ai_regulation
k8s-aibom: Google veröffentlicht Open-Source-Tool gegen Schatten-KI
Google hat am 15. Juli 2025 das Tool k8s-aibom als Open-Source-Projekt veröffentlicht, wie der Konzern in seinem Cloud-Blog bekanntgab. Der leichtgewichtige Kubernetes-Controller erkennt laufende KI-Workloads automatisch und erstellt standardisierte Machine Learning Bills of Materials (ML-BOMs) im CycloneDX-1.6-Format. Damit lassen sich selbst solche KI-Anwendungen erfassen, die Entwickler ohne formelle Registrierung in Betrieb genommen haben.
Hintergrund ist das wachsende Problem der Schatten-KI: Fachabteilungen und Entwickler nutzen zunehmend KI-Modelle und -Frameworks wie vLLM, Triton Inference Server oder Ollama, ohne dass die IT-Sicherheit davon Kenntnis hat. Herkömmliche Sicherheitsscanner greifen hier oft nicht, weil Unternehmen aus Stabilitätsgründen auf privilegierte DaemonSets oder Kernel-Eingriffe verzichten. k8s-aibom umgeht dieses Dilemma, indem es als unprivilegiertes Deployment arbeitet – ohne Sidecars, ohne eBPF-Kernelmodule und ohne Änderungen an bestehenden Pod-Spezifikationen. Die Erkennung erfolgt in vier Stufen: Der Controller überwacht kontinuierlich die Cluster-API, identifiziert KI-Stacks durch Musterabgleich in Container-Images und Umgebungsvariablen, erzeugt daraus formale ML-BOM-Dokumente und exportiert diese in Google Cloud Storage oder externe Webhook-Endpunkte.
Ein zentrales Element ist das deterministische Confidence Model, das Funde in drei Kategorien einteilt: "Declared" (explizit konfigurierte Modelle wie Meta-Llama), "Inferred" (autonom erkannte Signaturen) und "Unresolved" (aktive KI-Präsenz ohne bestimmbare Parameter). Diese Taxonomie erlaubt Compliance-Prüfern, zwischen bewusster Entwicklerabsicht und maschineller Inferenz zu unterscheiden. Für Revisionssicherheit sorgt die kryptografische Unveränderbarkeit der einmal geschriebenen ML-BOM-Objekte im Cloud Storage – nachträgliche Manipulation durch kompromittierte Knoten ist ausgeschlossen.
Was bedeutet das konkret für Ihren Betrieb?
Wenn Ihr Unternehmen Kubernetes für KI-Projekte nutzt oder dies plant, adressiert k8s-aibom ein zentrales Governance-Problem: den Nachweis, welche KI-Modelle tatsächlich in Produktion sind. Die automatisch generierten ML-BOMs liefern die empirische Basis für Compliance-Anforderungen des EU AI Act, insbesondere Artikel 12 (automatisierte Protokollierung) und Artikel 50 (Transparenzpflichten). Auch für das NIST AI Risk Management Framework und die ISO/IEC 42001 entsteht eine belastbare Inventarisierungsgrundlage, die manuelle Tabellen oder stichprobenartige Momentaufnahmen ablösen kann. Da das Tool ohne Eingriff in CI/CD-Pipelines auskommt, entsteht keine Reibung mit Entwicklungsteams.
Die Veröffentlichung von k8s-aibom reiht sich in einen breiteren Trend ein: Die Absicherung der KI-Lieferkette wird zum integralen Bestandteil der IT-Sicherheitsarchitektur. Mittelfristig ist zu erwarten, dass ML-BOMs ähnlich selbstverständlich werden wie Software Bills of Materials in der klassischen Softwareentwicklung. Für den Mittelstand bedeutet dies, dass sich das Zeitfenster für eine geordnete KI-Governance ohne übermäßigen manuellen Aufwand öffnet.
