prompt injections.de
Werkzeug

LangKit

LangKit ist eine Open-Source-Bibliothek von WhyLabs, die aus Prompt- und Antworttexten Metriken für die Beobachtbarkeit von Sprachmodellen erzeugt.1 Der letzte sichtbare Release-Stand ist v0.0.35 vom 6. November 2024; das Repository steht unter Apache-2.0-Lizenz.1 Für die aktuelle Einordnung ist wichtiger als die Versionsnummer, dass WhyLabs den eigenen Betrieb eingestellt hat, während die Unternehmensseite LangKit ausdrücklich als weiter verfügbares Open-Source-Toolkit bezeichnet.2

Funktionsweise

LangKit ergänzt die Logging-Bibliothek whylogs um Module und benutzerdefinierte Funktionen für String-Features.1 Die Bibliothek kann unter anderem Lesbarkeit, Komplexität, Prompt-Antwort-Ähnlichkeit, Themenähnlichkeit, Regex-Treffer, Sentiment, Toxizität, Jailbreak-Ähnlichkeit, Refusal-Signale und Prompt-Injection-Signale berechnen.3 Die so erzeugten Profile lassen sich laut Projekt-README in der WhyLabs-Plattform visualisieren oder durch das Team selbst weiter analysieren.1

Das injections-Modul verarbeitet eine Prompt-Spalte und erzeugt einen Score in prompt.injection; die Dokumentation beschreibt ihn als Klassifikationswert für die Wahrscheinlichkeit einer Prompt Injection.4 Als Modell nennt sie JasperLS/gelectra-base-injection von Hugging Face.4 Damit ist LangKit keine automatische Sperre, sondern eine Metrikquelle: Ob ein Score Alarm auslöst, eine Anfrage blockiert oder lediglich einen Trendbericht speist, entscheidet die nachgelagerte Anwendung beziehungsweise ein Guardrail.14

Einsatz in der Praxis

Der technisch schlanke Einstieg besteht darin, LangKit-Module zu importieren, ein whylogs-Schema zu initialisieren und Prompt- sowie Antwortfelder zu protokollieren.1 Die offizielle API-Dokumentation verweist auf Beispiele für Text-Logging, Batch-Logging und die Übergabe von LLM-Daten an WhyLabs.3 In einer produktiven Architektur eignet sich LangKit daher als Telemetrieschicht neben einer Schutzkomponente wie /tools/llm-guard/: Es kann Veränderungen in Eingabetypen oder Score-Verteilungen sichtbar machen, erzwingt aber selbst keine Sicherheitsentscheidung.13

Sinnvoll ist diese Trennung besonders bei mehrschichtigen Schutzkonzepten. Teams können Grenzwerte, Sampling, Datenschutzregeln und Eskalationen unabhängig vom Metrikcode definieren; die Bibliothek liefert dafür standardisierte Signale.1 Die vorhandenen Sicherheitsmetriken decken jedoch nicht automatisch die vollständige Anwendungssituation ab, etwa Autorisierungen, Tool-Aufrufe oder das konkrete Geschäftsrisiko eines Agenten.3

Grenzen

WhyLabs warnt für das aktuelle Injection-Modell ausdrücklich vor hohen False-Positive-Raten und davor, dass es möglicherweise nicht für den Produktionseinsatz geeignet ist.4 Dieser Hinweis ist zentral: Ein hoher Score darf nicht ohne Kalibrierung als Angriffsnachweis und ein niedriger Score nicht als Sicherheitsgarantie behandelt werden.4 Zudem berechnet LangKit textnahe Metriken; die Dokumentation weist keine integrierte Blockierungs- oder Policy-Enforcement-Komponente aus.13

Das Wartungsrisiko ist ebenfalls sichtbar. WhyLabs, Inc. erklärt offiziell die Einstellung des Unternehmensbetriebs, obwohl LangKit als Open-Source-Toolkit fortgeführt werden solle.2 GeekWire berichtet zusätzlich, dass Apple WhyLabs übernommen habe und die Gründer bei Apple arbeiteten.5 Aus diesen Quellen folgt keine nachgewiesene Einstellung von LangKit, aber auch keine verifizierte künftige Release- oder Security-SLA. Eine unabhängige, tool-spezifische Wirksamkeitsmessung des in der Dokumentation genannten Injection-Klassifikators wurde in den für diesen Artikel geprüften Quellen nicht ausgewiesen.4

Lizenz und Bezug

LangKit kann als Apache-2.0-lizenzierter Quellcode genutzt werden; der letzte sichtbare Paketstand bleibt v0.0.35.1 Die frühere WhyLabs-Plattform ist wegen der Betriebseinstellung keine verlässliche Grundlage für ein neues Beschaffungsversprechen.2 Für eine neue Integration sollten Teams deshalb den Code, die Abhängigkeiten, eigene Speicherziele und eine alternative Auswertung der whylogs-Profile prüfen, statt einen fortlaufenden Herstellerbetrieb vorauszusetzen.12

Quellen

  1. WhyLabs, „langkit“, abgerufen am 20.08.2026, https://github.com/whylabs/langkit ↩
  2. WhyLabs founding team, „WhyLabs“, abgerufen am 20.08.2026, https://whylabs.ai/ ↩
  3. WhyLabs, „LangKit API“, abgerufen am 20.08.2026, https://docs.whylabs.ai/docs/langkit-api/ ↩
  4. WhyLabs, „LLM Monitoring Modules“, abgerufen am 20.08.2026, https://docs.whylabs.ai/docs/langkit-modules/ ↩
  5. Taylor Soper, „Founders at Seattle startup WhyLabs join Apple following under-the-radar acquisition“, 15.09.2025, https://www.geekwire.com/2025/founders-at-seattle-startup-whylabs-join-apple-following-under-the-radar-acquisition/ ↩

Im Zusammenhang