NIST Cyber AI Profile erweitert Cybersecurity Framework 2.0 auf KI-Systeme
Am 16. Dezember 2025 hat das National Institute of Standards and Technology den ersten Entwurf des NIST Cyber AI Profile veröffentlicht, um Organisationen beim Umgang mit Sicherheitsrisiken künstlicher Intelligenz zu unterstützen. Die gemeinsam mit MITRE erarbeiteten Richtlinien weiten bestehende Cybersicherheitsstandards auf KI-Systeme, -Modelle und -Workflows aus. Für Risikoteams in Unternehmen erleichtert das Profil die Einbindung von KI-Anwendungen und externen Diensten in bestehende Risikoprogramme nach dem NIST Cybersecurity Framework 2.0, ohne dass neue Verwaltungsstrukturen aufgebaut werden müssen.
Wie NIST IR 8596 das CSF 2.0 auf KI-Systeme erweitert
NIST IR 8596 ist ein Community Profile, das vom National Institute of Standards and Technology am 16. Dezember 2025 als erster vorläufiger Entwurf verabschiedet wurde. Die Publikation überträgt die Ergebnisse des NIST Cybersecurity Framework 2.0, bestehend aus Funktionen, Kategorien und Unterkategorien, auf Systeme der künstlichen Intelligenz. Zu den Autoren des Entwurfs gehören Katerina Megas und Barbara Cuthill vom NIST sowie Marissa Dotter, Michael Garris, Ishika Khemani, Bronwyn Patrick, Noah Schiro, Julie Nethery Snyder und Mohammad Zarei von MITRE. Öffentliche Stellungnahmen wurden bis zum 30. Januar 2026 gesammelt, um den ersten offiziellen Entwurf vorzubereiten.
Was der NIST-Entwurf des Cyber AI Profile in drei Schwerpunkten abdeckt
Der Entwurf des NIST Cyber AI Profile gliedert seine Leitlinien zur Cybersicherheit in drei Kernbereiche, um Risiken und Chancen zu adressieren. Der erste Schwerpunkt Secure konzentriert sich auf die Absicherung von KI-Systemkomponenten, indem das Schwachstellenmanagement auf KI-Frameworks, Softwarebibliotheken und Hardware für betriebene oder gekaufte Systeme ausgeweitet wird. Der zweite Bereich Defend konzentriert sich auf KI-gestützte Cyberabwehr, etwa den Einsatz von KI zur skalierten Analyse von Sicherheitsprotokollen mit menschlicher Bestätigung vor Abwehrmaßnahmen. Der dritte Schwerpunkt Thwart zielt auf die Abwehr KI-gestützter Cyberangriffe ab, indem Bedrohungsinformationen aus Quellen wie MITRE ATLAS und den OWASP Top 10 für Large Language Models nachverfolgt werden.
Wie das NIST KI-Cybersicherheits-Framework sechs Kernfunktionen anwendet
Das NIST KI-Cybersicherheits-Framework übersetzt die sechs Kernfunktionen von CSF 2.0 in konkrete Maßnahmen für KI-Einsätze. Unter der Funktion Govern benennen Organisationen einen Verantwortlichen für KI-Risiken, legen Richtlinien für die angemessene Nutzung fest und führen ein Inventar aller KI-Systeme. Unter Identify katalogisieren Teams Modelle, Datensätze, Prompts, Anwendungsschnittstellen (APIs) und KI-Dienste von Drittanbietern zusammen mit den jeweils verarbeiteten Daten. Die Funktion Protect erfordert das Prinzip der minimalen Rechtevergabe, Leitplanken für Daten und Zugriffssteuerungen für KI-Systeme und Anmeldeinformationen. Die Funktion Detect schreibt die Überwachung des KI-Verhaltens vor, einschließlich ungewöhnlicher Werkzeugaufrufe oder Datenzugriffe, statt sich nur auf die zugrunde liegende Infrastruktur zu beschränken. Die Funktion Respond bereitet Maßnahmen zur Eindämmung von Vorfällen vor, etwa das Deaktivieren eines KI-Agenten oder den Entzug von Zugriffsrechten. Schließlich erfordert die Funktion Recover das Bereithalten geprüfter Modellversionen und Datenquellen bei gleichzeitiger Überprüfung der Wiederherstellung des Betriebs.
Was das Profil für das Risikomanagement in Unternehmen ändert
Für Risikoteams in Unternehmen ändert das Profil die Art und Weise, wie KI-Systeme in die bestehende Risikoüberwachung eingebunden werden. CSF 2.0 bleibt technologieneutral über IT-, OT-, IoT-, Cloud-, Mobil- und KI-Umgebungen hinweg, sodass Unternehmen nicht auf ein eigenständiges Regelwerk warten müssen, bevor sie KI einsetzen. Das Profil übernimmt die Aufgabe, Chatbots, Scoring-Modelle und KI-gestützte Software unter etablierte Risikoprogramme für Cybersicherheit zu stellen. Durch die Einordnung von KI-Ressourcen in bestehende Verarbeitungsverzeichnisse, Governance-Überprüfungen und Überwachungsprozesse vermeiden Organisationen doppelte Compliance-Programme für KI-Werkzeuge.
