# AI Agents in IAM & Security: Risiken und Governance
> ERfahren Sie, wie Sie autonome KI-Agenten sicher in IAM-Strukturen integrieren. Strategien für Identitätsmanagement, Governance und Security-Gates.

Tags: ai-agents, iam, cybersecurity, governance, non-human-identity, ki-sicherheit, automotive-ai
## AI Agents: Warum IAM & Security jetzt entscheidend sind
* Übergang von Bots zu autonomen Akteuren.
* Ziel: Risiken managen und Geschwindigkeit gewinnen.

## Warum „Agents“ ein IAM-Thema sind
* Definition: Agenten als autonome Ausführer mit Tool-Nutzung.
* Risiken: Prompt-Manipulation und Super-Accounts.
* Fokus auf Non-Human Identity (NHI) und Lifecycle-Management.

## Secure Go-Live: 4 Agent-Gates & SDLC
* **IAM**: Identitätstyp, Least Privilege, MFA, Owner Definition.
* **Tools & Actions**: Read/Write Berechtigungen, Approval Flows.
* **Data**: RAG, Datenminimierung, Data Loss Prevention (DLP).
* **Validation**: Red-Teaming, SOC Monitoring.

## Governance: Strategische Leitplanken
* Identity-Standard: User-delegiert vs. App-only.
* Agent-Inventory zur Vermeidung von Shadow-AI.
* Nutzung des NIST AI RMF Rahmenwerks.

## Wissensarchitektur & Datengrundlage
* Einsatz von Knowledge Graphs und Automotive Ontologien.
* Berücksichtigung von ISO-Normen (26262, 21448) und EU AI Act.
* Anti-Halluzinations-Schutz durch RAG.

## Architektur-Logik & Infrastruktur
* Hybride KI-Logik (Neuro-Symbolic Reasoning).
* Dateninfrastruktur mit Vector und Graph Databases (Neo4j).
* Human-in-the-loop Validierung und lückenlose Audit Trails.
---
This presentation was created with [Bobr AI](https://bobr.ai) — an AI presentation generator.