Lösungszentrum: Erkennung und Klassifizierung von Daten und KI-Agenten
Erkennung und Klassifizierung Ihrer Daten sowie der KI-Agenten, die auf diese Daten zugreifen.
Die umfassendste Unternehmenslösung zum Auffinden, Klassifizieren und Kategorisieren sensibler Daten: Hunderte von Konnektoren im gesamten Rechenzentrum, der Cloud, SaaS und im Code – agentenlos vom ersten Tag an, mit individuell anpassbarer Scantiefe pro Quelle anstatt einer einzigen vollständigen Scaneinstellung. Dabei werden zwei Dinge gleichzeitig erfasst: die gelesenen und in über 2.000 Kategorien klassifizierten Daten sowie die Modelle und Agenten, die auf diese Daten zugreifen – unabhängig davon, ob sie autorisiert sind oder nicht –, die als eigenständige Assets erkannt werden. Jede nachgelagerte Kontrollinstanz und jedes Tool, das Sie mit Daten versorgen, profitiert von den Ergebnissen beider Systeme.
Höchstmögliche Punktzahl in 11 Kriterien für die Erkennung und Klassifizierung sensibler Daten
Intuit-Klassifizierungsherausforderung
Rang #1
96,51 TP3T gewichtete Präzision und Trefferquote bei einem Datensatz mit 40.000 Datensätzen im Vergleich zu 19 anderen Anbietern
Was wird entdeckt?
Daten- und KI-Agenten
Sensible Daten aus Hunderten von Quellen sowie die Modelle und Agenten, die darauf zugreifen, in einem Inventar
Wo sich die Kategorie jetzt befindet
Zugriffsentscheidungen, DLP-Richtlinien und KI-Schutzmechanismen laufen alle auf dem Label
Früher wurden Erkennung und Klassifizierung abgeschlossen, bevor die eigentliche Sicherheitsarbeit begann. Heute basieren Zugriffsentscheidungen, DLP-Richtlinien, Aufbewahrungsregeln und alle KI-gestützten Schutzmechanismen direkt auf diesen Labels. Das bedeutet, dass Genauigkeit, Tiefe und Aktualität der Klassifizierung die Obergrenze für alle nachfolgenden Prozesse festlegen. Drei Faktoren entscheiden darüber, ob diese Obergrenze hoch genug ist.
Tiefe nach Wahl
Metadaten-, Stichproben- oder Vollscan, Die Kosten werden pro Quelle und pro Richtlinie festgelegt, sodass die Scankosten nicht mehr darüber entscheiden, wie oft das Anwesen überprüft wird.
Genauigkeit, die Sie überprüfen können
Die Ergebnisse wurden geprüft, verfeinert und bestätigt. innerhalb des Produkts, durch die Dateneigentümer, die ein falsch positives Ergebnis von einem echten unterscheiden können.
Zwei Dinge zu finden, nicht nur eins
Die Daten und die KI, die auf sie zugreift. Ein Agent wird als Ressource identifiziert, zusammen mit der Identität, unter der er agiert, und den Daten, auf die er Zugriff hat; die Daten selbst werden gelesen und klassifiziert.
Sehen Sie, was BigID kann.
Schau es dir an, wie es funktioniert
BigID-Plattform im Überblick
Eine Quelle verknüpfen, die darin gefundene Klassifizierung einsehen und auf Grundlage dieser Erkenntnis am selben Ort, an dem sie erstellt wurde, handeln.
Übersicht
In diesem Hub
Hier beginnen
Fünf Fragen und wie BigID jede einzelne beantwortet
Ein Scanmodell, vier Tiefen, pro Quelle festgelegt
Die meisten Entscheidungen bezüglich des Scannens sind letztendlich Budgetentscheidungen: Ein vollständiger Inhaltsscan ist die einzige Option und wird daher bestenfalls vierteljährlich durchgeführt, sodass die Bestandsdaten bereits in der Folgewoche veraltet sind. BigID trennt Tiefe und Abdeckung, sodass der gesamte Bestand kontinuierlich erfasst werden kann und die aufwändigen Detailscans dort durchgeführt werden, wo sie laut Stichproben erforderlich sind.
