Viele Sicherheitsteams denken, Data Loss Prevention setzt erst nach dem Prompt an. Die Inference Hooks von Claude Enterprise zeigen: Kontrolle ist direkt am Eingang möglich, bevor ein Token das Modell erreicht.
Das ist eine andere Logik. Statt nachträglich zu prüfen, was herauskommt, wird jeder Eingang vorab gefiltert. Für deine Compliance-Strategie ist das relevant. Dieser Beitrag erklärt, wie Anthropic mit den Inference Hooks eine inline DLP-Schicht für alle Claude Enterprise Oberflächen etabliert hat – und warum Sicherheitsverantwortliche das nicht ignorieren sollten.
Was sind Inference Hooks und warum jetzt?
Bisher galt: Der Prompt geht hinein, die Antwort kommt heraus, alles danach ist Monitoring. Wer verhindern wollte, dass vertrauliche Daten an ein externes KI-Modell gelangen, nutzte Netzsperren oder manuelle Prozesse. Ineffizient und lückenhaft. Mit Inference Hooks zieht Anthropic die Kontrollinstanz direkt vor die Modellinferenz. Jeder Prompt, den ein Mitarbeiter über Claude Chat, Claude Code oder Claude Cowork sendet, läuft zuerst durch einen firmeneigenen Sicherheitsserver.
Dieser Server – Technik aus dem Webhook-Umfeld – entscheidet in Echtzeit, ob die Anfrage erlaubt ist. Erst nach einem positiven Verdict nimmt das Modell die Arbeit auf. Damit schliesst sich eine Lücke, die bisher nur für Claude Code über clientseitige Hooks geschlossen war. Nun gilt die gleiche Absicherung für alle Enterprise-Surfaces mit einem zentralen Enforcement-Layer. Du brauchst keinen separaten Agenten pro Produkt, sondern eine gemeinsame Schleuse.
So funktioniert die WebSocket-Verbindung
Technisch läuft jeder Inference-Request über eine signierte WebSocket-Verbindung. Dein Unternehmen betreibt einen eigenen DLP-Server – oder nutzt einen bestehenden Dienst von Anbietern wie Netskope, Palo Alto Networks, Proofpoint oder Zscaler. Claude sendet den Prompt samt Kontext über diese gesicherte Leitung an den Server, bevor die Generation beginnt.
Der Server antwortet mit einem Verdict: „Allow“ oder „Deny“. Claude führt seine Aufgabe nur nach Erhalt dieses Signals aus. Ist der Server nicht erreichbar oder antwortet zu langsam, legst du eine Fehlerstrategie fest. Die WebSocket-Verbindung ist kein simpler Kanal – sie ist signiert und verhindert Manipulationen von aussen. Genau das ist das Stichwort WebSocket Security im Kontext von Claude Enterprise.
Tool-Calls werden ebenfalls geprüft. Greift ein Agent auf MCP-Connectors, Skills oder Plugins zu, wird die Antwort vom Tool über den Sicherheitsserver geschickt, bevor sie ans Modell zurückfliesst. Das erweitert die Kontrolle auf den gesamten Arbeitsfluss – nicht nur auf den Text-Prompt.
Warum die Tool-Call-Inspektion entscheidend ist
Sicherheitslücken entstehen oft nicht durch den Prompt selbst, sondern durch Nebenläufigkeiten: Ein Agent liest eine Datei, ruft eine API auf oder interagiert mit einem Datenbanksystem. Dort gelangen sensible Informationen unbemerkt ins Modell. Die Tool-Call-Inspektion ist deshalb ein Kernstück der Inference Hooks. Jedes Ergebnis eines Tool-Aufrufs wird vor der Weiterverarbeitung durch deinen DLP-Server gejagt.
Diese Zwischenprüfung erlaubt nicht nur Textfilter, sondern auch das Erkennen strukturierter Daten – etwa API-Keys, Sozialversicherungsnummern oder Finanzdaten. So steuerst du das Verhalten des Agents wie eine interne Zugriffskontrolle für jeden Befehl. Das ist ein grosser Schritt in Richtung „inspect prompts before Claude“ – und ein Argument, das in jeder CISO-Entscheidung Gewicht hat.
Die Implementierung ist offen gelegt: Das Protokoll basiert auf Webhooks mit einem publizierten Schema. Du kannst eigene Regeln definieren oder bestehende DLP-Lösungen anbinden, ohne auf proprietäre Schnittstellen angewiesen zu sein. Diese Offenheit ist für Sicherheitsverantwortliche wertvoll, denn sie ermöglicht Integrationen mit Systemen, die im Unternehmen bereits etabliert sind.
