Agentic SOC erklärt: Autonomie-Stufen, tatsächliche Umsetzung und was tatsächlich auf den Markt kommt

Ein agentenbasiertes SOC ist ein Modell für den Sicherheitsbetrieb, bei dem KI-Agenten einen Teil der Ermittlungs- und Reaktionsaufgaben übernehmen: Sie führen eine Triage der Warnmeldungen durch, sammeln Beweismaterial, stellen Hypothesen auf und schlagen unter definierter menschlicher Aufsicht Maßnahmen vor bzw. führen diese durch. Es handelt sich dabei eher um ein Betriebsmodell als um ein Produkt, und der Grad der Autonomie variiert in der Praxis stark.

Hinter dieser kurzen Definition verbergen sich drei umstrittene Fragen, und auf dieser Seite werden alle drei geklärt. Erstens: die Bezeichnung. Seit Oktober 2025 hat die Analystengemeinschaft fünf verschiedene Bezeichnungen für diese Kategorie verwendet, und die von einem Anbieter gewählte Bezeichnung sagt etwas darüber aus, was er verkauft. Zweitens: der Autonomiebehauptung. Die Definitionen der Anbieter gehen auseinander, ob das Modell überhaupt autonom ist; daher gibt diese Seite statt eines Slogans die gemessene Basisrate in der Produktion als Antwort. Drittens die Belege: Nahezu jede Leistungsangabe in dieser Kategorie stammt von Anbietern selbst, wurde von diesen in Auftrag gegeben oder ist nicht belegt; daher trennt diese Seite unabhängig gemessene Werte von bloßen Behauptungen. Das Ziel ist es, Ihnen die Möglichkeit zu geben, die Behauptungen der Anbieter zur agentischen SOC zu interpretieren, zu entscheiden, ob ein Pilotprojekt lohnenswert ist, und genau zu wissen, was Sie dabei messen müssen.

Was ein agentisches SOC ist und was es nicht ist

Ein herkömmliches Security Operations Center leitet Warnmeldungen an menschliche Analysten weiter, die diese bewerten, untersuchen und eskalieren. Ein agentenbasiertes SOC gestaltet diesen modernen SOC-Workflow neu und stellt KI-Agenten in den Mittelpunkt, die mehr tun, als nur vordefinierte Schritte auszuführen: Sie entscheiden auf der Grundlage ihrer bisherigen Erkenntnisse, welche Beweise als Nächstes gesammelt werden sollen, und erstellen ein Ergebnis mit einer dokumentierten Argumentationskette.

Definition: Ein agentenbasiertes SOC ist ein Modell für den Sicherheitsbetrieb, bei dem KI-Agenten die Einstufung von Warnmeldungen, die Untersuchung und die Reaktion darauf auf der Grundlage einer Auswertung der Beweislage durchführen. Dabei reicht ihre Autonomie – auf der von Fachkollegen begutachteten Skala von L0 bis L4 – von der Entscheidungsunterstützung bis hin zum bedingt autonomen Betrieb, wobei an einem festgelegten Punkt in jedem Arbeitsablauf eine menschliche Aufsicht gewährleistet bleibt.

Eine Abgrenzung muss ausdrücklich erwähnt werden, da sie auf keiner anderen Seite zu diesem Thema vorgenommen wird. Bei der Sicherheit agentischer KI stellt der KI-Agent die Bedrohung dar, gegen die verteidigt werden muss. Im agentischen SOC ist der KI-Agent hingegen der Verteidiger. Es handelt sich hierbei um umgekehrte Problemstellungen: Alle bisherigen wichtigen Regierungs- und Normungsdokumente zur agentischen KI befassen sich mit der Absicherung der Agenten, nicht mit dem Betrieb eines SOC unter Einbeziehung dieser Agenten. Leser, die sich mit agentischer KI in der Cybersicherheit aus der Perspektive der defensiven Exposition befassen, einschließlich der Risiken beim Sicherheitsbetrieb mit agentischer KI, sollten diese Seite aufrufen; diese Seite befasst sich hingegen mit KI-Agenten, die die Arbeit des SOC übernehmen.

Drei Negationen präzisieren die Definition. Ein agentisches SOC ist kein Chatbot: Ein Gesprächsassistent beantwortet die Fragen, die ein Analyst stellt, während ein Agent selbst entscheidet, was als Nächstes zu fragen ist. Es ist kein Playbook-Skript: Eine Automatisierung, die von einem Menschen im Voraus festgelegte Schritte abspielt, versagt in dem Moment, in dem eine Warnmeldung außerhalb des Skripts liegt. Und es ist kein Modell: Ein großes Sprachmodell ist nur eine Komponente, während das Betriebsmodell dieses in Datenzugriff, Tools, Sicherheitsvorkehrungen und Überprüfung einbindet. Elf Anbieterdefinitionen, die in der dieser Seite zugrunde liegenden Untersuchung erfasst wurden, stimmen in der entscheidenden Frage nicht überein, ob das Modell autonom ist. Diese Frage wird weiter unten auf dieser Seite mit einer differenzierten Antwort behandelt.

Das Problem, das das Modell angeht, ist real und quantifizierbar. In einer 2026 durchgeführten Umfrage unter 250 Sicherheitsverantwortlichen und -fachkräften, die von einem Anbieter einer KI-SOC-Plattform in Auftrag gegeben und vom Marktforschungsunternehmen ViB durchgeführt wurde, gaben 74 % der Unternehmen an, täglich 50 oder mehr Warnmeldungen zu erhalten, und 27 % sogar 500 oder mehr. Im Durchschnitt lässt ein Unternehmen etwa 28 % seiner Warnmeldungen unberücksichtigt, und 60 % gaben an, dass sich eine von ihnen ignorierte oder nie untersuchte Warnmeldung später als wesentlich herausstellte. Das ist die „Alarm-Müdigkeit“, die ein agentenbasiertes KI-SOC ändern soll.

Die Daten zur Akzeptanz unter den Fachkräften stammen aus der SANS SOC-Umfrage von 2026, an der 444 Fachkräfte sowie 69 CISOs teilnahmen: 79 % nutzen KI- oder ML-Tools, während nur 36 % diese in einen definierten SOC-Workflow integriert haben – Zahlen, die ausschließlich aus diesem Fachartikel stammen. Dieselbe Umfrage ergab, dass 14 % der Fachkräfte die Personalbesetzung als ihre größte Herausforderung nannten – dies war die am häufigsten genannte Antwort –, und dass sich Führungskräfte und Fachkräfte hinsichtlich der Frage, ob das Management der Personalbesetzung im SOC große Aufmerksamkeit schenkt, mit 59 % zu 32 % uneinig waren.

