--- type: News Article title: "k8s-aibom: Google veröffentlicht Open-Source-Tool gegen Schatten-KI" description: "Google hat k8s-aibom als Open-Source-Projekt freigegeben, um unkontrollierte KI-Workloads in Kubernetes-Clustern automatisch zu erkennen. Für KMU entsteht damit eine neue Möglichkeit, Compliance-Risiken durch Schatten-KI ohne Eingriff in Entwicklerprozesse zu reduzieren." resource: https://brunosan.de/ki-praxis/2026-07-24-k8s-aibom-google-veroeffentlicht-open-source-tool-gegen-scha.html tags: ["ai_regulation", "KIMittelstand", "SchattenKI", "CycloneDX", "Kubernetes"] timestamp: 2026-07-24T00:00:00+02:00 okf_version: "0.1" publisher: DoWell UG author: BrunoSan category: "ai_regulation" det_uuid: a3bb01d3-06e6-55f8-bab2-f77d9c380a24 --- # k8s-aibom: Google veröffentlicht Open-Source-Tool gegen Schatten-KI Google hat k8s-aibom als Open-Source-Projekt freigegeben, um unkontrollierte KI-Workloads in Kubernetes-Clustern automatisch zu erkennen. Für KMU entsteht damit eine neue Möglichkeit, Compliance-Risiken durch Schatten-KI ohne Eingriff in Entwicklerprozesse zu reduzieren. 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. # 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. # 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)