Integration in bestehende DLP-Programme
Der grösste Vorteil ist die Kompatibilität mit dem, was du schon hast. Viele Unternehmen betreiben DLP-Systeme von etablierten Herstellern. Inference Hooks sind so konzipiert, dass dein bestehender Server – egal ob von Netskope, Palo Alto Networks, Proofpoint oder Zscaler – als Ziel für die WebSocket-Verbindung dient. Das veröffentlichte Schema erlaubt sogar, einen hauseigenen Sicherheitsserver zu bauen, wenn du die Kontrolle vollständig behalten willst.
Diese Flexibilität ist kein Zufall. Anthropic weiss, dass Sicherheitsteams keine zusätzlichen Silos brauchen. Stattdessen soll ein zentraler Kontrollpunkt entstehen, der für alle KI-Oberflächen gilt. Dadurch entsteht ein „Claude Enterprise Compliance Checkpoint“, der sich nahtlos in die bestehende Sicherheitslandschaft einfügt – von der Revision bis zur Data-Loss-Prevention-Strategie.
Die Aktivierung erfolgt organisationsweit. Du schaltest die Inference Hooks einmal auf Unternehmensebene an, und sie greifen für Claude Chat, Claude Code, Claude Cowork und alle weiteren Enterprise-Produkte. Das spart Integrationsarbeit und vermeidet Lücken, die durch unterschiedliche Konfigurationen einzelner Abteilungen entstehen könnten.
Rollout, Shadow Mode und Kontrolle
So mächtig eine solche Sperre ist, die Einführung in einem grossen Unternehmen will durchdacht sein. Anthropic hat deshalb mehrere Hebel eingebaut, um den Rollout sanft zu gestalten. Du startest mit einem Shadow Mode, der alle Anfragen inspiziert, aber niemals blockiert. Das liefert Daten darüber, welche Inhalte auftauchen, bevor du restriktiv eingreifst.
Prozentuale Rollouts sind möglich – zum Beispiel nur 5 % der Mitarbeiter unterliegen zunächst dem vollen Enforcement, der Rest läuft im Shadow-Modus. Rollen-basierte Ausnahmen gibt es auch: Eine Gruppe mit besonders vertraulichen Daten kann strenger überwacht werden als das Marketing-Team. Diese Granularität hilft, Fehlentscheidungen zu vermeiden und Widerstände gegen die neue Policy zu reduzieren.
Wichtig sind die Einstellungen für Failover: Du definierst Timeouts und Toleranzwerte, damit ein Ausfall deines DLP-Servers nicht den gesamten KI-Betrieb lahmlegt. Vielleicht willst du in solchen Fällen alles blockieren – oder mit einer Warnung durchlaufen lassen. Die Wahl liegt bei dir, basierend auf dem Risikoappetit deiner Organisation. Das ist gelebter „Claude Security Server Enforcement“ – kein starres Gefängnis, sondern ein steuerbarer Filter.
Was das für Compliance und Praxis bedeutet
Unternehmen mit strengen Compliance-Auflagen – etwa im Finanz-, Gesundheits- oder Rechtswesen – finden in Inference Hooks einen entscheidenden Baustein. Sie erlauben, KI-Nutzung aktiv zu beaufsichtigen, ohne die Produktivität zu killen. Die Kontrolle setzt an der Quelle an: Bevor Daten irgendwo hinfiessen, werden sie geprüft. Das reduziert das Risiko von Datenlecks massiv und verschafft dem Security-Team Sichtbarkeit, die vorher unmöglich war.
Die erste Umsetzungsrunde läuft bereits: Bandwidth, ein Telekommunikationsanbieter, hat die Funktion in einer Beta getestet. Laut Andrew Grimmett, Vice President of Information Security, können sie damit „sicher schneller mit AI arbeiten, ohne die Kontrolle abzugeben“. Solche Aussagen zeigen: Es geht nicht nur um Technik, sondern um Vertrauen in die eigene Fähigkeit, KI sicher einzusetzen.
Die Beta ist ab sofort für Claude Enterprise-Kunden verfügbar. Wer nicht auf eine fertige Lösung warten will, kann sich die Doku anschauen und eigene Regeln definieren. Sicherheitsvendoren können auf Basis des offenen Schemas eigene Integrationen bauen – das erweitert das Ökosystem. Für dich als Sicherheitsverantwortlichen heisst das: Die Werkzeuge sind da, um KI-Nutzung proaktiv zu gestalten, statt sie im Nachhinein zu verteidigen.
Das Modell ist keine Blackbox mehr, die alles verschluckt. Mit Inference Hooks wird daraus ein kontrollierter Dialog, bei dem jede Anfrage an deiner Sammelstelle vorbeiführt. Diese Pragmatik schätzt man im Enterprise-Kontext – und sie ist der Grund, warum diese Funktion mehr ist als ein Sicherheits-Add-on. Sie bildet die Grundlage für vertrauenswürdige KI-Nutzung in deinem Unternehmen.
Quelle: claude.com
