Zum Hauptinhalt springen
KI-AGENT-ERKENNUNG

KI-Agent-Erkennung für Websites, mit der Evidenz hinter jedem Ergebnis

Sehen Sie, welche Interaktionen auf Ihrer Website von Menschen, von Menschen mit KI-Unterstützung, von autonomen Agenten oder von Quellen stammen, die sich mit der Evidenz noch nicht identifizieren lassen. Jedes Ergebnis zeigt, worauf es sich stützt.

Frühen Zugang erhaltenFunktionsweise erkunden
Toshendra Sharma

Von Toshendra SharmaGründer & CEO, AgentCredia · Updated November 13, 2026

Ihre Website hat jetzt mehr als nur eine Art von Besucher

Über weite Teile der Web-Geschichte konnte eine Website von einem einfachen Modell ausgehen: Eine Person öffnet einen Browser, klickt herum und meldet sich vielleicht an. Analysen, Ratenlimits, Onboarding-Flows und Sicherheitsprüfungen waren alle auf diese Person ausgelegt.

Dieses Modell beschreibt den realen Traffic nicht mehr. Heute dient eine einzelne Website Menschen, die eigenständig browsen, Menschen, die einen AI-Assistenten bitten, etwas zusammenzufassen oder für sie auszufüllen, autonomen Agenten, die Seiten lesen und Endpunkte im Auftrag einer anderen Person aufrufen, sowie einer langen Tail von Crawlern und Skripten. AI-Anbieter dokumentieren einige dieser Besucher selbst: OpenAI veröffentlicht zum Beispiel separate User-Agents für seinen Search-Crawler, seinen Training-Crawler und den Fetcher, der Seiten besucht, wenn ein ChatGPT-Nutzer eine Frage stellt (OpenAI crawler documentation), und Anthropic macht dasselbe für ClaudeBot, Claude-User und Claude-SearchBot (Anthropic crawler documentation). Einige dieser Besucher sind willkommen. Einige brauchen eine andere Experience. Einige brauchen einen genaueren Blick, bevor sie etwas Sensibles tun können.

Die Herausforderung ist, dass die meisten dieser Interaktionen auf den ersten Blick ähnlich aussehen. Ein Login sagt Ihnen, welches Konto verwendet wird. Er sagt Ihnen nicht, ob eine Person klickt, ob ein Assistent über diese Sitzung handelt oder ob ein automatisierter Client Ihre Preisseite im Auftrag einer anderen Person liest. AI agent detection for websites bedeutet, diese Lücke mit Evidenz zu schließen, damit Ihr Team angemessen auf jede Art von Actor reagieren kann, statt allen Traffic gleich zu behandeln. Für eine praktische Einführung in die beteiligten Signale lesen Sie how to tell if website traffic comes from AI agents, und sehen Sie sich den websites use case an, um zu sehen, wie das auf einer Produktionsseite aussieht.

Warum ein einzelner Bot-Score nicht ausreicht

Viele Tools beantworten diese Frage mit einer Zahl: einem Bot-Score, einem Risiko-Score, einem Prozentsatz, der behauptet, wie menschlich ein Besucher sei. Der Reiz ist offensichtlich. Eine Zahl lässt sich leicht in eine Regel gießen.

Das Problem ist, dass eine einzelne Zahl die Begründung verbirgt. Wenn ein Score sagt, dass eine Sitzung wahrscheinlich automatisiert ist, kann Ihr Team nicht sehen, ob diese Schlussfolgerung auf einer verifizierten Signatur, einer User-Agent-Zeichenkette, die jeder kopieren kann, oder auf einem Muster beruht, das auch zu einem schnellen menschlichen Tippen passt. Wenn dieser Score einen Block oder eine Challenge auslöst, übernehmen Sie jeden Fehler, den er macht, ohne ihn einem Kunden, einer Kollegin oder einem Auditor erklären zu können.

Proof of Actor verfolgt einen anderen Ansatz. Jedes Ergebnis gehört zu einer von vier klaren Klassen, erläutert in Human, AI-assisted or agent: a taxonomy for app traffic, und jedes Ergebnis sagt, worauf es basiert. Sie sehen Schlussfolgerung und Evidenz zusammen, sodass Sie starke Ergebnisse vertrauen, schwache hinterfragen und Richtlinien aufbauen können, die zur Qualität der Evidenz passen.

