Richtliniengesteuerte Orchestrierung für KI-Workloads: Genehmigungen, Risikomanagement und Governance zur Ausführung

Was ist policy-controlled orchestration?

Policy Controlled Orchestration ist die Durchsetzung der organisatorischen Richtlinien (Genehmigungen, Risikoschwellen, Ausführungsumfang und Eskalation) in dem Moment, in dem eine Arbeitslast läuft, und nicht nur, wenn ihre Infrastruktur bereitgestellt oder bereitgestellt wird. Sie wendet Governance auf laufende Arbeit an: welche Arbeitslast ausgeführt werden darf, in welcher Reihenfolge, unter welcher Identität, mit welcher Priorität und mit wessen Genehmigung, gestützt auf einen Audit-Datensatz darüber, was ausgeführt wurde und was passiert ist.

Dies ist ein eigenständiger Kontrollpunkt im Vergleich zu den Policy-as-Code-Engines, die Plattform-Teams bereits verwenden. Diese Engines bewerten Konfigurationen vor der Bereitstellung; policy-gesteuerte Orchestrierung steuert die Ausführung selbst. Der Rest dieses Leitfadens erklärt, warum KI-Workloads diese Unterscheidung wichtig machen, wo jede Ebene der Policy-Durchsetzung wirkt und wie sie kombiniert werden.

Warum KI-Workloads die politische Frage verändern

Plattform-Engineering-Teams haben in den letzten Jahren damit verbracht, die Durchsetzung von Richtlinien in die Lieferpipeline einzubauen. Regeln, die einst in Wikis und Review-Meetings existierten, sind jetzt im Code verankert: Eine Pull Request löst einen Scan aus, ein Terraform-Plan wird anhand organisatorischer Einschränkungen bewertet, und ein Kubernetes-Zulassungscontroller blockiert die nicht konforme Bereitstellung, bevor sie existiert. Dies ist das Policy-as-Code-Modell, und für Bereitstellung und Bereitstellung funktioniert es.

KI-Workloads betonen einen anderen Punkt im Lebenszyklus. Ein agentischer Prozess, der ein Modell neu trainiert, einen Index aktualisiert, Daten zwischen Plattformen bewegt oder eine Geschäftsaktion auslöst, ist keine einmalige Bereitstellung, die zugelassen oder abgelehnt werden muss – es ist eine Arbeit, die wiederholt gegen Produktionssysteme läuft, bei Zeitplänen und Ereignissen, mit Abhängigkeiten und Fristen. Die Richtlinienfragen verschieben sich entsprechend: "Darf diese Konfiguration nicht existieren?", sondern auch: "Darf diese Workload jetzt, in dieser Reihenfolge, unter dieser Identität, mit dieser Priorität, innerhalb dieser Risikoschwelle laufen – und wer genehmigt sie, wenn nicht?"

Die Beantwortung dieser zweiten Fragegruppe ist policy-gesteuerte Orchestrierung: Policy-Entscheidungen, die auf der Ausführungsebene angewendet werden, wenn die Arbeitslast läuft. Sie ersetzt keine Policy-as-Code-Engines. Sie ist die Schicht, auf der ihre Entscheidungen – und die Betriebsregeln, die sie nicht sehen können – beim Ausführen von Arbeiten durchgesetzt werden.

Drei Ebenen der Durchsetzung von Richtlinien: Bereitstellung, Aufnahme, Laufzeit

Policy Enforcement ist kein einziger Kontrollpunkt; es ist eine Kette. Jede Ebene bewertet ein anderes Artefakt zu einem bestimmten Zeitpunkt und fängt das auf, was die vorherigen Schichten nicht sehen können.

Die Bereitstellungs- und Zulassungsschichten beantworten, ob etwas existieren kann und in welcher Form. Die Tools sind nicht streng auf diese Zeilen beschränkt – OPA ist eine allgemeine Entscheidungs-Engine, die ebenfalls zur Laufzeit zur Autorisierung von API-Anfragen und Service-to-Service-Aufrufen verwendet wird –, aber sie liefern eine Entscheidung: zulassen oder ablehnen, konform oder nicht. Die Laufzeitschicht beantwortet eine andere Frage: Ob, wann und wie Arbeiten ausgeführt werden dürfen – und was passiert, wenn sie fehlschlägt, eine Schwelle überschreitet oder eine menschliche Entscheidung mitten im Flug erfordert. Eine KI-Arbeitslast kann jede Zulassungsprüfung bestehen und benötigt trotzdem Laufzeit-Governance: eine Embedding-Aktualisierung, die nicht vor Abschluss der Upstream-Validierung beginnen darf, ein Retrainingsjob, der vor dem Schreiben in die Produktion abgemeldet werden muss, eine agentenausgelöste Aktion, die unter einer bestimmten Rolle ausgeführt werden muss, deren Ausführung für das Audit protokolliert ist.

Für Plattform-Engineering-Teams ist die praktische Frage nicht, welche Ebene man wählen soll. Sondern ob es eine Lücke gibt – und für die meisten Unternehmen, die KI-Workloads einführen, liegt diese Lücke zur Laufzeit.

Auswahl und Kombination der Ebenen

Eine vollständige Richtlinienarchitektur für KI-Workloads läuft typischerweise über alle drei Schichten, und die Auswahl dreht sich um die Abdeckung, nicht um den Ersatz:

• Behalten Sie Ihren Versicherungsmotor
  OPA/Gatekeeper, Kyverno oder Sentinel bleiben die richtigen Werkzeuge für das, was sie tun: deklarative Regeln, die bei der Bereitstellung und Aufnahme bewertet werden. Nichts auf der Laufzeitschicht ersetzt das Blockieren einer nicht konformen Konfiguration vor der Bereitstellung.
• Routen Sie hochwirksame KI-Arbeiten durch die Orchestrierungsschicht und setzen Sie diese durch.
  Laufzeit-Governance gilt für Arbeiten, die durch die Managed Layer laufen – ein Agent, der Systeme direkt über Ad-hoc-APIs aufruft, liegt außerhalb der Reichweite eines Orchestrators. Das ist die architektonische Entscheidung, die diese Kategorie von Plattformteams verlangt: KI-Workloads mit Produktionsauswirkung durch eine Orchestrierungsplattform zu routen, sodass Genehmigungen, Gating, Eskalation und Audit auf sie angewendet werden. Sobald sie dort laufen, ist die Plattform der natürliche Durchsetzungspunkt für die Kontrollen, die nur gegen laufende Arbeit sinnvoll sind.
• Verbinden Sie die Schichten
  Admission-Layer-Engines können bereits externe Systeme aufrufen, um vor der Bereitstellung Genehmigungen zu überprüfen; die Laufzeitschicht schließt die Schleife, indem sie diese Genehmigungen generiert, sie in der Ausführung durchsetzt und die Beweisspur erstellt. Offene Standards helfen hier – MCP bietet KI-Assistenten einen geregelten, auditierbaren Weg in die Ausführungsschicht statt direkten API-Zugriffs.

Die zu haltende Trennlinie: Eine Policy-Engine entscheidet, was erlaubt ist; die Ausführungsebene setzt durch, was geschieht, in der Reihenfolge, pünktlich und mit Nachweisen. Unternehmen, die Orchestrierungsplattformen für KI-Workloads bewerten, sollten fragen, wo jeder Kandidat die Richtlinie durchsetzt – bei der Definition, bei der Einführung oder bei der Ausführung – und ob er nachträglich nachweisen kann, dass diese Richtlinie bestand.