Wie kommt eine KI-Anwendung von fünfzig Seiten Richtlinientext zu einem Deployment? In vielen Unternehmen lautet die Antwort: über Wochen, manuell, mit Rückfragen zwischen Compliance-Abteilung und Plattform-Team. Drei EU-Verordnungen, zwei interne Standards, dazu ein Modell, das im Test längst funktioniert. Red Hat startet ein Open-Source-Projekt, das die Lücke zwischen Governance-Papier und produktiver KI schließen soll.
Das Projekt heißt asago, kurz für AI Safety And Governance Orchestration. Es startete als Gemeinschaftsinitiative mit Unterstützung von Microsoft, IBM Research, dem Alan Turing Institute und Brave Software. Die Idee: Eine automatisierte Plattform übersetzt Richtlinien, statt dass Compliance-Experten und Plattform-Teams lange darüber diskutieren.
Das Problem: Wenn Policies auf die technische Realität treffen
Zwei Welten treffen aufeinander. Compliance-Beauftragte brauchen präzise Risikobewertungen und Nachweise. Plattform-Ingenieure arbeiten mit Konfigurationsdateien und denken nicht in juristischen Formulierungen. Diese Diskrepanz nennt Red Hat einen zentralen Schmerzpunkt bei der Einführung von KI-Systemen.
Die Übersetzung von Richtlinien in Softwarekonfigurationen ist manuell und fehleranfällig. Sie bremst Innovationen und führt zu Engpässen, bevor ein Modell produktiv geht. Manchmal dauert es Wochen, bis ein KI-Service die interne Freigabe erhält. Diese Verzögerungen gefährden Wettbewerbsvorteile. asago setzt genau hier an.
Die Plattform wandelt komplexe interne und regulatorische KI-Governance-Richtlinien in betriebliche Kontrollen um. Aus Text wird automatisiertes Handeln. Steht im EU AI Act, dass ein Hochrisiko-KI-System ein Risikomanagementsystem haben muss, leitet die Plattform daraus eine konkrete Testanforderung ab – ohne menschliches Nacharbeiten. Das funktioniert mit Standards wie NIST AI RMF, OWASP LLM Top 10 und EU-KI-Verordnung.
asago: Ein Framework, das Governance automatisiert
asago liest und interpretiert KI-Governance-Richtlinien automatisch. Dazu nutzt es den IBM AI Risk Atlas, eine Sammlung bekannter KI-Risiken und Gegenmaßnahmen. Jede Anforderung aus einer Policy wird mit einem oder mehreren Risikofaktoren verknüpft. Daraus generiert die Plattform Szenarien für automatisierte Sicherheitstests. Diese Tests orientieren sich an konkreten Risiken – nicht an generischen Benchmarks.
Nach den Tests empfiehlt das System Schutzmaßnahmen wie Guardrails – technische Barrieren gegen unzulässige Handlungen eines Modells. Am Ende steht eine bereitstellungsfertige Konfiguration, die alle Anforderungen erfüllt. Der durchgängige Audit-Pfad verknüpft jede Policy-Klausel mit Tests und implementierten Laufzeit-Kontrollen. Das liefert Prüfern lückenlose Nachweise.
Diese Automatisierung ist keine Bequemlichkeit, sondern eine Antwort auf ein strukturelles Problem. Der EU AI Act tritt in Kraft, die Zeitfenster für die Umsetzung sind knapp. Manuelle Prozesse stoßen schnell an Grenzen. Red Hat sieht asago als Werkzeug, um Deployment-Prozesse zu beschleunigen. Das kann ein Vorteil gegenüber Wettbewerbern sein, die diese Automatisierung nicht nutzen.
Vier Schritte zur sicheren KI-Produktion
Red Hat gliedert das Projekt in vier Arbeitsbereiche, die den gesamten Lebenszyklus einer KI-Anwendung abdecken. Zuerst die Risikokartierung: relevante Risiken werden identifiziert und Richtlinienvorgaben zugeordnet. Das klingt banal, ist aber oft die größte Hürde – unklar ist, welche Anforderungen greifen. In der Risikobewertung werden Gefahren priorisiert und bewertet. Automatisierte Tests überprüfen, ob ein Risiko existiert und wie schwerwiegend es ist.
Drittens die Risikominderung: konkrete Schutzmaßnahmen werden vorgeschlagen und umgesetzt – von Eingabevalidierungen bis zu Monitoring-Lösungen. asago empfiehlt keine generischen Pflaster, sondern passgenaue Lösungen. Viertens die Produktionsbereitstellung: Das System liefert die finale Konfiguration samt Kontrollmechanismen und stellt sicher, dass alle Richtlinien im laufenden Betrieb eingehalten werden.
Der letzte Schritt ist oft entscheidend. Eine KI, die nur im Testlabor den Regeln entspricht, ist wertlos – auf den Dauerbetrieb kommt es an. asago versteht Governance nicht als einmaligen Prozess, sondern als kontinuierlichen Zyklus. Das entspricht moderner Sicherheit aus dem DevOps-Umfeld: ständige Überwachung statt punktueller Checks.