Wie Sie KI-Agenten auf Ihrer Website in vier Schritten erkennen

Sie können mit den Tools, die Sie bereits haben, damit beginnen, KI-Agenten auf Ihrer Website zu erkennen. Diese vier Schritte sind herstellerneutral und funktionieren mit oder ohne Proof of Actor; der Blogbeitrag how to tell if website traffic comes from AI agents geht auf jeden Schritt ausführlicher ein.

  1. Listen Sie die Agenten auf, die sich selbst ankündigen. Durchsuchen Sie Ihre Server- oder CDN-Logs nach den User-Agents, die AI-Anbieter veröffentlichen. OpenAI dokumentiert OAI-SearchBot, GPTBot und ChatGPT-User und erklärt, dass ChatGPT-User Seiten besucht, wenn ein Nutzer ChatGPT eine Frage stellt, statt automatisch zu crawlen. Anthropic dokumentiert ClaudeBot, Claude-User und Claude-SearchBot. Das gibt Ihnen ein erstes, deklariertes Bild des Agenten-Traffics nach Route.
  2. Verifizieren Sie die Behauptungen, statt der Zeichenkette zu vertrauen. Ein User-Agent ist selbst gemeldet und leicht zu kopieren. Prüfen Sie ihn gegen die Verifikationsmethode des Betreibers selbst: Google beschreibt eine Reverse-DNS-Abfrage gefolgt von einer Forward-DNS-Abfrage sowie veröffentlichte IP-Range-Dateien für Googlebot (Google: verifying Googlebot); Bing beschreibt dieselbe Reverse- und Forward-DNS-Prüfung für Bingbot (Bing: verifying Bingbot); OpenAI veröffentlicht IP-Range-Dateien für jeden seiner User-Agents. Wenn ein Client seine Anfragen mit HTTP Message Signatures signiert, die in RFC 9421 definiert sind, prüfen Sie die Signatur gegen den veröffentlichten Schlüssel des Betreibers.
  3. Beschriften Sie jedes Ergebnis mit seiner Evidenz und behalten Sie Unknown. Dokumentieren Sie, ob jede Schlussfolgerung verified, declared oder inferred ist. Traffic, der zu keinem verifizierten oder deklarierten Agenten passt und kein klares menschliches Muster zeigt, sollte als Unknown markiert werden und nicht zwangsweise als Mensch oder Bot gelten. Das ist der Schritt, der aus einem nützlichen Bericht mehr macht als eine Vermutung.
  4. Beobachten Sie nach Route, bevor Sie handeln. Teilen Sie die Ergebnisse einige Wochen lang nach Route und Workflow auf: öffentliche Inhalte, Anmeldung, Kontoeinstellungen, APIs. Schreiben Sie erst dann eine enge Richtlinie für die Route, bei der der Actor-Kontext am wichtigsten ist, mit einem expliziten Fallback für Unknown.

Proof of Actor automatisiert diese Schritte innerhalb Ihrer Anwendung: Es sammelt die Signale, die Ihre Integration sehen kann, gibt eine Klasse mit ihrer Grundlage zurück, verfolgt Unknown nach Route und überlässt die Richtlinie Ihrem Code.

Wie Proof of Actor KI-Agenten auf Websites erkennt

Proof of Actor basiert auf einem einfachen Ablauf: den Signalen, die Ihre Integration beobachten kann, einer Klassifizierung mit expliziter Grundlage und einer Entscheidung, die in Ihrer Hand bleibt. Den vollständigen Ablauf können Sie auf der Seite How It Works nachlesen. Hier ist die Kurzversion.

Signale aus Ihrer Integration

Jede Integration sieht, was ihr Kontext zulässt. Eine serverseitige Integration sieht Request-Kontext, Protokolldetails und, wenn ein Client es unterstützt, eine Request-Signatur. Eine Browser-Integration sieht Interaktionssignale auf den Seiten, auf denen sie läuft. Eine Anwendung kann außerdem ihre eigenen Deklarationen erfassen, etwa wenn ein Nutzer Inhalte als mit KI-Unterstützung entworfen markiert oder ein Agent-Client sich selbst benennt.

