Unternehmens-KI-Agenten bekommen eine Kontrollschicht, eine Rechte-Algebra und eine Identitätsebene
OpenClaw hat am 30. September den Code für eine Unternehmens-Kontrollschicht für dauerhaft laufende KI-Agenten veröffentlicht. Zwei weitere Open-Source-Projekte brachten am selben Tag deterministische Leitplanken und ein Identitätsprotokoll für Agenten heraus. Alle drei zielen auf dieselbe Lücke: Agenten sind leicht zu starten und schwer zu prüfen.

Das jüngste Stück Infrastruktur für Unternehmensagenten kam am 30. September auf den Markt. An diesem Tag veröffentlichte die OpenClaw Foundation OpenClaw Enterprise (OCE) als quelloffene, herstellerneutrale Kontrollschicht für dauerhaft laufende Agenten. Das Projekt entwickelt die Software offen vor einem 1.0-Release später in diesem Jahr. Nutzer können sie heute selbst hosten, über docker-compose oder Kubernetes.
OCE entstand bei OpenAI und wurde an die OpenClaw Foundation gespendet. Laut dem Blogbeitrag des Projekts wird sie inzwischen mit Red Hat und NVIDIA entwickelt. Derselbe Beitrag schreibt, OCE werde intern bei Red Hat und OpenAI erprobt. OpenAI betreibt bereits OpenClaw-Agenten mit vollem Zugriff auf Codebasen und Plugins, heißt es dort weiter. Diese Einzelheit zeigt, wie weit sich das Unternehmen davon entfernt hat, Agenten als Demo zu behandeln.
Die Governance bremst, nicht die Fähigkeiten
Die Einordnung in diesem Beitrag verdient eine genaue Lektüre. OpenClaw räumt ein, dass fast ein Jahr nach dem Start "the actual deployment of persistent agents remains limited". Zudem schreibt das Projekt, die IT in den meisten Organisationen verbiete agentische Plattformen von vornherein. OCE will eine eng umrissene Frage beantworten. Wie lassen sich leistungsfähige Agenten in einer sensiblen Umgebung betreiben, ohne ihnen die Fähigkeiten zu nehmen, die sie nützlich machen? Die angebotene Antwort lautet: Mandantenfähigkeit, harte Sicherheitsgrenzen zwischen vertrauenswürdigen und nicht vertrauenswürdigen Workloads, Sandboxing, LLM-gestützte Prüfungen, fein abgestufte Berechtigungen und Nachvollziehbarkeit über den gesamten Lebenszyklus eines Agenten. Die Liste ist lang, und jeder Punkt kostet im Betrieb.
Gartner argumentiert ähnlich, nur schärfer. Die Beratung sagt voraus, dass bis 2028 70 Prozent der Unternehmen agentische KI-Systeme aufgeben, die mit Unterstützung eines Anbieters gebaut wurden. Die Kosten steigen, und Kunden tun sich schwer, die Technologie ohne externe Hilfe anzupassen, berichtete The Register am 30. September. Gartners Stichwort dafür ist Forward-Deployed Engineering. Ein Anbieter stellt Ingenieure zu einem Kunden, die Software nach dessen Vorgaben bauen und ausrollen. Der schnelle frühe Fortschritt, so das Argument, kann den Kunden von teurer externer Expertise abhängig zurücklassen.
"The best-scoped FDE engagements have clear guidelines on governance, business value delivery, IP ownership, project co-ownership, knowledge transfer, and an exit strategy from day one", sagte Mukul Saha, Senior Director Analyst bei Gartner, laut The Register.
Gartner sagt außerdem voraus, dass bis 2028 weniger als 20 Prozent dieser Projekte wiederkehrende Kundenanforderungen in Funktionen des Kernprodukts des Anbieters überführen. Die Beratung warnt vor "FDE washing", also davor, gewöhnliche Beratung als etwas Spezialisierteres zu vermarkten. The Register merkt an, dass dies nicht Gartners erste Warnung dieser Art ist. Frühere Prognosen betrafen generative KI-Projekte, die das Budget sprengten. Sie betrafen auch 40 Prozent der KI-Agenten-Einführungen, die wegen Governance-Problemen zurückgefahren oder stillgelegt werden.
Zwei weitere Versuche, Agenten rechenschaftspflichtig zu machen
Ebenfalls am 30. September veröffentlichte ein Projekt namens OpenAPPA deterministische Leitplanken, die zwischen einem Agenten und seinen Werkzeugen sitzen. Sie beantworten vor jeder Aktion eine Frage: Dürfen diese Daten an dieses Ziel gehen. Das GitHub-Repository beschreibt die Software als angetrieben von APPA, einer Agentic Permissions Policy Algebra. APPA verfolgt Sensibilität und Vertrauenswürdigkeit alles dessen, was ein Agent liest. Anschließend prüft es jeden Werkzeugaufruf gegen diesen Eintrag, bevor der Aufruf läuft. Das Versprechen: Klassifikatoren und PII-Detektoren arbeiten probabilistisch, diese Prüfung dagegen deterministisch und liefert bei jedem Lauf dieselbe Entscheidung.
