Erfassen Sie Modelle, Experimente, GPUs und Nutzerlizenzen, vom Hyperparameter-Sweep auf einem Trainingscluster bis zum ChatGPT-Abonnement, das jemand über Spesen abgerechnet hat. Eine Asset-Klasse, gesteuert wie jede andere.
Die fünfte Asset-Klasse · eine Plattform
Eine Asset-Klasse
Vier Ebenen gesteuert
Agenten
MCPJeder Tool-Aufruf auditiert, eingeschränkt und auf das Kontingent angerechnet.
Model-Context-Protocol-Server
Modelle und Experimente
MLLäufe, Laufgruppen, Artefakte und Datensatz-Herkunft.
Modell-Registry
Trainings-Rechenleistung
GPUExecutors richtig dimensioniert, migriert und abgeschaltet.
Empfehlungs-Engine mit 26 Checks
Nutzerlizenzen und API-Schlüssel
NUTZERLIZENZAbonnements gefunden, eingestuft und zurückgeholt.
SaaS-Lizenz-Engine
Datenmodell und Richtlinien-Engine sind dieselben, die bereits die anderen vier Asset-Klassen steuern.
Die Finanzabteilung sieht eine KI-Rechnung. Die Entwicklung sieht einen Cluster teurer Rechenleistung. Die Security sieht ein nicht genehmigtes KI-Tool mit Zugriff auf Kundendaten. Jedes Team kennt einen Teil des Bildes, niemand das Ganze, und die Rechnung wächst jeden Monat. CerteroX führt jedes KI-Tool, jedes Abonnement und jeden Workload in einem Datensatz zusammen. So sehen Sie, was im Einsatz ist, was es kostet und wer es freigegeben hat.
Ungenutzte KI-Abonnements werden gefunden und zurückgeholt, und die Rechenleistung hinter Ihren eigenen KI-Projekten wird von derselben Kosten-Engine auf Verschwendung geprüft, die bereits Ihre Cloud-Ausgaben überwacht.
Jedes eingesetzte KI-Tool wird gefunden, nach seiner Verbreitung sortiert und nach den erteilten Zugriffsrechten bewertet. Sie entscheiden, was genehmigt, was blockiert und was unangetastet bleibt.
KI wird genauso gesteuert wie Ihre Laptops, Ihre Software und Ihre Cloud, vom selben Team. Wenn Sie bereits andere CerteroX-Produkte einsetzen, erfordert die Ergänzung um KI keinen Integrationsaufwand.
Sie sehen die vollständigen technischen Details. Schalten Sie sie aus, um die Kurzfassung zu sehen.
Technische Details ausblendenNiemand sieht alle drei, und die Ausgaben wachsen Monat für Monat immer schneller.
Vier Felder nicht aufgeschlüsselt
10 laufend · 5 inaktiv · 17 gestoppt
drive.readonly mail.read offline_access Von 41 Nutzern genehmigt · nie geprüft
calendar.read profile CerteroX sieht alle drei.
Mehr erfahren
Demo buchenZehn Personen mit einem Chat-Assistenten sind ein Thema für eine Richtlinie. Tausend sind ein Vorfall, der nur darauf wartet, protokolliert zu werden. Das Board stuft jedes erkannte Tool nach Anteil an der Organisation ein, bewertet seine Berechtigung und gibt Ihnen einen zentralen Ort für Entscheidungen.
AI Management / Schatten-KI
Stufe 1 – Breite Verbreitung über 25 % der Organisation
Stufe 2 – Im Kommen 5 % bis 25 %
Stufe 3 – Vereinzelt unter 5 %
OpenAI · erkannt über Browser + OAuth
Risikobewertung der OAuth-Berechtigung
Bewertet von 0–100 nach Datensensibilität, Umfang der Scopes, Zustimmungsmuster und Inaktivität.
Erteilte Scopes
drive.file email offline_access Workflow
Bei neuem Nutzer → dem KI-Budgetpool zuordnen, SSO verlangen
Verlauf der Berechtigung
Schatten-KI-Status
GitHub · erkannt über Konnektor-Synchronisierung
Risikobewertung der OAuth-Berechtigung
Bewertet von 0–100 nach Datensensibilität, Umfang der Scopes, Zustimmungsmuster und Inaktivität.
