Autonomous Endpoint Management: Was ist es, warum ist es wichtig und warum funktioniert es nur mit vertrauenswürdigen Daten?
2. November 2026 • Andreas Gieseke
- Autonomous Endpoint Management (AEM) ist Endpoint Management, bei dem die Plattform selbstständig entscheidet und handelt. Sie überwacht kontinuierlich jeden Endpoint, ermittelt anhand von Risiken und Richtlinien, was das jeweilige Gerät benötigt, führt die Änderung durch und überprüft das Ergebnis. Menschen definieren die Leitplanken und überwachen die Ergebnisse, anstatt jede einzelne Aufgabe auszulösen.
- AEM ist kein Ersatz für Unified Endpoint Management. Es ist die nächste Reifestufe, die darauf aufbaut. Jede autonome Aktion benötigt weiterhin Discovery, Inventory, Packaging, Deployment und Patching als Grundlage. Ohne diese Funktionen hat Autonomie keine Hände.
- Der Druck hinter AEM ist eine Frage der Zahlen, nicht des Hypes. Die Offenlegung und Ausnutzung von Schwachstellen beschleunigt sich schneller, als IT-Teams wachsen können, und manuelle Triage skaliert schon seit einiger Zeit nicht mehr.
- Autonomie ist nur so vertrauenswürdig wie die Daten, auf denen sie basiert. Ein System, das auf nicht normalisierten, unvollständigen Asset-Daten handelt, spart keine Arbeit. Es macht Fehler mit Maschinengeschwindigkeit und untergräbt das Vertrauen, das nötig ist, um es autonom arbeiten zu lassen.
- Genau hier setzt Raynet One an. Zuerst True IT Asset Visibility, darauf aufbauend die Automatisierung. So basiert Autonomie auf einem Bild Ihrer IT-Landschaft, das Sie tatsächlich belegen und verteidigen können.
Autonomous Endpoint Management einfach erklärt
Autonomous Endpoint Management (AEM) beschreibt Endpoint Management, das nicht darauf wartet, dass ein Mensch ein Problem bemerkt und klickt. Die Plattform beobachtet die IT-Landschaft kontinuierlich, entscheidet anhand von Risiken und Richtlinien, was geschehen muss, führt die Aktion aus und überprüft, ob das Ergebnis den Erwartungen entspricht.
Gartner führte den Begriff in seinem Innovation Insight zu Autonomous Endpoint Management ein und beschreibt damit einen Ansatz der nächsten Generation, der intelligente Automatisierung in Endpoint Management-Tools integriert. Im Alltag umfasst AEM zum Beispiel:
- Risikobasierte Priorisierung und Verteilung von Patches, statt einfach eine CVSS-Liste abzuarbeiten
- Zero-Touch-Bereitstellung und -Konfiguration neuer Geräte
- Kontinuierliches Compliance-Monitoring mit automatischer Korrektur von Konfigurationsabweichungen
- Self-Healing, bei dem ein defekter Agent oder eine fehlerhafte Einstellung ohne Ticket automatisch repariert wird
- Automatisierte Maßnahmen über den gesamten Software-Lifecycle hinweg, vom Packaging und Rollout bis zur Entfernung ungenutzter Software
- Isolierung eines exponierten oder nicht konformen Endpoints, bevor daraus ein Incident entsteht
Die entscheidende Veränderung besteht nicht darin, dass Software die Arbeit übernimmt. Skripte erledigen seit Jahrzehnten Aufgaben. Der Unterschied liegt darin, wo die Entscheidung getroffen wird. In einer skriptgesteuerten Umgebung entscheidet ein Mensch und das Tool führt aus. In einer autonomen Umgebung definiert der Mensch Richtlinien, Risikoschwellen und Leitplanken. Das System entscheidet anschließend, welche Aktion zu welchem Gerät passt, und meldet das Ergebnis zurück.
Deshalb ist AEM auch eher ein Regler als ein Schalter. Unternehmen beginnen in der Regel mit Aktionen, die häufig vorkommen und nur geringe Auswirkungen haben, und erweitern den Handlungsspielraum, sobald das Vertrauen in das System wächst.