Es gibt keine andere Einstellung als einen vollständigen Scan., Das Anwesen wird also einmal im Quartal inspiziert, und jede Feststellung wird mit "Das traf im März zu" beantwortet.
Eine SaaS-Plattform drosselt den Scanner., Und ein Auftrag, der auf Stunden ausgelegt war, dehnt sich über Tage aus, während sich das Scanfenster dahinter schließt.
Der Klassifikator liegt in den meisten Fällen richtig., Und niemand kann sagen, welche Ergebnisse im anderen Teil enthalten sind, sodass über die Ergebnisse gestritten wird, anstatt dass darauf reagiert wird.
Zwei Arten von Assets werden erfasst, und Abdeckung und Tiefe werden für beide separat eingestellt. BigID verbindet sich mit Hunderten von Datenquellen, ohne dass Agenten bereitgestellt werden müssen, und ermittelt die Modelle und Agenten, die auf diese zugreifen. Anschließend wird für jede Quelle individuell entschieden, wie detailliert gesucht werden soll: Metadaten allein zur Kartierung des Datenbestands, Stichproben für einen schnellen Überblick über die Inhalte einer Quelle, konfigurierbare Stichproben, wenn ein höherer Detaillierungsgrad erforderlich ist, und uneingeschränkte vollständige Scans strukturierter und unstrukturierter Daten, wenn dies relevant ist. Eine aussagekräftige Bewertung führt zu zwei Datensätzen, wodurch das Inventar stets aktuell bleibt und nicht vierteljährlich neu erstellt werden muss.Funktionen
Wie tief der Scan reicht, wie genau er ist und was es kostet, auf dem neuesten Stand zu bleiben.
Sechs Gruppen, in der Reihenfolge der Arbeitsabläufe: entscheiden, wie tief man suchen will, identifizieren, was vorhanden ist, jede Quelle erreichen, in der es sich befindet, das Ganze im Petabyte-Maßstab verarbeiten, ohne Projektteam ausführen und darüber dort berichten, wo der Rest des Unternehmens bereits arbeitet.
Tiefenforschung
Das erste DSPM, DLP, DAG oder DAM, das die Scantiefe als Einstellung und nicht als festen Kompromiss behandelt. Es kartiert die Liegenschaft allein anhand der Metadaten, führt Stichproben für schnelles Lesen durch und nutzt die volle Scanzeit dann dort, wo die Stichproben dies als sinnvoll erachten.
Metadaten werden nur vor dem Scannen erfasst und sind in der jeweiligen Kategorie einzigartig, sodass die Datenbank kartiert werden kann, bevor Inhalte gelesen werden.
Intelligente Probenahme zur schnellen Beurteilung des tatsächlichen Inhalts einer Quelle
Anpassbare Stichprobenentnahme, sodass die Scandetails pro Quelle und pro Richtlinie konfiguriert werden können.
Hochgeschwindigkeits-Vollscans strukturierter und unstrukturierter Daten ohne Volumen- oder Frequenzbeschränkungen
Datenidentifizierung KI
Die Genauigkeit ist eine Abhängigkeit, die niemand prüft, bis bereits eine Zugriffsentscheidung getroffen wurde. Diese Gruppe setzt sich dafür ein, die korrekte Kennzeichnung zu ermitteln, sie nachzuweisen und den Dateneigentümern die Möglichkeit zu geben, sie zu korrigieren.
Mehr als 2.000 vortrainierte und optimierte Kategorien sensibler Daten
LLM-basierte Kategorisierung und Taxonomieerkennung
Promptbasierte LLM-Klassifizierung: Definieren Sie, wonach Sie in natürlicher Sprache suchen.
