Datenklasse, Laufzeit, Abhängigkeiten und Abschaltkriterien. Unklare oder verwaiste Identitäten gehören in einen kontrollierten Prüfprozess.
Langlebige Secrets abbauen: Bevorzugen Sie verwaltete Workload-Identitäten, föderierte Vertrauensbeziehungen und kurzlebige Credentials. Speichern Sie verbleibende Secrets zentral, rotieren Sie sie automatisiert und testen Sie die Notfallwiderrufung.[3][4]
Least Privilege messbar machen: Vergleichen Sie gewährte Rechte mit real beobachteter Nutzung. Reduzieren Sie überflüssige Berechtigungen zunächst im Simulationsmodus und setzen Sie Änderungen anschließend stufenweise um.
Agenten als eigene Identitätsklasse behandeln: Registrieren Sie KI-Agenten, ordnen Sie Auftraggeber und Betreiber zu und protokollieren Sie Delegationsketten, Tool-Aufrufe und Zugriffsentscheidungen.[6]
Netzwerkpfade begrenzen: Segmentieren Sie sensible Systeme nach Identität, Anwendung und Geschäftsprozess. Mikrosegmentierung sollte kritische Ost-West-Verbindungen einschränken und mit IAM, PAM und Secrets Management zusammenspielen.[2][5]
Lifecycle automatisieren: Verknüpfen Sie Erstellung, Änderung, Rezertifizierung und Stilllegung mit CI/CD-, Cloud- und ITSM-Prozessen. Abgelaufene Projekte oder Workloads müssen automatisch eine Zugriffsprüfung auslösen.
Erkennung auf Verhalten ausrichten: Baselines für Anmeldungen, Ressourcenaufrufe, Datenvolumen und ungewöhnliche Tool-Ketten helfen, den Missbrauch legitimer Zugangsdaten zu erkennen. Alarmregeln benötigen regelmäßig abgestimmte Schwellenwerte.
Mit einem risikobasierten Pilot starten: Beginnen Sie bei produktionsnahen Service Accounts, privilegierten CI/CD-Identitäten und Agenten mit Zugriff auf vertrauliche Daten. Definieren Sie Kennzahlen wie bekannte NHI, Owner-Abdeckung, Anteil kurzlebiger Credentials und Zeit bis zum Widerruf.

FAQ: Maschinenidentitäten, Service Accounts und KI-Agenten

1. Was ist eine nicht-menschliche Identität?

Eine nicht-menschliche Identität, kurz NHI, authentifiziert keine Person, sondern eine Anwendung, einen Dienst, ein Skript, einen Container, ein Gerät oder einen KI-Agenten. Microsoft ordnet Anwendungen, Service Principals und Managed Identities den Workload-Identitäten zu; zusammen mit Geräteidentitäten bilden sie die Gruppe der Maschinenidentitäten.[3]

2. Warum sind NHI schwerer zu kontrollieren als Benutzerkonten?

Sie arbeiten automatisiert, oft dauerhaft und über Systemgrenzen hinweg. Außerdem können sie keine klassische MFA-Interaktion ausführen, besitzen häufig keinen konsequenten Lifecycle und müssen Zugangsdaten technisch speichern oder beziehen. Dadurch sind Eigentümerschaft, Rezertifizierung und Widerruf anspruchsvoller.[4]

3. Sind Service Accounts und KI-Agenten dasselbe?

Nein. Ein Service Account führt typischerweise vorhersehbare technische Aufgaben aus. Ein KI-Agent kann dagegen eigenständig Werkzeuge aufrufen, mehrere Schritte verketten und im Namen eines Benutzers oder Prozesses handeln. Beide sind NHI, benötigen aber unterschiedliche Risiko-, Delegations- und Laufzeitkontrollen.[6]

4. Welche Risiken sind besonders relevant?

OWASP nennt unter anderem mangelhaftes Offboarding, Secret-Leaks, unsichere Drittanbieter-NHI, schwache Authentifizierung, überprivilegierte Identitäten und unsichere Cloud-Bereitstellungen. Diese Kategorien zeigen, dass nicht allein das Credential, sondern der gesamte Lebenszyklus abgesichert werden muss.[5]

5. Weshalb reichen Passwortrotation und ein Secrets Vault nicht aus?

Ein Vault schützt und verteilt Geheimnisse, beantwortet aber nicht automatisch, ob eine Identität noch benötigt wird, wem sie gehört und welche Ressourcen sie nutzen darf. Wo möglich, sollten Unternehmen langlebige Secrets durch kurzlebige oder verwaltete Identitäten ersetzen und Zugriffe zusätzlich kontextbezogen autorisieren.[3][4]

