Auf den Punkt: KI beschleunigt und priorisiert Erkennung, ersetzt aber weder sauberes Security-Design noch klare Governance und Verantwortlichkeiten.
KI ist in Security-Teams längst Alltagswerkzeug, etwa in Anomalieerkennung, EDR und E-Mail-Security. Der Flaschenhals liegt einer aktuellen Analyse zufolge jedoch selten in fehlender KI, sondern in unzureichender Architektur, unklaren Prozessen und mangelnder Risikotransparenz.
KI-gestützte Verfahren sind seit Jahren Bestandteil gängiger Sicherheitswerkzeuge – neu ist vor allem die gestiegene Sichtbarkeit großer Sprachmodelle, die Dokumentation, Scripting und Integrationsaufgaben erleichtern. Den größten Mehrwert liefert KI dort, wo sie Muster lernt und Abweichungen vom Normalzustand erkennt: In SIEM- und MDR-Umgebungen decken User- und Entity-Behavior-Analytics (UEBA) Unregelmäßigkeiten im Log- und Netzwerkverkehr auf, die signaturbasierte Systeme nicht erfassen würden – etwa eine ungewöhnliche Admin-Anmeldung in Kombination mit neu angelegten Konten. Auf Endpoints hat sich verhaltensbasierte Erkennung im EDR-Bereich etabliert. In der E-Mail-Security stehen sich generative und detektierende KI-Systeme unmittelbar gegenüber: Angreifer erzeugen überzeugendere Phishing-Mails, Verteidiger reagieren mit feineren, sprach- und kontextsensitiven Erkennungsmodellen.
Für Security-Verantwortliche entsteht daraus ein praktisches Problem: Die KI-Ökosysteme der Hersteller sind weitgehend abgekapselt und kaum interoperabel – Fortinet harmoniert mit Fortinet, Palo Alto mit Palo Alto. End-to-End-Korrelation über Toolgrenzen hinweg erfordert Integration in ein Security Operations Center (SOC), saubere Datenmodelle und SOAR-Playbooks (Security Orchestration, Automation and Response) – Arbeit, die sich weder wegautomatisieren noch vollständig standardisieren lässt. SOAR-Tools sollen im SOC die Schnittstellen unterschiedlicher Informationsquellen bedienen, um Analysten einen ganzheitlichen Blick zu ermöglichen.
Bei der Werkzeugwahl stehen sich Plattform-Konsolidierung und Best-of-Breed-Ansätze gegenüber. Viele Unternehmen erwägen eine Konzentration auf wenige Hersteller, um Komplexität, Vertrags- und Datenschutzaufwände zu reduzieren. In der Praxis bleibt Best-of-Breed dennoch relevant, da kaum ein Anbieter in jeder Disziplin Spitzenleistung liefert. Wer auf eine Plattform setzt, profitiert von engerer Integration, riskiert aber fachliche Kompromisse und Lock-in-Effekte; wer Best-of-Breed wählt, behält Spitzenlösungen, trägt jedoch die Integrationslast von APIs über Datenpipelines bis zu SOAR-Playbooks selbst.
Kosten gelten als oft unterschätzter Faktor: Cloud-SIEMs wirken zunächst attraktiv, können durch Log-Aufbewahrung, Ingest-Gebühren für importierte Datenmengen und Datenexporte jedoch teuer werden. Dedizierte UEBA- beziehungsweise Anomalie-Engines oder hybride Systeme können Total Cost of Ownership und Compliance-Anforderungen je nach Datenfluss, benötigten Retention-Zeiten und regulatorischen Pflichten teils besser ausbalancieren. Für Praktiker bleibt die Kernbotschaft: KI macht Auffälligkeiten sichtbar, kuriert aber keine schlechte Ausgangslage – unklar segmentierte Netze, unvollständig eingeführte Sicherheitslösungen und fehlendes Wissen über die für das Unternehmen kritischen Assets bleiben Probleme, die vor dem KI-Einsatz gelöst werden müssen.
Quelle: www.computerweekly.com · Erschienen 8. Mai 2026
Lumi AI News — KI-assistierte Kuratierung gemaess Art. 50 EU AI Act. Paraphrase und Klassifikation durch Lumi News Pipeline v1.8.2.