Wie NIST CSF 2.0 und AI RMF im Risikomanagement zusammenwirken
Der Vergleich zwischen NIST CSF 2.0 und dem AI RMF zeigt, wie das NIST allgemeine Cybersicherheitsstandards mit spezialisierten Leitlinien für künstliche Intelligenz abstimmt. Während der Schwerpunkt des NIST AI Risk Management Framework auf der Verbesserung der allgemeinen Vertrauenswürdigkeit von KI liegt, bettet das Cyber AI Profile diese Überlegungen direkt in ein am CSF ausgerichtetes Cybersicherheitsprogramm ein. Die Einhaltung des Profils ist freiwillig. Zur Unterstützung der Umsetzung plante das NIST einen Cyber AI Workshop für den 14. Januar 2026 zu SP 800-53 Control Overlays für die Absicherung von KI-Systemen sowie virtuelle Arbeitssitzungen am 28. April, 5. Mai und 12. Mai 2026.
Fragen und Antworten
Was ist das NIST Cyber AI Profile?
Das NIST Cyber AI Profile ist ein als NIST IR 8596 veröffentlichtes Community Profile, das Richtlinien für das Management von Cybersicherheitsrisiken im Zusammenhang mit KI-Systemen bietet und aufzeigt, wie KI zur Stärkung von Cybersicherheitskapazitäten genutzt werden kann. Es ist an den Ergebnissen, Funktionen, Kategorien und Unterkategorien des NIST Cybersecurity Framework 2.0 ausgerichtet.
Ist die Einhaltung von NIST IR 8596 für Unternehmen verpflichtend?
Nein, die Einhaltung von NIST IR 8596 ist freiwillig. Es dient als Community Profile, das Organisationen dabei hilft, Technologien der künstlichen Intelligenz in ihre bestehenden freiwilligen Cybersicherheitsprogramme zu integrieren.
Wie unterscheidet sich das Cyber AI Profile vom NIST AI RMF?
Das NIST AI Risk Management Framework bietet Leitlinien zur Verbesserung der allgemeinen Vertrauenswürdigkeit von KI, während das Cyber AI Profile KI-Aspekte direkt in das bestehende Risikomanagementprogramm einer Organisation nach dem Cybersecurity Framework 2.0 einbindet.
Die Sicht von MOZGII
Wie wir es bauen würden
Um ein Enterprise-KI-System nach diesem Profil aufzubauen, würden wir zuerst ein zentrales Inventar für alle Modelle, Prompts, Datensätze und Anwendungsprogrammierschnittstellen erstellen. Jeder KI-Dienst eines Drittanbieters und jedes interne Scoring-Tool müsste seine Datenflüsse vor dem Produktionsstart registrieren. Prompt-Vorlagen und Trainingsdatensätze würden wir in zugriffsgeschützten Repositories speichern. Diese Struktur würde sicherstellen, dass jeder automatisierte Prozess einen benannten Risikoverantwortlichen und explizite Rechte hat.
Für die Laufzeitkontrolle würden wir alle Aktionen der Agenten über einen Inspektions-Proxy leiten. Dieser Proxy würde Werkzeugaufrufe nachverfolgen und unerwartete Datenabfragen oder ungewöhnlichen Netzwerkverkehr melden. Wir würden eine menschliche Freigabe verlangen, wann immer ein automatisiertes Abwehrsystem versucht, Netzwerksegmente zu isolieren oder Zugriffsregeln zu ändern. Wenn sich die Anwendungsprogrammierschnittstelle eines Drittanbieters ändert oder eine Prompt-Injection die Eingabefilter umgeht, würde das Überwachungssystem die Zugangsdaten des betroffenen Agenten automatisch widerrufen.
Die wichtigste Kennzahl, die wir verfolgen würden, wäre die Zeit bis zum Erkennen und Deaktivieren eines fehlerhaften Modells oder Agenten. Um die Wiederherstellung vorzubereiten, würden wir automatisierte Rollback-Mechanismen aufbauen, die verifizierte Modell-Snapshots und geprüfte Datenquellen sofort wiederherstellen. Als Nächstes würden wir automatisierte Feeds für Bedrohungsinformationen einrichten, um Modellbibliotheken mit Datenbanken wie MITRE ATLAS und OWASP-Listen abzugleichen.
Quellen
Woher die Fakten dieser Meldung stammen.