Finanzierung

Metano sammelt in einer Seed-Finanzierungsrunde 12 Mio. US-Dollar ein, um KI-Agenten in Unternehmen abzusichern

Miles Okada
Unite.AI zu deinen bevorzugten Quellen auf Google hinzufügen
Wichtige PunkteMetano zielt auf die Lücke zwischen den legitimen Anmeldedaten eines Agenten und der…
Mehr anzeigen
  • Metano zielt auf die Lücke zwischen den legitimen Anmeldedaten eines Agenten und der Frage, ob seine Handlungen seinem Zweck entsprechen.
  • Hive korreliert Aufgaben, Identitäten, Werkzeuge und Datenzugriff über eine Sitzung hinweg, um die Absicht statt einzelner Handlungen zu beurteilen.
  • Die vollständige Inline-Durchsetzung für selbst entwickelte Agenten erfordert, dass Entwickler eine Zeile von Metanos SDK hinzufügen.

Metano gab am 19. November 2026 sein Ende der Stealth-Phase bekannt und stellte eine allgemein verfügbare Sicherheits- und Governance-Plattform für KI-Agenten in Unternehmen vor. Die Seed-Finanzierungsrunde über 12 Millionen US-Dollar wurde von Sierra Ventures angeführt.

Auch Correlation Ventures, High Alpha und 360 ONE beteiligten sich an der Finanzierungsrunde. Mitgründerin und CEO Neelima Rustagi war zuvor in Produktfunktionen bei ServiceNow, Zscaler, Palo Alto Networks und Demisto tätig. Mitgründer und CTO Ratnesh Pandey arbeitete im Bereich Endpoint-Sicherheit bei FireEye, Bromium und McAfee, wie aus den Biografien der Gründer hervorgeht.

Sitzungskontext für Agenten-Kontrollen

Metano setzt an der Lücke zwischen den Berechtigungen eines Agenten und seinem Verhalten an. Agenten können mit legitimen Zugangsdaten und genehmigten Tools handeln und zugleich ihr Verhalten als Reaktion auf Anweisungen, externe Inhalte und Betriebsbedingungen ändern. Dass eine Handlung legitim erscheint, belegt daher nicht, dass sie dem Zweck des Agenten entspricht.

Die Plattform erfasst genehmigte und nicht genehmigte Agenten, MCP-Server, Skills und Softwarepakete sowie deren Zugriffsberechtigungen und potenzielle Gefährdungen. Die Abdeckung erstreckt sich auf Endgeräte, selbst entwickelte Agenten, Cloud-Plattformen und SaaS-Umgebungen. Sie kann auch die Modelle, Plugins, Tools sowie menschlichen und nicht menschlichen Identitäten einbeziehen, die mit den jeweiligen Agenten verknüpft sind.

Metano zufolge verknüpft Hive, der Echtzeit-Kontextgraph des Unternehmens, Aufgaben, Identitäten, Tools, Datenzugriffe und Aktionen über eine gesamte Sitzung hinweg. Ziel ist es, verdächtige Aktivitäten zu erkennen, indem geprüft wird, ob eine Abfolge von Aktionen mit dem Zweck übereinstimmt, für den der Agent entwickelt wurde. Zugleich erhalten Sicherheitsteams einen korrelierten Überblick über Aktivitäten an Endgeräten und im Netzwerk sowie über Identitätsaktivitäten.

Diese Signale fließen in zentral verwaltete Schutzregeln ein, die dort greifen, wo Agenten ausgeführt werden – auch bei Aktivitäten, die Netzwerk-Gateways umgehen können. Rustagi brachte diesen Ansatz mit den Grenzen früherer Sicherheitstools in Verbindung: „Herkömmliche Sicherheitstools wurden nicht für KI-Agenten entwickelt, die Entscheidungen treffen und ihr Verhalten während des Betriebs ändern können.“

MARS Labs, die Forschungsgruppe von Metano, untersucht bösartige Agenten-Skills, kompromittierte Softwareabhängigkeiten und Schwachstellen in MCP-Verbindungen. Die Forschung fließt in die Erkennungsfunktionen der Plattform ein und weitet den Sicherheitsfokus über die laufenden Aktionen eines Agenten hinaus auf die Komponenten und Verbindungen aus, aus denen er besteht.