Logik zum Auffinden von Kombinationen von Datenattributen in strukturierten und unstrukturierten Daten
Kategorieprüfung und -verfeinerung direkt im Produkt, für diejenigen, denen die Taxonomie gehört.
Benutzerdefiniertes Modelltraining innerhalb des Produkts
Bringen Sie Ihre eigene KI mit, damit die Klassifizierung auf einem von Ihnen bereits genehmigten Modell basiert.
Agentische Überwachung, sodass die Klassifizierung ihre eigene Arbeit überprüft
Im Intuit-Wettbewerb zur Klassifizierung von 20 Anbietern belegte das Unternehmen den 1. Platz (TP5T1) hinsichtlich der Genauigkeit mit einer gewichteten Präzision und einem Recall von 96,51 (TP3T).
Delegierter Workflow für die Bestätigung und Validierung von Ergebnissen – eine Premiere unter DSPM, DLP und DAM
Abdeckung des gesamten Daten- und KI-Bereichs
Umfassendere Abdeckung als jede andere Discovery- und Klassifizierungslösung, und keine davon agentenbasiert. Hier werden zwei Arten von Assets gefunden: die Datenspeicher sowie die Modelle und Agenten, die auf diese zugreifen. Forrester bewertete BigID mit 5 von 5 Punkten für die Abdeckung von Cloud- und On-Premises-Datenquellen.
Hunderte von Konnektoren, die Rechenzentrum, Cloud, SaaS und Code miteinander verbinden.
100% ist von Anfang an agentenlos und erfordert keine Bereitstellung oder Wartung auf den Quellsystemen selbst.
Automatische Datenquellenbereitstellung mit einem Klick
Eine Plattform für strukturierte, semistrukturierte und unstrukturierte Daten
Daten im Ruhezustand und Daten in Bewegung, unter derselben Klassifizierung
Keine Vorkenntnisse des Schemas erforderlich
Hunderte von Dateiformaten, darunter die spezialisierten CAD-Formate, die in Branchen wie der Halbleiterindustrie verwendet werden.
Entdecken Sie die Models und Agenten selbst, sowohl die lizenzierten als auch die nicht lizenzierten, und beobachten Sie deren Veränderungen.
Sehen Sie, auf welche Daten jedes Modell oder jeder Agent über die Identität, unter der er ausgeführt wird, zugreifen kann.
Klassifizieren Sie auch die Daten innerhalb der KI-Infrastruktur: RAG-Pipelines, Vektorspeicher und Eingabeaufforderungen, anhand derselben Kategorien.
Einfache Einrichtung für Cloud- und Hybrid-Cloud-Umgebungen, sodass ein Proof of Concept innerhalb weniger Tage in die Produktion überführt werden kann.
Scan-Skala und Geschwindigkeit
Petabyte-Workloads und gedrosselte SaaS-Plattformen beeinträchtigen das Scannen auf unterschiedliche Weise, und beides äußert sich in einem Scanfenster, das sich nicht schließen lässt. Skalierung, Snapshots und Just-in-Time-Rescans halten dieses Fenster offen.
Petabyte-Skala, mit branchenweit erster lateraler Skalierung aus Scannern für die größten Arbeitslasten
Vollständige Geschwindigkeits- und Leistungstelemetrie während eines laufenden Scans, nicht erst nach dessen Fehlschlagen.
Intelligente Cloud- und SaaS-Optimierung, die Plattformdrosselungen umgeht, einschließlich M365.
Erweiterte Snapshot-Unterstützung für sicheres Offline-Scannen
Kurzlebige Cloud-Scanner, die sich je nach Arbeitslast hoch- und herunterfahren.
Die Daten werden nur in Echtzeit gescannt, sowohl neue als auch geänderte Daten, sodass eine einzelne Änderung keinen vollständigen Neuscan auslöst.
Einsetzbar als ultraschnelles, einbettbares SDK in kundenspezifischen Anwendungen und Datenpipelines.
