Trellix bei GHY 2026, Data Loss Prevention & Datenklassifizierung im KI-Zeitalter
Trellix DLP: Datenabfluss stoppen, wenn KI zur Waffe wird
80 bis 90 % der Datenverluste entstehen nicht durch Angriffe, sondern durch Unwissenheit und Fehlverhalten, und generative KI hebt Phishing, synthetische Stimmen und Deepfakes auf ein kaum erkennbares Niveau. Oliver Stuck und Alexander Haug (Trellix) sowie Markus Helbig (SoftwareOne) erklären, wie Data Loss Prevention als Last Line of Defense, Shadow-AI-Sichtbarkeit und manuelle wie KI-gestützte Datenklassifizierung PII und Intellectual Property schützen, im Kontext von NIS2, DSGVO, DORA und KRITIS.
Trellix positioniert Data Loss Prevention (DLP) als „Last Line of Defense“ für den Fall, dass EDR, Threat Protection und Virenscanner bereits durchbrochen wurden: Bestimmte Daten dürfen auf bestimmten Wegen das Unternehmen nicht verlassen. Das Trellix AI Dashboard schafft Sichtbarkeit über genutzte KI-Systeme (Shadow AI) wie ChatGPT und Gemini, ergänzt um manuelle und KI-gestützte Datenklassifizierung, die Control Points DLP Endpoint, FRP, Netzwerkmonitor, Prevent und Database Security, ePO on-prem und in der Cloud sowie die Skyhigh-Integration. Oliver Stuck und Alexander Haug (Trellix) zeigen zudem, wie sich KI-generierte Bilder an Metadaten und digitalen Signaturen als synthetisch erkennen lassen.
Warum DLP die „Last Line of Defense“ für PII und Intellectual Property ist
Wenn Threat Protection, Virenscanner oder EDR-Systeme versagen und Angreifer durchkommen, bleibt die Regel, dass bestimmte Daten auf bestimmten Wegen das Unternehmen nicht verlassen dürfen. Für KRITIS-Betreiber wiegt der Verlust von Intellectual Property besonders schwer: Ein Energieversorger, dessen Pläne zu Hauptverteilerkabeln leaken, oder ein Industriehersteller, dessen neue Maschine ein ausländisches Konglomerat Wochen früher und zum halben Preis auf den Markt bringt, erleidet einen erheblichen Schaden. Als Katalog zur Umsetzung nennt Trellix die Standarddatenschutzmaßnahmen (SDM) der Bundesbeauftragten für den Datenschutz und die Informationsfreiheit sowie den BSI-Grundschutz.
Die drei R der Datenklassifizierung: reich machen, ruinieren, regulatorisch relevant
Welche Daten schützenswert sind, beantwortet Alexander Haug mit drei R: Alles, was ein Unternehmen reich macht, alles, was es ruinieren kann (Finanzdaten, Wettbewerbsvorteile), und alles, was regulatorisch relevant durch NIS2, DORA oder DSGVO gefordert ist, muss geschützt werden. Das sind deutlich mehr Daten, als Organisationen zunächst annehmen. DLP setzt zwingend Klassifizierung voraus, erst dann lässt sich steuern, wie mit den Daten umgegangen wird.
Shadow AI sichtbar machen: das Trellix AI Dashboard
Man ist immer nur einen Mausklick davon entfernt, dass Daten das Unternehmen unkontrolliert verlassen, etwa wenn Entwickler ihren Code bei Claude zur Prüfung einreichen und damit Intellectual Property mit der ganzen Welt teilen. Das Trellix DLP AI Dashboard schafft Überblick, welche KI-Systeme tatsächlich genutzt werden, nicht nur ChatGPT und Gemini, sondern viele weitere, analog zur früheren Shadow IT und Shadow Cloud. Sichtbar werden auch die Vektoren (Webhost, Clipboard, applikationsbasiert, API), betroffene Organisationsgruppen sowie die Reaktionen: blocken, verschlüsseln, monitoren oder per Justification eine Rückfrage auslösen.
Manuelle und KI-gestützte Datenklassifizierung mit lokalen Modellen
Trellix DLP erlaubt manuelle Klassifizierung in Stufen wie intern, vertraulich, geheim und public. Wo Anwendern die Einordnung schwerfällt, unterstützt KI: Trellix hat eine untrainierte lokale KI über LM Studio (alternativ Ollama) mit einer Gesamtbetriebsvereinbarung konfrontiert und brauchbare Ergebnisse zu Rechts- und Compliance-Klassifizierung, Sicherheitsstufen und Dokumententyp erhalten. Für die automatisierte Variante scannt und kategorisiert Trellix nach Regelwerken ganze Infrastrukturen, reagiert auf Bedingungen und reportet, ein zyklischer Prozess, weil Daten dynamisch bleiben und Löschfristen greifen.
