Zum Hauptinhalt springen
MENSCH VS. AGENTEN-TRAFFIC

Menschlichen, KI-unterstützten und Agenten-Traffic auseinanderhalten

Geben Sie jeder Interaktion eine klare Klasse und eine klare Grundlage, damit Ihre Anwendung Menschen, Menschen mit KI und autonome Agenten so bedienen kann, wie es jeder von ihnen entspricht.

Frühen Zugang erhaltenFunktionsweise erkunden
Toshendra Sharma

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

Zwei Kategorien reichen nicht mehr aus

Jahrelang wurde Traffic in zwei Gruppen eingeteilt: Menschen und Bots. Menschen bekamen das Produkt. Bots wurden blockiert, rate-limited oder ignoriert.

Diese Aufteilung trägt heute nicht mehr. Einige automatisierte Besucher sind Agenten, die im Auftrag echter Kunden handeln: ein Assistent, der Pläne vergleicht, ein Agent, der Daten über Ihre API abruft, ein Tool, das Ihren MCP server aufruft, um eine Aufgabe abzuschließen. KI-Anbieter dokumentieren diese Art von nutzerinitiiertem Zugriff inzwischen selbst: OpenAI erklärt, dass sein ChatGPT-User-Agent Seiten besucht, wenn ein Nutzer ChatGPT eine Frage stellt (OpenAI crawler documentation), und Anthropic führt Claude-User für denselben Zweck auf (Anthropic crawler documentation). Gleichzeitig arbeiten manche Menschen eng mit KI zusammen, entwerfen Nachrichten, füllen Formulare aus und navigieren Produkte mit einem Assistenten an ihrer Seite. All das in Mensch oder Bot zu pressen, führt in beide Richtungen zu schlechten Entscheidungen. Legitime Agenten werden blockiert, und echte Menschen werden herausgefordert, weil ihr Verhalten ungewöhnlich aussieht.

Um menschlichen und KI-Agenten-Traffic zu unterscheiden und dabei gute Entscheidungen zu treffen, brauchen Sie mehr Kategorien und Sie müssen wissen, wie belastbar jedes Ergebnis ist. Der Blogbeitrag how to tell if website traffic comes from AI agents geht die Signale durch, die das möglich machen, und der SaaS apps use case zeigt, wo diese Unterscheidung Produktentscheidungen verändert.

Vier Klassen, jede mit einer präzisen Bedeutung

Proof of Actor klassifiziert Interaktionen in vier Klassen. Jede hat eine Definition und eine klare Grenze, damit niemand in Ihrem Team mehr in ein Ergebnis hineinliest, als die Evidenz trägt. Die Begründung hinter dieser Taxonomie finden Sie in Human, AI-assisted or agent: a taxonomy for app traffic.

Human

Die unterstützten beobachtbaren Signale deuten auf eine menschlich gesteuerte Interaktion hin. Bei dieser Klasse geht es darum, wer die Interaktion steuert, nicht um Identität. Ein Human-Ergebnis verifiziert nicht, wer die Person ist, und behauptet auch nicht, dass nirgendwo KI verwendet wurde.

Human + AI

KI-Unterstützung wurde deklariert oder über eine unterstützte Integration beobachtet, die sie tatsächlich sehen kann. Beispiele sind ein Nutzer, der Inhalte über Ihre eigene Offenlegungskontrolle als mit KI verfasst kennzeichnet, oder Ihre Anwendung, die meldet, dass ihr eingebauter Assistent im Auftrag eines angemeldeten Nutzers eine Aktion ausgeführt hat. Mehr dazu im Glossareintrag AI-assisted interaction.

Agent

Automatisierte oder agentische Interaktion, gestützt durch verifizierbare Identität, etwa eine gültige Request-Signatur von einem veröffentlichten Schlüssel, oder durch eine sorgfältig qualifizierte Inferenz. Ein Agent-Ergebnis beschreibt, wer handelt. Es bedeutet nicht, dass der Agent autorisiert, sicher oder mit gültiger Delegation durch eine Person handelt. Mehr zu autonomous agents.

Unknown

Die verfügbaren Evidenzdaten erlauben keine verlässliche Bestimmung. Unknown ist ein ehrliches und nützliches Ergebnis: Es zeigt, wo Ihre Abdeckung endet, und ermöglicht es Ihren Richtlinien, unsichere Fälle bewusst statt zufällig zu behandeln.

