AIR sammelt 50 Millionen US-Dollar ein, um die von KI-Agenten genutzten Tools zu prüfen

AIR ist mit 50 Millionen US-Dollar Seed-Finanzierung aus dem Stealth-Modus hervorgetreten, um Unternehmen dabei zu helfen, die in ihren Umgebungen agierenden KI-Agenten zu identifizieren und die von diesen Agenten genutzten Tools zu bewerten. Das Startup zielt auf eine Sicherheitslücke ab, die durch Skills, Plugins, MCP-Server und andere Add-ons entsteht, die Agenten Zugriff auf Unternehmenssysteme und das Internet verschaffen.

Das Unternehmen hat das Geld laut TechCrunch in zwei Finanzierungsrunden aufgenommen, die innerhalb weniger Wochen voneinander abgeschlossen wurden. Sequoia führte eine Runde über 10 Millionen US-Dollar an, während Greenoaks anschließend eine Runde über 40 Millionen US-Dollar anführte. AIR wurde vom CEO Yair Saban und dem CTO Niv Hoffman gegründet, die zuvor dem israelischen Nachrichtendienstkorps Unit 8200 angehörten, wie der Bericht festhält.

AIR sagt, seine Plattform könne Agenten in einem Unternehmen aufspüren, die Komponenten prüfen, auf die sie angewiesen sind, und eingreifen, wenn ein Agent versucht, ein nicht genehmigtes Tool zu verwenden oder auf eine externe Quelle zuzugreifen, die die Sicherheitsprüfungen nicht besteht. Die Finanzierung soll zusätzliche Forschungseinstellungen sowie den Ausbau des Go-to-Market-Geschäfts in den Vereinigten Staaten und Europa unterstützen.

AIRs Wette auf eine Agenten-Software-Lieferkette

Die Grundannahme des Unternehmens ist, dass KI-Agenten zu einer neuen Software-Schicht in Unternehmen werden, die Komponenten, die sie laden, aber noch nicht wie herkömmliche Anwendungen oder Systemtreiber verwaltet werden. Ein Unternehmen kann einen Agenten für Kundensupport, Programmierung, Recherche oder interne Abläufe einsetzen, während der Agent eigenständig eine Fähigkeit aufruft, sich mit einem MCP-Server verbindet oder Inhalte aus dem Web abruft.

Diese Flexibilität erzeugt ein Lieferkettenproblem. Ein Tool, das bei der Genehmigung sicher erscheint, kann sich später ändern, eine kompromittierte Abhängigkeit herunterladen oder von einer Kontoübernahme betroffen sein. Angreifer könnten außerdem versuchen, die Informationen zu manipulieren, die ein Agent konsumiert, statt das zugrunde liegende Modell direkt anzugreifen.

Der gemeldete Produktansatz von AIR hat drei Teile. Eine Discovery-Schicht sucht nach Agenten und identifiziert Mitarbeiter, die KI-Dienste außerhalb der IT-Genehmigung nutzen, einschließlich persönlicher Konten. Eine Durchsetzungsschicht unterbricht Agentenaktionen wie das Laden einer Fähigkeit oder das Abrufen von Internetinhalten. Anschließend vergleicht die Plattform Tools und Add-ons mit einer Unternehmensrichtlinie oder mit AIRs eigenem Katalog geprüfter Komponenten.

TechCrunch berichtete, dass AIR einen Marktplatz für geprüfte Skills und Add-ons unterhält. CEO Yair Saban sagte dem Medium, dass das Unternehmen mit seinem System derzeit etwa 27 % der online gefundenen Komponenten herausfiltere. Diese Zahl ist eine vom Unternehmen berichtete Betriebsangabe; die verfügbaren Informationen nennen weder die Größe der Stichprobe noch die Testmethodik oder wie „riskante“ Komponenten klassifiziert werden.