Woher der Begriff stammt und wie die Analysten ihn bezeichnen

Die früheste datierbare öffentliche Verwendung des Begriffs „agentic SOC“ findet sich in einem Blogbeitrag eines Anbieters von „ cloud “ vom 28. April 2025, in dem der Begriff zusammen mit einer Produktvision für neun Agenten vorgestellt wurde. Das Suchinteresse in den USA für diesen Begriff wurde erstmals im März 2025 verzeichnet, also einen Monat vor diesem Beitrag; daher stellt der Blogbeitrag die früheste datierbare öffentliche Verwendung dar, ist jedoch kein Beweis für die Prägung des Begriffs.

Seit Oktober 2025 ist die Analystengemeinschaft hinsichtlich der Bezeichnung gespalten. Gartner bezeichnete die Kategorie in dem am 16. Oktober 2025 veröffentlichten Bericht „Innovation Insight: AI SOC Agents“ der Analysten Eric Ahlm und Jeremy D’Hoinne (Dokument 7075998) als „AI SOC Agents“. Im selben Monat betitelte ein zweites Unternehmen, Omdia, seine eigene Marktübersicht mit „Agentic SOC“; als Datum wurde der 27. Oktober 2025 angegeben, was jedoch nicht verifiziert werden konnte, da die Quelle bei der Abfrage mit Recherchetools den HTTP-Fehler 403 zurückgibt. Sechs Analystenunternehmen behandeln die Kategorie mittlerweile unter fünf verschiedenen Bezeichnungen.

Bildunterschrift: Sechs Analystenhäuser decken diese Kategorie unter fünf verschiedenen Bezeichnungen ab, während ein siebtes Haus dieses Konzept nachweislich rundweg ablehnt.

Gartner hat die von ihm benannte Kategorie inzwischen bewertet. Im „Hype Cycle for Security Operations, 2026“, der am 5. Juni 2026 veröffentlicht wurde (Dokument 7962373, Analysten Darren Livingstone und Jonathan Nunez), befinden sich „AI SOC Agents“ auf dem „Gipfel der überhöhten Erwartungen“ – eine Steigerung gegenüber dem „Innovationsauslöser“ im Jahr 2025 –, mit einem Reifegrad im Anfangsstadium, einer Marktdurchdringung von 1 % bis 5 % und einer Zeitspanne von 2 bis 5 Jahren bis zum Erreichen der Plateauphase, wobei diese letzte Schätzung nur in einem einzigen Beitrag genannt wird. Die Einstufung im Hype Cycle wird jährlich aktualisiert, daher ist das Datum von Bedeutung.

Für Suchende, die „Agentic SOC“ mit „AI SOC“-Agenten oder einem „AI SOC“-Agenten im Allgemeinen abwägen: Die Begriffe beschreiben dieselbe Kategorie aus unterschiedlichen Blickwinkeln, und die wesentliche Unterscheidung, die Gartner trifft, verläuft nicht zwischen Bezeichnungen, sondern zwischen Autonomieklassen. Sie unterscheidet zwischen KI-SOC-Agenten, die autonom handeln, und Cybersicherheits-KI-Assistenten, die lediglich den Menschen unterstützen, und warnt in dem Bericht zur Begriffsklärung viermal vor „GenAI-Washing“, „KI-Washing“ und „Agent-Washing“. In der Praxis werden die Begriffe „agentisches SOC“, „KI-SOC“, „KI-gestütztes SOC“ und „SOC-KI“ nahezu synonym verwendet, wobei ihre Unterschiede eher die Positionierung der Anbieter widerspiegeln als vereinbarte technische Abgrenzungen. Eine Klarstellung ist jedoch unumgänglich: Nichts davon steht in irgendeinem Zusammenhang mit AICPA SOC 1, SOC 2 und SOC 3, bei denen es sich um Prüfberichte zur Kontrolle von Dienstleistungsorganisationen handelt, und aus diesem Grund verzichtet dieser Artikel gänzlich auf die nummerierten SOC-Reifegrade.

Agentic SOC im Vergleich zu herkömmlichem SOC im Vergleich zu SOAR

Die am häufigsten gestellte Frage in den FAQ-Sammlungen dieser Kategorie ist der SOAR-Vergleich, daher hier die direkte Antwort: SOAR führt ein von Ihnen im Voraus erstelltes Playbook aus, während ein agentenbasiertes SOC Schlussfolgerungen aus Beweisen zieht, die Sie nicht vorhergesehen haben. Ein SOAR-Workflow ist deterministisch. Er führt jedes Mal, wenn sein Auslöser aktiviert wird, dieselben Anreicherungs- und Reaktionsschritte aus und scheitert – meist ohne Rückmeldung –, wenn eine Warnmeldung außerhalb der vom Autor vorgesehenen Bedingungen liegt. Ein Agent hingegen behandelt die Warnmeldung als Ausgangshypothese, entscheidet, welche Beweise als Nächstes herangezogen werden sollen, und revidiert seine Schlussfolgerung, sobald sich weitere Erkenntnisse ansammeln.

Bildunterschrift: Die drei Modelle unterscheiden sich darin, wer entscheidet, wie Beweise erhoben werden und was geschieht, wenn ein Fall nicht den erwarteten Bedingungen entspricht.

Auch dies ist eine Antwort eines unabhängigen Analysten und nicht nur eine Darstellung des Anbieters. Die von KuppingerCole für 2026 durchgeführte Führungsbewertung der aufstrebenden Kategorie der KI-SOCs stellt diese als Überblick über den Markt für Sicherheitsautomatisierung dar, der „in der Vergangenheit als SOAR-Markt bezeichnet wurde“, und beschreibt einen strukturellen Wandel von regelbasierten Playbooks hin zu einer auf LLM basierenden Schlussfolgerungsebene. Mit anderen Worten: Aus Sicht der Analysten entwickelt sich die SOAR-Kategorie hin zum agentischen SOC – es handelt sich also nicht um eine parallele Erfindung. Dieselbe Logik beantwortet auch die damit zusammenhängende Frage, wie sich ein autonomes SOC von einem herkömmlichen unterscheidet: Der Unterschied liegt nicht darin, welche Tools installiert sind, sondern darin, wer oder was die nächste Entscheidung im Rahmen der Untersuchung trifft.

