Agent Washing im SOC: Wenn Automatisierung ein neues Etikett bekommt

Fast neun von zehn Sicherheitsteams berichten von einem deutlichen Anstieg beim Alarmvolumen im letzten Jahr, bei knapp der Hälfte lag der Anstieg über 25 Prozent. Drei von vier Sicherheitsverantwortlichen nennen Alert Fatigue inzwischen als eines ihrer größten operativen Probleme, fast ebenso viele berichten von Burnout und dauerhaftem Personalmangel im Team (Pulse of the AI SOC Report 2025).

Genau in diese Lage hinein verspricht praktisch jeder Hersteller dieselbe Lösung: einen KI-Agenten, der Alarme eigenständig bearbeitet, Bedrohungen selbst aufspürt und Reaktionen automatisch einleitet. 87 Prozent der Unternehmen testen solche Werkzeuge bereits oder setzen sie im Betrieb ein. Nur 9 Prozent der Sicherheitsteams sagen aber, dass sie den Ergebnissen dieser KI wirklich vertrauen (ebenda). Zwischen diesen beiden Zahlen liegt die Frage, mit der sich gerade jeder IT-Entscheider auseinandersetzen muss: Wie viel von dem, was als Agent verkauft wird, hält einer genaueren Prüfung stand?

Für den Verdacht, dass die Antwort oft ernüchternd ausfällt, hat die Analystenfirma Gartner einen eigenen Begriff geprägt: Agent Washing – das Umetikettieren bestehender Automatisierung als eigenständigen Agenten, ohne dass sich an der zugrundeliegenden Technik etwas geändert hätte (Gartner-Definition, zusammengefasst von D3 Security). Der Grund dafür ist naheliegend: Ohne KI-Bezug fließt aktuell kaum noch Investorenkapital, und ein KI-Label lässt sich leichter verkaufen als ein belastbarer Funktionsnachweis.

Ein Wort, zwei völlig unterschiedliche Technologien

Das Wort „Agent“ kann technisch sehr Unterschiedliches meinen, und genau dieser Unterschied entscheidet über das tatsächliche Risiko im Betrieb.

Die eine Variante ist ein Assistent: Ein Sicherheitsteam beschreibt in natürlicher Sprache, was passieren soll, und bekommt einen fertigen Workflow oder ein Playbook zurück. Bevor davon etwas in der Produktivumgebung wirkt, prüft und bestätigt ein Mensch den Vorschlag. Die andere Variante entscheidet und handelt vollautomatisiert selbst – sie isoliert zum Beispiel einen Endpoint, sobald sie eine Bedrohung erkennt, ohne dass vorher jemand zustimmt. Beide Varianten heißen aktuell „Agent“. Nur eine davon kann ohne menschliches Zutun realen Schaden anrichten.

Wie real dieses Risiko ist, zeigt ein einfaches Beispiel aus der Praxis: Ein Agent stuft einen im Internet gefundenen Hinweis als ausreichend ein, um eine Datei als bösartig einzustufen, und löscht sie automatisch. Erst danach stellt sich heraus, dass die Datei Teil einer geschäftskritischen Applikation war. Der Anwendungsserver ist weg, der Betrieb steht still. Automatisierung, die autonom handelt, spart in der Regel Zeit. Sie kann aber auch in Sekunden mehr Schaden anrichten, als ein Team in Stunden beheben kann.

Die Prozentzahlen, mit denen aktuell geworben wird

98 Prozent Entscheidungsgenauigkeit. 100 Prozent automatisierte Triage. 95 Prozent autonom bearbeitete Fälle. Solche Zahlen tauchen aktuell in fast jeder Produktankündigung auf, und sie stammen praktisch ausnahmslos vom Hersteller selbst. Wir empfehlen IT-Entscheidern deshalb, sich solche Kennzahlen im Anbietergespräch grundsätzlich live in den eigenen Reports zeigen zu lassen, statt sie unkommentiert zu übernehmen.