Warum der Markt gerade jetzt danach verlangt
Die Zahl veröffentlichter Schwachstellen steigt weiter. 2025 wurden 48.185 CVEs veröffentlicht, rund 20 Prozent mehr als im Vorjahr. Das entspricht etwa 130 neuen Schwachstellen pro Tag. Kein personell besetzter Triage-Prozess kann täglich 130 Meldungen lesen, sie der eigenen IT-Landschaft zuordnen und entscheiden, was tatsächlich relevant ist.
Exploitation ist schneller als Remediation. Mandiant beziffert die durchschnittliche Time-to-Exploit auf minus sieben Tage. Das bedeutet, dass die Ausnutzung heute regelmäßig beginnt, bevor überhaupt ein Patch veröffentlicht wurde. Auf der anderen Seite der Lücke zeigt der Verizon 2026 DBIR, dass Unternehmen im Median 43 Tage benötigen, um eine bekannte ausgenutzte Schwachstelle zu beheben, gegenüber 32 Tagen im Vorjahr. Gleichzeitig wurden nur 26 Prozent der bekannten ausgenutzten Schwachstellen vollständig behoben, nach 38 Prozent zuvor. Die Ausnutzung von Schwachstellen ist inzwischen mit 31 Prozent der Sicherheitsverletzungen der häufigste Initial-Access-Vektor und hat den Diebstahl von Zugangsdaten erstmals in der 19-jährigen Geschichte des Berichts verdrängt. Die Zeitspanne zwischen „ein Patch existiert“ und „der Patch ist überall dort installiert, wo er benötigt wird“ ist genau das Zeitfenster, das Angreifer ausnutzen.
Die IT-Landschaft wird immer vielfältiger. Windows-, macOS- und Linux-Clients, Server, virtuelle Desktops, mobile Geräte, IoT, externe Mitarbeitende und hybride Arbeitskräfte in Heimnetzwerken. Jede Ergänzung bringt einen weiteren Update-Mechanismus, eine weitere Konfigurationsbaseline und einen weiteren blinden Fleck mit sich.
Was nicht im gleichen Maß gewachsen ist, ist das IT-Team. Endpoint-Teams müssen mehr Gerätetypen, mehr Software und mehr regulatorische Anforderungen wie NIS2 und ISO 27001 abdecken, meist mit derselben Personalstärke. Das ist der eigentliche Treiber hinter AEM. Die Arbeitslast hat einen Punkt erreicht, an dem zusätzliche Mitarbeitende keine realistische Antwort mehr sind. Gartner prognostiziert, dass bis 2029 mehr als 50 % der Unternehmen AEM-Funktionen innerhalb fortschrittlicher Endpoint-Management- und Digital-Employee-Experience-Tools einsetzen werden, um den manuellen Aufwand zu reduzieren. 2024 lag dieser Anteil noch bei nahezu null. Der Treiber ist weniger Ambition als vielmehr Kapazität.
Ist AEM wirklich „der nächste Schritt“? Eine sinnvollere Einordnung
Es liegt nahe, AEM als das darzustellen, was nach UEM kommt, so wie UEM auf getrennte Client Management- und Mobile Device Management-Tools folgte. Diese Einordnung ist zur Hälfte richtig. Die andere Hälfte sorgt jedoch für echte Verwirrung im Markt.
Die präzisere Einordnung lautet: AEM ist keine andere Produktkategorie, die Sie anstelle von Unified Endpoint Management kaufen. Es ist eine Betriebsweise, die auf Endpoint-Funktionen aufsetzt, die weiterhin vollständig benötigt werden. Eine autonome Patch-Entscheidung ist wertlos, wenn kein Deployment-Mechanismus vorhanden ist, der sie ausführt. Und eine Self-Healing-Routine benötigt Inventardaten, um zu wissen, wie „gesund“ auf dem jeweiligen Gerät überhaupt aussieht.