6. Welche Rolle spielt Zero Trust?

Zero Trust gewährt kein implizites Vertrauen allein aufgrund von Netzwerkstandort oder Eigentum. Authentifizierung und Autorisierung erfolgen vor dem Zugriff auf eine Ressource; Entscheidungen sollen Identität, Gerät beziehungsweise Workload, Ressource und Kontext berücksichtigen.[2]

7. Was leistet Mikrosegmentierung bei kompromittierten NHI?

Mikrosegmentierung kann erlaubte Kommunikationspfade granular begrenzen und so die laterale Ausbreitung erschweren. Identitätsbezogene Regeln sind in dynamischen Hybrid- und Cloud-Umgebungen aussagekräftiger als ausschließlich statische IP-Regeln. Die Wirksamkeit hängt jedoch von vollständiger Sichtbarkeit, korrekten Richtlinien und laufender Pflege ab.[2]

8. Welche Kennzahlen eignen sich für das Management?

Hilfreich sind der Anteil inventarisierter NHI, die Owner-Abdeckung, die Zahl verwaister Identitäten, der Anteil kurzlebiger Credentials, überprivilegierte Konten, Rezertifizierungsquote, mittlere Zeit bis zur Sperrung sowie der Anteil protokollierter Agentenaktionen. Der Branchenwert von 109 Maschinenidentitäten je menschlicher Identität ist ein Größenindikator, ersetzt aber keine eigene Bestandsaufnahme.[1]

9. Wie sollten Unternehmen mit Schatten-KI umgehen?

Technische Erkennung und klare Beschaffungs- beziehungsweise Freigabeprozesse sollten zusammenwirken. Unternehmen sollten Agenten registrieren, Eigentümer benennen, zulässige Tools und Daten festlegen sowie Delegationsketten protokollieren. Die Cloud Security Alliance berichtet weiterhin über deutliche Lücken bei dokumentierten Richtlinien und der Erfassung neuer KI-Identitäten.[6]

10. Wie gelingt ein risikoarmer Einstieg?

Ein Pilot sollte eine klar abgegrenzte Anwendung mit hohem Schutzbedarf und überschaubaren Abhängigkeiten wählen. Zunächst werden Identitäten und Verbindungen beobachtet, anschließend Richtlinien simuliert und erst danach schrittweise durchgesetzt. Erfolgskriterien sollten vorab feststehen, einschließlich Betriebsunterbrechungen, blockierter unzulässiger Zugriffe und verkürzter Widerrufszeiten.

Quellen

[1] Palo Alto Networks, 2026 Identity Security Landscape: https://www.paloaltonetworks.com/idira/identity-security-landscape-report

[2] NIST Special Publication 800-207, Zero Trust Architecture: https://csrc.nist.gov/pubs/sp/800/207/final

[3] Microsoft Learn, Workload identities: https://learn.microsoft.com/en-us/entra/workload-id/workload-identities-overview

[4] Microsoft Learn, Securing workload identities with Microsoft Entra ID Protection: https://learn.microsoft.com/en-us/entra/id-protection/concept-workload-identity-risk

[5] OWASP Non-Human Identities Top 10 – 2025: https://owasp.org/www-project-non-human-identities-top-10/2025/top-10-2025

[6] Cloud Security Alliance, The State of Non-Human Identity and AI Security, 2026: https://cloudsecurityalliance.org/artifacts/state-of-nhi-and-ai-security-survey-report

Management Summary, FAQ und Bild wurden mit Hilfe von KI erstellt

590 Artikel zu „Maschinen Identitäten“

Digitalisierung | Geschäftsprozesse | IT-Security | Künstliche Intelligenz | News | Strategien | Tipps

Nicht-menschliche Identitäten: Warum Unternehmen Maschinen, Dienste und KI-Agenten besser steuern müssen

19. August 2026

Service-Konten, API-Schlüssel, Zertifikate und KI-Agenten sind heute zentrale Bausteine digitaler Geschäftsprozesse – zugleich aber oft kaum gesteuerte Risikoträger. Unternehmen müssen nicht-menschliche Identitäten deshalb konsequent inventarisieren, begrenzen und überwachen, um Angriffsflächen zu reduzieren, Compliance-Anforderungen zu erfüllen und Automatisierung sicher zu skalieren. Management Summary Nicht-menschliche Identitäten entwickeln sich in hybriden IT-, Cloud- und KI-Umgebungen zu einer…