Control Points, ePO und Skyhigh: On-Prem und Cloud zentral abdecken
Daten liegen längst nicht mehr nur on-prem, sondern auch in Microsoft 365, Dropbox oder Google. Trellix deckt beide Welten zentral gemanagt ab und tauscht Informationen über die Partnerbrand Skyhigh für Cloud-Umgebungen aus. Die Control Points umfassen DLP Endpoint (Windows/macOS), File and Removable Media Protection (Verschlüsselung von USB-Medien und ganzen Festplatten mit firmeneigenem Schlüssel), den reaktiven DLP Netzwerkmonitor, DLP Prevent für E-Mail- und Web-Traffic sowie Trellix Database Security. Der ePO-Server läuft on-prem oder als Cloud-SaaS, verwaltet Instanzen mit knapp 400.000 Knoten und steuert FRP, DLP, ENS, Festplattenverschlüsselung, Application Control (OT/IoT) und EDR.
Trellix Wise und die Erkennung synthetischer Inhalte
Trellix Wise ist eine KI, die im Hintergrund automatisch die richtigen Fragen stellt, DLP-, Netzwerk- und weitere Security-Events aggregiert und diese mit umsetzbaren Aktionen aufbereitet, wie ein SOC-Mitarbeiter. Aktuell ist Trellix Wise eine reine Cloud-Lösung; bis Ende des Jahres wird sie vollumfänglich auch on-prem bereitgestellt. Für Deepfakes gilt: KI-generierte Bilder lassen sich an technischen Metadaten und digitalen Signaturen (z. B. der Gemini-Signatur) sowie an Ungenauigkeiten an Brille, Schläfe, Haaren, Bartstruktur und Reflektionen als synthetisch erkennen.
Was bedeutet „Last Line of Defense“ bei Trellix DLP?
Data Loss Prevention greift dann, wenn Threat Protection, Virenscanner oder EDR-Systeme bereits durchbrochen wurden und Angreifer im System sind. Die Kernregel lautet: Bestimmte Daten dürfen auf bestimmten Wegen das Unternehmen nicht verlassen. Damit ist DLP die letzte Schutzschicht für PII und Intellectual Property, etwa im KRITIS- und Industrieumfeld.
Wie schafft das Trellix AI Dashboard Sichtbarkeit über Shadow AI?
Das AI Dashboard der Trellix DLP-Lösung zeigt, welche KI-Systeme tatsächlich genutzt werden, nicht nur ChatGPT und Gemini, sondern viele weitere Dienste. Es macht Nutzungsvektoren wie Webhost, Clipboard, applikationsbasierte Zugriffe und APIs sichtbar sowie die betroffenen Organisationsgruppen. So lässt sich gewollte KI-Nutzung zulassen und ungewollte reglementieren, vergleichbar mit dem früheren Umgang mit Shadow IT und Shadow Cloud.
Was sind die „drei R“ der Datenklassifizierung?
Die drei R benennen, welche Daten schützenswert sind: alles, was ein Unternehmen reich macht; alles, was es ruinieren kann (z. B. Finanzdaten und Wettbewerbsvorteile); und alles, was regulatorisch relevant durch NIS2, DORA oder DSGVO gefordert ist. Klassifizierung ist die Voraussetzung, um DLP-Regeln überhaupt anwenden zu können.
Läuft der Trellix ePO-Server on-premise oder in der Cloud?
Beides: Den ePO gibt es on-prem (Apache plus Middleware plus Microsoft-Datenbank) sowie als Cloud-SaaS, das automatisch skaliert. Eine ePO-Konsole verwaltet Instanzen mit knapp 400.000 Knoten und steuert FRP, DLP, ENS, Festplattenverschlüsselung, Application Control für OT/IoT sowie EDR, zentral aus einer Oberfläche.
Wie funktioniert KI-gestützte Datenklassifizierung bei Trellix?
Neben manueller Klassifizierung (intern, vertraulich, geheim, public) lässt sich eine lokale KI wie LM Studio oder Ollama einsetzen. Trellix hat eine untrainierte lokale KI mit einer Gesamtbetriebsvereinbarung konfrontiert und brauchbare Ergebnisse zu Rechts- und Compliance-Klassifizierung, Sicherheitsstufen und Dokumententyp erhalten. Automatisiert scannt und kategorisiert Trellix nach Regelwerken ganze Infrastrukturen und schafft so Sichtbarkeit, wo welche Daten liegen.
