LONDON (IT BOLTWISE) – Kindo bringt mit Deep Hat Sift ein System auf den Markt, das Security-Events vor dem eigentlichen KI-Agenten vorsortiert. Das Modell lernt aus den Urteilen des Ziel-Agenten und kann eintreffende Meldungen filtern, die mit hoher Wahrscheinlichkeit keine Aktion auslösen. Startet wird im Shadow Mode mit Vorschau und manueller Freigabe eines Schwellwerts, inklusive Sampling- und Fail-open-Mechanismen. Damit verschiebt sich das Kostenproblem weg von „billigerer Modell-Variante“ hin zu „weniger unnötigen Läufen“.
Wenn Unternehmen KI-Agents für Security-Alerts oder IT-Betrieb einsetzen, entsteht ein zweiter Kostenblock häufig genau dort, wo eigentlich Entlastung erwartet wird: bei den Fällen, die am Ende doch keine Aktion erfordern. Ein Agent, der jede einzelne Meldung durch ein größeres KI-Modell schickt, zahlt im produktiven Betrieb nicht nur für die „echten“ Untersuchungen, sondern auch für die Routine – etwa wenn Logs und Alarme nur Rauschen enthalten. Deep Hat Sift von Kindo setzt an diesem Punkt an, indem es vor dem Start der eigentlichen Agentenverarbeitung eine schnelle Entscheidung triggert, ob ein Event überhaupt einen Lauf auslöst.
Technisch betrachtet folgt das Produkt einem anderen Paradigma als die klassische Optimierung über „kleinere“ oder „billigere“ Sprachmodelle. Kindo beschreibt Deep Hat Sift als System-1-Entscheidungsmodell: statt Text zu generieren beantwortet es eine Auswahlfrage. Wichtig ist dabei die Zuordnung, denn jedes Entscheidungsmodell wird für eine konkrete Quelle, einen Ziel-Agenten und eine spezifische Filteraufgabe trainiert. Dadurch spiegelt das Modell nicht nur allgemeine Wahrscheinlichkeiten wider, sondern lernt die Arbeitsweise genau des Agenten, dem es vorgelagert ist – also welche Urteile dieser Agent typischerweise verwirft.
Genau daraus ergibt sich die Logik des „vor dem Agenten entscheiden“. Deep Hat Sift verarbeitet Events nicht blind, sondern bedient sich der von dem Ziel-Agenten zurückgegebenen Verdikten als Trainingssignal: Wenn der Agent ein Ereignis als „kein Handlungsbedarf“ einstuft, lernt das vorgelagerte Modell, diese Art von Fällen künftig eher zu unterdrücken. Diese Spezialisierung verhindert zugleich, dass ein Filter für den falschen Workflow greift; ein Event, das in einer Security-Untersuchung relevant ist, kann im Service-Desk-Kontext trivial sein. Kindo adressiert auch den organisatorischen Aufwand: Separate menschliche Label-Projekte pro Datenstrom will das Unternehmen vermeiden, indem es den agentenseitigen Output als Lernquelle nutzt.
Der Start erfolgt nicht als „hartes“ Filtern, sondern gestaffelt. Laut Ankündigung vom 28. Oktober läuft Deep Hat Sift zunächst im Shadow Mode: Das System bewertet eingehende Events und erstellt damit eine Vorschau, während der eigentliche Agent weiterhin alle Events prüft. Dadurch können Teams den Unterschied zwischen eigener Entscheidung und dem vorgeschlagenen Filterverhalten auf ihren echten Daten vergleichen. Erst wenn Operatoren einen Schwellwert genehmigen – inklusive schriftlicher Begründung – beginnt das Filtern. Diese menschlich verantwortete Freigabe ist bewusst als Kontrollpunkt platziert; sie macht das Aktivieren des Systems zu einem Prozessschritt des zuständigen Workflows und nicht zu einer rein technischen Installation.
