LONDON (IT BOLTWISE) – Databricks übernimmt Panther Labs, um KI-gestützte Erkennungen für Cyberangriffe enger mit der Analyse von Sicherheitslogs zu verbinden. Der Berliner Ansatz zielt darauf, aus großen Telemetrie-Mengen weniger Rauschen herauszufiltern und dadurch schneller zu belastbaren Hinweisen für SOC-Teams zu kommen. Panther bringt dabei ein System mit, das Detections per Natural-Language-Prompts erzeugt und Fehlerquellen bei False Positives identifiziert. Für Unternehmen kann das die Entwicklung von Incident-Response-Workflows deutlich beschleunigen, gerade wenn Daten aus vielen Quellen stammen.
Databricks will seine Sicherheits- und Log-Analytik spürbar erweitern: Das Unternehmen plant, Panther Labs zu übernehmen, einen Startup-Anbieter für KI-gestützte Cyberattacke-Erkennung. Über die finanziellen Konditionen wurde nichts veröffentlicht. Panther adressiert ein zentrales Praxisproblem im Security Operations Center (SOC): Um den Umfang eines Angriffs wirklich zu verstehen, braucht man oft sehr viel Telemetrie. In der Realität verfügen Organisationen jedoch häufig nur über Teilmengen, weil das Sammeln und Aufbereiten aller relevanten Daten zu teuer oder operativ zu aufwendig wird. Genau hier setzt Panther mit Filter-Mechanismen an.
Technisch betrachtet kombiniert Panther zwei Bausteine: erstens die zielgerichtete Aufbereitung von Telemetrie-Streams und zweitens eine strukturierte Detektionslogik, die auf eine Analyse durch Menschen und Systeme einzahlt. Die Plattform reduziert Rauschen in den Datenflüssen und senkt damit indirekt die Kosten, die typischerweise mit dem Volumen- und Speicherdruck von Logdaten zusammenhängen. Zusätzlich organisiert Panther Telemetrie so, dass sie für nachgelagerte Auswertungen leichter interpretierbar wird. Für die eigentliche Bedrohungssuche nutzt das System „Detections“: kleine Code-Snippets, die auf einen bestimmten bösartigen Aktivitätstyp trainiert bzw. konfiguriert sind.
Bemerkenswert ist der Schritt von manuellen Regeln hin zu KI-gestützter Erstellung und Wartung. Panther enthält ein KI-Modul, mit dem Kunden neue Detections anhand natürlicher Sprache formulieren können. Das reduziert die Einstiegshürde für Teams, die zwar Security-Experten sind, aber nicht über den gleichen Aufwand wie spezialisierte Engineering-Organisationen verfügen. Entscheidend wird außerdem der Umgang mit False Positives: Wenn eine Detection fälschlicherweise eine Bedrohung meldet, soll ein weiteres KI-Modul die Ursache im Daten- oder Logik-Kontext ermitteln und Änderungsvorschläge für den Code liefern. Panther setzt dabei auf Python als Implementierungsbasis, weil die Sprache in der Praxis eine vergleichsweise schnelle Anpassung ermöglicht.
Ergänzend unterstützt Panther eine zweite Abfragesyntax namens PantherFlow. Damit zielt die Lösung darauf, auch interaktive Untersuchungen direkt aus den Cybersecurity-Logs zu unterstützen, ohne dass Teams alles neu modellieren müssen. Ein naheliegendes Szenario ist die Analyse eines Incidents aus den letzten 24 Stunden: Ein Administrator könnte per PantherFlow eine Abfrage formulieren, die unmittelbar aktuelle Zugriffsprotokolle aus den betroffenen Systemen einblendet. Darüber hinaus erzeugt Panther für jedes erkannte Risiko eine Beschreibung in natürlicher Sprache und reichert die Auswertung mit externen Informationen wie Threat Intelligence an. Dadurch kann das System priorisieren, welche Schwachstellen zuerst adressiert werden sollten, weil sie aktuell aktiv angegriffen werden.
Im Marktumfeld wirkt der Deal wie eine konsequente Fortsetzung der Databricks-Strategie, Datenplattform und Sicherheitsanwendungsfälle enger zu verzahnen. Databricks hat im März mit Lakewatch ein Produkt eingeführt, das es Unternehmen ermöglicht, Cybersecurity-Logs aus mehreren Quellen zu sammeln und auszuwerten. Panther ergänzt dieses Fundament um eine Ebene, die nicht nur Logdaten aggregiert, sondern sie auch in Richtung automatisierbarer SOC-Workflows „einsortiert“. Gerade im Enterprise-Kontext ist das Timing relevant: Viele Organisationen stehen unter Druck, schneller von Erkennung zu Remediation zu kommen, während gleichzeitig die Tool-Landschaft gewachsen ist und die Datenflüsse heterogen geblieben sind.