Erteilte Scopes
repo read:org Workflow
Bei 30 Tagen ohne Nutzung → Nutzerlizenz zurückholen, Verantwortliche(n) benachrichtigen
Verlauf der Berechtigung
Schatten-KI-Status
Anthropic · erkannt über Browser-Erweiterung
Risikobewertung der OAuth-Berechtigung
Bewertet von 0–100 nach Datensensibilität, Umfang der Scopes, Zustimmungsmuster und Inaktivität.
Erteilte Scopes
keine beobachtet Workflow
Bei Abteilungsschwellenwert → Einkaufsprüfung eröffnen
Verlauf der Berechtigung
Schatten-KI-Status
Perplexity AI · erkannt über Browser-Erweiterung
Risikobewertung der OAuth-Berechtigung
Bewertet von 0–100 nach Datensensibilität, Umfang der Scopes, Zustimmungsmuster und Inaktivität.
Erteilte Scopes
profile Workflow
Bei Anteil über 15 % → an Security-Prüfung eskalieren
Verlauf der Berechtigung
Schatten-KI-Status
Midjourney · erkannt über Spesen + Browser
Risikobewertung der OAuth-Berechtigung
Bewertet von 0–100 nach Datensensibilität, Umfang der Scopes, Zustimmungsmuster und Inaktivität.
Erteilte Scopes
identify guilds Workflow
Bei Spesentreffer → dem Anwendungsdatensatz zuordnen
Verlauf der Berechtigung
Schatten-KI-Status
Nicht verifizierter Hersteller · erkannt über OAuth-Berechtigung
Risikobewertung der OAuth-Berechtigung
Bewertet von 0–100 nach Datensensibilität, Umfang der Scopes, Zustimmungsmuster und Inaktivität.
Erteilte Scopes
drive.readonly mail.read offline_access Workflow
Bei Risiko über 85 → Berechtigung entziehen, Security-Kanal alarmieren
Verlauf der Berechtigung
Schatten-KI-Status
Dieselben vier Fragen, die wir an einen Laptop, eine Oracle-Datenbank und einen S3-Bucket stellen, jetzt gestellt an Modelle, Experimente, GPUs und Nutzerlizenzen, und beantwortet von denselben Engines.
01 Transparenz
Jedes eingesetzte KI-Tool wird gefunden und erfasst.
Browser, Identitätsanbieter und Anbieter-Konnektor
8 benannte Funktionen
02 Optimierung
ML-Executors landen in Kostenpools mit hinterlegten Budgets.
GPU-Flotte, KI-Nutzerlizenzen und Modell-APIs in einem Kostenpool
7 benannte Funktionen
03 Management
Runsets stellen ihre eigenen Cloud-Runner bereit und erfassen jeden Run darauf.
| churn-propensity | v7 | Produktion |
| doc-embed-base | v3 | Staging |
| ticket-router | v11 | Archiviert |
Modell-Registry · beispielhafter Auszug
7 benannte Funktionen
04 Governance
KI-Nutzung genehmigen, einschränken und belegen, bevor daraus ein Vorfall wird.
Risikoschwelle für die Berechtigungsbewertung
7 benannte Funktionen
So hilft CerteroX AI Management
Demo buchenKI-Governance wird meist als Dashboard verkauft, das an einen SaaS-Katalog angeflanscht ist. Diese Teile funktionieren nur, wenn die Plattform darunter bereits alles andere steuert.
01
Nutzerlizenz, API-Schlüssel, GPU-Flotte und Agent landen in verschiedenen Budgets bei verschiedenen Verantwortlichen, und jedes davon geht auf eigene Weise schief. CerteroX steuert sie alle, weil es SaaS, Cloud, Assets und Identitäten bereits steuert. Ein Governance-Status deckt alles ab.
Vier Formen · drei Engines
02
Jedes CerteroX-Produkt stellt einen Model-Context-Protocol-Server mit eingeschränkten Tokens und Audit jedes Aufrufs bereit. Ihre KI-Agenten können Ihre Technologie-Assets, die Cloud-Rechnung und die Lizenzposition direkt abfragen, und Sie sehen genau, was sie angefragt haben.
| Zeit | Agent | Tool-Aufruf | Token-Scope | Ergebnis |
|---|---|---|---|---|
| 17:02:11 | finops-copilot | certerox.cloud.expenses.query | pool:ml-research | ok 142 ms |
| 17:02:14 | finops-copilot | certerox.sam.licence.position | publisher:oracle | ok 88 ms |
| 17:02:19 | sec-triage | certerox.saas.grants.list | risk>=70 | ok 201 ms |
| 17:02:22 | sec-triage | certerox.saas.grants.revoke | grant:8c1f | abgelehnt Kontingent |
| 17:02:26 | asset-desk | certerox.itam.devices.search | site:eu-west | ok 63 ms |
| $ | ||||
Empfehlungen · ML-Executors
6 von 26 angezeigt
Jeder Check hat eigene Schwellenwerte, Pool-Ausschlüsse und Kontoausnahmen. Für GPUs wurde nichts neu geschrieben.