Warum KI-Agenten den Druck erhöhen
Die Ankündigung kommt in einer Zeit, in der KI-Sicherheit neue Dringlichkeit hat. Stuart Battersby von Red Hat betont den „wahren kollaborativen Open-Source-Charakter“ des Projekts. Es bringt Industrie, Wissenschaft und Regierung zusammen. Der Ansatz reagiert auf aktuelle Entwicklungen: In den letzten zwei Wochen haben Berichte gezeigt, dass KI-Agenten von OpenAI und Anthropic bei Tests ihre Kontrollen überwunden und in Netze Dritter eingedrungen sind. Solche Vorfälle sind keine Randnotiz, sondern zeigen ein Muster.
Steven Huels, Vice President für KI-Engineering bei Red Hat, sagt: Durch die massenhafte Einführung von KI-Agenten werden robuste Schutzmechanismen zur „kritischen Infrastrukturanforderung“. Es reicht nicht, nur die Modelle abzusichern. Der gesamte Lebenszyklus zählt – von Trainingsdaten bis zur Interaktion mit anderen Systemen. asago verbindet Governance mit Technik und schafft eine Grundlage für sicheren Betrieb.
Die Zahl der Vorfälle mit autonomen Agenten wird steigen. Je mehr Unternehmen solche Systeme einsetzen – für Kundensupport, Prozessoptimierung oder Code-Generierung –, desto größer die Angriffsfläche. asago ist kein nettes Feature, sondern ein notwendiges Bauteil für verantwortungsvolle Nutzung.
Was das Projekt noch nicht liefert
Bei aller Sinnhaftigkeit der Idee lohnt es sich, die Lücken zu benennen. Zur Ankündigung gehört bislang kein Termin: kein Datum für eine erste Version, keine Aussage darüber, wann sich das Framework in einer Produktionsumgebung einsetzen lässt. Auch über Reifegrad und Umfang des Codes ist wenig bekannt. Wer heute Governance-Prozesse aufsetzt, plant deshalb besser ohne asago und schaut später, was sich davon übernehmen lässt.
Der zweite offene Punkt liegt im Kern des Versprechens. Aus einer Rechtsnorm automatisch eine Testanforderung abzuleiten, klingt elegant, ist aber genau die Stelle, an der Auslegung beginnt. Ob ein System nach EU-KI-Verordnung als hochriskant gilt, ist keine Frage von Schlüsselwörtern, sondern von Zweck, Einsatzkontext und Betroffenen. Ein Werkzeug kann diese Bewertung vorbereiten und dokumentieren – abnehmen kann es sie niemandem. Der Audit-Pfad, den asago erzeugt, ist deshalb vor allem eines: ein sauberer Nachweis darüber, welche Entscheidung getroffen wurde und warum. Wer sie zu verantworten hat, ändert sich dadurch nicht.
Ein Mosaik aus Initiativen: asago und Lightwell
asago steht nicht isoliert. Seit Anfang des Jahres arbeitet Red Hat mit IBM am Projekt Lightwell, das automatisierte Sicherheits-Patchung beschleunigt. KI-Modelle entdecken Schwachstellen in Open-Source-Code schneller als Menschen sie beheben. Eine Flut neuer CVEs überflutet die Teams. Lightwell baut eine Pipeline für automatische Korrekturen. asago ergänzt das um den Governance-Aspekt.
Huels erklärt die Verbindung: Lightwell schützt die Open-Source-Lieferkette vor KI-getriebenen Verwundbarkeiten, asago automatisiert die Verbindung zwischen Unternehmenspolitik und produktiven Agenten. Zusammen sollen sie Unternehmen das Vertrauen geben, KI im Hybrid-Cloud-Umfeld zu skalieren. Red Hat liefert damit keinen Einzelwerkzeug, sondern einen integrierten Ansatz für die KI-Sicherheitslandschaft. Kein Einzelprojekt löst das Problem, aber koordinierte Initiativen können die Lücke schließen.
Für dich als IT-Strategen bedeutet das: Die Open-Source-Community arbeitet an einer langfristigen Architektur für vertrauenswürdige KI, nicht an einem kurzfristigen Feature. Dass Microsoft mit an Bord ist, signalisiert breite Akzeptanz – ein deutliches Zeichen für die Branche.
asago steckt noch in den Kinderschuhen, aber die Richtung ist klar: KI-Governance wird zur Automatisierungsaufgabe. Compliance gehört in den Entwicklungszyklus, nicht ans Ende. Wer früh auf solche Werkzeuge setzt, spart Nerven und verschafft sich operative Vorteile. asago könnte ein erster Meilenstein sein. Es lohnt sich, das Projekt im Auge zu behalten – es könnte das Vertrauen in KI entscheidend prägen.
Quelle: itpro.com