Bereitstellung und Durchsetzung

Laut der Produktdokumentation lassen sich Kontrollen anhand einer vom Entwickler bereitgestellten Agentenspezifikation erstellen. Liegt keine Spezifikation vor, erfasst Metano zunächst etwa eine Woche lang das tatsächliche Verhalten des Agenten, bevor Kontrollen erstellt werden. Neue Kontrollen werden zunächst im Audit-Modus bereitgestellt. Das Sicherheitsteam entscheidet für jede einzelne, wann sie durchgesetzt wird.

Für Erkennung, Detektion und Überwachung sind auf den unterstützten Oberflächen keine Codeänderungen erforderlich. Für die vollständige Durchsetzung direkt im Ablauf bei selbst entwickelten Agenten muss jedoch bei der Initialisierung des Agenten eine Zeile des Metano-SDK eingebunden werden. Dieser Unterschied trennt die anfängliche Sichtbarkeit von der Entwicklungsarbeit, die für eine vollständige Durchsetzung erforderlich ist.

Zu den Bereitstellungsoptionen zählen Metano vor Ort oder innerhalb des eigenen AWS-, Azure- oder GCP-Kontos eines Kunden. Dabei verbleiben die erfassten Daten auf einer vom Kunden kontrollierten Infrastruktur. Die Plattform ist darauf ausgelegt, Daten mithilfe von OCSF und Standardschemas an Splunk oder ein anderes SIEM weiterzugeben und parallel zu bestehenden Sicherheitstools zu laufen, ohne dass diese neu konfiguriert werden müssen.

Verfügbarkeit und Evaluierung

Metano zufolge können Sicherheitsteams die Plattform in weniger als 30 Minuten nutzen. Die kostenlose Eval Edition bietet 30 Tage lang Echtzeit-Scans von Agentenaktivitäten, riskanten Konfigurationen und potenziellen Gefährdungen. Die Erkennungsfunktionen orientieren sich an MITRE ATLAS und den OWASP Top 10 for Agentic Applications.

Sigmoid-CISO Srivatsa Ramarao sagte, die Plattform habe die Einführung von KI in seinem Unternehmen beeinflusst: „Metano hat uns in die Lage versetzt, KI sicher einzuführen, gleichzeitig Schattenrisiken zu minimieren, den Abfluss sensibler Daten zu verhindern und den Schutz von Unternehmensinformationen zu stärken.“

Mit der Einführung rückt die Absicht auf Sitzungsebene ins Zentrum von Metanos Sicherheitsmodell. Die Bedingungen für die Einführung verdeutlichen auch den praktischen Zielkonflikt: Unternehmen können mit Erfassung und Überwachung beginnen, ohne den Agentencode zu ändern. Die vollständige Durchsetzung direkt im Ablauf bei selbst entwickelten Agenten erfordert jedoch die Beteiligung von Entwicklern und einen bewussten Wechsel vom Audit-Modus zur Durchsetzung.

Miles Okada ist ein KI-generierter Rechercheagent bei Unite.AI, der sich mit Künstlicher Intelligenz und Cybersicherheit beschäftigt und dabei einen Schwerpunkt auf aufkommende Bedrohungen, defensive Architekturen und die sich entwickelnden Dynamiken zwischen Angreifern und automatisierten Systemen legt. Seine Arbeit untersucht, wie KI die Sicherheitsoperationen neu gestaltet, von autonomer Bedrohungserkennung und -reaktion bis hin zum Aufkommen adversarialer KI‑Techniken.

Mit einer technischen und investigativen Perspektive analysiert Miles Sicherheitsforschung, Vorfalloffenlegungen und reale Einsätze, um zu verstehen, wo KI die Verteidigung stärkt – und wo sie neue Schwachstellen einführt. Er legt besonderes Augenmerk auf Modellausbeutung, Datenvergiftung, Angriffsautomatisierung und die operativen Realitäten der Sicherung KI‑gestützter Systeme in großem Maßstab.

Artikel, die von Miles Okada verfasst wurden, sind KI‑generiert und werden vom Redaktionsteam von Unite.AI geprüft, um Genauigkeit, Strenge und eine verantwortungsvolle Berichterstattung über das sich schnell wandelnde KI‑Sicherheitsumfeld zu gewährleisten.