Die Aussage, die wir vertreten würden, lautet daher: AEM ist die nächste Reifestufe des Endpoint Managements, nicht das nächste Produkt, das Endpoint Management ersetzt.
| Unified Endpoint Management | Autonomous Endpoint Management | |
| Wer entscheidet? | Eine Person, die mit einer Konsole oder einem Report arbeitet | Das System, innerhalb der von einer Person definierten Richtlinien und Risikoschwellen |
| Was lost eine Aktion aus? | Ein Ticket, ein geplantes Wartungsfenster, ein Patch-Zyklus | Kontinuierliche Bewertung des Endpoint-Zustands anhand von Richtlinien |
| Die Rolle des Menschen | Führt die Aufgaben aus | Definiert Leitplanken, überwacht Ergebnisse und behandelt Ausnahmen |
| Was darunter benötigt wird | Discovery, Inventory, Konfiguration, Packaging, Deployment | Dasselbe, plus normalisierte, angereicherte und verifizierte Asset-Daten |
| Wie es skaliert | Mit zusätzlichem Personal | Mit Datenqualität und Vertrauen in die Automatisierung |
| Was es ausbremst | Manuelle Engpässe und zu viele Konsolen | Schlechte Daten, auf die nur schneller reagiert wird |
Betrachten Sie die letzten beiden Zeilen gemeinsam. Autonomie beseitigt die Anforderungen aus der Zeile darüber nicht, sondern erhöht vielmehr die Bedeutung, sie richtig umzusetzen.
Eine einfache Möglichkeit, den eigenen Stand auf diesem Weg einzuordnen:
Unterschiedliche Tools für Clients, Server, mobile Geräte und Macs, wobei jedes Team seine eigene “Version der Wahrheit” verwaltet.
Eine Plattform und ein gemeinsamer Asset-Datensatz über verschiedene Gerätetypen hinweg. Das ist Unified Endpoint Management, und hier befindet sich heute ein großer Teil der Unternehmen.
Regeln und Workflows führen wiederkehrende Aktionen zuverlässig aus, aber Menschen entscheiden weiterhin, was die Regeln tun, und prüfen die meisten Ausnahmen.
Das System priorisiert, entscheidet und handelt innerhalb definierter Leitplanken. Menschen überwachen die Ergebnisse, statt einzelne Aufgaben auszuführen.
Die meisten Unternehmen befinden sich zwischen Stufe zwei und drei. Das ist der normale Zustand des Marktes und kein Scheitern. Für die meisten IT-Teams lautet der sinnvolle Rat daher nicht „AEM einführen“, sondern „die Lücken in Stufe zwei schließen, damit Stufe vier möglich wird“. Eine unvollständige Inventarisierung lässt sich nicht durch mehr Automatisierung umgehen. Man kann nur schneller auf einer unvollständigen Grundlage automatisieren.
Auch auf Anbieterseite gibt es eine Variante dieses Problems. Eine Plattform, die über Autonomie spricht und gleichzeitig die operativen Grundlagen stillschweigend vernachlässigt, verkauft das Dach ohne das Haus. Deployment, Packaging, Patching und Reporting werden mit zunehmender Autonomie nicht weniger wichtig. Sie sind die Muskeln, die Autonomie überhaupt erst nutzen kann.
Warum Autonomous Endpoint Management von Datenqualität abhängt
Autonomie ist im Kern eine Entscheidungsmaschine. Und jede Entscheidungsmaschine übernimmt die Qualität ihrer Eingabedaten.
Stellen Sie sich vor, wie rohe Endpoint-Daten aussehen, bevor sie normalisiert werden. Derselbe Hersteller erscheint in einem Dutzend unterschiedlicher Schreibweisen. Softwaretitel kommen mit uneinheitlichen Versionsangaben und ohne Produktfamilie an. Doppelte Assets entstehen, weil drei Quellen denselben Rechner jeweils separat erkannt haben. Lifecycle-Informationen fehlen, sodass niemand weiß, welche Installationen bereits nicht mehr unterstützt werden. Schwachstelleninformationen sind nicht mit der installierten Basis verknüpft, sodass ein CVE-Feed und ein Inventory-Feed nebeneinander existieren, ohne jemals zusammenzukommen.
