Governance, der Ihre Agenten folgen können, auf Ebene einzelner Erklärungen
Die meisten Plattformen setzen Observability auf die Ausgaben von Agenten auf. Dictiva macht die Richtlinie selbst maschinenlesbar, von Agenten durchsetzbar und prüfungsbereit, und zwar ab dem Schema.
Für immer kostenlos mit Community · MCP-Agentenzugriff ab Business
Ihre Agenten treffen Entscheidungen. Können Sie belegen, dass sie sich an Richtlinien halten?
Die meisten Teams liefern KI-Agenten mit Leitplanken aus, die über Prompts, Allow-Lists, Regex-Filter und nachträgliche Regelprüfungen verstreut sind. Wenn Prüfer fragen: „Welcher Richtlinie ist dieser Agent gefolgt, als er diese Aktion ausgeführt hat?“, fällt die Antwort selten zufriedenstellend aus.
Richtlinien liegen in PDFs, SharePoint-Ordnern und Notion-Seiten. Leitplanken liegen im Code. Freigabeprozesse liegen in Jira oder nirgends. Prüfpfade liegen in einem Dutzend Dashboards von LLM-Anbietern. Es gibt keine einzige verlässliche Quelle für Richtlinien, und schon gar keine, die Ihre Agenten lesen können.
Richtlinien als Text reichen nicht. Sie brauchen Richtlinien als Daten.
Sechs Fähigkeiten, die Richtlinien ausführbar machen
Jede davon ist heute verfügbar und durch eine konkrete Produktfunktion belegt. Was noch nicht verfügbar ist, hat unten einen eigenen Abschnitt. Es gibt also keine versteckten Lücken.
Maschinenlesbare Richtlinien auf Basis von Erklärungen
Jede Governance-Erklärung enthält Modalität, Durchsetzungsmodus und Geltung nach Akteur: Mensch, Agent oder beide. Richtlinien sind von Grund auf ausführbar statt interpretationsbedürftige Leitlinien.
Verfügbar: Spalten enforcementMode + actorApplicability in der Erklärungstabelle
Agenten-Leitlinien in jeder Richtlinie
Strukturierte Agenten-Metadaten pro Erklärung: allowedActions, prohibitedActions, requiredContext, requiredApprovals, evidenceRequirements, escalationRules, failureMode, alle abfragbar.
Verfügbar: JSONB-Spalte agent_guidance im gesamten Erklärungsschema
Produktiver MCP-Governance-Server
Externe KI-Agenten (Claude Code, Cursor, ChatGPT, Claude web) verbinden sich über das Model Context Protocol mit Ihrem Richtlinienbestand. Sechs Tools, zwei Transportwege, getrennte Authentifizierung für Lesen und Schreiben.
Verfügbar: /api/mcp (HTTP) + stdio-Transport, 6 Tools live
Vollständiger Prüfpfad für Agenten
Jede KI- und Agenten-Interaktion wird mit Prompts, Antworten, Tool-Aufrufen, Token-Verbrauch, Latenz und Fehlern protokolliert. Export ab Scale. Vom ersten Tag an compliance-bereit.
Verfügbar: Tabelle ai_audit_logs, 25 Spalten, 4 Indizes
KI-Kontextschicht
Sechs Grounding-Module (Erklärungen, Regulierungen, Tenant, Nutzer, Domäne, Glossar) verankern das Denken der Agenten in Ihrem tatsächlichen Richtlinienbestand statt in generischem vortrainiertem Wissen.
Verfügbar: 6 Kontext-Provider unter lib/ai/context/
Bibliothek + Übernahmemodell
57 Regulierungen, über 600 vorab extrahierte Anforderungen, über 1.300 typisierte Glossarbegriffe. Agenten beziehen sich auf eine kuratierte Bibliothek; Abweichungen von übernommenen Erklärungen werden automatisch nachverfolgt.
Verfügbar: Nachverfolgung von Übernahmen + Abweichungen bei Bibliothekserklärungen
Was wir offen als noch ausstehend benennen
Für diese Fähigkeiten sind Schema oder Grundbausteine bereits im Produkt vorhanden; die Oberfläche für Nutzer ist in Arbeit. Wir sagen Ihnen lieber Bescheid, wenn sie verfügbar ist, als so zu tun, als wäre sie es schon.
Ausführung von SOPs durch Agenten
Q3 2026Verfahren unterstützen bereits Schritte, Bedingungen, RACI, Teilprozesse und Nachweise. Als Nächstes kommt die Ausführungsumgebung (menschen- oder agentengesteuert) mit Zustandsautomaten pro Schritt.
Oberfläche für Agenten-Freigabeprozesse
Q3 2026Erklärungen deklarieren bereits requiredApprovals. Als Nächstes kommt die Oberfläche, über die Agenten Freigaben anfordern und Menschen sie direkt im Ablauf erteilen.