Jede Klasse kommt mit einer Grundlage

Menschlichen und Agenten-Traffic zu trennen ist nur die halbe Arbeit. Die andere Hälfte ist zu wissen, wie stark jede Schlussfolgerung ist. Deshalb trägt jedes Proof of Actor-Ergebnis eine Grundlage:

  • Verified: eine überprüfbare Aussage wurde validiert, zum Beispiel eine Request-Signatur, die gegen einen veröffentlichten Schlüssel geprüft wurde.
  • Declared: der Client oder Ihre Anwendung hat es angegeben, zum Beispiel wenn ein Agent sich selbst benennt oder ein Nutzer KI-Unterstützung offenlegt.
  • Inferred: eine Schlussfolgerung, die aus Verhaltens- oder Kontextsignalen gezogen wurde und immer als Inferenz gekennzeichnet ist.
  • Unknown: zu wenig Evidenz für eine Bestimmung.

Die Kombination aus Klasse und Grundlage ermöglicht präzise Regeln. Ein verifizierter Agent und ein inferierter Agent sind beide Agenten, aber Sie möchten dem ersten vielleicht eine strukturierte API geben und den zweiten mit einem Standard-Rate-Limit behandeln. Eine deklarierte KI-unterstützte Einreichung und eine menschliche Session können beide normal fortfahren, mit einem Label, das Ihrem Support-Team hilft. Die vollständige Taxonomie finden Sie unter Detection & Limitations.

Wie die Klassifizierung abläuft

Proof of Actor folgt bei jeder Interaktion demselben evidenzbasierten Pfad. Die vollständige Erklärung steht unter How It Works.

Die Signale, die Ihre Integration sehen kann

  • Request-Signaturen von automatisierten Clients, die ihre Schlüssel veröffentlichen, unter Verwendung von HTTP Message Signatures gemäß RFC 9421. Die IETF Web Bot Auth working group hat den Auftrag, zu standardisieren, wie automatisierte Clients sich auf diese Weise authentifizieren.
  • Deklarationen von Clients, die sich selbst identifizieren, etwa die dokumentierten User-Agents von KI-Crawlern und Fetchern, und von Ihrer eigenen Anwendung, wenn sie weiß, dass KI-Unterstützung im Spiel ist.
  • Request-Kontext, der einer serverseitigen Integration zur Verfügung steht, etwa Header und Protokolldetails.
  • Interaktionssignale aus einer genehmigten Browser-Integration auf den Seiten, auf denen sie läuft.

Von Signalen zu einem Ergebnis

Signale werden geprüft, nach Grundlage gekennzeichnet und zusammengeführt. Starke verifizierte Evidenz führt zu einem belastbaren Ergebnis. Schwache oder widersprüchliche Evidenz führt zu einer qualifizierten Inferenz oder zu Unknown. Ein Timeout oder ein fehlendes Signal wird niemals zu einem Human-Ergebnis. Das Ergebnis besteht aus einer Klasse, einer Grundlage und einer Evidenzzusammenfassung, die jeder in Ihrem Team lesen kann.

Was Sie tun können, sobald der Traffic getrennt ist

Proof of Actor ist um drei Fähigkeiten herum aufgebaut: Detect, Understand und Route.

Den Akteur hinter jeder Interaktion erkennen

Sammeln Sie die in jedem Kontext verfügbaren Signale und trennen Sie verifizierte Aussagen von Inferenz. Halten Sie Unknown sichtbar.

Verstehen, wie jeder Akteur Ihr Produkt nutzt

Sehen Sie die Mischung aus menschlicher, KI-unterstützter, agentischer und unbekannter Aktivität nach Route und im Zeitverlauf. Öffnen Sie ein beliebiges Ergebnis, um zu sehen, was bekannt ist und was nicht. Erkennen Sie die Routen, auf denen sich Agenten konzentrieren, und die Workflows, in denen KI-Unterstützung häufig ist.

Jeden Akteur auf das passende Erlebnis lenken

Wenden Sie Ihre eigenen Richtlinien an, sobald die Evidenz sie trägt. Auf einer öffentlichen Website zeigt der websites use case, wie sich diese Entscheidungen auf reale Routen abbilden:

  • Verifizierten Agenten eine strukturierte Antwort oder API statt menschenähnlicher Seiten bereitstellen.
  • Das Standarderlebnis für menschlich gesteuerte Sessions beibehalten.
  • KI-unterstützte Einreichungen kennzeichnen, damit das richtige Team sie bearbeitet.
  • Bei sensiblen Aktionen stärkere Berechtigungsnachweise anfordern, wenn Ihre eigenen Bedingungen es erfordern.
  • Für Unknown je Route einen expliziten Fallback wählen, etwa öffentliche Seiten zulassen und bestehende Prüfungen bei Kontoänderungen beibehalten.

Der Leitfaden rolling out actor-aware policies safely beschreibt, wie Sie von Beobachtung zu Durchsetzung Route für Route wechseln.

Warum das für Ihre Nutzer wichtig ist

Wenn Sie das richtig machen, profitieren alle, die Ihre Anwendung nutzen.