1. Datensicherheit im Zeitalter der künstlichen Intelligenz
Die Session eröffnet mit der Feststellung, dass die zunehmende Nutzung von KI-Systemen den Schutz sensibler Daten deutlich anspruchsvoller macht. Unternehmen profitieren von Produktivitätsgewinnen, gleichzeitig steigt jedoch das Risiko, dass vertrauliche Informationen unbeabsichtigt an externe Plattformen übermittelt werden.
Besonders betroffen sind personenbezogene Daten, Geschäftsgeheimnisse, Entwicklungsinformationen und andere kritische Unternehmenswerte, die bei der Nutzung von KI-Systemen verarbeitet werden.
2. Datenschutz, Intellectual Property und regulatorische Anforderungen
Der Vortrag unterscheidet zwei besonders schützenswerte Datenbereiche: personenbezogene Informationen (PII) und Intellectual Property (IP). Beide Kategorien unterliegen unterschiedlichen gesetzlichen, regulatorischen und geschäftlichen Anforderungen.
Zusätzlich verweist die Session auf Vorgaben wie DSGVO, NIS2 und Anforderungen aus kritischen Infrastrukturen. Unternehmen müssen deshalb nachvollziehen können, wo Daten gespeichert werden, wie sie verarbeitet werden und wer darauf zugreifen kann.
3. Die „Last Line of Defense“ für kritische Daten
Trellix beschreibt Data Loss Prevention als letzte Verteidigungslinie für sensible Informationen. Selbst wenn Angreifer Sicherheitsmaßnahmen umgehen oder Benutzer unbeabsichtigt Fehler machen, sollen Daten das Unternehmen nicht unkontrolliert verlassen können.
Dieser Ansatz ergänzt klassische Sicherheitslösungen wie Antivirus, Endpoint Protection, EDR und Threat Detection um eine datenzentrierte Schutzebene.
4. KI als Chance und Bedrohung gleichzeitig
Der Vortrag betrachtet künstliche Intelligenz bewusst aus zwei Perspektiven. Einerseits profitieren Unternehmen von Produktivitätsgewinnen und neuen Automatisierungsmöglichkeiten. Andererseits nutzen Cyberkriminelle dieselben Technologien zur Optimierung ihrer Angriffe.
Besonders im Bereich Phishing, Social Engineering und synthetischer Inhalte führt KI zu einer deutlichen Qualitätssteigerung der Angriffe. Viele klassische Erkennungsmerkmale wie Rechtschreibfehler oder auffällige Darstellungen verlieren dadurch an Bedeutung.
5. Warum Datenverluste häufig intern entstehen
Ein wichtiger Punkt der Session ist die Erkenntnis, dass viele Datenverluste nicht durch Hacker verursacht werden. Oft entstehen sie durch Fehlverhalten, Unwissenheit oder unkontrollierte Datenweitergabe.
Viele Mitarbeitende nutzen KI-Dienste mit der Absicht, produktiver zu arbeiten. Dabei werden jedoch teilweise vertrauliche Informationen, Quellcode oder interne Dokumente verarbeitet, ohne die möglichen Folgen ausreichend zu berücksichtigen.
6. Generative KI verändert Wissensarbeit
Die Session beschreibt die vielfältigen Einsatzgebiete generativer KI. Dazu gehören Textanalyse, Zusammenfassungen, Übersetzungen, Bilderzeugung, Videoerstellung, Content-Produktion und viele weitere Anwendungsfelder.
Die Technologien ermöglichen erhebliche Produktivitätssteigerungen und werden deshalb zunehmend in Geschäftsprozesse integriert. Gleichzeitig steigt dadurch die Notwendigkeit einer kontrollierten Nutzung und eines klaren Governance-Rahmens.
7. Shadow AI als neue Herausforderung
Ähnlich wie bei früheren Shadow-IT-Phänomenen entstehen heute zahlreiche nicht offiziell freigegebene KI-Nutzungen. Mitarbeitende verwenden ChatGPT, Claude, Gemini oder andere Dienste unabhängig von zentralen Unternehmensrichtlinien.
Dadurch entstehen Risiken für Datenschutz, Intellectual Property und Compliance. Unternehmen benötigen Transparenz darüber, welche KI-Dienste genutzt werden und welche Informationen verarbeitet werden.