Proof of Actor arbeitet mit der Evidenz, die tatsächlich vorhanden ist. Es behauptet nicht, Dinge zu sehen, die Ihre Website nicht beobachten kann.

Vier Klassen mit klarer Bedeutung

Jede Interaktion landet in einer von vier Klassen:

  • Human: die beobachtbaren Signale deuten auf eine vom Menschen gesteuerte Interaktion hin.
  • Human + AI: KI-Unterstützung wurde deklariert oder über eine unterstützte Integration beobachtet, die dies erkennen kann.
  • Agent: automatisierte oder agentenbasierte Interaktion, gestützt durch verifizierbare Identität oder eine sorgfältig qualifizierte Inferenz.
  • Unknown: die verfügbare Evidenz erlaubt keine verlässliche Bestimmung.

Jede Klasse hat eine klare Definition und eine klare Grenze. Ein Human-Ergebnis ist keine verifizierte Identität. Ein Agent-Ergebnis ist keine Aussage darüber, dass der Agent autorisiert ist. Ein Unknown-Ergebnis ist keine Anschuldigung. Die vollständige Taxonomie finden Sie auf der Seite Detection & Limitations.

Eine Grundlage bei jedem Ergebnis

Zusätzlich zur Klasse trägt jedes Ergebnis seine Grundlage: verified, declared, inferred oder unknown. Eine Anfrage, die eine gültige Signatur aus einem veröffentlichten Schlüssel enthält, ist für diese Prüfung verified. Ein Client, der sich als Agent bezeichnet, hat das declared. Ein Verhaltensmuster, das mit Automatisierung konsistent ist, ist eine Inferenz. Diese Unterscheidung ermöglicht präzise Richtlinien. Ein verifizierter signierter Agent auf einer schreibgeschützten Route und ein selbst deklarierten Client auf einer Seite mit Kontoeinstellungen sollten nicht gleich behandelt werden, und mit Proof of Actor müssen sie es nicht werden. Der Glossareintrag evidence basis erläutert jeden Begriff ausführlicher.

Was Ihr Team bekommt: Detect, Understand, Route

Proof of Actor ist ein Produkt mit drei Funktionen, die zusammenarbeiten.

Detect

Sammeln Sie die für Ihre Integration verfügbaren Actor-Signale und trennen Sie verifizierte Aussagen von Verhaltens-Inferenzen. Unknown-Traffic bleibt als eigene Kategorie sichtbar, statt in einer Vermutung aufzugehen. Sie wissen immer, über welche Interaktionen Sie mit Sicherheit sprechen können und welche mehr Evidenz brauchen.

Understand

Sehen Sie Ihren AI agent traffic im Kontext. Untersuchen Sie Interaktionstypen nach Route und Zeit, verfolgen Sie Trends bei menschlicher, KI-unterstützter, agentenbasierter und unbekannter Aktivität, und öffnen Sie jede Klassifizierung, um zu sehen, was bekannt ist, was nicht bekannt ist und worauf das Ergebnis beruht. Hier erhalten Produkt-, Plattform- und Sicherheitsteams ein gemeinsames, erklärbares Bild davon, wer die Website nutzt.

Route

Nutzen Sie Ihre eigenen Richtlinien, um bestimmte Interaktionen zu erlauben, anzupassen, zu challengen, zu prüfen oder zu begrenzen. Liefern Sie eine strukturierte Antwort für einen verifizierten Agenten, der Ihre Dokumentation liest. Behalten Sie die Standard-Experience für vom Menschen gesteuerte Sitzungen bei. Fordern Sie bei einer sensiblen Kontoänderung eine stärkere Prüfung an, wenn Ihre eigenen Bedingungen das verlangen. Wählen Sie einen expliziten Fallback für Unknown-Ergebnisse und für Timeouts, Route für Route. Die Durchsetzung geschieht immer in Ihrer Anwendung, unter Richtlinien, die Ihr Team bestätigt.