All dies bedeutet jedoch nicht, dass bestehende Investitionen überflüssig werden. Teams, die eine ausgereifte SOC-Automatisierung aufgebaut haben, behalten diese bei, da deterministische Playbooks nach wie vor das richtige Werkzeug für klar definierte, sich wiederholende Aufgaben sind, während Agenten den Bereich der Unklarheiten übernehmen. Das praktische Verhältnis zwischen den Tools der Orchestrierungs-Ära und denen der Reasoning-Ära – einschließlich der Frage, wo SOAR noch seinen Platz hat – ist eher vielschichtig als ein Entweder-oder: Playbooks kümmern sich um das Bekannte, Agenten um das Unvorhergesehene und Menschen um die daraus resultierenden Konsequenzen.

Was ein agentisches SOC tatsächlich bewirkt

Die umfassendste veröffentlichte Untergliederung dieser Aufgaben stammt von dem Anbieter, der den Begriff geprägt hat und am 28. April 2025 neun Agentenkategorien bekanntgab: Datenmanagement, Alarmtriage, Untersuchung, Reaktion, Bedrohungsforschung, Bedrohungssuche, „ malware “-Analyse, Expositionsmanagement und Erkennungsentwicklung. Betrachten Sie diese Liste als die von einem Anbieter angekündigten Kategorien mit Quellenangabe und Datumsangabe und nicht als kanonische Taxonomie. Allen neun Kategorien ist gemeinsam, dass ein Agent über den gesamten Lebenszyklus der Bedrohungserkennung, -untersuchung und -reaktion hinweg Entscheidungen trifft , anstatt nur einen einzelnen Schritt zu automatisieren.

Die Kernschleife sieht in fast jeder veröffentlichten Architektur gleich aus, und genau hier liegt die Bedeutung der Behauptung „vollständiger Lebenszyklus“: Ein Agent, der diese Schleife von Anfang bis Ende durchläuft, anstatt nur in einer Phase zu unterstützen, ist es, was Anbieter unter einer Abdeckung des gesamten Lebenszyklus verstehen. Derzeit sind jedoch nur die Phasen der Triage und der Untersuchung flächendeckend verfügbar.

‍

Die begutachtete Fachliteratur liefert einen architektonischen Bezugspunkt. Eine auf der IEEE ICAIC 2026 veröffentlichte mehrschichtige Multi-Agenten-SOC-Architektur gliedert das Modell in eine Wahrnehmungsschicht, eine Schicht für agentenbasiertes Schlussfolgern sowie eine Aktions- und Playbook-Schicht, ergänzt durch unterstützende Komponenten. Im Rahmen des Proof-of-Concept wurde ein Datensatz mit 5.000 Ereignissen aus dem Multi-Source-Cybersicherheits-Ereignisdatensatz des Los Alamos National Laboratory an einer synthetischen Topologie mit 50 Knoten bei einer Pipeline-Latenz von etwa 506 ms getestet. Die Autoren beschreiben die Arbeit als „konzeptionell evaluiert“ und weisen darauf hin, dass die regelbasierten Zuordnungen von „ MITRE ATT&CK “ keine „ zero-day “-Taktiken erfassen. Diese Offenheit dient als nützlicher Maßstab für jede Behauptung bezüglich einer KI-nativen SOC-Architektur.

Eine aus 15 Anbietern bestehende Branchenallianz, die im Vorfeld der Black Hat USA 2026 gegründet wurde, testet eine andere dreistufige Gliederung, die eher Systemebenen als Untersuchungsphasen beschreibt: „Context“ (Kontext), also die Echtzeit-Beweismittel, die ein KI-System nutzt; „Harness“ (Steuerung), also Orchestrierung und Governance; und „Model“ (Modell), die Schlussfolgerungs-Engine, die im Zuge der Weiterentwicklung der Systeme ausgetauscht werden kann. Nach einer Analyse des Anbieter-Konsortiums durch die Autoren handelt es sich hierbei um eine Architektur und nicht um eine Reifegradskala, und sie sollte nicht als Autonomieebenen interpretiert werden.

Praktiker bestätigen diese Aufgliederung auch außerhalb des Anbieter-Umfelds. Eine Open-Source-Implementierung eines agentenbasierten SOC realisiert dieselbe funktionale Aufteilung offen: Warnmeldungen werden zu Fällen verknüpft, mithilfe eines LLM untersucht, Indikatoren angereichert und Erkenntnisse aus abgeschlossenen Fällen gewonnen. Ein Hinweis zur Vorsicht: Das Repository enthält keine Lizenzdatei, obwohl in einer README-Zeile angegeben ist, dass es unter der MIT-Lizenz steht. Überprüfen Sie daher vor jeder internen Nutzung die Lizenzbedingungen.

Zwei Auswirkungen auf den Workflow verdienen eine gesonderte Erwähnung. Das Modell verändert die Erkennungstechnik, da Agenten Erkennungen nicht nur nutzen, sondern – wie in neueren Ankündigungen dargelegt – auch dabei helfen, diese zu erstellen und zu optimieren, was die Rückkopplungsschleife zwischen einer übersehenen und einer behobenen Erkennung verkürzt. Zudem erweitert es die Incident-Response, anstatt sie zu ersetzen: Agenten speisen Beurteilungen in bestehende automatisierte Reaktionspfade ein und beziehen ihre Informationen aus Ihrem bestehenden SIEM, anstatt die Datenebene zu ersetzen. Zum Begriff „agentic memory“, der in den FAQs von Anbietern im Zusammenhang mit der Idee auftaucht, dass Agenten den Kontext über Untersuchungen hinweg beibehalten: Die Recherchen hinter dieser Seite ergaben keine zitierte Primärdefinition; betrachten Sie ihn daher als Fachbegriff der Anbieter und bitten Sie jeden Anbieter, der ihn verwendet, den Mechanismus und dessen Auswirkungen auf die Wiederholbarkeit von Beurteilungen zu demonstrieren.

Wie autonom ist ein agentisches SOC eigentlich?

Beginnen Sie mit der Basisquote, denn sie ist der Wert, an dem sich das Marketing der Kategorie orientiert. In der von ViB im Jahr 2026 durchgeführten Umfrage unter 250 Führungskräften und Fachleuten im Sicherheitsbereich setzen heute 40 % KI im SOC ein, 56 % prüfen den Einsatz oder führen Pilotprojekte durch, und 4 % haben keine entsprechenden Pläne. Bei den Teams, die KI bereits einsetzen, geben zwei verschiedene Kennzahlen Aufschluss über den Grad der Autonomie. Was die Validierungspraxis betrifft, verlangen 57 % nach wie vor, dass ein Mensch jedes Ergebnis vor dem Abschluss überprüft, 40 % lassen Stichproben von erfahrenen Analysten überprüfen und 5 % verfügen über keinerlei formellen Validierungsprozess. Was die Entscheidungsbefugnis betrifft, so erlauben 44 % der Befragten der KI, Maßnahmen zu empfehlen, die anschließend von einem Menschen ausgeführt werden; 30 % führen Maßnahmen mit geringem Risiko automatisch aus; 13 % dehnen die automatische Ausführung auf Maßnahmen mit mittlerem Risiko aus; und 13 % beschränken den Einsatz der KI auf eine Triage im Lesezugriff. Die Übereinstimmung der Beurteilungen mit erfahrenen Analysten ist ebenso ernüchternd: 30 % geben an, dass die Übereinstimmung in 90 % oder mehr der Fälle gegeben ist, 44 % berichten von 70 bis 89 % und 22 % von 50 bis 69 %. Das Marketing für ein vollständig autonomes SOC beschreibt nur eine kleine Minderheit der tatsächlichen Implementierungen.