Finanzierung trifft auf eine überfüllte Sicherheitskategorie

AIR betritt einen Markt, in dem bereits mehrere Anbieter auf Sichtbarkeit und Kontrolle von Agenten spezialisiert sind. TechCrunch nannte Noma Security, Zenity, Astrix Security und Operant AI als Unternehmen mit überlappenden Fähigkeiten rund um KI-Agenten, MCP-Server, Zugriffskontrollen oder Laufzeitschutz.

Die Kategorie zieht erhebliche Venture-Investitionen an. Zenity sammelte im August einer Meldung zufolge 125 Millionen US-Dollar in einer Series-C-Runde ein, während Noma Security zuvor 100 Millionen US-Dollar in einer Series-B-Runde aufgenommen hatte. Diese Finanzierungen deuten darauf hin, dass Investoren Agenten-Governance als eigenen Unternehmenssoftware-Markt sehen, obwohl die Finanzierungshöhen weder Produkteffektivität noch Kundennachfrage belegen.

AIRs ausgewiesene Differenzierung ist die fortlaufende Neubewertung der von Agenten genutzten Komponenten statt eines einmaligen Scans. Sequoia-Partner Bogomil Balkansky beschrieb die Herausforderung in einer gegenüber TechCrunch bereitgestellten Stellungnahme als ein Infrastrukturproblem, das immer dann wiederholte Prüfungen erfordert, wenn sich ein Skill, Plugin oder MCP-Server ändert. Das ist die Einschätzung eines Investors zur Herangehensweise des Unternehmens, keine unabhängige Bestätigung von AIRs technischem Vorteil.

Was die Belege zur Verbreitung sagen

AIR sagt, es habe mehr als 20 Kunden; etwa ein Viertel davon seien große Unternehmen, so Saban gegenüber TechCrunch. Das Unternehmen sagte außerdem, die Nachfrage sei besonders stark im Finanzdienstleistungs- und Pharmasektor, also in Bereichen, in denen Datenkontrollen, Nachvollziehbarkeit und das Management von Drittanbieter-Risiken bereits zentrale Beschaffungskriterien sind.

Diese Akzeptanzzahlen stammen vom Anbieter und wurden im Ausgangsmaterial nicht unabhängig verifiziert. Der Bericht nennt keine Kunden, legt keine Umsätze offen und liefert keine Einsatzresultate, die zeigen, wie oft AIR bösartiges oder gegen Richtlinien verstoßendes Verhalten blockiert. Damit bleiben wichtige Fragen offen, wie das Produkt in großen, heterogenen Agentenumgebungen performt.

Das Unternehmen hat rund 40 Mitarbeiter, berichtete TechCrunch. Das neue Kapital verschafft AIR Spielraum, eine größere Forschungsorganisation aufzubauen und in Europa und den USA zu verkaufen, erhöht aber auch die Umsetzungsherausforderung: Das Startup muss mit sich schnell verändernden Agenten-Frameworks, Tool-Protokollen und Richtlinien von Modellanbietern Schritt halten und sich gleichzeitig in Systeme integrieren, die Unternehmen bereits nutzen.

Warum das Produkt für KI-Entwickler und -Käufer wichtig ist

Für KI-Produktteams ist das Problem praktisch. Ein Agent, der eine Datenbank abfragen, Code ausführen, eine E-Mail senden oder im Web surfen kann, hat möglicherweise eine größere Angriffsfläche als ein herkömmlicher Chatbot. Teams, die interne Agenten entwickeln, brauchen Bestandsverzeichnisse der verfügbaren Tools, klare Genehmigungsrichtlinien, Protokolle über Agentenaktionen und eine Möglichkeit, Zugriffe zu entziehen, wenn sich eine Komponente ändert.