So ist es in Ihre Website eingebettet, nicht als Ersatz dafür

Proof of Actor läuft neben den Tools, die Sie bereits einsetzen. Es ersetzt weder Ihre Authentifizierung noch Ihr Berechtigungsmodell oder Ihre bestehenden Abuse-Kontrollen. Es ergänzt sie um Actor-Kontext.

Eine typische Website-Integration beginnt an den Routen, bei denen Actor-Kontext am wichtigsten ist: öffentliche Inhalte, die Agenten stark lesen, Signup- und Onboarding-Flows, Kontoeinstellungen und andere sensible Aktionen sowie jede API, die die Site antreibt. Gründungsteams arbeiten mit unseren Engineers zusammen, um diese Routen auszuwählen, die Signale im Scope zu vereinbaren und zu bestätigen, wie Daten behandelt werden, bevor irgendein Code ausgeliefert wird.

Da die Entscheidungsebene in Ihrem Code lebt, behalten Sie die Kontrolle über die Experience. Sie können Ergebnisse wochenlang in einem internen Dashboard anzeigen, bevor sich eine Regel ändert, dann eine einzige enge Richtlinie für eine Route aktivieren und erst danach erweitern, wenn die Ergebnisse Ihr Vertrauen verdient haben. Der Leitfaden handling unknown traffic zeigt, wie Sie diese ersten Regeln entwerfen.

Im Beobachtungsmodus starten

Der schnellste Weg, mit KI-Agent-Erkennung Wert zu schaffen, ist zuerst zu beobachten und nicht zu blockieren. Im Beobachtungsmodus zeichnet Proof of Actor Ergebnisse auf, während Ihre Website sich genau so verhält wie ohne es. Ihr Team kann die Klassifizierungen dann mit Ergebnissen vergleichen, die Sie bereits verstehen: Support-Tickets, bekannte Integrationen, interne Tools und die Crawler, die Sie bereits erkennen.

Das gibt Ihnen vor jeder Durchsetzung drei Dinge:

  1. Eine Basislinie. Wie viel Ihres Traffics ist menschengeführt, KI-unterstützt, agentengetrieben oder unbekannt, Route für Route.
  2. Vertrauen in die Evidenz. Welche Signale auf Ihrer Website stark sind und wo die Abdeckung wachsen muss.
  3. Bessere Richtlinien. Regeln, die auf realen Mustern statt auf Annahmen beruhen, mit überprüften False Positives, bevor jemand betroffen ist.

Wenn eine Richtlinie bereit ist, aktivieren Sie sie für den spezifischen Workflow, für den sie entworfen wurde, und behalten die Möglichkeit, sie jederzeit anzupassen.

Warum evidenzgestützte Erkennung gegenüber undurchsichtigen Scores gewinnt

Websites bedienen bereits Agenten, Assistenten und Menschen mit KI nebeneinander. Die Teams, die damit gut umgehen, sind nicht die mit den aggressivsten Filtern. Es sind die Teams, die ihre Entscheidungen erklären können.

Evidenzgestützte Ergebnisse geben Ihnen diese Erklärung. Wenn ein Support-Mitarbeiter fragt, warum ein Nutzer einen zusätzlichen Verifizierungsschritt gesehen hat, können Sie auf die Evidenz und die angewendete Richtlinie verweisen. Wenn ein Agent-Betreiber fragt, warum seine signierten Anfragen mit einer strukturierten Antwort bedient wurden, können Sie die verifizierte Grundlage zeigen. Wenn die Evidenz dünn ist, lautet das Ergebnis Unknown, und Ihr Fallback behandelt es auf eine Weise, die Sie bewusst gewählt haben.

Dieser Ansatz skaliert auch mit dem Web. Wenn mehr Agent-Betreiber ihre Anfragen signieren und Standardisierungsarbeiten wie die IETF Web Bot Auth working group, die die kryptografische Authentifizierung automatisierter Clients standardisieren soll, auf HTTP message signatures aufbauen, verschiebt sich mehr Ihres Traffics von inferred oder unknown zu verified, und Ihre Richtlinien werden präziser, ohne neu geschrieben werden zu müssen.

