---
type: News Article
title: "KI-Lieferkettensicherheit: Googles k8s-aibom automatisiert ML-BOMs für Kubernetes"
description: "Google hat das Open-Source-Werkzeug k8s-aibom veröffentlicht, das Schatten-KI in Kubernetes-Clustern automatisch erkennt und standardisierte ML-BOMs erstellt – ein entscheidender Baustein für die Compliance mit dem EU AI Act."
resource: https://brunosan.de/ki-praxis/2026-07-21-ki-lieferkettensicherheit-googles-k8s-aibom-automatisiert-ml.html
tags: ["ai_regulation", "KISicherheit", "SchattenKI", "ComplianceKMU", "Kubernetes"]
timestamp: 2026-07-21T00:00:00+02:00
okf_version: "0.1"
publisher: DoWell UG
author: BrunoSan
category: "ai_regulation"
det_uuid: 3545ca6d-854e-5e7a-a535-29bfd921cb8b
---

# KI-Lieferkettensicherheit: Googles k8s-aibom automatisiert ML-BOMs für Kubernetes

Google hat das Open-Source-Werkzeug k8s-aibom veröffentlicht, das Schatten-KI in Kubernetes-Clustern automatisch erkennt und standardisierte ML-BOMs erstellt – ein entscheidender Baustein für die Compliance mit dem EU AI Act.

Anfang Juli 2026 hat Google Cloud das quelloffene Tool k8s-aibom vorgestellt, wie der Konzern in seinem Sicherheitsblog bekannt gab. Der neuartige Kubernetes-Controller erkennt vollautomatisch KI-Workloads in laufenden Clustern und generiert daraus standardisierte Machine Learning Bills of Materials (ML-BOMs) im CycloneDX-1.6-Format. Damit schließt Google eine zentrale Lücke in der KI-Lieferkettensicherheit, die Sicherheitsverantwortlichen in vielen Betrieben zunehmend Kopfzerbrechen bereitet.

Hintergrund dieser Entwicklung ist das rasant wachsende Phänomen der Schatten-KI. Entwicklerteams setzen zunehmend eigene KI-Workloads auf – von Serving-Runtimes wie vLLM oder Triton über Agent-Frameworks wie LangChain und AutoGen bis hin zu Vektordatenbanken wie Milvus –, ohne dass diese formal bei der IT-Sicherheit registriert werden. Herkömmliche Scanner bleiben hier oft blind, weil sie privilegierte DaemonSets, Kernel-Zugriffe oder manuelle Pod-Spezifikationen erfordern, was den Entwicklungsfluss bremst und die Clusterstabilität gefährdet. k8s-aibom umgeht dieses Dilemma durch einen unprivilegierten Bereitstellungsansatz: kein Sidecar-Injection, keine eBPF-Kernelmodule, keine Änderungen an bestehenden Pod-Spezifikationen. Der Controller beobachtet kontinuierlich die Kubernetes-API und Container-Umgebungen, identifiziert KI-Stacks per Mustererkennung und exportiert die ML-BOMs direkt in Cloud Storage Buckets oder an externe Webhook-Endpunkte.

Ein besonderes Merkmal ist das deterministische Confidence Model, das erkannte Assets in drei Stufen klassifiziert: „Declared“ (explizit vom Entwickler deklariert, etwa ein Modell wie Meta-Llama/Llama-2-7b), „Inferred“ (autonom vom Controller ermittelt) und „Unresolved“ (aktive KI-Präsenz erkannt, aber Modellparameter nicht bestimmbar). Diese Taxonomie erlaubt Compliance-Prüfern, klare Entwicklerabsicht von maschineller Inferenz zu unterscheiden – eine unverzichtbare Grundlage für revisionssichere Audit-Trails. Zudem setzt k8s-aibom auf kryptografische Unveränderlichkeit: Einmal in Google Cloud Storage geschriebene ML-BOM-Objekte können durch DoesNotExist-Vorbedingungen nicht überschrieben oder nachträglich manipuliert werden.

**Was bedeutet das konkret für Ihren Betrieb?**

Wenn in Ihrem Unternehmen Kubernetes-Cluster für KI-Entwicklung genutzt werden, ist die Wahrscheinlichkeit hoch, dass bereits heute unregistrierte KI-Workloads laufen. Diese entziehen sich nicht nur der Sicherheitsüberwachung, sondern gefährden auch die Einhaltung regulatorischer Rahmenwerke. k8s-aibom liefert hier eine automatisierte Bestandsaufnahme ohne Eingriff in laufende Entwicklungsprozesse. Die erzeugten ML-BOMs bilden die empirische Basis für Nachweise nach Artikel 12 (automatisierte Protokollierung) und Artikel 50 (Transparenzpflichten) des EU AI Act, unterstützen die Asset-Erfassung im NIST AI Risk Management Framework und erleichtern die Inventarvalidierung nach ISO/IEC 42001. Laut Computerwoche ist gerade die unkontrollierte Nutzung von KI-Tools der größte Risikofaktor für Datenabflüsse in externe Trainingsdaten.

Die Kombination aus automatisierter Erkennung, standardisierten Austauschformaten und manipulationssicheren Audit-Logs macht k8s-aibom zu einem Baustein, der den Sprung von KI-Pilotprojekten in den regulierten Produktivbetrieb absichert. Mittelfristig dürften solche Werkzeuge zum festen Bestandteil jeder Zero-Trust-Architektur für KI-Umgebungen werden – nicht nur in Cloud-nativen Infrastrukturen, sondern auch in hybriden Umgebungen, die zunehmend unter den Anwendungsbereich des EU AI Act fallen.

# Handlungsempfehlung

Führen Sie noch diese Woche einen Abgleich Ihrer Kubernetes-Workloads mit der von k8s-aibom unterstützten KI-Stack-Erkennung durch und identifizieren Sie unregistrierte vLLM-, Triton- oder LangChain-Instanzen, die ohne ML-BOM-Dokumentation laufen.

# Citations

[1] [cloud.google.com](https://cloud.google.com/blog/products/identity-security/introducing-k8s-aibom-on-gke-for-automated-ai-bills-of-materials/)
[2] [cloud.google.com](https://cloud.google.com/blog/products/identity-security/introducing-k8s-aibom-on-gke-for-automated-ai-bills-of-materials/)
[3] [www.computerwoche.de](https://www.computerwoche.de/article/4193748/ki-sicherheit-datenstrome-unter-kontrolle-behalten.html)