Die Benchmark-Zahlen des Projekts, veröffentlicht im Repository, behaupten, dass in 1.320 Bewertungen kein gewerteter Angriff gegen OpenAPPA erfolgreich war. Es habe 88 bis 90 Prozent der Aufgaben abgeschlossen. Dieselbe Tabelle führt Microsoft FIDES bei 41 Prozent Aufgabenerfüllung mit 31 Prozent erfolgreichen Angriffen. Claude Code im Auto-Modus steht dort bei 90 Prozent Erfüllung mit 10 erfolgreichen Angriffen über zwei Testreihen. Das sind vom Anbieter veröffentlichte Zahlen auf den eigenen Benchmarks. Das Repository bezeichnet die Arbeit als Vorschau und RFC, mit Konfigurations- und Schnittstellenflächen, die ohne Shims brechen können. Das zugrunde liegende Paper wurde zum NeurIPS 2026 Workshop on Agents in the Wild angenommen.
Ein drittes Projekt, UAI, ging am selben Tag mit einem offenen Protokoll für Agentenidentität, Autorisierung und unabhängig überprüfbare Rechenschaft online. Es teilt das Problem in vier Artefakte. Eine UAI-ID dafür, wer der Agent ist. Ein Credential, das ihn an einen Eigentümer bindet. Einen Pass für zeitlich und räumlich begrenzte Autorisierung. Und signierte Handlungsnachweise darüber, was er tatsächlich getan hat. Das README ist sorgfältig bei dem, was das nicht leistet. "UAI does not claim that an AI agent is safe", heißt es dort, nur dass Handlungen zuordenbar und prüfbar werden. Das Design vermeidet bewusst eine einzige globale Autorität und verweist stattdessen auf föderierte Register. Der Verifier im Browser soll Nachweise lokal prüfen, statt das Register zu fragen, ob dessen eigener Nachweis gültig ist.
Der Markt bewegt sich schneller als die Kontrollen
Agenten für Endkunden sind längst in einem anderen Tempo unterwegs. DoorDash kündigte am 30. September einen Text-to-Order-Agenten an, mit dem Nutzer Bestellungen über Apple Messages aufgeben, berichtete TechCrunch. Er verarbeitet Eingaben wie "order my usual" und Gruppenbestellungen mit gemischten Ernährungsvorlieben. Das Unternehmen öffnet eine US-Warteliste. Separat hieß es, man beginne mit ausgewählten Restaurants in Nordkalifornien Lieferdrohnen zu testen. DoorDash positioniert den Agenten gegen Uber Eats und Grubhub.
Metas Muse, früher im September angekündigt, ist der andere große Vorstoß vom Endkunden ins Unternehmen. Tailscales Blogbeitrag vom 30. September liefert den konkretesten Blick darauf, wie ein solcher Agent eingezäunt wird. Muse läuft standardmäßig in einer Linux-VM, abgeschottet von Nutzerdaten und externen Diensten. Es gibt Konnektoren für Kalender, Kontakte, Smart-Home-Geräte, Gmail, Outlook, Spotify und Metas eigene Apps. Durch die Tailscale-Integration wird Muse zu einem Knoten im Tailnet des Nutzers, wo die üblichen Freigaben, Tags und Zugriffskontrollen greifen. Tailscale benennt auch das naheliegende Risiko. Prompt Injection kommt weiterhin durch. Wer einen Agenten anbindet, der selbst gehostete Dienste sieht und SSH nutzen kann, sollte die daraus folgenden Fragen bewusst beantworten.
Ebenfalls am 30. September startete auf GitHub eine selbst gehostete Inferenz-Engine namens Magnitude. Sie beansprucht, bis zu 2x schneller als llama.cpp zu sein, mit 92 Prozent schnellerem Decode auf Metal und 19 Prozent auf CUDA, und 27 Prozent weniger Speicher pro Agent. Ein Werkzeug namens git-dedup, am selben Tag veröffentlicht, verspricht große Checkouts 6x schneller und 70 Prozent weniger Git-Speicher. Das sind 35,5 GB auf 11,1 GB über 117 Checkouts, klar gerichtet auf Flotten von Coding-Agenten. DevNavigator berichtete über Vercels State of agent skills vom 25. September. Demnach erreichte skills.sh in sieben Monaten mehr als eine Million Einträge und fast 280.000.000 registrierte Installationen. Der Bericht merkt an, dass diese Zahlen die Aktivität des Registers beschreiben, nicht den belegten Geschäftswert.
Der rote Faden ist unspektakulär. Auf der Seite der Fähigkeiten ist es voll, und es bewegt sich wöchentlich. Die Seite der Rechenschaft ist es, auf der die neueste Arbeit landet: wem der Agent gehört, was er anfassen darf und wer beweisen kann, was er getan hat. Ob eines dieser drei Protokolle übernommen wird, ist eine andere Frage. Zwei davon sind Vorschauen, eines ist ein früher Pilot mit einem einzigen Anbieter, und Gartners Prognose gibt Unternehmen bis 2028 Zeit für die Entscheidung.
Quellen
9- 01OpenClaw Enterprise – The Open Agent PlatformEN
- 027 in 10 enterprises expected to abandon vendor-built agentic AI by 2028EN
- 03OpenAPPA: Deterministic guardrails that don't break agentsEN
- 04UAI – An open protocol for identity and accountability of AI agentsEN
- 05DoorDash launches an AI agent you can text to order foodEN
- 06Agent, your network: How Meta's Muse agent works with TailscaleEN
- 07Launch HN: Magnitude (YC S25) – Self-optimizing inference engine for agentsEN
- 08Git-dedup – faster and smaller checkouts for agentic workflowsEN
- 09Agent Skills: 4 Powerful Ways to Improve Enterprise AIEN
Alle Zahlen und Zitate in diesem Text stammen aus den unten genannten Quellen.
Die Materialien wurden vom Redaktionsteam mit Unterstützung von KI erstellt.
Kommentare
0- Noch keine Kommentare — seien Sie der Erste.