Hintergrund ist das wachsende Problem der Schatten-KI: Fachabteilungen und Entwickler nutzen zunehmend KI-Modelle und -Frameworks wie vLLM, Triton Inference Server oder Ollama, ohne dass die IT-Sicherheit davon Kenntnis hat. Herkömmliche Sicherheitsscanner greifen hier oft nicht, weil Unternehmen aus Stabilitätsgründen auf privilegierte DaemonSets oder Kernel-Eingriffe verzichten. k8s-aibom umgeht dieses Dilemma, indem es als unprivilegiertes Deployment arbeitet – ohne Sidecars, ohne eBPF-Kernelmodule und ohne Änderungen an bestehenden Pod-Spezifikationen. Die Erkennung erfolgt in vier Stufen: Der Controller überwacht kontinuierlich die Cluster-API, identifiziert KI-Stacks durch Musterabgleich in Container-Images und Umgebungsvariablen, erzeugt daraus formale ML-BOM-Dokumente und exportiert diese in Google Cloud Storage oder externe Webhook-Endpunkte.
Ein zentrales Element ist das deterministische Confidence Model, das Funde in drei Kategorien einteilt: "Declared" (explizit konfigurierte Modelle wie Meta-Llama), "Inferred" (autonom erkannte Signaturen) und "Unresolved" (aktive KI-Präsenz ohne bestimmbare Parameter). Diese Taxonomie erlaubt Compliance-Prüfern, zwischen bewusster Entwicklerabsicht und maschineller Inferenz zu unterscheiden. Für Revisionssicherheit sorgt die kryptografische Unveränderbarkeit der einmal geschriebenen ML-BOM-Objekte im Cloud Storage – nachträgliche Manipulation durch kompromittierte Knoten ist ausgeschlossen.
Was bedeutet das konkret für Ihren Betrieb?
Wenn Ihr Unternehmen Kubernetes für KI-Projekte nutzt oder dies plant, adressiert k8s-aibom ein zentrales Governance-Problem: den Nachweis, welche KI-Modelle tatsächlich in Produktion sind. Die automatisch generierten ML-BOMs liefern die empirische Basis für Compliance-Anforderungen des EU AI Act, insbesondere Artikel 12 (automatisierte Protokollierung) und Artikel 50 (Transparenzpflichten). Auch für das NIST AI Risk Management Framework und die ISO/IEC 42001 entsteht eine belastbare Inventarisierungsgrundlage, die manuelle Tabellen oder stichprobenartige Momentaufnahmen ablösen kann. Da das Tool ohne Eingriff in CI/CD-Pipelines auskommt, entsteht keine Reibung mit Entwicklungsteams.
Die Veröffentlichung von k8s-aibom reiht sich in einen breiteren Trend ein: Die Absicherung der KI-Lieferkette wird zum integralen Bestandteil der IT-Sicherheitsarchitektur. Mittelfristig ist zu erwarten, dass ML-BOMs ähnlich selbstverständlich werden wie Software Bills of Materials in der klassischen Softwareentwicklung. Für den Mittelstand bedeutet dies, dass sich das Zeitfenster für eine geordnete KI-Governance ohne übermäßigen manuellen Aufwand öffnet.
💡 Handlungsempfehlung: Prüfen Sie mit Ihrem IT-Team, ob in Ihren Kubernetes-Clustern nicht registrierte KI-Workloads laufen, und evaluieren Sie k8s-aibom als unprivilegiertes Werkzeug für eine automatisierte Bestandsaufnahme.
Haeufige Fragen
Was ist k8s-aibom und wie hilft es gegen Schatten-KI?
k8s-aibom ist ein von Google als Open Source bereitgestellter Kubernetes-Controller, der laufende KI-Workloads automatisch erkennt und standardisierte ML-BOMs erstellt, selbst wenn die Anwendungen nicht offiziell registriert wurden.
Welche Compliance-Vorgaben unterstützt k8s-aibom konkret?
Das Tool liefert die empirische Datenbasis für Artikel 12 und 50 des EU AI Act, das NIST AI Risk Management Framework und die ISO/IEC 42001, indem es eine lückenlose, unveränderliche Inventarisierung aller KI-Assets im Cluster ermöglicht.