Gerade bei Security-Use-Cases ist das Messen der Qualität schwierig, wenn potenziell „gute“ oder „wichtige“ Events gar nicht erst beim Agenten ankommen. Deep Hat Sift begegnet dieser Messlücke mit Sampling: Das System sendet weiterhin zufällig eine Teilmenge der eigentlich zurückgehaltenen Events an den Agenten zurück, damit sich eine fortlaufende Miss-Rate-Ermittlung auf Basis der Agentenurteile aufbauen lässt. Kindo formuliert den Bezugspunkt dabei ausdrücklich: Recall und Miss Rate werden gegen die Entscheidungen des Ziel-Agenten gemessen. Diese Kennzahlen zeigen folglich, wie gut Sift die Urteile dieses Agenten reproduziert – sie beweisen aber nicht isoliert, ob der Agent jedes reale Sicherheitsproblem korrekt erkennt. Ergänzend nennt Kindo Fail-open-Strategien: Wenn die Entscheidungsqualität „driftet“, sollen Events wieder durchgelassen werden, statt dauerhaft zu unterdrücken. Zusätzlich gibt es Aktivitätsobergrenzen, die das System bei Lastspitzen in den Shadow Mode zurückschalten können. Filterentscheidungen und Freigaben werden protokolliert, sodass Teams nachverfolgen können, welche Events unterdrückt wurden und aus welchem Grund die Genehmigung erfolgte. Troy Presley, Deep-Hat-Sift-Ingenieur bei Kindo, fasst den Kern der Absicherung so zusammen: „It filters nothing until a person approves the threshold, and if quality drifts it fails open and sends everything through for LLM judgment, “ sagte Troy Presley in der Ankündigung.
Die Zielmärkte liegen dort, wo hohe Ereignisvolumina auf einen vergleichsweise kleinen Anteil an tatsächlich handlungsbedürftigen Fällen treffen. Kindo nennt unter anderem SIEM- und Endpoint-Detection-Alerts, Ticket-Queues, gemeldete Phishing-Submissionen, System- und Netzwerklogs sowie Event-Streams etwa aus Kafka-Umgebungen. Laut Beschreibung sitzt Sift dabei als zusätzliche Schicht zwischen den Quellsystemen und dem eigentlichen Agenten: Die Security-Plattform erzeugt weiterhin Detektionen, das Ticketing-System hält seine Queue, und der Agent bleibt zuständig für die Fälle, die überhaupt in die Analysephase gelangen. Der neue Control-Point entscheidet also nicht „was richtig ist“, sondern „ob überhaupt tieferes KI-Rechnen angestoßen wird“ – ein Unterschied, der auch in anderen Domänen relevant wäre, etwa bei finanz- oder compliance-nahen Prüfketten, die Transaktionen oder Richtlinien-Streams sichten.
In das größere Agent-Management-Framework von Kindo fügt sich Deep Hat Sift damit als früher Weichensteller ein: Die Plattform verbindet Agenten mit Enterprise-Systemen und übernimmt neben Ausführung auch Kontext, Berechtigungen und operatives Oversight. Kindo beschreibt dabei unter anderem, dass Ownership, Access Policies und Kosten-Zuordnung nach Agent, Owner und Team organisiert werden. Sift ergänzt diesen Ablauf um eine Entscheidung, die unmittelbar am Anfang ansetzt: welche Events die Inferenzkosten des Ziel-Agenten überhaupt auslösen sollen. Nach Angaben in der Veröffentlichung ist Deep Hat Sift „now“ verfügbar – on premises, als self-managed Cloud, in der Kindo-Cloud sowie in Air-gapped-Umgebungen. Während die Scoring-Läufe dort stattfinden, wo Kindo installiert ist, werden Modellaufrufe über die Plattform gemanagt; der Betrieb arbeitet mit Kindo Agents. Wie stark sich die Kosten tatsächlich senken, lässt sich nicht pauschal als Prozentsatz versprechen, weil die Einsparung an das Zusammenspiel aus Event-Volumen, Kosten pro vermiedenem Agent-Run, Anteil der Aktion-Fälle und dem akzeptierten Filter-Schwellwert gekoppelt ist. Bei stark rauschartigen Streams kann das wirtschaftlich spürbar sein – bei Situationen, in denen ein Missed Event gravierende Folgen hätte, werden Sampling, Drift-Erkennung und Eskalationsregeln genauso wichtig wie die reine Inferenzrechnung.
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "Deep Hat Sift: KI entscheidet vorab, welche Security-Events einen Agent brauchen" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "Deep Hat Sift: KI entscheidet vorab, welche Security-Events einen Agent brauchen" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »Deep Hat Sift: KI entscheidet vorab, welche Security-Events einen Agent brauchen« bei Google Deutschland suchen, bei Bing oder Google News!