Ein Mitarbeiter meldet sich um drei Uhr nachts an, von einem Ort, an dem er noch nie war, mit dem richtigen Passwort und dem richtigen zweiten Faktor. Für ein klassisches Anmeldesystem ist das ein gültiger Login. Künstliche Intelligenz im Identitätsschutz setzt genau hier an: Sie prüft nicht nur, ob die Zugangsdaten stimmen, sondern auch, ob das Verhalten dahinter zu der Person passt, der das Konto gehört.
Dieser Beitrag zeigt, wie aus solchen Beobachtungen eine Zugriffsentscheidung wird, wo die Methode an Grenzen stößt und warum inzwischen nicht mehr nur Menschen eine digitale Identität brauchen, sondern auch Skripte, Dienste und KI-Agenten.
Warum Passwort und zweiter Faktor nicht mehr reichen
Lange galt eine einfache Regel: Wer das richtige Passwort kennt, kommt hinein. Mit Cloud-Diensten, Homeoffice-Zugängen und Dutzenden Anwendungen pro Person ist daraus ein Problem geworden. Eine einzelne Identität lässt sich heute über viele Kanäle angreifen, und die Angreifer nutzen selbst KI, um überzeugendere Phishing-Mails oder gefälschte Profile zu erzeugen.
Auch der zweite Faktor ist kein Schlusspunkt. Wie leicht er sich aushebeln lässt, zeigte der Angriff auf Uber im September 2022. Der Angreifer besaß das Passwort eines externen Mitarbeiters und schickte ihm so lange Bestätigungsanfragen aufs Handy, bis dieser eine davon annahm. Nachgeholfen hatte er mit einer Nachricht, in der er sich als IT-Support ausgab. Formal war danach alles korrekt: richtiges Passwort, bestätigter zweiter Faktor. Diese Masche heißt MFA-Fatigue, und sie funktioniert, weil das System nur prüft, ob bestätigt wurde, nicht unter welchen Umständen. Gegen das Dauerfeuer an Anfragen hilft schon ein Zahlenabgleich in der App. Am sichersten sind aber Verfahren, die an die echte Anmeldeseite gebunden sind, etwa Passkeys, weil sie auch auf einer gefälschten Seite nichts preisgeben.
Wie aus Signalen ein Risikowert wird
An dieser Stelle setzt die kontextabhängige Risikobewertung an, oft Risk Scoring genannt. Das System sammelt bei jeder Anmeldung eine Reihe von Signalen: welches Gerät, welcher Ort, welche Uhrzeit, welches Netz, und wie sich die Person bisher verhalten hat. Ein Modell verrechnet diese Signale zu einem Wert. Einzeln sagen sie wenig, zusammen ergeben sie ein Bild.
Ein klassisches Beispiel ist die unmögliche Reise. Meldet sich dasselbe Konto um 9:02 Uhr in München und um 9:20 Uhr in São Paulo an, kann das kein Mensch gewesen sein, der beide Orte selbst aufgesucht hat. Ein einzelner ungewöhnlicher Ort ist dagegen oft harmlos: Dienstreise, neuer Mobilfunkanbieter, ein VPN. Deshalb zählt die Kombination, nicht das einzelne Merkmal.
Auf diesem Wert baut die adaptive Authentifizierung auf. Wer sich vom bekannten Firmenrechner zur gewohnten Zeit anmeldet, merkt vom Risk Scoring nichts. Kommt die Anmeldung von einem fremden Gerät aus einem ungewohnten Land, verlangt das System eine zusätzliche Bestätigung oder schaltet nur einen Teil der Rechte frei. Das spart im Alltag Reibung und setzt die strengen Prüfungen dort ein, wo sie wirklich gebraucht werden.
Fehlerfrei ist das nicht. Legitime Abweichungen lösen Alarm aus, etwa ein Mitarbeiter, der in eine andere Abteilung wechselt und plötzlich mit neuen Anwendungen arbeitet. Umgekehrt fehlt für neue Nutzer und neue Geräte schlicht die Vorgeschichte, an der ein Modell ablesen könnte, was normal ist. Und geschickte Angreifer versuchen, das gewohnte Verhalten gezielt nachzuahmen. Schwellenwerte und
Genau diese Verbindung aus Verhaltensanalyse, Risk Engines und adaptiven Kontrollen steckt hinter Ansätzen für KI-gestützte Identitätssicherheit, wie sie Anbieter von Systemen für Identity and Access Management (IAM) inzwischen einbauen. Die KI entscheidet dabei nicht allein über Zugriffsrechte. Sie ist ein zusätzliches Werkzeug in den bestehenden Abläufen, das auffällige Zugriffe früher sichtbar macht.
srechte, sondern zu einem zusätzlichen Instrument, das bestehende IAM- und Identity-Security-Prozesse unterstützt.Der wichtigste Unterschied zu früher liegt im Zeitpunkt. Ein klassisches System prüft einmal beim Login und vertraut danach der ganzen Sitzung. Ein risikobasiertes System bewertet auch während der Sitzung weiter. Greift ein Konto, das sonst nur Rechnungen bearbeitet, plötzlich auf die Personalakten zu, kann das System nachträglich eine Bestätigung verlangen, einzelne Rechte entziehen oder den Vorgang an das Sicherheitsteam weiterreichen.
