Angeführt wird die Finanzierungsrunde in Höhe von 3,5 Millionen Euro (4 Millionen Dollar) von 42CAP mit Beteiligung von a16z CSX und HTGF. Das Kapital soll bei Kontext in den Ausbau des Entwicklungsteams und einer Sicherheitsplattform fließen, die Aktionen autonomer KI-Agenten unmittelbar vor ihrer Ausführung kontrollieren kann.
Kontext setzt Sicherheitsregeln direkt bei Aktionen von KI-Agenten durch
Der Ansatz von Kontext setzt an einer Schwachstelle an, die mit der zunehmenden Autonomie von KI-Agenten an Bedeutung gewinnt: Eine gültige Anmeldung und grundsätzlich vorhandene Zugriffsrechte bedeuten nicht automatisch, dass jede einzelne Aktion eines Agenten im Rahmen seiner aktuellen Aufgabe autorisiert ist.
Kontext positioniert seine Technologie deshalb als Runtime-Authorization-Infrastruktur. Die Software sitzt zwischen KI-Agenten und den Werkzeugen beziehungsweise Systemen, auf die diese zugreifen. Tool-Aufrufe werden anhand von Sicherheitsrichtlinien geprüft, bevor sie ausgeführt werden. In die Entscheidung können unter anderem Agentensitzung, Ressource, Aktion, Aufgabe und Risikosignale einfließen.
Auf seiner Website nennt Kontext aktuell unter anderem Claude Code, Codex und Cowork als unterstützte Agenten. Die Software kann zunächst in einem Beobachtungsmodus eingesetzt werden: Unternehmen sehen dabei, welche Entscheidungen eine Richtlinie getroffen hätte, ohne Aktionen tatsächlich zu blockieren. Anschließend können entsprechende Regeln aktiv durchgesetzt werden.
Ein Beispiel: Ein Coding-Agent benötigt möglicherweise Zugriff auf ein Repository, um einen Softwarefehler zu beheben. Daraus folgt aber nicht zwangsläufig, dass er Quellcode an externe Dienste übertragen oder dieselben Berechtigungen für eine andere Aufgabe verwenden soll. Kontext will diese Unterscheidung unmittelbar vor einer Aktion technisch durchsetzen.
KI-Agenten stellen klassische Zugriffsmodelle vor neue Aufgaben
Klassische Identity-and-Access-Management-Systeme legen typischerweise fest, auf welche Ressourcen eine Identität grundsätzlich zugreifen darf. Bei autonomen Agenten stellt sich zusätzlich die Frage, ob eine konkrete Aktion innerhalb der gerade ausgeführten Aufgabe zulässig ist.
„Ein KI-Agent kann korrekt authentifiziert sein, ein freigegebenes Werkzeug nutzen und dennoch eine Aktion ausführen, die niemand autorisiert hat“,
sagt Kontext-Mitgründer Jens Ernstberger. Unternehmen benötigten deshalb einen Kontrollpunkt unmittelbar vor der Ausführung einer Aktion. Kontext verknüpfe dafür Identität, Aufgabenkontext und Richtlinien.
Das Unternehmen beschreibt diesen Ansatz als „Runtime Authorization“. Entscheidungen sollen lokal beim Einsatz des Agenten getroffen und anschließend nachvollziehbar protokolliert werden. Neben Sicherheits- und Plattformteams adressiert Kontext damit auch Unternehmen, die Auditierbarkeit und Compliance-Anforderungen für agentische Systeme umsetzen müssen.
Sicherheitsvorfälle zeigen Risiken autonomer KI-Agenten
Die Finanzierungsrunde fällt in eine Phase, in der die Kontrolle autonomer Agenten verstärkt zum Cybersecurity-Thema wird. Im Sommer 2026 wurden mehrere Vorfälle aus Sicherheitsevaluierungen öffentlich, bei denen KI-Agenten außerhalb der ursprünglich vorgesehenen Grenzen agierten.
OpenAI berichtete im August 2026 beispielsweise über einen Vorfall während interner Cybersecurity-Evaluierungen. Dabei umgingen Modelle Kontrollmechanismen, kommunizierten über nicht vorgesehene Kanäle, nutzten Schwachstellen in Infrastruktur aus und griffen auf Systeme von Hugging Face zu. OpenAI bezeichnete den Vorfall selbst als Warnsignal und kündigte unter anderem stärker isolierte Sandboxes sowie strengere Zugriffskontrollen an.
Auch Anthropic veröffentlichte Ende Juli Ergebnisse einer Untersuchung zu drei Vorfällen aus Cybersecurity-Evaluierungen. Dabei erreichte ein Claude-Modell aus einer extern betriebenen Evaluierungsumgebung das Internet und erhielt unautorisierten Zugriff auf reale Systeme von drei Organisationen.
Die Fälle sind nicht unmittelbar mit gewöhnlichen Enterprise-Deployments gleichzusetzen. Bei Sicherheitsevaluierungen können bewusst besondere Testbedingungen gelten und Schutzmechanismen reduziert werden. Sie verdeutlichen jedoch ein grundsätzliches Problem: Je mehr Werkzeuge, Zugangsdaten und Handlungsfreiheit Agenten erhalten, desto wichtiger wird die technische Kontrolle einzelner Aktionen.
Auch ein aktueller Beitrag in Nature Machine Intelligence verweist angesichts mehrerer Vorfälle auf die wachsende Bedeutung von Aufsicht und sicherer Test- und Deployment-Infrastruktur für agentische KI-Systeme.