Menschen erleben einen reibungsloseren Ablauf, weil sie nicht wegen eines vagen Scores herausgefordert werden. Menschen, die mit KI arbeiten, erhalten Unterstützung für offenlegte Hilfe in Workflows, in denen das passt. Legitimen Agenten wird ein zuverlässiger, strukturierter Weg gegeben, ihre Aufgaben zu erledigen, was Scraping und Last auf Ihrer Oberfläche reduziert. Ihr Team erhält nachvollziehbare Entscheidungen, sodass Supportgespräche, Incident-Reviews und Richtlinienänderungen auf Evidenz und nicht auf Vermutungen beruhen.

Ein Login ist nicht der Akteur

Eine der häufigsten Fehlerquellen ist das Konto selbst. Eine angemeldete Session sagt Ihnen, welches Konto in Verwendung ist. Sie sagt Ihnen nicht, wer die aktuelle Interaktion steuert. Dasselbe Konto kann morgens vom Eigentümer genutzt werden, der sich durch Einstellungen klickt, mittags von einem Assistenten, den der Eigentümer gebeten hat, einen Bericht zu exportieren, und abends von einem Agenten, der über einen API key arbeitet.

Alle drei gleich zu behandeln, verursacht in beide Richtungen Probleme. Wenn jede Anfrage auf dem Konto als vom Eigentümer stammend angenommen wird, kann ein Agent auf Workflows zugreifen, die für eine Person gedacht waren. Wenn jede ungewöhnliche Anfrage als Angriff angenommen wird, werden die eigenen Tools des Eigentümers blockiert. Wenn Sie den Akteur vom Konto trennen, kann Ihre Anwendung Authentifizierung und Autorisierung genau so lassen, wie sie sind, und den fehlenden Kontext darüber ergänzen, wer gerade handelt. Dieser Kontext macht es möglich, Agenten strukturierten Zugriff anzubieten, ohne ihnen menschenexklusive Workflows zu öffnen.

Im Beobachtungsmodus starten

Jede Bereitstellung beginnt im Beobachtungsmodus. Proof of Actor zeichnet Ergebnisse auf, während Ihre Anwendung genau wie zuvor reagiert. Ihr Team baut eine Basislinie für menschliche, KI-unterstützte, agentische und unbekannte Aktivität auf, vergleicht sie mit bereits bekannten Ergebnissen und prüft falsche Positive, bevor sich eine einzige Regel ändert. Wenn eine Richtlinie bereit ist, aktivieren Sie sie für einen Workflow und erweitern dann von dort aus.

Dem Gründungsentwicklerprogramm beitreten

Proof of Actor befindet sich in einer privaten Beta mit einer kleinen Gruppe von Anwendungsteams. Ausgewählte Founding Developers können im Rahmen vereinbarter Nutzungsgrenzen bis zu 12 months free erhalten, im Austausch für praktisches Feedback. Sie erhalten direkte Integrationsunterstützung von unseren Ingenieuren, frühzeitigen Zugriff auf Funktionen und Einfluss auf Prioritäten.

Wenn Sie in Ihrer Anwendung menschlichen und KI-Agenten-Traffic unterscheiden müssen, apply for early access und erzählen Sie uns von der Interaktion, die Sie am meisten verstehen möchten.

Entdecken Sie Proof of Actor, lesen Sie how it works oder sehen Sie genau, what the evidence can 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 unterscheiden Sie menschlichen und KI-Agenten-Traffic?

Proof of Actor kombiniert die Signale, die Ihre Integration beobachten kann, etwa Request-Signaturen, Client-Deklarationen, Request-Kontext und Browser-Interaktionssignale, und liefert eine Klasse mit einer expliziten Grundlage.

Warum gibt es eine Human + AI-Klasse?

Manche Menschen arbeiten mit einem KI-Assistenten an ihrer Seite. Sie entweder als vollständig menschlich oder vollständig automatisiert einzuordnen, verliert wichtigen Kontext. Human + AI umfasst Unterstützung, die deklariert ist oder über eine unterstützte Integration beobachtbar ist.

Ist ein Agent-Ergebnis dasselbe wie ein bösartiger Bot?

Nein. Viele Agenten sind legitime Teilnehmer. Ein Agent-Ergebnis beschreibt, wer handelt, nicht, ob die Aktion erlaubt ist. Ihre Richtlinien entscheiden, wie jeder Agent bedient wird.

Was ist, wenn der Traffic nicht klassifiziert werden kann?

Er wird als Unknown gemeldet, als Ergebnis erster Klasse. Unknown wird niemals zu Human umgedeutet und standardmäßig nie als bösartig behandelt.

Muss ich etwas blockieren?

Nein. Sie beginnen im Beobachtungsmodus, prüfen die Ergebnisse und aktivieren Richtlinien nur dort, wo Ihr Team sicher ist, dass sie passen.

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