Databricks CFO- und Product-Roadmaps werden in der Branche deshalb oft daran gemessen, wie gut sie vorhandene Datenpipelines und Governance-Strukturen respektieren. In diesem Sinn passt Panther auch deshalb, weil die Software in zwei Varianten verfügbar sein soll: als Managed Edition und als für Cloud-Datenplattformen optimierte Ausprägung, die insbesondere auf Databricks-Betriebsmodelle ausgerichtet ist. Panther zufolge ermöglicht die „Databricks-nahe“ Edition Analysen, ohne Logs physisch verschieben zu müssen. Das ist nicht nur ein Komfortvorteil, sondern berührt auch Compliance- und Datenschutzfragen, etwa wenn Datenstandorte oder Aufbewahrungsfristen streng geregelt sind. Gleichzeitig müssen Unternehmen bei jeder KI-gestützten Detektionslogik sauber dokumentieren, welche Daten in Prompts und Modelle fließen und wie Zugriffsrechte im SOC umgesetzt werden.
Für den Wettbewerb lässt sich der Druck klar erkennen: Snowflake Ventures wurde als Investor in Pantherts Finanzierung genannt, außerdem hat Databricks zuvor bereits andere Security-nahe Firmen aufgekauft. Besonders relevant ist die frühere Übernahme von SiftD, das auf Automatisierung von Breach-Remediation fokussiert war, sowie Antimatter als Spezialist für Datenverschlüsselung. Das deutet darauf hin, dass Databricks Security nicht als Einzel-Feature betrachtet, sondern als End-to-End-Stack von Datenaufnahme über Detektion bis zur operativen Bearbeitung. Branchenexperten erwarten daher, dass sich der Schwerpunkt in den kommenden Quartalen von reiner Log-Suche hin zu „orchestrierter Analyse“ verlagert, bei der KI-Module Regeln erzeugen und laufend verbessern, während Analytics-Plattformen die Datenbasis standardisieren.
Ali Ghodsi, Mitgründer und CEO von Databricks, brachte diesen Anspruch auf den Punkt, indem er betonte, Panther verbessere die Fähigkeit, alle Daten zu analysieren und SOC-Workflows stärker zu automatisieren. Für Entwickler und Security-Teams bedeutet das: Sie könnten künftig weniger Zeit in das manuelle Schreiben und Pflegen von Detektions-Snippets investieren und mehr Zeit in Validierung, Tuning und Incident-Engineering stecken. Historisch war diese Lücke zwischen „Signal“ und „operativer Umsetzbarkeit“ ein wiederkehrendes Problem: Von frühen regelbasierten SIEM-Ansätzen bis zu modernen, KI-gestützten Detection-Frameworks scheiterten viele Initiativen daran, dass Datenvolumen, Fehlalarme und Integrationsaufwand nicht in den SOC-Betrieb passten. Wenn Databricks Panther nun in die Lakewatch-Logik einbettet, steigt die Chance, dass Automatisierung nicht nur im Labor funktioniert, sondern im täglichen Betrieb messbar Zeit spart.
Der wahrscheinlichste nächste Schritt ist eine engere Kopplung von KI-Detection-Erstellung mit Plattformfunktionen wie Datenspeicher, Abfrage-Optimierung und Governance. Für Unternehmen entsteht daraus eine klare Erwartung: Die Detektionsqualität muss nachvollziehbar bleiben, etwa durch Auditierbarkeit der Regeln, verständliche Ursachenanalysen bei False Positives und robuste Rechtekonzepte für den Zugriff auf Telemetrie. Zudem wird sich zeigen, wie gut die natürlichen Spracheingaben in die bestehende Compliance- und Sicherheitsarchitektur passen, inklusive Logging der KI-Entscheidungen. Wenn Databricks diesen Weg konsequent fortsetzt, könnten SOC-Teams in der Praxis schneller zu Remediation-Planen kommen, während Entwickler stärker standardisierte Pipelines für Detection-as-Code und Abfrageautomatisierung etablieren.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 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.
- NIEDLICHER BEGLEITER: Eilik ist der ideale Begleiter für Kinder und Erwachsene, die Haustiere, Spiele und intelligente Roboter lieben. Mit vielen Emotionen, Bewegungen und interaktiven Funktionen.
- 【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 "Databricks kauft Panther: KI-gestützte Cyberattacke-Erkennung für SOC und Logs" 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 "Databricks kauft Panther: KI-gestützte Cyberattacke-Erkennung für SOC und Logs" 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: »Databricks kauft Panther: KI-gestützte Cyberattacke-Erkennung für SOC und Logs« bei Google Deutschland suchen, bei Bing oder Google News!