Microsoft Purview enables developers with strong data security across AI apps and agents
Einordnung
AI-Agents greifen nicht nur auf Wissen zu. Sie lesen Dateien, nutzen Tools, führen Aktionen aus und verbinden Systeme. Dadurch verschiebt sich Security von der reinen App-Freigabe hin zur Frage: Welche Daten darf der Agent sehen, nutzen und weitergeben?
Typisches Praxisszenario
Ein Team baut einen internen Agent für Support- und Prozessfragen. Anfangs beantwortet er nur Fragen aus SharePoint. Später soll er Tickets erstellen, Daten aus Formularen übernehmen und mit lokalen Entwicklerwerkzeugen arbeiten. Ohne Laufzeitkontrolle, DLP und Audit wird aus einem Assistenzsystem ein schwer überwachbarer Prozessakteur.
Technische Umsetzungsschritte
- Für jeden Agent einen Steckbrief erstellen: Zweck, Owner, Datenquellen, Aktionen, Zielgruppe und Freigabestatus.
- Im Power Platform Admin Center Umgebungen trennen: Entwicklung, Test und Produktion nicht vermischen.
- DLP-Policies für Connector-Gruppen definieren und besonders riskante Kombinationen wie Unternehmensdaten plus öffentliche Consumer-Services prüfen.
- Wissensquellen begrenzen: SharePoint-Sites, Dateien und Systeme nur hinzufügen, wenn Owner und Datenklassifikation klar sind.
- Testfälle erstellen: falsche Frage, sensible Daten, externer Nutzer, Prompt Injection, nicht erlaubte Aktion.
- Audit-, Monitoring- und Eskalationspfade aktivieren, bevor der Agent produktiv Aktionen ausführt.
- Regelmäßigen Lifecycle festlegen: Owner Review, Quellenprüfung, Antwortqualität, DLP-Treffer und Stilllegung nicht genutzter Agents.
Microsoft Best Practices in der Umsetzung
- Jeden Agent mit Owner, Zweck, Datenquellen und erlaubten Aktionen dokumentieren.
- DLP-Regeln für Prompts, Antworten, Tool-Aufrufe und sensible Inhalte früh einplanen.
- Audit- und Ermittlungsfähigkeit sicherstellen, bevor Agents produktiv Prozesse ausloesen.
- Lokale und cloudbasierte Agents getrennt bewerten, weil lokale Agents andere Datenpfade haben.
- Security- und Entwicklungsteams gemeinsam in den Freigabeprozess bringen.
Typische Fehler
- Agents wie normale Chatbots behandeln.
- Nur Wissensquellen prüfen, aber Aktionen und Connectors ignorieren.
- Audit erst nach einem Vorfall aktivieren.
Azuric-Einordnung
Azuric wuerde bei Agent-Projekten bewusst klein starten: ein klarer Use Case, kontrollierte Datenquellen, keine kritischen Aktionen ohne Freigabe und ein messbares Sicherheitsmodell.
Kernaussage
AI-Agents brauchen Governance vor dem Skalieren. Purview kann die Bruecke zwischen Entwicklung, Security und Compliance bilden.
Quellen
Dieser Beitrag ist eine eigenständige Azuric-Einordnung. Die folgenden Quellen dienen als fachliche Referenz; Inhalte werden nicht kopiert.