Prüfungsbereites Nachweis-Dashboard
Q4 2026Alle Grundbausteine (Audit-Log, Bestätigungen, Nachweis-Links) sind bereits vorhanden. Als Nächstes kommt das Compliance-Dashboard, das sie zu einem Nachweispaket bündelt.
Verbinden Sie jeden MCP-fähigen Agenten
Sechs Governance-Tools über stdio und Streamable HTTP. Bearer-Authentifizierung mit API-Schlüsseln mit eingeschränktem Geltungsbereich. Funktioniert mit Claude Code, Cursor, ChatGPT, Claude web und jedem eigenen Client, der MCP spricht.
Claude Code (stdio)
Lokale Entwicklung: Die KI kann die Richtlinien Ihres Tenants direkt abfragen.
{
"dictiva": {
"command": "npx",
"args": ["@dictiva/mcp-server"],
"env": { "DICTIVA_API_KEY": "dv_live_..." }
}
}Cursor / Remote-Claude-Code (HTTP)
Remote-MCP: dieselben Tools, erreichbar über Streamable HTTP.
{
"mcpServers": {
"dictiva": {
"url": appUrl("/api/mcp"),
"headers": { "Authorization": "Bearer dv_live_..." }
}
}
}ChatGPT / Claude web (Remote-MCP)
Fügen Sie URL und Bearer-Token in die Einstellungen des MCP-Connectors ein.
URL: https://dictiva.com/api/mcp
Auth: Bearer dv_live_...
Scopes: statement:read, glossary:read, assembly:readKI-Observability oder KI-Agenten-Governance
Observability betrachtet im Nachhinein, was Agenten getan haben. Governance macht das, was sie tun dürfen, zu einer adressierbaren, abfragbaren und versionierten Ressource.
| Dimension | KI-Observability-Tools | Dictiva |
|---|---|---|
| Grundeinheit der Richtlinie | Modellausgabe / Trace | Erklärung (Modalität, Akteur, Durchsetzung) |
| Wo die Richtlinie liegt | In Ihrem Prompt | Versionierter Richtlinienbestand (Bibliothek + Tenant) |
| Wissen des Agenten | Nachträgliche Logs | Abfrage vor der Aktion über MCP |
| Durchsetzung | Nachträgliche Regelprüfung der Ausgabe | Richtlinienabfrage vor der Aktion + Freigabeprozess |
| Prüfpfad | Modell-Traces und Nutzung | Prompts + Tools + Ergebnisse + Richtlinienversion |
| Geltung nach Akteur | Undifferenziert | Mensch / Agent / beide, pro Erklärung |
| Regulatorische Zuordnung | Manuell | Pro Erklärung zu 57 Regulierungen |
Für Teams, die Agenten einsetzen
Wenn Ihnen eines dieser Probleme bekannt vorkommt, ist der Rest dieser Seite für Sie.
Verantwortliche für KI-Produkte
Problem: Agenten gehen live, mit Leitplanken verstreut über Prompts, Filter und nachträgliche Prüfungen
Mit Dictiva: Ein einziger Richtlinienbestand, den jeder Agent abfragt, mit maschinenlesbarer Durchsetzung und vollständigem Prüfpfad
CISOs und Sicherheitsverantwortliche
Problem: Keine Möglichkeit zu belegen, welche Richtlinien autonome Systeme im Entscheidungsmoment tatsächlich befolgt haben
Mit Dictiva: Prüfpfad pro Aktion, verknüpft mit konkreten Erklärungsversionen, belastbar in Audits und Untersuchungen
Compliance und Recht
Problem: EU AI Act, Colorado AI Act, OWASP Top 10 für agentische Anwendungen: Pflichten ohne Werkzeuge
Mit Dictiva: Richtlinien, die regulatorischen Pflichten zugeordnet sind; Agenten fragen ab, was im jeweiligen Akteurkontext gilt
Plattform-Engineers
Problem: Jedes Agenten-Team baut seine eigene halbgare Richtlinienabfrage
Mit Dictiva: Sofort einsetzbarer MCP-Server mit 6 Governance-Tools, Authentifizierung, Rate Limiting und planbasierter Zugriffssteuerung
Häufig gestellte Fragen
Was ist KI-Agenten-Governance?+
KI-Agenten-Governance ist die Disziplin, Richtlinien, Verfahren und Prüfpfade auf KI-Systeme anzuwenden, die in Ihrem Auftrag handeln, und nicht nur auf die Menschen, die ihnen Anweisungen geben. Sie umfasst, was ein Agent tun darf, was er eskalieren muss, welche Nachweise er sammeln muss und wie jede Aktion protokolliert wird. OWASP hat im Dezember 2025 eine Top 10 für agentische Anwendungen veröffentlicht; die Hochrisikopflichten des EU AI Act gelten ab August 2026; der Colorado AI Act ist seit Juni 2026 in Kraft. Die Kategorie entsteht gerade.