Das passt zu einem Grundsatz, der mit KI nichts zu tun hat, aber durch sie leichter umzusetzen ist: minimale Rechte. Jede Identität bekommt nur die Berechtigungen, die sie für ihre Aufgabe tatsächlich braucht. Das BSI stellt dieses Prinzip in seinem Positionspapier zu Zero Trust ins Zentrum, zusammen mit der Annahme, dass ein Angreifer bereits im Netz sein könnte. Die Risikobewertung ergänzt die fest vergebene Rolle um die Frage, ob ein Zugriff gerade jetzt, in dieser Situation, plausibel ist.
Die Entscheidung selbst sollte trotzdem nicht vollständig bei der Maschine liegen. KI ist stark darin, aus Tausenden Anmeldungen die zwanzig auffälligen herauszusuchen und nach Dringlichkeit zu sortieren. Ob hinter einer Abweichung ein Angriff steckt oder ein neuer Arbeitsauftrag, beurteilt ein Mensch mit Kenntnis des Betriebs besser. Routinefälle lassen sich automatisieren, kritische Entscheidungen brauchen nachvollziehbare Regeln und jemanden, der sie verantwortet.
KI-Agenten brauchen eine eigene Identität
Ein Teil des Themas wird in vielen Unternehmen noch unterschätzt: Identitäten, hinter denen gar kein Mensch steht. Service-Konten, automatisierte Skripte, Schnittstellen zwischen Anwendungen und zunehmend auch KI-Agenten, die selbstständig Aufgaben erledigen, brauchen Zugriff auf Systeme und Daten.
Die typischen Schwachstellen sind unspektakulär und gerade deshalb verbreitet. Die OWASP-Stiftung hat sie in ihrer Liste der Non-Human Identities Top 10 gesammelt: Konten, die nach Projektende niemand abschaltet, Zugangsschlüssel ohne Ablaufdatum, zu weit gefasste Rechte und Zugangsdaten, die im Quellcode oder in Konfigurationsdateien landen. Ein kompromittierter KI-Agent richtet dabei schnell mehr Schaden an als ein missbrauchtes Mitarbeiterkonto, weil er automatisiert und ohne Pause arbeitet.
Die Antwort ist dieselbe wie bei Menschen: klar begrenzte Rechte, regelmäßige Überprüfung und ein Protokoll über jeden Zugriff. Gerade das Protokoll wird oft vergessen, dabei müssen Unternehmen im Zweifel belegen können, welches automatisierte System wann auf welche Daten zugegriffen hat.
Identity Governance: ein Verzeichnis für alle Identitäten
Damit das funktioniert, gehören alle Identitäten in eine gemeinsame Verwaltung, die Mitarbeiterkonten ebenso wie Service-Konten und Agenten. Getrennte Listen führen fast zwangsläufig zu Lücken. Identity Governance beschreibt diesen Rahmen: Wer bekommt welche Rolle, wer genehmigt sie, und wann wird sie wieder entzogen.
Einmal eingerichtet ist die Arbeit aber nicht erledigt. Mitarbeiter wechseln Abteilungen, Projekte enden, Agenten werden umkonfiguriert oder stillgelegt. Ohne regelmäßige Überprüfung wachsen Berechtigungen über Jahre still an, bis ein einzelnes Konto weit mehr darf, als irgendjemand beabsichtigt hat. Genau solche Konten sind für Angreifer am wertvollsten.
Was Unternehmen beim Einsatz beachten sollten
KI im Identitätsschutz bringt echte Vorteile, ist aber kein Mittel gegen alles. Ihre Einschätzungen sind nur so gut wie die Daten, aus denen sie entstehen. Unvollständige Verzeichnisse, veraltete Rollen und verwaiste Konten führen zu schiefen Risikowerten, egal wie ausgefeilt das Modell ist. Wer mit dem Aufräumen der eigenen Identitätsdaten beginnt, bevor er sich auf automatische Bewertungen verlässt, hat den größeren Teil der Arbeit schon hinter sich.
Der zweite Punkt ist das Maß. Zu strenge Prüfungen treiben Mitarbeiter zu Umwegen, geteilten Passwörtern und privaten Geräten, und damit ist die Sicherheit wieder dahin. Zu lasche Regeln lassen Angreifer durch. Eine gute Einstellung findet sich selten auf Anhieb, sie entsteht durch Beobachten, Nachjustieren und ehrliche Rückmeldungen aus dem Alltag. Die Richtung ist dabei klar: Zugriffsentscheidungen werden künftig laufend und nach Kontext getroffen, nicht mehr einmal beim Login.
Häufige Fragen
Was ist Risk Scoring bei der Anmeldung?
Das System verrechnet bei jeder Anmeldung Signale wie Gerät, Ort, Uhrzeit und bisheriges Verhalten zu einem Risikowert. Ist der Wert niedrig, reicht die normale Anmeldung. Ist er erhöht, verlangt das System eine zusätzliche Bestätigung oder sperrt den Zugriff bis zur Prüfung.
Was ist MFA-Fatigue?
Ein Angreifer mit gestohlenem Passwort schickt dem Opfer so lange Bestätigungsanfragen aufs Handy, bis es eine davon genervt oder versehentlich annimmt. Dagegen helfen Zahlenabgleich in der Authentifizierungs-App, Grenzen für die Zahl der Anfragen und Verfahren wie Passkeys.
Was sind Non-Human Identities?
Das sind Identitäten ohne Menschen dahinter, etwa Service-Konten, Skripte, Schnittstellen und KI-Agenten. Sie brauchen Zugriff auf Systeme und Daten und sollten deshalb genauso verwaltet werden wie Mitarbeiterkonten: mit knappen Rechten, Ablaufdaten und Protokoll.