„Nur weil etwas draufsteht, ist das kein Qualitätsgarant.“

Andreas Papadaniil, CEO suresecure

Selbst wenn die Zahl stimmt, sagt sie zudem wenig über die Kosten aus: Höhere Automatisierung bedeutet in der Regel auch höhere Token- und Softwarekosten, die eingesparte Personalkosten teilweise wieder auffressen. Dass Vorsicht angebracht ist, bestätigt auch Gartner im eigenen Hype Cycle for Security Operations 2025: KI-SOC-Agenten und Cybersecurity-KI-Assistenten stehen aktuell beide auf dem „Peak of Inflated Expectations“ – die Ansprüche der Hersteller übersteigen die Belege für nachhaltige, messbare Verbesserungen (zusammengefasst von Cynet).

Sieben Fragen, die Gartner Einkäufern empfiehlt

Wie lässt sich der Unterschied zwischen echtem Fortschritt und Etikettenschwindel im Anbietergespräch handfest machen? Gartner-Analysten haben dafür im März 2026 einen eigenen Fragenkatalog veröffentlicht (BleepingComputer, Zusammenfassung des Gartner-Reports):

1. Löst der Agent ein bestehendes Problem im eigenen SOC, oder verkauft er ein Feature, das niemand angefordert hat?

2. Wie wird der Erfolg gemessen, nur an der Zahl bearbeiteter Alarme, oder an harten Kennzahlen wie Erkennungs-, Untersuchungs- und Reaktionszeit?

3. Wird der Anbieter in zwei Jahren noch am Markt sein, angesichts von Kundenbasis, Finanzierung und Preismodell?

4. Macht der Agent die eigenen Analysten besser, oder hält er sie nur anders beschäftigt?

5. Wo genau liegen die Grenzen der Autonomie, greift ein Freigabeprozess, bevor gehandelt wird, oder wird nur im Nachhinein informiert?

6. Lässt sich der Agent nativ in bestehende SIEM-, EDR-, SOAR- und Identity-Systeme integrieren?

7. Lässt sich nachvollziehen, was der Agent konkret getan hat, welche Abfragen, welche Belege, welche Entscheidung?

Wer auf diese sieben Fragen im Anbietergespräch konkrete Antworten bekommt, hat eine deutlich bessere Grundlage für die Kaufentscheidung als jede Hochglanz-Präsentation.

Haftung und Regulierung ziehen nach

Die Frage nach der Verantwortung wird auch juristisch relevanter. Wie teuer ein Fehler in einem automatisierten System werden kann, zeigt der CrowdStrike-Ausfall vom Juli 2024, als ein fehlerhaftes Update weltweit Flugverkehr, Krankenhäuser und Notrufsysteme lahmlegte. Die Haftung war im Standardvertrag auf die gezahlten Lizenzgebühren begrenzt. Betroffene Unternehmen konnten damit bestenfalls eine Rückerstattung erwarten, unabhängig vom tatsächlichen Schaden (Yahoo Tech, Einschätzung einer Cybersecurity-Anwältin). Wer einem Agenten autonome Entscheidungen überlässt, sollte deshalb nicht nur dessen Fähigkeiten prüfen, sondern auch die Haftungsklauseln im Vertrag.

Auch regulatorisch wird es enger: Seit dem 2. August 2026 gelten die Transparenzpflichten aus Artikel 50 des EU AI Act. KI-Systeme, die direkt mit Menschen interagieren, müssen sich als solche zu erkennen geben (Übersicht des EU AI Act Explorer). Wer seinem Agenten also einen menschlichen Namen gibt, wird sich künftig genauer überlegen müssen, ob sich der Aufwand der Kennzeichnung lohnt.

Was das für die nächste Kaufentscheidung bedeutet

Für IT-Entscheider heißt das im Kern: Ein Agent verdient Vertrauen erst durch nachvollziehbare Ergebnisse in der eigenen Umgebung, nicht durch die Prozentzahl auf der ersten Folie. Genauso wichtig ist die Frage nach der eigenen Reife: Wer noch gar kein SOC betreibt, profitiert von hochautomatisierten Agenten-Plattformen bislang kaum. Der eigentliche Hebel entsteht erst bei entsprechender Skalierung.

Genau diese Fragen vertiefen Michael Döhmen und Andreas Papadaniil in der aktuellen Folge des Podcasts Cybersecurity Basement.