8. Das AI Dashboard als Transparenzinstrument
Trellix stellt ein KI-Dashboard vor, das die Nutzung verschiedener KI-Dienste sichtbar macht. Unternehmen erhalten dadurch Einblick in verwendete Plattformen, Benutzergruppen, Datenbewegungen und mögliche Risiken.
Die Lösung soll insbesondere dazu beitragen, unbekannte KI-Nutzung sichtbar zu machen und eine Grundlage für Governance-Entscheidungen zu schaffen.
9. Datenklassifizierung als Grundlage für DLP
Eine zentrale Voraussetzung für wirksame Data Loss Prevention ist die Klassifizierung von Informationen. Die Session beschreibt sowohl manuelle als auch automatisierte Klassifizierungsansätze.
Durch die Einordnung von Dokumenten in Kategorien wie öffentlich, intern, vertraulich oder geheim können Unternehmen definieren, welche Inhalte geschützt und welche Datenbewegungen kontrolliert werden sollen.
10. KI-gestützte Klassifizierung von Informationen
Ein besonders interessanter Anwendungsfall besteht darin, KI selbst für die Datenklassifizierung zu verwenden. Die Session zeigt, wie Large Language Models Dokumente analysieren und Vorschläge für geeignete Schutzklassen erzeugen können.
Dadurch lassen sich Klassifizierungsprojekte erheblich beschleunigen und konsistenter umsetzen. Die finale Entscheidung verbleibt jedoch weiterhin beim Unternehmen.
11. KI-generierte Inhalte erkennen
Die Referenten demonstrieren, wie KI heute Bilder, Texte und andere Medien erzeugen kann. Gleichzeitig wird gezeigt, dass sich viele KI-generierte Inhalte noch über Metadaten, Qualitätsmerkmale oder strukturelle Auffälligkeiten identifizieren lassen.
Die Session macht jedoch deutlich, dass die Qualität synthetischer Inhalte kontinuierlich zunimmt und ihre Erkennung dadurch schwieriger wird.
12. Automatisierte Datensichtbarkeit im Unternehmen
Ein weiterer Schwerpunkt der Präsentation ist die automatisierte Analyse großer Datenbestände. Systeme durchsuchen Infrastrukturen, identifizieren sensible Inhalte und schaffen Transparenz darüber, wo relevante Informationen gespeichert sind.
Dadurch erhalten Unternehmen erstmals einen umfassenden Überblick über ihre Datenbestände und deren Schutzbedarf.
13. Data Loss Prevention über On-Premises und Cloud hinweg
Die vorgestellte Architektur deckt sowohl lokale als auch cloudbasierte Umgebungen ab. Die Schutzmechanismen werden über Endpoint-Systeme, Netzwerkkomponenten, E-Mail-Umgebungen, Webanwendungen und Cloud-Plattformen hinweg angewendet.
Dadurch können Unternehmen konsistente Richtlinien unabhängig vom Speicherort der Daten durchsetzen.
14. Schutzmechanismen für Datenbewegungen
Trellix beschreibt verschiedene Kontrollpunkte innerhalb einer DLP-Strategie. Dazu gehören Endpoint-Schutz, Netzwerkanalyse, E-Mail-Überwachung, USB-Kontrolle, Dateiverschlüsselung und Datenbankschutz.
Je nach Klassifizierung können Daten überwacht, blockiert, verschlüsselt oder mit zusätzlichen Genehmigungsmechanismen versehen werden.
15. Trellix Wise als KI-gestützte Sicherheitsunterstützung
Die Session stellt Trellix Wise als KI-basiertes Assistenzsystem vor. Die Lösung korreliert Sicherheitsdaten, analysiert Ereignisse und unterstützt Analysten bei der Priorisierung von Bedrohungen.
Dabei übernimmt die KI nicht nur die Auswertung einzelner Sicherheitsereignisse, sondern stellt Zusammenhänge her und identifiziert mögliche Maßnahmen für die Bearbeitung von Vorfällen.
16. Governance als Schlüssel erfolgreicher KI-Nutzung
Abschließend betont der Vortrag, dass Technologie allein nicht ausreicht. Unternehmen benötigen klare Richtlinien zur KI-Nutzung, Datenklassifizierung, Governance und Compliance.
Nur wenn Transparenz, Richtlinien und technische Schutzmechanismen zusammenspielen, kann KI produktiv genutzt werden, ohne dabei Datenschutz, Intellectual Property oder regulatorische Anforderungen zu gefährden.