Sicherheitsverantwortliche stehen vor einer schier unlösbaren Mammutaufgabe: Sie müssen mehr Cyberbedrohungen denn je erkennen und bedingt durch KI-Agenten mehr Telemetriedaten verarbeiten.
Die Evolution von Security Operations zu Agentic SecOps

Doch dafür steht weniger Personal und ein geringeres Budget zur Verfügung. Durch die kontinuierlichen Fortschritte im Bereich der KI entwickeln sich die Sicherheitsbedrohungen immer schneller weiter und traditionelle Sicherheitsansätze halten immer weniger Stand. Um auf neue Bedrohungsszenarien zu reagieren, muss auch die Fähigkeit zur Erkennung und Reaktion auf Angriffe Schritt halten. Die Verlagerung von traditionellen SecOps hin zu Agentic SecOps kann dazu beitragen, die Mammutaufgabe zu bewältigen.
Dieser Wandel darf nicht als Übergang zu einer vollständig autonomen Security Operations-Funktion ohne menschliches Zutun missverstanden werden. In der Praxis gilt es, die Zukunft von SecOps differenzierter zu betrachten und mit einem Zero Trust-Plattformansatz zu kombinieren. Dabei bewegt sich SecOps auf ein Modell zu, in dem KI-Agenten bei der schnellen Reaktion auf Vorfälle unterstützen können. Sie absorbieren riesige Datenmengen, beschleunigen die Triage, erkennen Angriffsmuster, bewahren das institutionelle Gedächtnis und führen klar definierte Aktionen in maschineller Geschwindigkeit aus. Agentic SecOps könnte einen Großteil der bisherigen SOAR-Aufgaben übernehmen und gleichzeitig einige einfache und delegierbare Entscheidungen integrieren. Entscheidend ist jedoch, dass der Mensch weiterhin für jegliche Beurteilung, Priorisierung und für Entscheidungen mit geschäftlicher Relevanz verantwortlich bleibt.
Die Zeit ist reif für eine SecOps-Evolution
SecOps wurde für eine Welt entwickelt, in der die Datenmenge, die Geschwindigkeit von Angriffen und die Anzahl der miteinander verbundenen Tools weitaus geringer waren als das heute der Fall ist. Das Modell selbst behält weiterhin seine Berechtigung, steht aber im Zuge der Entwicklung von Frontier-KI massiv unter Druck. Mit diesem wachsenden Druck geht eine Reihe spezifischer Herausforderungen einher.
Erstens erhöht die agentenbasierte KI das reine Volumen der zu analysierenden Daten, wenn 50 oder mehr Agenten pro User zur neuen Norm werden. Infolgedessen werden Sicherheitsteams von Telemetriedaten regelrecht überschüttet. Mehr Transparenz über alle Transaktionen hinweg klingt in der Theorie vielversprechend, bedeutet in der Praxis jedoch mehr Grundrauschen, zunehmende Alarmmüdigkeit und ein höheres Risiko, dass echte Bedrohungen unter Datenbergen verborgen bleiben. Ohne Agentic SecOps müssen Sicherheitsteams diese Daten viel länger aufbewahren, was sowohl die Kosten als auch die Verweildauer von Angreifern erhöht.
Zweitens erzeugt die Geschwindigkeit KI-gesteuerter Angriffe zusätzlichen Druck. Angreifer agieren durch den Einsatz von KI viel schneller als in der Vergangenheit. Die Aufklärungsphase zu Schutzlücken und die Verkettung von Schwachstellen wird ebenso wie deren Ausnutzung automatisiert. Gleichzeitig halten viele Unternehmen an ihren menschlichen Analysten fest, um Alarme zu untersuchen und darauf zu reagieren. So kompetent diese Analysten auch sein mögen, sind sie mit ihren begrenzten Ressourcen den rund um die Uhr arbeitenden KI-Agenten schlichtweg nicht gewachsen.
Die Limitierungen herkömmlicher Ansätze
Zwar reagieren Sicherheitsteams mit Automatisierung, doch traditionelle Ansätze haben ihre Grenzen. Hier tritt die dritte Herausforderung zutage. SOAR-Plattformen und regelbasierte Playbooks haben bisher den Sicherheitsteams wichtige Fortschritte gebracht, aber sie sind konzeptionell deterministisch angelegt: Tritt ein bekanntes Ereignis ein, folgt eine bekannte Aktion. Dies bedeutet, dass sie mehrdeutige Situationen, neuartige Signalkombinationen oder Schlussfolgerungen über fragmentierte Kontexte hinweg nicht vollständig bewältigen können.
All diese Probleme werden durch den Fachkräftemangel in der Branche noch verschärft. Qualifizierte Analysten sind schwer zu rekrutieren und zu binden und Fluktuation führt zu mangelhafter Konsistenz. Letztendlich sind diese Analysten zu wertvoll, als dass sie ihre Zeit mit repetitiver Triage verbringen sollten, anstatt sich hochwertigen Aufgaben wie tiefgehenden Untersuchungen, Risikoanalysen und strategischen Verbesserungen zu widmen. Dennoch fordern Management und Vorstände zunehmend wiederholbare und auditierbare Betriebsabläufe.