Scan-Operationalisierung
Die Erkennung hört auf, ein Projekt zu sein, sobald Scans nach einem Zeitplan durchgeführt werden, den niemand verteidigen muss. Frequenz, Tiefe, Sperrzeiten und Auslöser sind konfigurierbar und über API, MCP und die bereits von Ihren Teams genutzten Assistenten zugänglich.
Frequenz, Detailtiefe, Blackout-Fenster, Ausschlüsse, änderungsbasierte Scans und Ereignisauslöser konfigurieren
Vollständige Überwachung und Berichterstattung durch den Agenten im gesamten Scanbereich selbst
100% API- und MCP-Abdeckung für erweiterte Steuerung
Native Scansteuerung und Berichterstellung direkt aus Claude, Copilot, Gemini und GPT
Berichterstattung und Prüfung
Die Bestandsaufnahme ist nur dort sinnvoll, wo Entscheidungen getroffen werden, also selten innerhalb der Sicherheitskonsole. Berichte werden an das Lager, das BI-Tool und den Assistenten auf Basis derselben Scandaten erstellt.
Anpassbare In-Product-Dashboards
Maßgeschneiderte AskBigID-Berichte aus dem Inneren von Claude, Copilot und GPT
ETL in S3, BigQuery, Snowflake und Databricks
Kundenreporting mit Power BI, Looker und Tableau
Wo es verläuft
Hunderte von Anschlüssen, Hunderte von Dateiformaten und die KI, die all das erreicht
Die gleiche Klassifizierung wird auf alle nachfolgenden Datenfamilien angewendet, sodass ein Fund in einer Data-Warehouse-Tabelle und ein Fund in einer Dateifreigabe die Sensibilität auf dieselbe Weise beschreiben. Die letzten beiden Familien unterscheiden sich grundlegend: Es handelt sich um die KI-Assets, die auf diese Daten zugreifen und zusammen mit ihnen gefunden und inventarisiert werden. Auf den Datenquellen selbst wird nichts installiert.
Cloud und SaaS
Microsoft 365, Google Workspace, Box und Dropbox – mit Cloud-Optimierung speziell für Plattformen, die die Leistung drosseln.
Objektlagerung und Seen
Amazon S3, Azure Blob und Google Cloud Storage, bis hin zu Bucket und Präfix.
Lagerhäuser und Datenbanken
Snowflake, Databricks und BigQuery sowie relationale und NoSQL-Datenbanken, sowohl lokal als auch verwaltet, ohne dass Vorkenntnisse über das Schema erforderlich sind.
Dateifreigaben und Rechenzentrum
SMB, NFS, CIFS und NetApp, einschließlich Mainframe-Umgebungen und der Legacy-Freigaben, die niemandem gehören.
KI-Modelle und Agenten
Sowohl offizielle als auch inoffizielle Assets wurden entdeckt, da sie Zugriff auf die Daten hatten, sowie auf die dahinterliegenden RAG-Pipelines, Vektorspeicher und Eingabeaufforderungen.
Pipelines, Code und benutzerdefinierte Apps
Daten in Bewegung, Code-Repositories und das einbettbare SDK zur Klassifizierung innerhalb Ihrer eigenen Anwendungen.
Validierung durch Dritte
Ein führendes Unternehmen im Forrester Wave für die Ermittlung und Klassifizierung sensibler Daten
Die Forrester Wave™, 2. Quartal 2026
“BigID wurde für hohe Leistung und Petabyte-Skalierung entwickelt.”
The Forrester Wave™: Lösungen zur Ermittlung und Klassifizierung sensibler Daten, 2. Quartal 2026
Wurde als Marktführer ausgezeichnet, einer von drei unter den zehn bewerteten Anbietern
Hervorgehoben wurden die Stärken bei der Datenermittlung über Cloud- und On-Premise-Quellen hinweg, einschließlich Mainframe-Umgebungen, sowie die Kombination aus Klassifizierungstechniken, Anreicherung und Optimierung, die Anwendungsfälle von Compliance und Informations-Governance bis hin zu KI-Sicherheit und -Governance abdeckt.
