Wie funktioniert Policy as Code?
Die Anwendung fragt, die Policy Engine entscheidet, und die Anwendung setzt die Entscheidung durch. Open Policy Agent fasst das Design in einem Satz: „OPA decouples policy decision-making from policy enforcement“ (OPA-Dokumentation, abgerufen am 16. November 2026). Der Aufrufer sendet strukturiertes JSON, das die Anfrage beschreibt, und die Engine wertet es gegen die Policies aus. Hier eine Regel für das Erstattungswerkzeug eines AI-Agenten in Rego-v1-Syntax, für die OPA 1.0 das Schlüsselwort if verpflichtend gemacht hat (OPA-Upgrade-Leitfaden für v0, abgerufen am 16. November 2026):
package agent.refunds
default allow := false
allow if {
input.tool == "issue_refund"
input.amount <= 200
input.agent.scope == "support"
}
Was nicht ausdrücklich erlaubt ist, wird abgelehnt. Die Regel liegt außerhalb des Modells, also kann sich kein Prompt an ihr vorbeiargumentieren.
Welche Tools gibt es für Policy as Code?
In der Praxis decken vier Engines den Großteil von Policy as Code ab, jede entscheidet an einer anderen Stelle.
| Tool | Sprache | Wo es entscheidet | Wissenswert |
|---|---|---|---|
| Open Policy Agent | Rego | In jedem Dienst, der es abfragt | Seit dem 4. Februar 2021 Graduated Project der CNCF (CNCF) |
| OPA Gatekeeper | Rego | Kubernetes-Admission | „Policy Controller for Kubernetes“ (GitHub) |
| HashiCorp Sentinel | Sentinel | HashiCorp-Produkte | Stufen Advisory, Soft-Mandatory und Hard-Mandatory (Dokumentation) |
| Cedar | Cedar | Autorisierung in Anwendungen | Policy in Amazon Bedrock AgentCore prüft Tool-Aufrufe von Agenten am Gateway (AWS-Dokumentation) |
Alle vier Quellen abgerufen am 16. November 2026. Die drei Stufen von Sentinel entsprechen der Aufteilung in Erlauben, Nachfragen und Ablehnen, die Agenten brauchen: Advisory protokolliert einen Verstoß, Soft-Mandatory lässt sich übersteuern, Hard-Mandatory nicht.
Warum ist Policy as Code für AI-Agenten wichtig?
Ein Agent wählt seine Werkzeuge erst zur Laufzeit, daher ist eine Berechtigung in seinem Prompt nur ein Vorschlag. Policy as Code verlegt die Entscheidung an die Werkzeuggrenze, wo eine Agent Policy Engine Identität, Parameter und Geltungsbereich prüft, bevor irgendetwas ausgeführt wird, und wo eine Ablehnung den Aufruf tatsächlich stoppt. AWS beschreibt, dass seine AgentCore-Policies „all agent traffic“ über das Gateway abfangen und jede Anfrage „before allowing tool access“ auswerten (Quelle oben). Halten Sie die Agent-Autorisierung deterministisch und überlassen Sie die Ausnahmen der Tool-Freigabe. Beschränken Sie jede Policy auf Least Privilege, versionieren Sie sie, prüfen Sie jede Änderung und testen Sie sie wie Code mit Fällen, die erlaubt, und Fällen, die abgelehnt werden müssen.
Wie nutzen wir Policy as Code bei Soba Labs?
Jede wesentliche Änderung, die unsere automatisierten Routinen vornehmen, kommt als Pull Request an. Ein Gate entscheidet dann, ob sie gemergt wird, bei Code, Dokumenten und dieser Website gleichermaßen. Das Gate führt zuerst deterministische Prüfungen aus: eine versionierte Datei mit verbotenen Mustern, die eingrenzt, was veröffentlicht werden darf, einen Lint über die hinzugefügten Zeilen, einen Secret-Scan und eine Prüfung unseres rechtlichen Firmennamens. Danach beurteilt ein Sprachmodell den Diff, und eine schriftliche Rubrik im selben Repository ist sein einziger gültiger Grund, eine Änderung abzulehnen; ein Urteil, das sich auf eine Regel außerhalb davon beruft, geht stattdessen an einen Menschen. Ein separater Workflow merget, sobald jede Prüfung grün ist.
Zwei Entscheidungen halten das ehrlich. Ein Pull Request, der die Regeln des Gates selbst ändert, wartet auf einen Menschen, damit sich die Policy nicht selbst umschreiben kann. Und die Entscheidungsrechte unserer Agenten, also welche Aktionen sie allein ausführen, welche sie vorschlagen und bei welchen sie nachfragen, hängen von der Aktion ab, nie davon, wie sicher sich der Agent fühlt. Warum ein gemessenes Signal die eigene Zuversicht eines Modells schlägt, erklären wir in deterministic confidence gates (auf Englisch).