Die Informationen, die Beschäftigte mit Tools für künstliche Intelligenz teilen, die Daten, auf die diese Systeme zugreifen, und die Zuverlässigkeit der erzeugten Inhalte schaffen neue Sicherheitsprobleme in den Bereichen Finanzen, Gesundheit, öffentliche Verwaltung und Verteidigung. Das von dem in Aserbaidschan geborenen Unternehmer Yagub Rahimov 2021 in den USA gegründete Unternehmen Polygraf AI entwickelt eine Sicherheitsschicht zwischen Organisationen und Tools für künstliche Intelligenz. Das Produkt AI Behavioral Control Plane soll darauf abzielen, sensible Daten zu identifizieren, Sicherheitsregeln durchzusetzen sowie die Weitergabe vertraulicher Informationen, durch künstliche Intelligenz verursachten Betrug und erzeugte Inhalte zu erkennen. Die kleinen Sprachmodelle des Unternehmens können in privaten Rechenzentren oder in Systemen ohne Internetzugang betrieben werden. Die Technologie Content Source Detection konzentriert sich darauf, von Menschen und künstlicher Intelligenz erstellte oder nachträglich veränderte Dokumente zu unterscheiden; das Patent wurde im April 2026 vom US-Patent- und Markenamt genehmigt. Statt Modelle zu entwickeln, wandte sich das Unternehmen von der Erkennung nicht vertrauenswürdiger Inhalte der Sicherheit künstlicher Intelligenz, dem Datenschutz und der Inhaltsvalidierung zu.
Warum das wichtig ist
Dieser Ansatz entspricht dem Bedarf, Sicherheitsregeln auf einer zentralen Ebene anzuwenden, anstatt die von Beschäftigten in Organisationen, die sensible Daten nutzen, eingesetzten Tools für künstliche Intelligenz einzeln zu überwachen. Dass die Lösungen in privaten Rechenzentren und Umgebungen ohne Internetzugang betrieben werden können, betrifft Finanz-, Gesundheits-, öffentliche und Verteidigungsorganisationen direkt, bei denen die Übertragung von Daten an externe Systeme eingeschränkt ist. Dass sich das Unternehmen von der Modellentwicklung der Sicherheit, dem Datenschutz und der Inhaltsvalidierung zugewandt hat, zeigt, dass künstliche Intelligenz nicht nur anhand ihrer Produktionskapazität, sondern gemeinsam mit institutionellen Risiken und der Herkunft der Ausgaben betrachtet wird. Da der Text jedoch keine Daten zur Erkennungsgenauigkeit, zu den Raten falscher Ergebnisse oder zur Leistung bei der Anwendung in Organisationen liefert, bleibt die Wirksamkeit der Technologie unter realen Einsatzbedingungen eine offene Frage.