Vor diesem Hintergrund bietet die Branche mindestens sechs konkurrierende Rahmenwerke zur Beschreibung von Autonomie sowie eine Branchenarchitektur an, von denen sich keines eindeutig einem anderen zuordnen lässt. Der einzige Anker, der es wert ist, übernommen zu werden, ist ein von Fachkollegen begutachtetes fünfstufiges Autonomie-Rahmenwerk, das am 30. Juli 2026 in den „ACM Transactions on Internet Technology“ veröffentlicht wurde und dessen offizieller Preprint frei zugänglich ist. Es ist das einzige fundierte Rahmenwerk, das jede Stufe mit einer menschlichen Überwachungsrolle und einer Vertrauensschwelle verknüpft, anstatt sich an einer Produkt-Roadmap zu orientieren, und seine Herkunft unterstreicht diesen Punkt: Die Autoren schreiben, dass die Skala den SAE-J3016-Standard für Fahrautomatisierung in fünf Betriebsstufen für das SOC anpasst. Die Stufen lauten wörtlich: L0 Manueller Betrieb (keine Autonomie), L1 KI-unterstützter Betrieb (Entscheidungsunterstützung), L2 Halbautonomer Betrieb (KI handelt mit menschlicher Zustimmung), L3 Bedingt autonomer Betrieb (Human-in-the-Loop) und L4 Vollständig autonomer Betrieb (minimale menschliche Überwachung).

Bildunterschrift: Sechs Autonomie-Rahmenwerke, die auf die in Fachzeitschriften begutachtete L0- bis L4-Skala abgebildet wurden, sowie eine Branchenarchitektur, die eher Systemebenen als Autonomiegrade beschreibt.

Die Meinungsverschiedenheit, die hinter dieser Tabelle steht, ist nicht rein theoretischer Natur. Zwei Seiten in denselben Top-10-Suchergebnissen liefern widersprüchliche Antworten: Eine Herstellerdefinition besagt eindeutig, dass das Modell nicht vollständig autonom ist, während eine andere es als ein Modell definiert, das eine Aufgabe durch Korrekturmaßnahmen von Anfang bis Ende selbstständig bewältigt. Keine der beiden Positionen ist ausschlaggebend. Die Basisrate liefert die Antwort: Da 57 % der Anwender jedes Urteil überprüfen und nur 13 % über Maßnahmen mit geringem Risiko hinaus automatisch handeln, lautet die ehrliche Antwort, dass das heute im Einsatz befindliche agentenbasierte SOC auf den Ebenen L1 bis L2 arbeitet, wobei sich L3 für eng gefasste Maßnahmenklassen abzeichnet.

Auch die Erfahrungen aus der Praxis deuten in dieselbe Richtung. Ein namentlich genanntes Entwicklerteam eines großen Online-Plattformbetreibers, das auf der Black Hat USA 2026 Frameworks zur Erkennung und Bekämpfung von Agenten in der Produktion vorstellte, berichtete laut dem Programm der Black Hat USA 2026 Briefings, dass „wir die uneingeschränkte Autonomie von Agenten zugunsten des Modells der begrenzten Kreativität von LangGraph aufgegeben haben“. Dass sich ein Produktionsteam öffentlich von der Autonomie distanziert, ist das stärkste Gegenargument in der Aktenlage gegen die Behauptung der durchgängigen Eigenverantwortung. Auch die Qualität der Überwachung selbst wird nun untersucht: Ein im Programm des DEF CON 34 AI Village aufgeführtes Poster mit dem Titel „Stop Pressing 1: Measuring Human Rubber-Stamping in Agent Oversight“ nennt genau den Fehlermodus, den eine Politik der lückenlosen Überprüfung vermeiden muss.

Es gibt zudem eine namentlich genannte abweichende Meinung eines Analysten, deren Datum es wert ist, festgehalten zu werden. In der am 26. Oktober 2022 veröffentlichten Einschätzung eines Analystenunternehmens zum autonomen SOC für das Jahr 2022 wies Allie Mellen, Principal Analyst bei Forrester, die Vision der Anbieter von einem autonomen SOC rundweg zurück: „Diese Vorstellung ist ungefähr so wahrscheinlich wie die, dass ich in meinem Leben der Sternenflotte beitreten und mit Captain Janeway auf Reisen gehen könnte.“ Fast vier Jahre später hat sich diese Haltung von einer Ablehnung zu einer kritischen Prüfung gewandelt: In einem im August 2026 veröffentlichten Beitrag wird die Empfehlung derselben Analystin zitiert, dass Käufer die Genauigkeit, Wiederholbarkeit und Erklärbarkeit sowie die Art und Weise, wie Anbieter ihre Systeme validieren, genau prüfen sollten, denn „es ist schwierig, einer Technologie zu vertrauen, die nicht immer auf dieselbe Weise reagiert.“

Dann ist da noch die Personalstärke: Hier ist die Diskrepanz zwischen Praktikern und Prognostikern eher ein Thema als ein Widerspruch, den es zu lösen gilt. Etwa zwei Drittel der befragten Praktiker rechnen nicht mit einem Personalabbau im SOC: 57 % erwarten, dass KI die Aufgaben im SOC verlagern wird, ohne die Personalstärke zu verändern, und 9 % rechnen mit einem Anstieg der Mitarbeiterzahl. Dem gegenüber steht eine Analystenprognose, die von einer einzigen Fachquelle verbreitet wird und besagt, dass bis 2028 KI-Agenten weltweit 80 % der SOC-Warnmeldungen triagieren werden; da diese Aussage an keiner öffentlichen Stelle des Unternehmens erscheint, dem sie zugeschrieben wird, sollte sie als Analystenprognose über einen einzigen Kanal betrachtet werden. Was sich kurzfristig ändert, ist die Arbeit selbst. Das sich aus den Umfragedaten abzeichnende Muster für KI-SOC-Analysten ist eine Verlagerung der Rolle des SOC-Analysten weg von der Erstbewertung hin zur Überprüfung von Entscheidungen, der Bearbeitung von Ausnahmen und der Überwachung der Arbeit der Agenten, wodurch die Tiefe der Untersuchung gegenüber der Geschwindigkeit bei der Bearbeitung der Warteschlange priorisiert wird.