Werden Sie Teil des Founding Developer Program

Proof of Actor befindet sich in einer privaten Beta mit einer kleinen Gruppe von Anwendungsteams. Ausgewählte Founding Developers können innerhalb vereinbarter Nutzungslimits bis zu 12 Monate kostenlosen Zugang erhalten, im Austausch für direktes Produktfeedback aus der Praxis. Sie erhalten direkte Integrationsunterstützung von unseren Engineers, frühen Zugang zu Funktionen, sobald sie verfügbar werden, und echten Einfluss darauf, was wir als Nächstes bauen.

Wenn Ihre Website Menschen, KI-unterstützte Nutzer und Agenten bedient und Sie wissen wollen, wer sie verwendet, bevor Sie entscheiden, was als Nächstes geschieht, bewerben Sie sich für Early Access. Erzählen Sie uns von Ihrer Website und der Interaktion, die Sie am meisten verstehen möchten, und wir prüfen, ob sie zur aktuellen Beta passt.

Möchten Sie zuerst die Details sehen? Erkunden Sie Proof of Actor, lesen Sie how it works oder prüfen Sie genau, what the evidence can and cannot establish.

Quellen

FÜR ENTWICKLER

What your code receives

Every interaction resolves to one result record. Your application reads the class and the basis and applies its own policy.

Result record
{
  "route": "GET /api/v1/catalog",
  "class": "agent",
  "basis": "verified",
  "evidence": [
    { "signal": "http_message_signature", "result": "valid", "keyid": "assistant.example" },
    { "signal": "client_declaration", "value": "assistant.example" }
  ],
  "observed_at": "2026-11-13T10:42:07Z"
}
class
Human, Human + AI, Agent oder Unknown.
basis
Wie stark die Evidenz ist: verified, declared, inferred oder unknown.
evidence
Die Signale hinter dem Ergebnis, damit Ihr Team den Grund sehen kann.

Starten Sie im Beobachtungsmodus: Erfassen Sie Ergebnisse neben Ihren Logs und ändern Sie nichts, bis Sie eine Richtlinie wählen. Lesen Sie die Node.js-Integrationsanleitung

Häufig gestellte Fragen

Wie arbeitet die KI-Agent-Erkennung für Websites mit Proof of Actor zusammen?

Proof of Actor sammelt die über Ihre Integration verfügbaren Signale, etwa Anfrage-Signaturen, Client-Deklarationen und Interaktionssignale, und gibt eine Klassifizierung mit ihrer Grundlage zurück: Verified, Declared, Inferred oder Unknown.

Blockiert die Installation Besucher?

Nein. Proof of Actor startet im Beobachtungsmodus. Ihre Website verhält sich genau wie zuvor, während Ihr Team die Ergebnisse prüft, und Sie entscheiden später, ob eine Richtlinie angewendet werden soll.

Kann das erkennen, wenn jemand KI in einem anderen Tab verwendet hat?

Keine Website kann Aktivitäten in einem anderen Tab oder auf einem anderen Gerät sehen. Proof of Actor meldet KI-Unterstützung, wenn sie deklariert ist oder über eine unterstützte Integration beobachtbar ist, und hält alles andere per Design offen und korrekt.

Was passiert, wenn die Evidenz nicht eindeutig ist?

Das Ergebnis ist Unknown. Unknown ist ein vollwertiges Ergebnis, das nie standardmäßig als menschlich und nie standardmäßig als bösartig behandelt wird. Ihre Richtlinie entscheidet, wie jeder Route damit umgeht.

Für wen ist Proof of Actor gebaut?

Für Teams, die SaaS-Anwendungen, Websites, APIs und MCP servers betreiben und verstehen wollen, wer oder was handelt, bevor sie eine Experience- oder Zugriffsrichtlinie festlegen.

Wie erhalte ich Zugang?

Proof of Actor befindet sich in der privaten Beta. Bewerben Sie sich für den Early Access. Ausgewählte Founding-Developer-Teams können innerhalb vereinbarter Nutzungslimits bis zu 12 Monate kostenlosen Zugang erhalten.

Wissen, wer Ihre App verwendet.

Private Beta für eine kleine Gruppe von Founding-Developern.

Frühen Zugang erhaltenPreise anzeigen

Möchten Sie zuerst sprechen? Mit den Gründern sprechen