Stellen Sie sich nun vor, Sie aktivieren darauf eine Autonomie. Die Folgen sind sehr konkret:
- Das System patcht etwas, das tatsächlich gar nicht installiert ist, oder übersieht etwas, das es nie als Software erkannt hat
- Eine geschäftskritische Anwendung wird zur Deinstallation markiert, weil Nutzungsdaten dem falschen Asset zugeordnet wurden
- Remediation-Schleifen laufen endlos, weil die Plattform nicht überprüfen kann, ob die eigene Aktion erfolgreich war
- Compliance-Reporting zeigt grün, obwohl sich eine echte Exponierung im blinden Fleck befindet
Nach zwei oder drei sichtbaren Fehlern schaltet das Team die Automatisierung wieder ab und die Investition ist praktisch wertlos.
Vertrauen ist die Währung der Autonomie. Teams geben einem System Handlungsspielraum, wenn sie seinem Bild der Realität vertrauen. Dieses Vertrauen entsteht durch Normalisierung, Deduplizierung, Anreicherung und Verifizierung – lange bevor irgendein KI-Agent eine Aktion ausführt. Auf eine Formel gebracht: Autonomie = vertrauenswürdige Daten + Kontext + Leitplanken + Ausführungsfähigkeit. Fehlt einer dieser vier Bausteine, entsteht kein AEM, sondern Automatisierung, auf die man sich nicht verlassen kann.
Der Kontext verdient besondere Aufmerksamkeit. Zu wissen, dass auf einem Rechner Version 118 eines Browsers installiert ist, sind Daten. Zu wissen, dass diese Version nicht mehr unterstützt wird, drei bekannte ausgenutzte Schwachstellen enthält, täglich von 400 Personen im Finanzbereich verwendet wird und bereits ein getestetes Paket zur Bereitstellung vorliegt, ist Kontext. Autonome Entscheidungen benötigen genau diese zweite Ebene. Und genau hier kommen Lifecycle Intelligence und Data Enrichment ins Spiel.
Wie Autonomous Endpoint Management in der Praxis funktioniert
- Kontinuierlich erkennen. Jeden Endpoint und jede Quelle erfassen, einschließlich derjenigen, die von keinem Agent erreicht werden, und alles in einem zentralen Asset-Datensatz zusammenführen.
- Normalisieren und anreichern. Hersteller- und Produktidentität, Versionen, Lifecycle-Daten, Support-Status, bekannte Schwachstellen und Nutzung bereinigen und ergänzen.
- Nach Risiko priorisieren, nicht nach Liste. Ausnutzbarkeit, Exponierung, Geschäftskritikalität und kompensierende Kontrollen entscheiden, was zuerst behandelt wird.
- Handeln, mit kontrolliertem Wirkungskreis. Packaging, Deployment, Patching, Konfiguration, Isolierung und Entfernung über Ringe, Wartungsfenster und Freigabestufen für Maßnahmen mit großer Reichweite steuern.
- Überprüfen und den Kreislauf schließen. Bestätigen, dass die Änderung erfolgreich umgesetzt wurde, bei Bedarf zurückrollen und das Ergebnis in die nächste Entscheidung einfließen lassen.
- So berichten, dass es einer Prüfung standhält. Jede autonome Aktion wird dokumentiert, eindeutig zugeordnet und rückgängig machbar gemacht.
Auffällig ist, wie viel davon klassische Endpoint-Management-Disziplin ist. Genau darum geht es.
Discover to Manage: Wie Raynet One Autonomous Endpoint Management unterstützt und bei den Daten beginnt
Alles bisher Gesagte zeigt, dass Autonomie durch Datenqualität begrenzt wird, nicht durch Ambition. Genau für dieses Problem wurde Raynet One entwickelt. Raynet One ist eine Unified Technology Asset and Intelligence Platform. Deshalb steht Unified Endpoint Management neben Software Asset Management, Cyber Asset Attack Surface Management, CMDB Data Quality und Continuous Threat Exposure Management, anstatt das gesamte Produkt zu definieren. Endpoint-Aktionen greifen auf dieselben konsolidierten Asset-Daten zu wie die anderen Use Cases und nicht auf ein separates Inventory, das parallel gepflegt wird.