Zusätzlich war der Betrieb eines herkömmlichen SecOps-Modells nicht gänzlich unproblematisch. Es war nur für diejenigen Unternehmen erschwinglich, die in die entsprechenden Ressourcen investieren konnten. Ausgelagerte Funktionen hielten nicht immer, was sie versprachen. Agentic SecOps tritt nun an, um diese Limitierungen abzulösen. Richtig aufgesetzt und mit Blick auf diese Herausforderungen implementiert kann es zu einer wertvollen Säule in der Sicherheitsarchitektur eines Unternehmens werden.
Die Definition der dritten Welle von Agentic SecOps
Agentic SecOps lässt sich am besten am Einsatz von KI im Bereich des Incident Response Managements verstehen. Die erste Welle konzentrierte sich auf die grundlegende Mustererkennung. Die zweite Welle brachte generative KI-Fähigkeiten einschließlich Zusammenfassungen, Untersuchungsunterstützung und Abfragen in natürlicher Sprache mit sich. Dies half zwar bei der Produktivitätssteigerung, veränderte aber die eigentliche Orchestrierung der Arbeit nicht grundlegend.
Die dritte Welle ist die „agentische“ Welle, in der Orchestrierung, logisches Denken und Handeln zu verschmelzen beginnen. Neben der Übernahme von zunehmend einfacheren Entscheidungen und Verantwortlichkeiten können agentenbasierte Systeme Daten aus vielfältigen Quellen abrufen und ein kontextbezogenes Gedächtnis aufrechterhalten, durch das sich aktuelle Vorfälle mit vergangenen vergleichen lassen. Darüber hinaus können sie nächste Schritte empfehlen und in einigen Fällen begrenzte Aktionen innerhalb eines genehmigten Workflows ausführen. Agentische Fähigkeiten können Unternehmen bei der Reduktion des Alarmrauschens unterstützen, bevor diese Flut an ausgelösten Alarmen die Analysten erreichen. Durch diese Vorselektion kann sich der Mensch auf die wichtigen angezeigten Alerts fokussieren. Mit einem solchen Einsatz von KI im Bereich des Agentic SecOps muss jedoch auch die Governance geklärt werden.
Agentic SecOps verantwortungsvoll adaptieren
Bei der Einführung von Agentic SecOps sollten Unternehmen genau abwägen, welche Prozesse automatisiert werden sollten und sich dabei nicht daran orientieren, was automatisiert werden kann. Denn nicht alle denkbaren Aktionen sollten an einen Agenten delegiert werden. Ein reifer Ansatz beginnt mit assistierenden Anwendungsfällen in den Bereichen Triage, Datenanreicherung, Zusammenfassungen und der Ausführung von Workflows mit geringem Risiko. Aktionen mit großen Auswirkungen, insbesondere solche, die den Geschäftsbetrieb stören könnten, erfordern klar definierte Freigabeprozesse und Richtliniengrenzen. Ein Agent ist nur so nützlich wie der Kontext, auf den er zugreifen kann, und das Ökosystem, in dem er arbeitet. Daher wird sich Agentic SecOps dadurch differenzieren, wie gut es Daten konsumiert, das Wissen über Vorfälle hinweg bewahrt, sich in den größeren Security-Stack integrieren kann und an die Geschäftsabläufe angepasst ist.
Da agentenbasierte Systeme Kontrollinstanzen benötigen, sollte die Governance direkt in die Architektur integriert werden. Unternehmen müssen dazu klar definieren, was Agenten tun dürfen, wann sie um Erlaubnis fragen müssen, welche Beweise sie sichern müssen und wie ihre Ergebnisse im Laufe der Zeit überprüft werden. Da Agentic SecOps riesige Datenmengen erfordert und mit dem Großteil der Sicherheitsschichten interagiert, sind spezifische Sicherheitsmaßnahmen für eben diese KI-Agenten sinnvoll. Eine Zero Trust-Sicherheitsplattform bietet sich zur Risikominimierung an, da KI-Agenten auf diese Weise eine Identität erhalten, die in Verbindung mit Richtlinien den Verantwortungs- und Zugangsbereich auf Daten und Anwendungen definiert und überwacht. Auf diese Weise kann beispielsweise die Priorisierung von Schwachstellen für das Patch-Management, aber auch die Segmentierung von Zugriffen erfolgen und damit der Aufbau von Cyber-Resilienz in Betriebsabläufen kontrolliert werden.
Die Zukunft der Security Operations ist kollaborativ
Der größte Irrtum über Agentic SecOps ist eine vollautomatische Zukunft. Eine realistischere Vision ist zugleich machbarer. Es gilt ein kollaboratives Modell umzusetzen, bei dem KI-Agenten die Skalierung und Wiederholungsaufgaben übernehmen, während Menschen für das Urteilsvermögen und die Verantwortlichkeit zuständig bleiben
Agentic SecOps bietet eine skalierbare Antwort auf Herausforderungen durch das steigende Datenvolumen, die zunehmende Geschwindigkeit von Bedrohungen sowie den Druck auf Budgets und IT-Talente. Unternehmen müssen die richtige Balance für die KI-assistierte Ära der Security Operations finden.