Worin unterscheidet sich das von KI-Observability-Tools (Fiddler, Arthur, Credo AI)?+
Observability-Tools betrachten Modellausgaben und Traces im Nachhinein. Dictiva macht die Richtlinie zur Grundeinheit: Jede Governance-Erklärung enthält Durchsetzungsmodus und Geltung nach Akteur, und Agenten fragen diesen Richtlinienbestand über den MCP-Server ab, bevor sie handeln. Sie erhalten weiterhin einen vollständigen Prüfpfad, der jedoch mit konkreten Versionen der Richtlinienerklärungen verknüpft ist und nicht nur mit Modell-Telemetrie.
Was ist der MCP-Server und welche Clients können sich verbinden?+
Der Model-Context-Protocol-Server (MCP) stellt 6 Governance-Tools über zwei Transportwege bereit: stdio (für lokales Claude Code / Cursor) und Streamable HTTP (für ChatGPT, Claude web und Remote-Cursor). Zu den Tools gehören search_statements, get_statement_guidance, list_applicable_policies_for_actor, search_glossary, get_assembly_bundle und export_ontology. MCP-Zugriff ist den Plänen Business und Enterprise vorbehalten.
Ersetzt Dictiva eine klassische GRC-Plattform?+
Heute nicht, und das ist auch nicht das Ziel. Dictiva ist die Richtlinien- und Verfahrensebene der Governance, optimiert dafür, dass Menschen und KI-Agenten denselben Bestand lesen, befolgen und daran geprüft werden. Risikoregister, Kontrolltests und Dashboards für Prüfnachweise stehen auf der Roadmap für 2026. Bei den verfügbaren Bausteinen ist Dictiva nützlicher als eine komplette GRC-Suite; bei den übrigen sagen wir das auf dieser Seite.
Was ist an einer Dictiva-Erklärung maschinenlesbar?+
Jede Erklärung hat strukturierte Felder, mit denen ein Agent arbeiten kann: Modalität (must, should, may), Durchsetzungsmodus (informational, human_review_required, machine_readable, machine_enforceable), Geltung nach Akteur (human, agent, both) sowie ein JSONB agent_guidance mit allowedActions, prohibitedActions, requiredApprovals, evidenceRequirements, escalationRules und failureMode. Agenten müssen kein 30-seitiges PDF auswerten; sie fragen die strukturierte Richtlinie ab.
Wie funktioniert die Preisgestaltung bei intensiver Agentennutzung?+
Heute: sitzplatzbasiertes Abonnement mit KI-Credits pro Plan. Q3 2026: ein hybrides Verbrauchsmodell mit „Governance-Aktionen“ als Messgröße, bei dem unterschiedliche Aktionsklassen (Richtlinienabfrage, Richtlinienprüfung, tiefgehende Regulierungsprüfung) unterschiedlich viel verbrauchen. Das interne Margenziel liegt bei ≥5x der gemischten Token-Kosten; Kunden sehen Aktionszahlen, keine Tokens. Keine bösen Überraschungen auf der Rechnung durch ausführliche Modellausgaben.
Vom ersten Tag an unternehmenstauglich
Den Governance-Stack erkunden
Software für Richtlinienmanagement
Das auf Erklärungen basierende System, aus dem Ihre Agenten lesen: Lebenszyklusmanagement für Richtlinien, gebaut für Maschinen und Menschen.
MCP-Governance-Server
Geben Sie Agenten über das Model Context Protocol Lese- und Schreibzugriff auf Ihre Governance-Erklärungen.
Verwaltete Agenten statt loser LLM-Aufrufe
Warum ungesteuerte LLM-Aufrufe zum Compliance-Risiko werden und wie gebundene Agenten das vermeiden.
Was ist Governance auf Basis von Erklärungen?
Die atomare, maschinenlesbare Governance-Einheit, die die Durchsetzung von Richtlinien bei Agenten möglich macht.
Governance-Erklärungen oder Richtlinien
Warum atomare Erklärungen monolithischen Richtliniendokumenten überlegen sind, für Menschen wie für KI-Agenten.
Die besten GRC-Tools 2026
Wo KI-Agenten-Governance in den modernen GRC-Tool-Stack passt: ein Vergleich für Käufer.
Governance, der Ihre Agenten
wirklich folgen können.
Starten Sie mit dem Community-Plan. Wechseln Sie zu Business, wenn Ihre Agenten MCP-Zugriff brauchen. Kein Vertriebsgespräch nötig.
Keine Kreditkarte erforderlich · MCP-Zugriff ab Business