Diese Position ist für uns nicht neu. Im Januar 2026 wurde Raynet im Gartner® Magic Quadrant™ for Endpoint Management Tools aufgeführt, in einem Markt, der historisch von klassischen Endpoint-Management-Anbietern geprägt ist. Wie Chief Technology and Product Officer Andreas Gieseke es formulierte: „Endpoint Management ohne True IT Asset Visibility ist nicht mehr zeitgemäß.“
Übertragen auf den zuvor beschriebenen Kreislauf sieht die praktische Umsetzung in den einzelnen Schritten so aus:
Erkennen. Raynet One inventarisiert Clients, Server, virtuelle Desktops, mobile Geräte und IoT über agentenbasierte und agentenlose Inventory-Technologien. Was damit nicht erreicht wird, wird über mehr als 200 Konnektoren zu bestehenden IT-Systemen eingebunden. Zusätzlich können bereits vorhandene Asset-Daten importiert werden. Dieser Schritt beseitigt die blinden Flecken, um die Autonomie sonst herum handeln müsste.
Normalisieren & Anreichern. Der Raynet One Technology Catalog überführt rohe Discovery-Daten in eindeutige Software- und Hardware-Identitäten und ergänzt Lifecycle-Daten, End-of-Life- und End-of-Support-Status sowie bekannte Schwachstellen für die installierte Basis. Ein Dutzend Schreibweisen desselben Herstellers wird zu einem Eintrag. CVE-Feed und Inventory werden endlich miteinander verknüpft. Diese eine Ebene entscheidet darüber, ob alle folgenden Schritte vertrauenswürdig sind.
Priorisieren. Weil die Daten nun Kontext zu Exponierung, Lifecycle und Nutzung enthalten, kann Patching nicht nur nach der Schwere einer Schwachstelle, sondern nach dem tatsächlichen geschäftlichen Risiko priorisiert werden. KI-gestützte Analysen machen Risiken dabei früher sichtbar, als eine rein manuelle Prüfung es könnte.
Handeln. Der Deployment Manager steuert zentrale Bereitstellung und Deinstallation auf verteilten Clients, Servern und VDIs. Dabei greift er auf den Raynet Package Store mit mehr als 50.000 qualitätsgesicherten, vorkonfigurierten Paketen für Windows und macOS zurück. Neue Versionen stehen kurz nach der Veröffentlichung durch den Hersteller bereit. Rollouts können in konfigurierbaren Wellen mit Pilotgruppen geplant werden, sodass der Wirkungskreis kontrolliert bleibt.
Verifizieren & Reporten. Dashboards verfolgen den Deployment- und Installationsprozess, den globalen Patch-Status und relevante KPIs. Die Dokumentation ist darauf ausgelegt, Audits nach Frameworks wie ISO 27001 standzuhalten. So wird der Kreislauf geschlossen, statt Aktionen unbestätigt zu lassen.
Zusammenbringen. Endpoint Intelligence fließt in ITSM, IT Asset Management, EDR, XDR und Digital-Workplace-Prozesse. Für Teams, die bereits Microsoft Intune oder Jamf einsetzen, ist Raynet One so konzipiert, dass es diese Lösungen ergänzt und Third-Party- sowie Security-Patching abdeckt, das dort offenbleibt, anstatt funktionierende Systeme zu ersetzen. Die KI-Agenten von Raynet One übernehmen anschließend Routineaufgaben auf dieser gemeinsamen Grundlage.
Kehren wir zu den vier Fällen zurück, in denen Automatisierung auf schlechten Daten scheitert: Es wird etwas gepatcht, das nicht installiert ist, Software wird übersehen, weil das System sie nie erkannt hat, Remediation-Schleifen enden nicht und Compliance-Berichte zeigen grün, obwohl ein blinder Fleck besteht. Jeder dieser Fälle ist zuerst ein Datenfehler und erst danach ein Automatisierungsfehler. Deshalb beginnt die Lösung mit dem Technology Catalog und nicht mit dem KI-Agenten.
