AI Agent Lifecycle Management: Identity-First Security
.webp)
Auf Geschwindigkeit ausgelegt: ~ 10 ms Latenz, auch unter Last
Unglaublich schnelle Methode zum Erstellen, Verfolgen und Bereitstellen Ihrer Modelle!
- Verarbeitet mehr als 350 RPS auf nur 1 vCPU — kein Tuning erforderlich
- Produktionsbereit mit vollem Unternehmenssupport
AI Agent Lifecycle Management ist die Praxis, die Identität und die Zugriffsrechte eines AI Agents über seine gesamte Lebensdauer hinweg zu steuern — von der Bereitstellung einer eindeutigen Identität mit Least-Privilege-Scopes über den authentifizierten und autorisierten Betrieb bis hin zur sauberen Deaktivierung, die Anmeldedaten widerruft und die Identität stilllegt — sodass kein Agent jemals überprivilegiert, nicht zuordenbar oder nach Ablauf seiner Lebensdauer weiter aktiv bleibt.
In einem Satz: Behandeln Sie jeden Agent wie einen verwalteten Mitarbeiter — onboarden Sie ihn mit einer Identität, steuern Sie ihn während der Arbeit und offboarden Sie ihn sauber. Die Identität ist der rote Faden durch jede Phase.

Warum ist Agent Lifecycle Management wichtig?
Agents werden weit schneller erstellt und stillgelegt als menschliche Konten, und ohne Disziplin beim Lifecycle summiert sich das Chaos:
- Verwaiste Agents (Orphaned Agents). Ein Agent, der nicht mehr genutzt wird, aber weiterhin gültige Zugangsdaten besitzt, stellt eine dauerhafte, unbeaufsichtigte Angriffsfläche dar.
- Privilege Creep (Berechtigungsausweitung). Agents häufen im Laufe der Zeit immer mehr Scopes an und geben diese selten zurück, wodurch sie sich weit vom Least-Privilege-Prinzip entfernen.
- Keine Zuordenbarkeit (Attribution). Wenn Agents mit gemeinsam genutzten Keys ohne registrierte Identität gestartet werden, können Sie während eines Vorfalls oder Audits nicht nachvollziehen, welcher Agent was getan hat.
- Kein Offboarding. Ohne einen strukturierten Deaktivierungsschritt findet die saubere Stilllegung eines Agents (Zugangsdaten widerrufen, rotieren, Zugriff entfernen) schlichtweg nie statt.
Die Identität zum Organisationsprinzip zu machen, löst dieses Problem: Wenn jeder Agent über eine registrierte Identität verfügt, hat jede Lifecycle-Phase einen konkreten Bezugspunkt. Das ist das operative Rückgrat der AI Agent Governance.
Der AI Agent Lifecycle, Phase für Phase
Warum „Identity-First“?
Sie können versuchen, Agents über Netzwerkregeln, Keys oder App-Konfigurationen zu verwalten — aber das sind nur Hilfskonstrukte. Die Identität ist der einzige Faden, der sich sauber durch jede Phase zieht: Sie provisionieren eine Identität, authentifizieren eine Identität, autorisieren eine Identität, auditieren nach Identität und deprovisionieren eine Identität. Wenn Sie den Lifecycle an der Identität des Agents verankern, werden Onboarding, Überwachung und Offboarding zu konkreten, durchsetzbaren Schritten statt zu bloßen Absichtserklärungen. Dies ist dasselbe Prinzip der agentenspezifischen Identität, das auch hinter Non-Human Identity für jeden Agent steht.
Die Rolle eines Agent Registry
Lifecycle Management benötigt eine Single Source of Truth: ein Registry aller Agents mit ihren jeweiligen Ownern, Zwecken, Scopes, Zugangsdaten und Status. Das Registry ermöglicht es, Fragen wie „Welche Agents existieren, wer ist der Owner und was dürfen sie tun?“ zu beantworten — und Provisionierung sowie Deprovisionierung zentral zu steuern. Wir behandeln dies ausführlich im Artikel Was ist ein AI Agent Registry?.
Häufige Lifecycle-Fehler (und die Lösung)
- Verwaiste Agents → Deprovisionierung nach Zeitplan sowie bei Owner- oder Offboarding-Ereignissen; das Registry markiert Agents ohne kürzliche Aktivität oder ohne Owner.
- Privilege Creep → Scopes regelmßig überprüfen; Least-Privilege bei der Provisionierung kombiniert mit einer autorisierung pro Aktion begrenzt das Anhäufen von Rechten.
- Nicht zuordenbare Aktionen → Kein Agent läuft ohne registrierte Identität; jede Aktion wird ihr gegenüber protokolliert.
- Veraltete Zugangsdaten → Kurzlebige Gültigkeitsdauern und automatische Rotation sorgen dafür, dass ein durchgesickerter Zugangsschlüssel nur sehr kurz nutzbar ist.
Diese Risiken lassen sich direkt den umfassenderen Agentic AI Security Risks zuordnen.
Wie TrueFoundry den Agent Lifecycle unterstützt
TrueFoundry verankert den gesamten Lifecycle über sein Agent Registry in der Agentenidentität — dem zentralen Inventar jedes Agents, seines Owners und seiner Befugnisse.

Bei der Provisionierung wird jeder Agent mit seinem Owner, geschäftlichen Zweck, definierten Befugnissen (den Tools, Datendomänen und Aktionen, die er nutzen darf, sowie den Principals, für die er handeln darf) und einem Überprüfungszyklus registriert. Im Betrieb wird er bei jeder Anfrage am Gateway authentifiziert und autorisiert. Für die fortlaufende Governance ergänzt TrueFoundry vier Lifecycle-Steuerungselemente, die direkt aus seinem Modell der Agent Governance abgeleitet sind:
- Zertifizierung — Eine periodische, vom Owner unterzeichnete Überprüfung, die bestätigt, dass die erteilten Rechte weiterhin dem Zweck des Agents entsprechen.
- Laufzeit-Drift-Erkennung — Das Verhalten wird mit den definierten Befugnissen verglichen, und das Gateway kann den Agent einschränken, suspendieren oder den Owner benachrichtigen, wenn ein Agent abweicht.
- Entscheidungsnachweise (Decision Evidence) — Jede Aktion wird zur Lückenlosen Zuordnung und Auditierung anhand der Identität des Agents protokolliert (Benutzer, Agent, Delegationskette, Tool, Richtlinienentscheidung, Scopes, Status).
- Kill Switch — Die Identität eines einzelnen Agents kann sofort widerrufen werden, ohne Auswirkungen auf andere Agents.
Zugangsdaten werden kurzlebig gehalten und rotiert, inklusive Scoped Tokens pro Hop, sodass ein durchgesickertes Credential nur kurz nutzbar ist. Bei der Deprovisionierung entfernt das Widerrufen der Identität den Zugriff des Agents überall sauber — ohne verwaiste Überreste. All dies lässt sich als SaaS, in Ihrer VPC, On-Premises oder Air-Gapped bereitstellen.
TrueFoundry AI Gateway bietet eine Latenz von ~3—4 ms, verarbeitet mehr als 350 RPS auf einer vCPU, skaliert problemlos horizontal und ist produktionsbereit, während LiteLM unter einer hohen Latenz leidet, mit moderaten RPS zu kämpfen hat, keine integrierte Skalierung hat und sich am besten für leichte Workloads oder Prototyp-Workloads eignet.












.webp)
.webp)