Das Modell von AIR könnte für Unternehmen attraktiv sein, die mehrere Modellanbieter nutzen oder Agenten über verschiedene Plattformen aufbauen. Eine unabhängige Kontrollschicht kann nützlich sein, wenn Sicherheitsteams sich nicht darauf verlassen wollen, dass jeder KI-Anbieter kompatible Prüfungen implementiert. Sie könnte Organisationen auch dabei helfen, Shadow AI zu adressieren, bei dem Mitarbeiter nicht genehmigte Dienste mit Unternehmensdaten verbinden.

Der Nachteil ist betrieblicher Natur. Aggressives Blockieren kann nützliche Arbeitsabläufe verhindern, während zu permissive Richtlinien Unternehmen Angriffen durch Prompt-Injection, schädliche Abhängigkeiten oder unbeabsichtigte Datenoffenlegung aussetzen können. Käufer werden Belege brauchen, dass AIR wirklich gefährliches Verhalten von ungewöhnlicher, aber legitimer Agentenaktivität unterscheiden kann und dass die Durchsetzungsschicht keine unzumutbaren Latenz- oder Zuverlässigkeitsprobleme verursacht.

Für Entwickler könnte die kontinuierliche Verifikation Teil des Release-Prozesses für Agenten-Skills und Integrationen werden. Tool-Ersteller könnten Anforderungen an signierte Pakete, transparente Abhängigkeiten, Änderungsbenachrichtigungen und klarere Berechtigungsbereiche ausgesetzt sein. Diese Anforderungen würden zwar Reibung erzeugen, könnten Agenten-Ökosysteme für Enterprise-Sicherheitsteams aber auch leichter einführbar machen.

Worauf man als Nächstes achten sollte

Die nächsten Signale werden detailliertere Kundennachweise sein, einschließlich namentlich genannter Implementierungen, messbarer Rückgänge bei riskanter Tool-Nutzung und unabhängiger Tests von AIRs Erkennungsansprüchen. Käufer sollten außerdem beobachten, ob das Unternehmen technische Informationen über seine Evaluierungspipeline, Update-Überwachung und Richtlinienkontrollen veröffentlicht.

Auch der Wettbewerb wird ein Indikator sein. Der Markt wird sich wahrscheinlich in Produkte aufteilen, die Agenten vor allem entdecken, und Plattformen, die Aktionen über Anbieter hinweg kontinuierlich prüfen und durchsetzen. Entwicklungen bei Noma Security, Zenity, Astrix Security und Operant AI könnten klären, ob die kontinuierliche Komponentenprüfung zu einer Standardfunktion wird oder AIRs zentrale Positionierung bleibt.

Auch KI-Modellanbieter und Agentenplattformen könnten eigene Kontrollen für Tool-Genehmigung, Paket-Signierung und Laufzeitüberwachung hinzufügen. Wenn diese Kontrollen interoperabel werden, könnte AIR zu einer unabhängigen Koordinierungsschicht werden. Bleiben sie fragmentiert, könnte das Startup bei Unternehmen, die gemischte Agenten-Stacks betreiben, eine stärkere Chance finden.

Creati.ai-Perspektive

Die Finanzierung von AIR spiegelt eine reale Veränderung beim Unternehmens-KI-Einsatz wider: Die Sicherheitsgrenze verschiebt sich über das Modell hinaus hin zu den Tools, die ein Agent entdecken, installieren und aufrufen kann. Das Unternehmen adressiert ein konkretes operatives Problem, aber seine Differenzierung hängt davon ab, nachzuweisen, dass fortlaufende Nachprüfungen besseren Schutz bieten als bestehende Anwendungen der Sicherheits- und Identitätskontrollen.

Der wichtigste Test wird nicht die Höhe der AIR-Finanzierung oder die Zahl der frühen Kunden sein. Entscheidend ist, ob Sicherheitsteams die Plattform nutzen können, ohne legitime Automatisierung zu verlangsamen, und ob AIR genaue, aktuelle Bewertungen aufrechterhalten kann, während sich Agentenkomponenten schneller ändern als traditionelle Software-Review-Zyklen.