Unser Rat an jedes IT-Team, das diesen Markt bewertet: Fragen Sie nicht zuerst, welcher Anbieter am überzeugendsten „autonom“ sagt. Fragen Sie zuerst, ob Sie Ihre Asset-Daten morgen in einem Audit belastbar belegen könnten. Wenn die Antwort nein lautet, kennen Sie Ihre AEM-Roadmap.
Content
- Autonomous Endpoint Management einfach erklärt
- Warum der Markt gerade jetzt danach verlangt
- Ist AEM wirklich „der nächste Schritt“? Eine sinnvollere Einordnung
- Warum Autonomous Endpoint Management von Datenqualität abhängt
- Wie Autonomous Endpoint Management in der Praxis funktioniert
- Wie Raynet One Autonomous Endpoint Management unterstützt und bei den Daten beginnt
- FAQs
Weitere Links:
Häufig gestellte Fragen zu den Autonomous Endpoint Management
Was ist Autonomous Endpoint Management (AEM)?
Ersetzt AEM Unified Endpoint Management?
Was lässt sich mit Autonomous Endpoint Management (AEM) heute realistisch automatisieren?
Warum ist Datenqualität für AEM so wichtig?
Müssen wir Microsoft Intune oder Jamf ersetzen, um uns in Richtung AEM zu entwickeln?
Wie fängt man mit Autonomous Endpoint Management an, ohne die Kontrolle zu verlieren?
Beginnen Sie mit Transparenz, denn keine AEM-Einführung ist zuverlässiger als die ihr zugrunde liegenden Asset-Daten. Normalisieren und ergänzen Sie Ihre Asset-Daten, wählen Sie dann einen Prozess mit hohem Durchsatz und geringem Risiko aus – beispielsweise das Aufspielen von Patches von Drittanbietern – und automatisieren Sie diesen unter Einbeziehung von Ringen, Wartungsfenstern und Rollback-Möglichkeiten. Messen Sie die Ergebnisse, erweitern Sie den Anwendungsbereich dort, wo sich das System bewährt, und behalten Sie Genehmigungsschritte für alle Vorgänge bei, die weitreichende Auswirkungen haben.“
Referenzen
- Gartner®, Innovation Insight: Autonomous Endpoint Management, Tom Cipolla and Dan Wilson, 15 January 2025.
- Gartner, Market Guide for Endpoint Management Tools, Tom Cipolla, Lina Al Dana and Sunil Kumar, 13 January 2025.
- Gartner, Magic Quadrant™ for Endpoint Management Tools, Tom Cipolla, Lina Al Dana et al. , 5 January 2026.
- Jerry Gamblin, “2025 CVE Data Review”, 1 January 2026. https://jerrygamblin.com/2026/01/01/2025-cve-data-review/
- Mandiant (Google Cloud), M-Trends 2026: Data, Insights, and Strategies From the Frontlines, 23 March 2026. https://cloud.google.com/blog/topics/threat-intelligence/m-trends-2026
- Verizon, 2026 Data Breach Investigations Report, 19 May 2026. https://www.verizon.com/business/resources/reports/dbir/
Gartner Disclaimer:
Gartner unterstützt keine Anbieter, Produkte oder Dienstleistungen, die in seinen Forschungspublikationen dargestellt werden, und rät Technologieanwendern nicht, nur die Anbieter mit den höchsten Bewertungen oder anderen Bezeichnungen auszuwählen. Gartner-Forschungspublikationen bestehen aus den Meinungen der Forschungsorganisation von Gartner und sollten nicht als Tatsachenbehauptungen ausgelegt werden. Gartner lehnt jede ausdrückliche oder stillschweigende Gewährleistung in Bezug auf diese Forschung ab, einschließlich jeder Gewährleistung der Marktgängigkeit oder Eignung für einen bestimmten Zweck.
Gartner ist eine eingetragene Marke und Dienstleistungsmarke von Gartner, Inc. und/oder seinen Tochtergesellschaften in den USA und international und werden hier mit Genehmigung verwendet. Alle Rechte vorbehalten.