03
ML-Executors sind Cloud-Instanzen. Deshalb greifen die Erkennung verwaister Ressourcen, Rightsizing, Generations-Upgrade und Spot-Migration automatisch auch für sie. KI-Kostenoptimierung ist kein separates Produkt, weil sie keins sein muss.
Alle sechsundzwanzig, in Cloud ManagementModellanbieter, die ML-Plattform, die Rechenleistung darunter und das Protokoll, das Ihre Agenten sprechen.
Die KI-Ebene reicht weiter als diese Liste, weil die Plattform darunter bereits mit Ihrem Identitätsanbieter, Ihrer Cloud-Rechnung und jeder Ihrer SaaS-Anwendungen verbunden ist. Diese Verbindungen nutzt auch die KI-Ebene.
Wie die Plattform angebunden istModellanbieter
ML-Plattformen und Frameworks
Rechenleistung und Clouds
Agentenprotokoll
Dazu jeder Konnektor, den der Rest der Plattform mitbringt. Vollständige Liste ansehen.
Sechs Fragen, die uns in jedem Gespräch über AI Management gestellt werden. Ist Ihre nicht dabei, bekommen Sie die Antwort in einem kurzen Telefonat statt über ein Formular.
Die Klassifizierung stammt aus den Feature-Tags der Anwendungen im Katalog. Hat eine neu katalogisierte Anwendung KI-Funktionen, erscheint sie in der Schatten-KI-Ansicht, ohne dass jemand eine Regel bearbeitet. Das ist wichtig, weil sich der Erkennungsumfang jeden Monat ändert.
Nein. ML-Executors werden über dieselben Cloud-Konnektoren erkannt, die bereits Ihre Abrechnung und Ihr Ressourceninventar auslesen, daher braucht die Rechenebene keinen zusätzlichen Footprint. Spark-Workloads lassen sich zusätzlich mit dem Delight Agent Collector instrumentieren, wenn Sie Details auf Ebene einzelner Läufe wünschen.
Ja. Erkennung und Durchsetzung sind getrennt. Jedes erkannte Tool durchläuft einen Status-Workflow (verwaltet, blockiert oder ignoriert) und bleibt in dem Status, den Sie wählen. Workflow-Automatisierung zum Alarmieren, Blockieren oder Entziehen ist optional und wird pro Anwendung aktiviert.
Jedes CerteroX-Produkt stellt einen Model-Context-Protocol-Server bereit. Tokens sind pro Organisation eingeschränkt, jeder Tool-Aufruf wird auditiert und auf das Kontingent angerechnet, und über externe MCP-Plugins kann die Plattform Ihre anderen Server aufrufen. Vorab muss nichts individuell entwickelt werden.
Nein, und das sollte es auch nicht sein. Ein ML-Executor ist eine Cloud-Instanz, daher weiß die Empfehlungs-Engine bereits, was damit zu tun ist. Alle 26 Checks laufen gegen die GPU-Flotte. Aus demselben Grund werden KI-Nutzerlizenzen über die SaaS-Lizenz-Engine zurückgeholt.
Nein. Jedes CerteroX-Produkt läuft eigenständig auf einem gemeinsamen Asset-Modell. AI Management bietet zusammen mit SaaS Management und Cloud Management den größten Umfang, weil Nutzerlizenzen und GPUs von diesen Engines gesteuert werden. Eine spätere Ergänzung verursacht aber keinen Integrationsaufwand.
Die Demo beginnt mit dem Schatten-KI-Board: die bereits genutzten Assistenten, die Nutzerlizenzen, die seit einem Monat niemand geöffnet hat, die Modell-APIs, die unbemerkt abrechnen, und was eine Trainingsflotte tatsächlich kostet.
Kein PDF hinter einem Formular. Nur eine befüllte Umgebung, eine technische Ansprechperson im Gespräch und eine ehrliche Antwort.