prompt injections.de
Werkzeug

Lakera Guard

Lakera Guard ist eine API- und Laufzeitschutzschicht für LLM-Anwendungen, die Inhalte vor und nach einer Modellinteraktion auf Sicherheitsrisiken prüft.1 Das Produkt wird im August 2026 als Check Point AI Guardrails dokumentiert; es stammt aus der von Check Point übernommenen Lakera-Technologie.2 Der Ansatz richtet sich an Teams, die Prompt Injection, Datenabfluss, problematische Tool-Nutzung und weitere Risiken in Chatbots, RAG-Systemen und Agenten kontrolliert behandeln wollen.1

Funktionsweise

Die aktuelle API ist über https://api.lakera.ai/v2 versioniert und stellt insbesondere die Endpunkte /guard für die Prüfung sowie /guard/results für detaillierte Detektorergebnisse bereit.1 Eine Anfrage kann Eingaben, Modellantworten und den Gesprächskontext enthalten; die konfigurierten Richtlinien entscheiden, welche Prüfungen ausgeführt werden.3 Im Detect-Modus werden Treffer beobachtet, ohne die Antwort als blockiert zu markieren, während Enforce bei einem Richtlinientreffer flagged: true zurückgibt und die Anwendung anschließend selbst blockieren, warnen oder alarmieren kann.3

Für moderne Agenten ist relevant, dass laut Dokumentation auch Tool-Antworten, Tool-Beschreibungen, Tool-Aufrufe und die Nutzung gesperrter Werkzeuge geprüft werden können.1 Bei RAG-Anwendungen empfiehlt der Anbieter, Dokumente bereits bei der Aufnahme offline zu prüfen und nicht erst bei jeder Anfrage erneut zu scannen.3 Die API unterstützt außerdem Ergebnisaufschlüsselungen mit Detektorstatus und Konfidenz sowie optionale Trefferpositionen zum Maskieren erkannter personenbezogener Daten, Profanität oder eigener regulärer Ausdrücke.3

Eine allgemeine feste Latenzgarantie ist in der geöffneten technischen Dokumentation nicht ausgewiesen. Check Point nennt in der Übernahmeankündigung jedoch nach eigenen Angaben Erkennungsraten von über 98 Prozent und eine Latenz unter 50 Millisekunden; diese Werte sind Anbieterangaben und keine unabhängige Wirksamkeitsstudie.2 Die technische Dokumentation weist darauf hin, dass die tatsächliche Antwortzeit von Inhaltslänge und aktivierten Detektoren abhängt und durch Chunking sowie Parallelisierung begrenzt werden soll.3

Einsatz in der Praxis

Für eine belastbare Architektur gehört Guard in den Kontrollfluss zwischen Modellantwort und Ausgabe an Nutzer oder nachgelagerte Systeme; eine zusätzliche Eingangsprüfung kann Datenabfluss zu einem externen Modell verhindern.3 Projekte und Richtlinien sollten je Anwendung und Umgebung getrennt werden, damit Sensitivität, Allow-Lists und Auswertungen nicht unkontrolliert vermischt werden.3 Vor dem produktiven Blockieren empfiehlt sich ein begrenzter Beobachtungsbetrieb, weil die Standardrichtlinie laut Anbieter bewusst streng eingestellt ist und legitime Systemanweisungen als Angriffsmuster fehlklassifizieren kann.3

Grenzen

Guard ist kein Beweis, dass eine Anwendung sicher ist. Detektoren reagieren auf beobachtbare Inhalte, während Berechtigungsfehler, unsichere Geschäftslogik und gefährliche Tool-Auswirkungen zusätzlich durch Architektur, Identitätskontrollen und menschliche Freigaben abgesichert werden müssen. Die Dokumentation nennt selbst typische Fehlalarme bei Systemprompts im falschen Nachrichtenfeld, Formatierungsmarkierungen und hochentropischen Daten.3 Trainingsdaten und genaue Schwellenwerte der proprietären Detektoren werden in den geöffneten Quellen nicht offengelegt; eine unabhängige, reproduzierbare Vergleichsstudie zu den genannten Leistungswerten war nicht ersichtlich.

Lizenz und Bezug

Das SaaS-Angebot hat eine Community-Stufe mit 10.000 Screening-Anfragen pro Monat; Enterprise umfasst laut Produktdokumentation flexible Anfragepakete, bis zu 1 MB Kontext pro Anfrage, Rollenverwaltung, SIEM-Anbindung und konfigurierbare Aufbewahrung.4 Ein vollständiges öffentliches Preisblatt war in den geöffneten Primärquellen nicht verfügbar. Für Unternehmen mit Residenz- oder Geheimhaltungsanforderungen gibt es eine Enterprise-Lizenz für Self-Hosting in Kubernetes, Docker beziehungsweise OCI-kompatiblen Umgebungen und vollständig luftgetrennten Installationen.5 Dadurch bleiben Daten im eigenen Verantwortungsbereich; das SaaS-Angebot nennt Regionen wie Irland, die USA und Singapur sowie regionale Log-Speicherung.1 Das Dashboard steht Self-Hosting-Kunden laut Dokumentation nicht zur Verfügung.4

Interne Einordnung: Was ist Prompt Injection? und Schutzmaßnahmen.

Quellen

  1. Check Point AI Security – Lakera Docs, „API Overview“, laufend aktualisiert, https://docs.lakera.ai/docs/api ↩
  2. Check Point, „Check Point Acquires Lakera to Deliver End-to-End AI Security for Enterprises“, 16.09.2025, https://www.checkpoint.com/press-releases/check-point-acquires-lakera-to-deliver-end-to-end-ai-security-for-enterprises/ ↩
  3. Check Point AI Security – Lakera Docs, „Guard API Endpoint“, laufend aktualisiert, https://docs.lakera.ai/docs/api/guard ↩
  4. Check Point AI Security – Lakera Docs, „AI Guardrails Dashboard“, laufend aktualisiert, https://docs.lakera.ai/docs/platform ↩
  5. Check Point AI Security – Lakera Docs, „Self-hosting AI Guardrails“, laufend aktualisiert, https://docs.lakera.ai/docs/selfhosting ↩

Im Zusammenhang