Was wird tatsächlich ausgeliefert, im Vergleich zu dem, was angekündigt wurde

Die deutlichste Realitätsprüfung in dieser Kategorie stützt sich auf Primärquellen und ist datiert. Vier bestätigte Fakten:

1. April 2025: Der ursprüngliche Anbieter kündigte in der Ankündigung vom April 2025, in der der Begriff eingeführt wurde, neun Agentenkategorien an, von denen zwei voraussichtlich im zweiten Quartal 2025 für ausgewählte Kunden in einer Vorabversion verfügbar sein werden.
2. März 2026: Der Anbieter kündigte bei seinem Auftritt auf der Konferenz im März 2026 sowie in der Ankündigung zur Konferenz im März 2026 weitere „neue Agenten im agentenbasierten SOC“ an, ohne jedoch neben dem Triage- und dem Untersuchungsagenten weitere Agenten namentlich zu nennen.
3. August 2026: Die Testdokumentation des ursprünglichen Anbieters, zuletzt aktualisiert am 11. August 2026, sieht einen Agenten vor, den „Triage and Investigation Agent“, mit einer Obergrenze von bis zu fünf automatischen und fünf manuellen Durchläufen pro Stunde, was einer stündlichen Gesamtgrenze von 10 Testdurchläufen entspricht, die für beide Abonnementstufen identisch ist, und zwar innerhalb eines Testzeitraums vom 1. April bis zum 31. August 2026.
4. September 2026: Nach dem 31. August 2026 wird die Testphase – sofern keine schriftliche Verlängerungsmitteilung des Anbieters vorliegt – je nach Abonnementstufe aufgeteilt. Eine Abonnementstufe wird auf eine kostenlose, volumenabhängige Zuteilung von Security-Token umgestellt, die im Basisabonnement enthalten ist; die andere verliert den Zugriff auf den Agenten vollständig.

‍

Bildunterschrift: Der dokumentierte zeitlicher Verlauf von einer Vision mit neun Kategorien hin zu einem einzigen, dosislimitierten Prüfpräparat und einem stufenabhängigen Übergang.

Zu diesen Fakten muss jedoch ein wichtiger Vorbehalt angemerkt werden: Das Testdokument bezieht sich auf einen zeitlich begrenzten Test und nicht auf die allgemeine Produktverfügbarkeit, und weitere Agenten sind außerhalb des Tests in der Vorschau verfügbar. Die verifizierten Fakten stehen für sich allein, ohne dass daraus Berechnungen abgeleitet werden, und auf dieser Seite wird bewusst keine Lückenzahl aus „angekündigt minus ausgeliefert“ berechnet. Der Anbieter veröffentlicht zudem eine Angabe zum Alarmdurchsatz für den Testagenten, die jedoch weder eine Methode noch ein Beispiel enthält und daher hier weggelassen wird. Was die Zeitleiste dokumentiert, ist, wie „Embryonic Maturity“ von innen aussieht: eine Vision, die von der Triage über threat hunting bis hin zur Detektionstechnik, ein enges Versandfenster und die Messung der tatsächlich ausgelieferten Mengen.

Was die Beweislage zeigt – und was nicht

Mittlerweile gibt es zwei Multi-Modell-Benchmarks, die beide zu einem Fehlschlag führten; die einzige verbleibende Behauptung lautet, dass es bislang noch keinen Benchmark gibt, der serienreife Produkte kommerzieller Anbieter vergleicht.

Der erste ist „SecRespond“, ein am 29. Juli 2026 veröffentlichter Benchmark zur Reaktion auf Vorfälle mit 23 Modellen, bei dem 23 hochmoderne LLMs in 10 Cyber-Szenarien, vier Arten von Einstiegspunkten, 21 ATT&CK-Techniken und fünf Betriebssystemen bewertet wurden. Die Autoren berichten, dass aktuelle Agenten die durch Warnmeldungen aufgedeckten Probleme zwar zuverlässig aufdecken können, jedoch Schwierigkeiten haben, die Festplatte proaktiv auf unbemerkte Eindringversuche zu untersuchen oder umfassende, verifizierte Abhilfemaßnahmen zu erstellen, wobei kein Modell in einem einzigen Bereich eine vollständige Erkennung und Behebung erreichte. Der zweite ist der „Cyber Defense Benchmark“ vom April 2026, bei dem fünf wegweisende Modelle anhand von 26 Kampagnen aus einem Korpus von 106 realen Angriffsverfahren getestet wurden: Das beste Modell erzielte im Durchschnitt nur 3,8 % korrekte Markierungen, und gemessen an einer Bestehenschwelle von mindestens 50 % Recall bei jeder ATT&CK-Taktik „erreicht der Spitzenreiter diese Schwelle bei 5 von 13 Taktiken, bei den restlichen vier hingegen bei null“. Dieser Benchmark stammt vom Anbieter selbst – eine Angabe, die immer mitgeteilt werden muss –, obwohl er fünf Modelle von Drittanbietern und nicht das eigene Produkt bewertet.

Die in dieser Kategorie am besten dokumentierte Selbsteinschätzung verdeutlicht, warum unabhängige Messungen wichtig sind. SIR-Bench erstellte 794 Testfälle aus 129 anonymisierten Vorfallmustern und gibt eine Erkennungsrate von 97,1 % bei echten positiven Ergebnissen sowie eine Ausschlussrate von 73,4 % bei falschen positiven Ergebnissen an. Allerdings wurde dabei genau ein Agent – nämlich der der Autoren selbst – anhand von ausschließlich CloudTrail-Telemetriedaten bewertet, und zwar von fünf Autoren, die alle bei einem einzigen Anbieter von „ cloud “ beschäftigt sind. Als menschliche Referenzwert wird in derselben Veröffentlichung angegeben, dass Tier-2-Analysten eine Erkennungsrate von etwa 85 bis 90 % bei einer Falsch-Positiv-Rate von 70 bis 80 % erreichen – Werte, die dort als realistische Leistung „unter Zeitdruck und mit unvollständigen Informationen“ beschrieben werden.

