KI-Agenten im Identity & Access Management: Warum IAM neu gedacht werden muss
Vom Effizienzhebel zum prüfungsrelevanten Kontrollobjekt
Identity & Access Management ist geprägt von klaren Regeln: Wer ist die Person? Welche Rolle hat sie? Welche Berechtigungen sind angemessen? Wer genehmigt, wer rezertifiziert, wer entzieht Zugriff?
Mit KI-Agenten verändert sich diese Logik. Denn KI-Agenten sind nicht nur weitere Tools im IAM-Werkzeugkasten. Sie sind digitale Entitäten, die Zusammenhänge verstehen, Entscheidungen eigenständig vorbereiten, Prozesse anstoßen und innerhalb bestimmter Grenzen autonom handeln können. Damit entstehen neue Möglichkeiten für effizientere Governance, schnellere Kontrollen und bessere Risikoerkennung. Dem gegenüber stehen allerdings auch neue Fragen und damit Herausforderungen:
- Welche Identität hat ein KI-Agent?
- Welche Berechtigungen sind im Sinne des Need-To-Know- und Least-Privilege-Prinzips angemessen?
- Wer ist verantwortlich, wenn ein Agent falsche Entscheidungen trifft oder überprivilegiert agiert (Ownership)?
Gerade im regulierten Umfeld – etwa bei Finanzdienstleistern, kritischen Infrastrukturen oder börsennahen Unternehmen – wird diese Entwicklung nicht nur ein technisches Thema sein. Sie wird zu einem Thema für IT Audit, interne Kontrollsysteme, Datenschutz, Informationssicherheit und regulatorische Compliance.

Was sind KI-Agenten?
KI-Agenten sind softwarebasierte Systeme, die auf Basis eines Ziels eigenständig oder teilautonom Aufgaben ausführen. Im Unterschied zu klassischen Automatisierungen folgen sie nicht ausschließlich festen Wenn-Dann-Regeln. Sie können Informationen aus verschiedenen Quellen auswerten, Handlungsoptionen ableiten, Entscheidungen vorschlagen oder Aktionen über angebundene Systeme ausführen.
Ein einfacher Chatbot beantwortet eine Frage. Ein KI-Agent kann darüber hinaus beispielsweise prüfen, ob ein Benutzer Zugriff auf ein System benötigt, verfügbare Richtlinien interpretieren, Risiken bewerten, eine Genehmigung vorbereiten, ein Ticket aktualisieren und im nächsten Schritt eine Berechtigung über ein IAM- oder ITSM-System provisionieren.
Damit bewegen sich KI-Agenten an der Schnittstelle zwischen Identität, Autorisierung, Automatisierung und Kontrolle. Genau deshalb sind sie für das Identity & Access Management so relevant.
Einsatzmöglichkeiten von KI-Agenten im IAM
Der Einsatz von KI im IAM ist nicht völlig neu. Machine Learning wird bereits heute in Identity-Governance-Lösungen genutzt, etwa zur Erkennung ungewöhnlicher Zugriffsmuster, zur Unterstützung von Access Reviews oder zur Empfehlung von Berechtigungen. Viele moderne Identity-Governance-Lösungen nutzen KI-gestützte Funktionen bereits heute für risikobasierte Genehmigungen, Lifecycle Workflows, Access Certifications und Access-Risk-Erkennung.
KI-Agenten gehen jedoch einen Schritt weiter: Sie können IAM-Prozesse nicht nur analysieren, sondern aktiv orchestrieren.

Aus diesen Einsatzmöglichkeiten wird deutlich: KI-Agenten können IAM-Prozesse nicht nur beschleunigen, sondern auch qualitativ verändern. Sie schaffen mehr Kontext, ermöglichen risikoorientiertere Entscheidungen und können operative Entlastung bringen. Gleichzeitig greifen sie in hochsensible Prozesse ein (insbesondere im Joiner-Mover-Leaver-Prozess und im Privileged Access Management (PAM)). Genau deshalb muss der mögliche Nutzen den potenziellen Risiken gegenübergestellt und ein durchdachter, konsistenter Governance-Ansatz erarbeitet werden.