Intuit unterzog 20 Anbieter aus den USA und Israel einem direkten Klassifizierungswettbewerb.
Der Testdatensatz war ein synthetischer Datensatz mit mehr als 40.000 Datensätzen, die zur Hälfte für das Training und zur Hälfte für die Evaluierung verwendet wurden.
Die Bewertung umfasste Präzision und Trefferquote über alle Datentypen hinweg sowie eine globale, klassenübergreifende Bewertung, die vom Sicherheitsteam von Intuit durchgeführt wurde.
BigID gewann mit einer gewichteten Präzision und einem Trefferquotienten von 96,5%.
“Die Technologie von BigID hat beeindruckende Fähigkeiten bei der präzisen Klassifizierung von Daten in großem Umfang unter Beweis gestellt.”
Gleb Keselman, Direktor für Sicherheitssoftwareentwicklung, Intuit
“BigID ermöglicht mir eine bessere Transparenz sensibler Daten, hilft bei der Priorisierung von Sicherheitsmaßnahmen, verringert die Angriffsfläche, stärkt die Compliance und erhöht insgesamt die betriebliche Effizienz – eine strategische Säule unserer KI-zentrierten Cybersicherheitstransformation.”
Müssen wir ein Petabyte vollständig scannen, um zu beginnen?
Nein, und das Bereitstellungsmodell geht davon aus, dass Sie dies nicht tun werden. Die Metadaten-Vorabprüfung erfasst den Bestand, ohne die Inhalte zu lesen. Intelligentes Sampling ermöglicht eine erste Einschätzung des Inhalts jeder Quelle, und vollständige Scans konzentrieren sich auf die im Sampling identifizierten Daten. Die Scantiefe wird pro Quelle festgelegt, sodass der Bestand stets aktuell bleibt und nicht vierteljährlich neu erstellt werden muss.
Woran erkennen wir, dass die Klassifizierung richtig ist?
Zwei externe Tests und ein interner Workflow. Forrester bewertete BigID mit 5 von 5 Punkten für die Optimierung zur Verbesserung der Genauigkeit und die Anreicherung für die Klassifizierung. Intuit verglich 20 Anbieter mit 40.000 Datensätzen, wobei BigID mit einer gewichteten Präzision und Trefferquote von 96,51 % (TP3T) als Sieger hervorging. Innerhalb des Produkts überprüft die agentenbasierte Überwachung die Klassifizierung selbst, und die Ergebnisse werden an die Dateneigentümer weitergeleitet, die zwischen echten und falsch positiven Ergebnissen unterscheiden können.
Erfasst dies unsere KI-Agenten oder nur die Daten, mit denen sie in Kontakt kommen?
Beides, und es handelt sich um zwei verschiedene Berufe. Die Modelle und Agenten werden als Assets – autorisierte wie nicht autorisierte – identifiziert, inklusive ihrer jeweiligen Identität und der in ihrem Zugriff befindlichen Daten. Änderungen werden überwacht. Die Daten werden innerhalb von RAG-Pipelines, Vektorspeichern und Eingabeaufforderungen sowie in den dahinterliegenden Speichern gelesen und klassifiziert. Ein zentrales Inventar speichert beides, wodurch eine KI-Leitlinie und eine Datenrichtlinie dasselbe Objekt beschreiben können.
Führe es weiter
Was man lesen sollte, wenn die Klassifizierung das ist, was alles andere aufhält
Nennen Sie uns die Quelle, die Sie noch nie scannen konnten.
Eine umfassende Bewertung Ihrer realen Daten liefert Ihnen mehr Erkenntnisse als eine Demo mit Beispieldaten – über verschiedene Formate, Datenmengen, Plattformen und KI-Systeme hinweg, die bisher für Sie unerreichbar waren.