Das deutlichste Signal, das nicht von Anbietern stammt, steht im Widerspruch zur Marketingbotschaft. In der SANS-KI-Umfrage von 2026, an der 536 Fachleute sowie 57 Führungskräfte teilnahmen, gaben 63 % an, dass es bei der Erkennung und Bekämpfung von Bedrohungen erhebliche KI-Defizite gebe – ein Anstieg gegenüber 45 % im Jahr 2025. Zwei Anmerkungen zum Umfang: Es handelt sich hierbei um eine andere Umfrage als die zuvor zitierte SANS-SOC-Umfrage von 2026, und sie bewertet KI im Bereich der Cybersicherheit im weiteren Sinne, sodass hier insbesondere die Aspekte Erkennung und Reaktion sowie Governance im Fokus stehen. Unabhängige Forscher, die auf der Black Hat USA 2026 Vorträge hielten, kamen zu einem ähnlichen Ergebnis und berichteten, dass „Ermittlungsbeauftragte nicht in der Lage sind, die von autonomen Angreifern generierten vollständigen Kill-Chains zu rekonstruieren“ und dass „die Token-Ökonomie die entscheidende Einschränkung darstellt“.

Selbst das Argument der Dringlichkeit in diesem Bereich stützt sich auf nicht gemeinsam genutzte Telemetriedaten der Anbieter. Der Bedrohungsbericht eines großen Anbieters für das Jahr 2026, der Daten aus dem Jahr 2025 beschreibt, beziffert die durchschnittliche Ausbruchszeit bei Cyberkriminalität auf 29 Minuten, wobei der schnellste beobachtete Fall mit 27 Sekunden als Ausreißer gekennzeichnet ist; ein zweiter Anbieter, der das gleiche Jahr untersuchte, gibt 34 Minuten an. Die beiden Zahlen stammen aus unterschiedlichen proprietären Telemetriedaten, weichen um etwa 17 % voneinander ab und lassen sich weder miteinander in Einklang bringen noch mitteln. Das Problem der Reaktionsgeschwindigkeit der Verteidiger ist real, und genau deshalb gibt es KI-gestützte Erkennung – doch es gibt kein unabhängiges Instrument, das diese Geschwindigkeit misst.

Bildunterschrift: Alle in dieser Kategorie aufgeführten Behauptungen in den Schlagzeilen, sortiert nach dem Urheber der Messung, dem verwendeten Nenner und dem Zeitpunkt der Messung.

Wie man ein agentisches SOC bewertet, ohne die Demoversion zu kaufen

Jede Zahl im vorangegangenen Abschnitt spricht für dieselbe Vorgehensweise: Prüfen Sie die Zuverlässigkeit der Bewertungsergebnisse anhand Ihrer eigenen Telemetriedaten, denn die Leistung in einer kuratierten Demo sagt nur wenig aus. Ein von einem Hersteller gesponsorter Bewertungsleitfaden räumt diesen Punkt mit ungewöhnlicher Offenheit ein: „Die Genauigkeit verschlechtert sich jedoch oft, sobald diese Tools den kuratierten Demomodus verlassen und auf reale Produktionsbedingungen treffen.“ Die entscheidenden Bewertungskriterien sind die Genauigkeit der Beurteilungen anhand Ihrer eigenen Daten, die Vermeidung von Fehlalarmen, die Nachvollziehbarkeit der Argumentationskette, die Wiederholbarkeit bei identischen Eingaben, die Art und Weise, wie der Anbieter sein eigenes System validiert, das Verhalten des Agenten bei fehlenden Belegen, der Rollback-Pfad und der Prüfpfad.

Eine praktische Checkliste für die Bewertung von Anbietern von KI-SOCs:

• Vergleichen Sie die Übereinstimmung der Bewertungen mit denen Ihrer eigenen leitenden Analysten anhand Ihrer Telemetriedaten.
• Testen Sie die Ablehnung von falsch-positiven Ergebnissen anhand von Warnmeldungen zu gutartigen Ähnlichkeiten.
• Verlangen Sie für jedes Urteil eine nachvollziehbare Begründung.
• Gleiche Eingaben erneut abspielen und prüfen, ob die Ergebnisse identisch sind.
• Fragen Sie, wie der Anbieter die Genauigkeit überprüft und anhand welcher Referenzwerte.
• Verhalten der Sonde, wenn Beweise fehlen oder keine Telemetriedaten vorliegen.
• Überprüfen Sie die Rollback-Pfade und Prüfpfade für jede automatisierte Aktion.

„Agent Washing“ ist der Fehlermodus, vor dem diese Disziplin warnt. Gartner weist in dem Bericht, in dem diese Kategorie erstmals benannt wurde, viermal darauf hin, und die Unterscheidung zwischen autonomen KI-SOC-Agenten und rein unterstützenden Cybersicherheits-KI-Assistenten besteht deshalb, weil die meisten Anbieter ihre Assistenten fälschlicherweise als agentische Lösungen bezeichnen. Die Fragen, die Menschen zu den führenden Anbietern agentenbasierter SOC-Lösungen, zu Dienstleistern oder zu den günstigsten agentenbasierten SOC-Optionen stellen, lassen sich alle mit derselben herstellerneutralen Antwort beantworten: Auf dieser Seite werden keine Anbieter genannt, da die obige Checkliste, die Sie anhand Ihrer eigenen Warnmeldungen durchführen, AI-SOC-Unternehmen und agentenbasierte SOC-Lösungen schneller voneinander trennt als jedes Ranking, und die Kosten erst dann vergleichbar werden, wenn Sie wissen, welche Bewertungsqualität Sie erwerben. Die Bewertung gilt gleichermaßen, unabhängig davon, ob Sie sich für eine SOC-Plattform mit integrierten Agenten entscheiden, agentische Funktionen über Managed-SOC-Services erwerben oder bestehende Security-Operations-Tools um eine Agentenebene erweitern.

Die Daten zum Thema „Selbst entwickeln oder kaufen“ lassen hinsichtlich des Schwierigkeitsgrades keinen Zweifel aufkommen. In der von ViB im Jahr 2026 durchgeführten Umfrage haben unter den Organisationen, die bereits KI im SOC einsetzen, 72 % versucht, interne KI- oder LLM-basierte Tools für SOC-Workflows zu entwickeln, und 46 % der Teams, die dies versucht haben, haben die Eigenentwicklung inzwischen aufgegeben, durch ein kommerzielles Produkt ersetzt oder nie in den Produktivbetrieb überführt. Beachten Sie die Nenngrößen: Beide Zahlen beziehen sich auf Teams, die bereits KI einsetzen, und die 46 % gelten für die Untergruppe, die eine Eigenentwicklung versucht hat. Dies ist auch der Grund, warum die Implementierung agentischer KI im Sicherheitsbetrieb generell schwierig ist: Datenbereitschaft, Berechtigungsmodelle und Überprüfungsrichtlinien bestimmen das Ergebnis maßgeblich, nicht die Wahl des Modells.