Bedeutung und praktische Leitplanken für Unternehmen und prüfungsnahe Beratung
Für IT Audit verändert sich die Perspektive. KI-Agenten im IAM sind nicht nur Hilfsmittel zur Prüfung. Sie werden selbst zum Prüfungsgegenstand. Unternehmen sollten KI-Agenten im IAM daher nicht isoliert als Automatisierungsprojekt behandeln. Sinnvoll ist ein strukturierter Governance-Ansatz:
- Use Cases klassifizieren: Welche IAM-Prozesse sollen KI-gestützt werden? Welche Entscheidungen betreffen natürliche Personen, kritische Systeme oder regulatorisch relevante Kontrollen?
- Agenten als Identitäten behandeln: Jeder KI-Agent benötigt eine eindeutige Identität, einen Owner, definierte Berechtigungen, Lifecycle-Prozesse und Rezertifizierung.
- Human-in-the-Loop definieren: Kritische IAM-Entscheidungen sollten nicht unkontrolliert vollautomatisiert werden. Der Mensch muss dort eingebunden bleiben, wo Risiko, regulatorische Relevanz oder Grundrechtsbezug hoch sind.
- Logging und Evidence by Design umsetzen: Jede Empfehlung und jede Aktion des Agenten sollte prüfbar dokumentiert werden – inklusive Datenbasis, Entscheidungslogik, Genehmiger, Zeitpunkt und Ergebnis.
- Funktionstrennung, auch Segregation of Duties (SoD) und Least Privilege erweitern: Klassische SoD-Regeln müssen um Agentenaktivitäten ergänzt werden. Ein Agent darf nicht gleichzeitig Risiko erkennen, Zugriff genehmigen und Kontrolle abschließend bestätigen.
- Modellrisiken überwachen: Halluzinationen, Drift, Bias, Fehlklassifikationen und Manipulationsversuche müssen in das Kontroll- und Monitoringkonzept aufgenommen werden.
- Regulatorische Bewertung dokumentieren: Für jeden relevanten KI-IAM-Use-Case sollte nachvollziehbar dokumentiert werden, ob und warum der EU AI Act einschlägig ist, ob ein Hochrisiko-System vorliegt und welche Pflichten daraus abgeleitet wurden. Dabei sind Anforderungen wie Risikomanagement, Datenqualität, technische Dokumentation, Logging, Transparenz, menschliche Aufsicht, Genauigkeit, Robustheit und Cybersecurity zu berücksichtigen.
Fazit: IAM wird agentenfähig, aber nur mit Governance
KI-Agenten werden das Identity & Access Management nachhaltig verändern. Sie können Berechtigungsprozesse beschleunigen, Reviews verbessern, Risiken früher erkennen und komplexe IAM-Landschaften beherrschbarer machen. Besonders in SAP-nahen und regulierten Umgebungen liegt hier erhebliches Potenzial.
Gleichzeitig verschiebt sich der Fokus: IAM muss künftig nicht nur menschliche Benutzer, technische Accounts und privilegierte Zugriffe steuern, sondern auch autonome oder teilautonome digitale Akteure. KI-Agenten brauchen Identitäten, Berechtigungskonzepte, Kontrollmechanismen und Audit Trails.
Für IT Audit und Regulatorik ist die Konsequenz klar: KI im IAM darf nicht als Black Box betrieben werden. Wer KI-Agenten einsetzt, muss erklären können, was sie tun, warum sie es tun, mit welchen Rechten sie handeln und wie ihre Ergebnisse kontrolliert werden.
Die zentrale Frage lautet daher nicht, ob KI-Agenten im IAM kommen. Sie sind bereits auf dem Weg. Die entscheidende Frage ist, ob Unternehmen sie kontrolliert, nachvollziehbar und regulatorisch belastbar einsetzen.
Ancarix Consulting
Responsible by Design
Weitere Artikel zu anderen spannenden Themenbereichen finden sie auf unserer Website:

