Die kurze Antwort
AWS hat Security Hub in eine Multicloud- und KI-bewusste Sicherheits-Steuerungsebene verwandelt, seit dem 14. Juli 2026 allgemein verfügbar. Der Dienst überwacht nun nativ Microsoft-Azure-VMs, Container-Images, Function Apps und Identitäten gegen den CIS Azure Foundations Benchmark und zeigt diese Findings in derselben Konsole und denselben Workflows wie AWS-Findings. Parallel wurde GuardDuty AI Protection für Amazon Bedrock und SageMaker allgemein verfügbar; es markiert anomale Modellaufrufe, Prompt-Injection-Versuche und zugangsdatengetriebenes „Cost Harvesting“, ergänzt um ein KI-Inventar und eine Vorschau KI-gestützter Untersuchungen.
Für Teams, die Workloads auf mehr als einer Cloud betreiben – also die meisten –, ist der praktische Gewinn: weniger blinde Flecken und ein Ort, um Risiken zu triagieren. Das tiefere Signal ist, dass KI-Workloads nun eine erstklassige Angriffsfläche mit eigenen Fehlermodi sind und die großen Clouds im Wettlauf stehen, sie zu instrumentieren. Keine der beiden Verschiebungen nimmt Ihnen die eigene Sicherheitsarbeit ab; beide heben die Latte dafür, was „wir haben Sichtbarkeit“ bedeuten soll.
Was hat AWS tatsächlich ausgeliefert?
Die zentrale Änderung: Security Hub – der AWS-Dienst zum Sammeln und Priorisieren von Sicherheits-Findings – ist nicht länger AWS-only. Seine Multicloud-Funktionen für Microsoft Azure sind nun für alle Kunden allgemein verfügbar und lassen Security Hub Azure-Ressourcen wie virtuelle Maschinen, Container-Images, Function Apps und Benutzeridentitäten nativ erkennen und überwachen. Diese Ressourcen werden gegen den CIS Azure Foundations Benchmark bewertet, und ihre Findings landen im selben Format, derselben Automatisierung und denselben Response-Workflows wie AWS-Findings, sodass ein Sicherheitsteam Risiken über beide Clouds hinweg in einer Oberfläche beurteilen kann. Azure-Ressourcen werden zu den äquivalenten AWS-Tarifen ohne separate Gebühr abgerechnet.
Die zweite Änderung zielt auf KI. GuardDuty AI Protection, ebenfalls allgemein verfügbar mit 30-tägiger Testphase, überwacht anomale Modellaufrufe auf Amazon Bedrock und SageMaker, integriert sich mit Bedrock Guardrails, um Prompt-Injection-Versuche zu erkennen, und sucht nach „Cost Harvesting“ – wobei gestohlene Zugangsdaten genutzt werden, um hohe Kosten auf teuren Foundation-Modellen aufzutürmen. AWS koppelte dies mit einem KI-Inventar in Security Hub, das KI-Assets organisationsweit findet, von verwalteter Bedrock-, SageMaker- und AgentCore-Nutzung bis zu selbst gehosteten Modellen auf EC2, ECS und EKS sowie externen Modell-Endpunkten. Für Teams, die ihre ersten KI- und Daten-Workloads aufbauen, ist dieses Inventar der Unterschied zwischen Raten, wo Modelle laufen, und Wissen. Eine Vorschau von GuardDuty KI-gestützten Untersuchungen, live in zehn AWS-Regionen, nutzt KI-Agenten, um Alerts zu triagieren und sie MITRE ATT&CK zuzuordnen.
AWS rahmte den Schritt als das Schließen einer Lücke, nicht als das Schließen des Marktes. „Security Hub reicht über Cloud-Anbieter hinweg, beginnend mit Azure und von dort aus expandierend“, sagte Michael Fuller, AWS Director of Security Services, der das Kernproblem als eines von Geschwindigkeit und Korrelation beschrieb: „Der schwierige Teil ist, sie zu verstehen, zu verbinden und zu handeln, bevor ein Angreifer es tut – und das in dem Tempo, in dem sich Angriffe heute bewegen.“ Das spiegelt wider, wo Cloud-Security-Operations tatsächlich schmerzen – nicht ein Mangel an Alerts, sondern der Aufwand, Signale aus vielen Werkzeugen zu einem einzigen, handlungsfähigen Bild zusammenzufügen. Teams, die überwiegend auf AWS laufen, aber einen Fuß in Azure behalten, sind das unmittelbare Publikum.
Warum ist Multicloud- und KI-bewusste Sicherheit jetzt wichtig?
Zwei strukturelle Trends lassen das einschlagen. Der erste: Multicloud ist der Standard, nicht die Ausnahme. Übernahmen, Team-Präferenzen, Best-of-Breed-Dienste und regionale Anforderungen treiben Unternehmen zu mehr als einem Anbieter, und jede Cloud kam traditionell mit eigenem Sicherheits-Tooling und eigener Konsole. Jede zusätzliche Scheibe ist ein Ort, an dem sich eine Fehlkonfiguration versteckt und ein Alert ungesehen bleibt, weil niemand für diesen Bildschirm zuständig ist. Eine native Cross-Cloud-Sicht – selbst eine erste Version, die mit Azure beginnt – greift diese Fragmentierung direkt an.
Der zweite: Generative-KI-Workloads sind zu einer realen, ausnutzbaren Fläche mit Fehlermodi geworden, für die klassisches Tooling nie gebaut war. Prompt Injection kann ein Modell oder einen Agenten in einen unwissenden Insider verwandeln; ein überberechtigter Modell-Endpunkt kann Daten leaken; und Cost Harvesting zeigt, wie schnell ein gestohlener Schlüssel sich in eine fünf- oder sechsstellige Inferenzrechnung verwandelt, weil die missbrauchte Ressource absichtlich teuer ist. Bedrock und SageMaker genau für diese Muster zu instrumentieren, erkennt an, dass „VM und Netzwerk absichern“ die gesamte Angriffsfläche nicht mehr abdeckt, wenn ein Teil Ihres Stacks ein Foundation-Modell ist.
Es lohnt sich, beim Umfang präzise zu sein. Dies ist eine bedeutsame Erweiterung, keine universelle Multicloud-Sicherheitsplattform: Die Abdeckung beginnt mit einem definierten Satz von Azure-Ressourcentypen und Benchmark-Prüfungen, Google Cloud ist in diesem Release nicht enthalten, und die tiefsten KI-Erkennungen sind an AWS-eigene Modelldienste gekoppelt. Die Richtung ist klar, und Konkurrenzplattformen werden nachziehen, aber Teams sollten die Fähigkeit an dem messen, was sie heute abdeckt, statt an der Marketing-Kategorie, auf die sie zeigt.
Was verändert das in Ihrem Stack?
Das Erste, was sich ändert, ist Ihre Ausrede für blinde Flecken. Wenn Sie Produktions-Workloads auf AWS und Azure betreiben und deren Sicherheitslage bislang von Hand – oder gar nicht – korreliert haben, gibt es nun einen nativen Pfad zu einer einzigen Sicht, und Auditoren werden zunehmend erwarten, dass Sie etwas Vergleichbares nutzen. Konsolidierte Findings, gemeinsame Workflows und ein gemeinsamer Benchmark machen „wir haben es in der anderen Konsole nicht gesehen“ nach einem Vorfall zu einer schwächeren Antwort. Das ist ein guter Druck – aber es ist Druck: Jemand muss die Abdeckung aktivieren, Benchmark-Ausnahmen justieren und die Queue tatsächlich abarbeiten.
Das Zweite: Ihre KI-Workloads sind nun inventarisiert und beobachtet – auf eine Weise, die Lücken sichtbar macht, die Sie vielleicht nie kartiert haben. Ein KI-Inventar, das selbst gehostete Modelle auf EC2, ECS und EKS plus externe Endpunkte aufdeckt, wird mit ziemlicher Sicherheit Modellnutzung finden, die organisch außerhalb Ihrer Sicherheitsprüfung gewachsen ist. Prompt Injection und Cost Harvesting zu erkennen, ist wertvoll, macht aber auch sichtbar, wie viel Ihres KI-Fußabdrucks mit weiten Berechtigungen und dünnem Monitoring läuft. Für regulierte FinTech- und Gesundheitsteams schneidet dieses Inventar direkt mit DSGVO, SOC 2 und Datenresidenz-Pflichten – zu wissen, wo Modelle laufen und worauf sie zugreifen können, ist nun ein Compliance-Artefakt, keine Ops-Annehmlichkeit. Hier zahlt sich ein fokussiertes Security-Audit Ihres KI- und Multicloud-Perimeters aus.
Das dritte Risiko ist das leise: ein Dashboard mit einer Verteidigung zu verwechseln. Eine Single-Pane-Sicht reduziert Alert-Fatigue und blinde Flecken, doch das Modell der geteilten Verantwortung hat sich nicht bewegt. Native Erkennung konfiguriert keinen Least-Privilege-Zugriff, segmentiert kein Netzwerk, rotiert keinen geleakten Schlüssel und stoppt keinen Vorfall. Anbieter-Konsolidierung trägt zudem einen eigenen Trade-off: Tiefere Integration in das Ökosystem eines Anbieters kann die Kosten, wirklich multicloud zu bleiben, leise erhöhen. Die Fähigkeit ist real; die Arbeit, die sie impliziert, ist weiterhin Ihre.
Was das für US- & DACH-Softwareteams bedeutet
Wenn Sie bereits auf AWS laufen und Azure berühren, ist dies ein reibungsarmes Upgrade, das ein bewusstes Pilotieren wert ist. Aktivieren Sie die Azure-Abdeckung von Security Hub zuerst für eine unkritische Subscription, bestätigen Sie, dass die CIS-Benchmark-Findings auf Owner und Remediationspfade abbilden, die Sie tatsächlich haben, und entscheiden Sie, wo eine wirklich Cross-Cloud-Sicht gegen eine bereits genutzte Best-of-Breed-CNAPP passt. Die 30-tägige kostenlose Testphase von GuardDuty AI Protection ist ein sauberer Weg, das Signal-Rausch-Verhältnis auf Ihrem realen Bedrock- und SageMaker-Traffic zu messen, bevor Sie sich festlegen.
Wenn Sie KI-Features bauen, behandeln Sie das KI-Inventar als Zwang zum Handeln. Nutzen Sie es, um jeden Ort aufzuzählen, an dem ein Modell läuft – verwaltet und selbst gehostet –, und schließen Sie dann die offensichtlichen Lücken: Least-Privilege auf Modell-Endpunkten, Guardrails gegen Prompt Injection, strenge Zugangsdaten-Hygiene und Alerting auf anomale Aufrufe und Ausgaben. Cost Harvesting ist eine Erinnerung, dass ein KI-Schlüssel nun ein Träger echten Geldes ist und wie einer geschützt werden sollte. Diese Kontrollen früh in Ihre Enterprise-Sicherheitsbasis zu falten, ist weit günstiger, als sie nach einem Vorfall oder einem Audit-Finding nachzurüsten.
Es gibt auch eine Delivery-Lesart. Konsolidiertes Tooling hilft nur, wenn jemand die Konsole besitzt, die Regeln justiert und die Findings abarbeitet; ein Sicherheitsdienst, den niemand beobachtet, ist nur eine größere Rechnung. Teams, die eine dauerhafte Fähigkeit aufbauen, Cloud-Posture und KI-Sicherheit als Routinearbeit zu betreiben – intern oder über ein dediziertes Engineering-Team –, verwandeln Ankündigungen wie diese in eine Konfigurationsänderung. Teams, die Werkzeuge ohne Owner anschrauben, verwandeln sie in Shelfware und sind überrascht, wenn die Lücke, die sie für gedeckt hielten, unter einem Vorfall aufreißt.
Was diese Woche zu tun ist
Verwandeln Sie die Ankündigung in einen kurzen, konkreten Posture-Durchgang statt in eine Beschaffungsdebatte.
- Kartieren Sie Ihre Clouds und Owner. Listen Sie jedes AWS- und Azure-Konto in Produktion und benennen Sie, wer die Sicherheits-Findings für jedes besitzt – Sie können nicht konsolidieren, was Sie nicht inventarisiert haben.
- Pilotieren Sie die Azure-Abdeckung. Aktivieren Sie die Azure-Überwachung von Security Hub auf einer risikoarmen Subscription und prüfen Sie die CIS-Benchmark-Findings gegen reale Remediationspfade.
- Testen Sie AI Protection. Nutzen Sie die 30-tägige GuardDuty-AI-Protection-Testphase auf Live-Bedrock/SageMaker-Traffic, um die Signalqualität zu beurteilen und anomale Aufrufe zu erkennen.
- Führen Sie das KI-Inventar aus. Zählen Sie verwaltete und selbst gehostete Modelle auf, inklusive auf EC2/ECS/EKS und externen Endpunkten, und markieren Sie alles, was mit weiten Berechtigungen läuft.
- Sichern Sie KI-Zugangsdaten. Rotieren und beschränken Sie Modellzugriffs-Schlüssel, erzwingen Sie Least Privilege auf Endpunkten und ergänzen Sie Alerting auf ungewöhnliches Aufrufvolumen und ungewöhnliche Ausgaben.
- Legen Sie die Tooling-Grenze fest. Wählen Sie bewusst, wo eine Cross-Cloud-Sicht bestehende Best-of-Breed-Sicherheitswerkzeuge ersetzt oder ergänzt, und vermeiden Sie doppelte Konsolen, die niemand beobachtet.
Eine Cross-Cloud-Sicherheitskonsole mit nativer KI-Bedrohungserkennung ist ein echter Schritt, Tooling an die Art anzugleichen, wie Software heute tatsächlich gebaut und betrieben wird. Teams, die sie bewusst pilotieren, klare Zuständigkeit halten und KI-Workloads als erstklassige Angriffsfläche behandeln, werden Nachrichten wie diese als routinemäßige Verbesserung aufnehmen. Teams, die annehmen, ein neues Dashboard sei gleich neue Sicherheit, werden auf die harte Tour lernen, dass Sichtbarkeit und Verteidigung nicht dasselbe sind.
Häufig gestellte Fragen
Was hat AWS zu Security Hub hinzugefügt?
Am 14. Juli 2026 hat AWS die Multicloud-Funktionen von Security Hub für Microsoft Azure allgemein verfügbar gemacht. Der Dienst kann nun nativ Azure-VMs, Container-Images, Function Apps und Identitäten erkennen und überwachen und bewertet sie gegen den CIS Azure Foundations Benchmark. Azure-Findings nutzen dasselbe Format, dieselbe Automatisierung und dieselben Response-Workflows wie AWS-Findings und erscheinen in einer Oberfläche. AWS hat zudem GuardDuty AI Protection und ein KI-Inventar in Security Hub ergänzt und die Abdeckung von reinem AWS auf eine Multicloud- und KI-bewusste Sicht erweitert.
Was ist KI-Cost-Harvesting?
Cost Harvesting ist ein Angriff, bei dem jemand gestohlene Cloud-Zugangsdaten nutzt, um teure Foundation-Modelle aufzurufen – etwa auf Amazon Bedrock oder SageMaker – und hohe Inferenzkosten aufzutürmen, oft um diesen Zugang weiterzuverkaufen. Inferenz ist teuer und stark nachgefragt, sodass kompromittierte Zugangsdaten sich direkt in Wert umsetzen lassen, ohne dass der Angreifer eigene Infrastruktur aufbaut. GuardDuty AI Protection analysiert Aktivitäten wie CloudTrail-Aufzeichnungen, um anomale Modellaufrufe zu markieren, die auf diesen Missbrauch hindeuten.
Nimmt mir ein einziges Sicherheits-Dashboard die eigene Verantwortung ab?
Nein. Das Zusammenführen von Findings aus AWS und Azure in einer Konsole reduziert Alert-Fatigue und blinde Flecken, doch das Modell der geteilten Verantwortung gilt weiterhin. Sie sind dafür verantwortlich, die Abdeckung zu aktivieren, die Benchmarks anzupassen, Findings zu triagieren und zu beheben und die KI-Workloads selbst abzusichern. Ein Single Pane of Glass verbessert die Sichtbarkeit; es konfiguriert keinen Least-Privilege-Zugriff, behebt keine Fehlkonfiguration und stoppt keinen Vorfall für Sie.
Welche Teile sind allgemein verfügbar und welche in der Vorschau?
Die Azure-Multicloud-Überwachung von Security Hub, GuardDuty AI Protection und das KI-Inventar von Security Hub sind allgemein verfügbar; GuardDuty AI Protection enthält eine 30-tägige kostenlose Testphase, und das KI-Inventar ist Teil von Security Hub Essentials ohne Zusatzkosten. GuardDuty KI-gestützte Untersuchungen, die KI-Agenten zur Alert-Triage und Zuordnung zu MITRE ATT&CK nutzen, sind zum Start in zehn AWS-Regionen in der Vorschau. Azure-Ressourcen werden zu den äquivalenten AWS-Tarifen abgerechnet.
Quellen
AWS Security Blog — Security Hub adds AI workload protection and multicloud support for Microsoft Azure
SiliconANGLE — AWS Security Hub expands coverage to Microsoft Azure and beefs up AI protections
Help Net Security — AWS retools Security Hub for AI and multicloud threats