Die Anbieterlandschaft selbst konsolidiert sich, während sie gleichzeitig weiter wächst. Ein namentlich genannter Analyst zählte für das Jahr 2026 123 beobachtete Anbieter – „rechnet man das zusammen, kommt man auf 123“ – und geht davon aus, dass „bis 2030 etwa zwanzig Anbieter als unabhängige, umfassende AI-SOC-Anbieter bestehen bleiben werden“. Die Konsolidierung hat bereits begonnen: Im August 2026 erwarb ein Telemetriedatenunternehmen die Technologie-Assets und das geistige Eigentum eines KI-SOC-Start-ups; die Bedingungen wurden nicht bekannt gegeben. Laut Fachberichten über den Verkauf im August 2026 handelte es sich dabei eher um einen Kauf von Vermögenswerten als um eine Unternehmensübernahme. Berücksichtigen Sie die Überlebenschancen der Anbieter bei jeder mehrjährigen Verpflichtung.

Zum ROI von AI-SOCs: Da alle im Marketingmaterial dieser Kategorie veröffentlichten ROI-Zahlen weder mit Quellenangaben versehen sind noch von Anbietern bestätigt wurden, werden auf dieser Seite keine davon wiedergegeben. Messen Sie stattdessen Ihre eigenen Werte anhand der Übereinstimmungsrate bei der Beurteilung, der Differenz bei der Untersuchungsdauer Ihrer eigenen Warnmeldungen und des Anteils der Warnmeldungen, die derzeit nicht untersucht werden.

Governance, Rechenschaftspflicht und Regulierung

Ein agentisches SOC verleiht einem autonomen System die Befugnis zur Risikokontrolle, wodurch Verantwortlichkeit zu einer operativen Voraussetzung und nicht zu einem abstrakten Risiko wird. Da keine der Suchergebnisseiten zu diesem Thema regulatorische Inhalte enthält, wird in diesem Abschnitt das Modell den Richtlinien zugeordnet, die das autonome Handeln tatsächlich regeln – was für jedes Team, das in Europa ein agentisches SOC betreibt, von doppelter Bedeutung ist.

Beginnen wir mit den Leitlinien der „Five Eyes“ zur umsichtigen Einführung agentischer KI-Dienste, die am 1. Mai 2026 veröffentlicht wurden – ein Datum und ein Titel, die in der Primärquelle bestätigt wurden. In sekundären Berichten wird es als ein 30-seitiges Dokument von sechs Behörden beschrieben, in dem fünf Risikokategorien identifiziert werden; diese Angaben stammen aus sekundären Quellen und sind hier entsprechend gekennzeichnet.

Bildunterschrift: Die fünf aus sekundären Quellen stammenden „Five Eyes“-Risikokategorien, umgesetzt in Entscheidungen, die ein SOC treffen muss, bevor es Agenten die Befugnis zur Reaktion erteilt, einschließlich der Zuständigkeit für den Prüfpfad und die Rückgängigmachung.

Das NIST entwickelt das Kontrollgerüst. Im Rahmen des NIST-Projekts „Control Overlays for Securing AI Systems “ werden SP 800-53-Overlays für KI-Anwendungsfälle entwickelt. Unter den agentenbasierten Anwendungsfällen von COSAiS befinden sich zwei, die sich direkt mit agentenbasierten Implementierungen befassen: einer für KI-Agentensysteme mit einem einzigen Agenten und einer für Systeme mit mehreren Agenten; ein Konzeptpapier wurde am 14. August 2025 veröffentlicht und ein kommentierter Diskussionsentwurf am 8. Januar 2026, beide primär verifiziert. Die CAISI-Initiative des NIST für KI-Agentenstandards, die am 17. Februar 2026 mit drei Säulen zu Agentensicherheit, Interoperabilität und Identität gestartet wurde, stützt sich auf sekundäre Quellen. Im Sinne des NIST-Cybersicherheits-Frameworks 2.0 konzentriert das agentenbasierte SOC das Risiko auf die Funktionen „Erkennung“ und „Reaktion“, während die Funktion „Steuerung“ die Frage der Rechenschaftspflicht trägt.

In der EU wurden durch die Verordnung (EU) 2026/1744, das am 8. Juli 2026 verabschiedete, am 24. Juli im Amtsblatt veröffentlichte und am 27. Juli in Kraft getretene „Digital Omnibus“-Paket zur KI, verschob die in Anhang III des KI-Gesetzes festgelegten Verpflichtungen für Systeme mit hohem Risiko auf den 2. Dezember 2027 und die in Anhang I festgelegten auf den 2. August 2028, während die Transparenzpflichten gemäß Artikel 50 unverändert blieben und die Ermächtigung gemäß Artikel 50 Absatz 7 gestrichen wurde. Artikel 50 trat am 2. August 2026 in Kraft; Anbieter von generativen Systemen, die bereits vor diesem Datum auf dem Markt waren, haben jedoch bis zum 2. Dezember 2026 Zeit, der Kennzeichnungspflicht gemäß Artikel 50 Absatz 2 nachzukommen: Dies ist kein Widerspruch, sondern eine Übergangsfrist für bereits bestehende Systeme, die auf einen bereits geltenden Artikel aufgesetzt wurde. Arbeiten Sie mit dem konsolidierten Text des KI-Gesetzes in der geänderten Fassung, der den geltenden Wortlaut und nicht die Änderungen enthält.

Gegner zielen direkt auf die Beweisbasis des Agenten ab. Ein Agent führt Schlussfolgerungen anhand von Telemetrie, und im Gegensatz zu einem menschlichen Analysten bemerkt es möglicherweise nicht die Stille, wenn diese Telemetriedaten manipuliert werden. MITRE ATT&CK Technik T1685, Werkzeuge deaktivieren oder ändern, Version 1.0, zuletzt geändert am 12. Mai 2026, ist unter „Taktik“ zu finden 0112, „Defense Impairment“, und beschreibt genau diese Manipulationen: das Unterbrechen von Diensten, das Ändern von Konfigurationen, das Verhindern von Tool-Updates und das Stören der Protokollierungspipeline. Ein Poster im AI Village der DEF CON 34 mit dem Titel „Poisoning the SOC: Prompt Injection via Ingested Telemetry“ in das Programm „AI Village“ der DEF CON 34, betrachtet dieselbe Problemklasse aus der Perspektive des Prompts: den eigenen Evidenzstrom des Agenten als Injektionsfläche.

Es gibt nun öffentlich zugängliche Belege dafür, dass die Autorisierungsebene rund um von Agenten initiierte Reaktionsmaßnahmen die eigentliche Angriffsfläche darstellt. Laut dem am 13. August 2026 veröffentlichten NVD-Eintrag zu CVE-2026-72665 führte ein Fehler bei der fehlenden Autorisierung (CWE-862) dazu, dass ein Benutzer, der in der Lage war, Erkennungsregeln zu erstellen und auszuwerten, Reaktionsmaßnahmen gegen registrierte Agenten auslösen konnte, ohne über die Berechtigungen zu verfügen, die normalerweise diese Funktionen regeln: Das Erstellen einer Erkennungsregel wurde zu einer impliziten Erteilung von Eindämmungsbefugnissen. Die Schwachstelle wird ausschließlich von der CNA mit einer Bewertung von 8,1 (HIGH) eingestuft, da der NIST-Status „Received“ lautet und noch keine primäre NIST-Bewertung vorliegt, sie nicht im KEV-Katalog enthalten ist, keine Ausnutzung dokumentiert wurde und sie verantwortungsvoll offengelegt sowie im Advisory ESA-2026-96 behoben wurde. Betrachten Sie dies als einen Befund zur Risikoklasse im Zusammenhang mit dem Erstellen von Erkennungsregeln und Reaktionsbefugnissen, nicht als Kritik an einem bestimmten Anbieter.

Schließlich übernimmt das agentische SOC die Angriffsfläche seiner Laufzeitumgebung, wenn auch in begrenztem Umfang: Bei einer Durchsicht der National Vulnerability Database im August 2026 wurden 74 Einträge zum „Model Context Protocol“ gefunden, von denen 51 im Jahr 2026 veröffentlicht wurden; der jüngste davon ist CVE-2026-19753 vom 13. August 2026, zusammen mit 68 LangChain-Datensätzen, 30 LiteLLM-Datensätzen, darunter CVE-2026-30623, eine als „kritisch“ eingestufte Sicherheitslücke der Schweregradstufe 9,8, die die Ausführung von Remote-Code bei der Erstellung von MCP-Servern ermöglicht, sowie 36 Ollama-Datensätze. Keiner davon enthält einen KEV-Eintrag, sodass keine Behauptung einer Ausnutzung belegt werden kann. Die Absicherung dieses übernommenen Stacks obliegt Sicherheit von KI-Agenten, mit Wurzeln in Sicherung von KI-Systemen und Sicherheit bei GenAI Allgemein gesagt: Auf dieser Seite geht es darum, dass sich nun die eigenen Werkzeuge des Verteidigers auf diesem Stapel befinden.

Wo das agentische SOC seinen Platz hat und wohin es sich entwickelt

Betrachten Sie dies als eine sich noch entwickelnde Kategorie und beginnen Sie dort, wo bereits konkrete Ergebnisse vorliegen: bei der Triage. Die agentengestützte Triage ist die einzige Funktion, die heute flächendeckend eingesetzt wird; sie liefert innerhalb weniger Wochen eine messbare Übereinstimmungsrate bei den Beurteilungen und versagt auf sichere Weise, wenn ein Mensch jede Beurteilung überprüft. Ein realistisches Pilotprojekt lässt Agenten im schreibgeschützten oder reinen Empfehlungsmodus die Alarmwarteschlange eines bestehenden modernen SOC durchlaufen, misst die Übereinstimmung mit erfahrenen Analysten und erweitert die Autonomie schrittweise um jeweils eine Aktionsklasse. Zu den Lösungskategorien, die diesen Markt heute bedienen, gehören in SOC-Plattformen eingebettete Agentenebenen, eigenständige Triage- und Untersuchungsagenten sowie agentenbasierte Funktionen, die über Managed Services bereitgestellt werden; die oben beschriebene Bewertungsmethodik gilt für alle drei. Die Abdeckung ist nach wie vor genauso wichtig wie die Schlussfolgerung: Agenten können nur auf der Grundlage der Signale Schlussfolgerungen ziehen, die die Sichtbarkeitstriade liefert, und sie verändern die Rolle des SOC-Analysten, anstatt sie zu ersetzen.

Über die Richtung dieser Entwicklung gibt es keine ernsthaften Meinungsverschiedenheiten. IDC beschreibt die Situation im Jahr 2026 wie folgt: „Security Operations Center (SOCs) entwickeln sich von menschenzentrierten Umgebungen hin zu KI-gestützten und zunehmend autonomen Abläufen“, so eine Analyse zur SOC-Entwicklung, wobei bemerkenswerterweise kein Prozentsatz für die Ablösung genannt wird. Der realistische kurzfristige Weg ist eine umfassendere SOC-Transformation: agentengestützte Triage, die auf bestehende Automatisierungsprogramme aufgesetzt wird, wobei die Autonomie nur in dem Maße erweitert wird, wie sie durch gemessene Übereinstimmung bei Beurteilungen verdient wird. Die Best Practices für agentengestützte SOCs lassen sich vorerst auf drei Punkte reduzieren: eng gefasste Pilotprojekte durchführen, die Übereinstimmung anhand der eigenen Telemetriedaten messen und einen Menschen in den Entscheidungsprozess einbeziehen, wenn es um folgenreiche Maßnahmen geht.

Vectra AI s Sichtweise auf das agentische SOC

Vectra AI geht von einer „Assume-Compromise“-Haltung aus: Clevere Angreifer dringen ein, daher lautet die entscheidende Frage, wie schnell die Verteidiger sie finden und stoppen können. Aus dieser Perspektive betrachtet ist die Frage nach dem agentenbasierten SOC in erster Linie eine Frage des Signals und erst in zweiter Linie eine Frage der Autonomie. „ Attack Signal Intelligence “ ist eine „Signal-over-Noise“-Methodik, die hier eine klare Position vorgibt: Die agentenunterstützte Triage ist nur so gut wie das Signal, auf dessen Grundlage sie Schlussfolgerungen zieht; daher haben die Abdeckung der gesamten Umgebung und die Signalqualität Vorrang vor jeder Ausweitung der Autonomie. Ein Agent, der auf der Grundlage verrauschter oder unvollständiger Telemetriedaten Schlussfolgerungen zieht, automatisiert Unsicherheit, anstatt sie zu beseitigen. Und bei Maßnahmen mit weitreichenden Konsequenzen bleibt ein Mensch im Regelkreis. Teams, die dieses Modell in Betracht ziehen, können damit beginnen, zu untersuchen, wie KI-gesteuerte Erkennung das Signal erzeugt, auf das sich die Agenten stützen.

‍