Was ist Lakera Guard (Check Point AI Guardrails)?
Lakera Guard ist eine Prüf-API für LLM-Anwendungen, die inzwischen Check Point gehört und als Check Point AI Guardrails dokumentiert ist. Check Point hat Lakera 2025 gekauft, und Dokumentation, Bedingungen und Datenschutzunterlagen tragen jetzt seinen Namen. Deine Anwendung schickt jede Nutzernachricht, jedes abgerufene Dokument, jede Tool-Antwort und jede Modellausgabe an einen einzigen Endpunkt, POST /v2/guard, und bekommt ein markiertes Ergebnis zurück, auf das sie reagieren kann.
Die verwalteten Guardrails decken Prompt-Angriffe ab (direkte und indirekte Injection sowie Jailbreaks), Inhaltsmoderation, Schutz vor dem Abfluss personenbezogener Daten und des System-Prompts, die Erkennung schädlicher Links und eine Abwehr für Agentenverhalten mit einer Erlaubnis- und Sperrliste für Tools. Eigene Guardrails in natürlicher Sprache sind in der Beta. Jeder Detektor läuft auf einer von vier Strenge-Stufen, von L1 nachsichtig bis L4 paranoid, und L4 ist der Standard.
Der kostenlose Community-Plan bringt 10.000 Anfragen im Monat auf dem gehosteten Dienst, mit Prompts bis 8.000 Tokens. Enterprise, mit Preis auf Anfrage, ergänzt Self-Hosting auf Kubernetes oder Docker (auch air-gapped), SSO, rollenbasierten Zugriff, SIEM-Integration und die Wahl zwischen Datenhaltung in der EU oder den USA.
Lohnt sich Lakera Guard (Check Point AI Guardrails)?
Ein KI-Chatbot, der Webseiten oder Dokumente liest, lässt sich zu Dingen überreden. Eine versteckte Zeile in einer abgerufenen Seite, die ihn auffordert, seine Anweisungen zu ignorieren, reicht, um ihn zu lenken, und meist merkst du es erst, wenn etwas durchsickert.
Lakera Guard sitzt zwischen deinen Nutzern und deinem Modell und prüft den Text auf solche eingeschleusten Anweisungen und auf abfließende Daten, ohne dass du etwas trainieren oder hosten musst. Du schickst Nachrichten im Chat-Format von OpenAI, einschließlich Tool-Aufrufen und Tool-Definitionen. Geprüft wird nur der letzte Austausch, frühere Runden gelten als Kontext. Das passt zu Agenten, bei denen der gefährliche Text meist in einer abgerufenen Seite oder einer Tool-Antwort steckt und nicht vom Nutzer kommt.
Der Umgang mit Daten ist klarer als bei den meisten Konkurrenten, denn Check Point veröffentlicht ein Datenschutz-Datenblatt. Der gehostete Dienst verarbeitet Prompts, System-Prompts, Tool-Informationen, Modellausgaben und Prompt-Embeddings und bewahrt sie für die Laufzeit des Abos plus drei Monate auf. Du kannst Prompts löschen und die Aufbewahrung pseudonymisierter Prompts einschränken. Logs werden in der EU gespeichert, sofern du beim Anlegen der Organisation keine andere Region wählst, und diese Wahl lässt sich später nicht ändern. Bei Self-Hosting bleiben die Daten in deiner Umgebung.
Ab Werk ist es streng. Jeder Detektor startet auf L4, der vorsichtigsten Einstellung, und die Dokumentation sagt offen, dass höhere Stufen weniger Fehlschläge mit mehr Fehlalarmen erkaufen. Die Standardrichtlinie ohne Projekt wird als „absichtlich streng“ beschrieben. Gehst du ohne Feinabstimmung live, blockierst du legitimen Verkehr. Der vernünftige Weg ist daher, zuerst den Detect-Modus, der protokolliert, ohne zu blockieren, auf eine Stichprobe echten Verkehrs anzuwenden. Erlaubnis- und Sperrlisten können einzelne Fehler beheben, aber Check Points eigene Dokumentation warnt, dass sie Sicherheitslücken öffnen können.
Der Haken: Nur die kostenlose Stufe hat einen Preis. Es gibt keinen Preis pro Anfrage, kein veröffentlichtes Rate Limit und keine Latenzangabe außer Lakeras eigenem Werbeversprechen von unter 50 ms. Jedes geprüfte Element zählt als Anfrage. Ein Agent, der den Nutzer-Prompt, zwei abgerufene Dokumente und die finale Antwort prüft, verbraucht also vier Anfragen pro Runde und hat die kostenlosen 10.000 nach 2.500 Runden aufgebraucht.
Unser Fazit: Lakera verkauft den Teil von Guardrails, den niemand gern macht. NeMo Guardrails oder ein Klassifikator wie Llama Guard kosten keine Lizenzgebühren, lassen dich aber mit den Modellen, den GPUs und der Abstimmung gegen Fehlalarme allein, die Lakera für dich übernimmt.
Wo es sich lohnt
Ein Backend-Engineer, der einen Support-Chatbot mit RAG über Hilfe-Center-Artikel einbaut
Verhindern, dass eingeschleuste Anweisungen in abgerufenen Seiten den Bot lenken
Schicke die abgerufenen Abschnitte und die Nutzerrunde vor dem Modellaufruf an /v2/guard und die Antwort noch einmal vor der Anzeige. Starte im Detect-Modus, um die Fehlalarme auf L4 zu messen, und lockere dann Detektoren, die danebenliegen. Kostenlos bis 10.000 Anfragen im Monat, das sind etwa 3.300 Gespräche, wenn jede Runde drei Prüfungen braucht.
Ein Plattformteam bei einer Bank, das interne Agenten mit Tool-Zugriff betreibt
Die Prüfung im eigenen Haus halten und einschränken, welche Tools ein Agent aufrufen darf
Eine Enterprise-Lizenz schaltet das Helm-Chart oder Docker-Image frei, das air-gapped mit NVIDIA-GPUs laufen kann; die Daten bleiben dann in der Umgebung der Bank. Die Erlaubnis- und Sperrliste für Tools blockiert Aufrufe außerhalb des Auftrags eines Agenten. Preise und Hardware-Dimensionierung gibt es nur vom Vertrieb von Check Point.
Eine Compliance-Leiterin bei einem EU-Softwareunternehmen mit 200 Mitarbeitern
Einen gehosteten Guardrail-Anbieter nach der DSGVO freigeben
Nutze den EU-Endpunkt für die Verarbeitung und belasse die Log-Speicherung in der EU, festgelegt beim Anlegen der Organisation und nicht änderbar. Das Datenschutz-Datenblatt nennt als Aufbewahrung die Abolaufzeit plus drei Monate und AWS als Hoster; laut Dashboard-Dokumentation ist der Dienst nach SOC 2 Type II zertifiziert, den Bericht selbst gibt es aber über den Vertrieb.
Bevor du dich festlegst
- Einrichtung
- Lege ein Projekt an, verknüpfe eine Richtlinie und rufe POST https://api.lakera.ai/v2/guard mit einem Bearer-Schlüssel auf; der Quickstart dauert Minuten, die eigentliche Arbeit ist die Abstimmung der Strenge auf echten Verkehr.
- Integrationen
- REST-API mit OpenAPI-Spezifikation; regionale Endpunkte für EU, USA und Singapur; Plattform-API für Richtlinien, Projekte, Logs und Analysen; Helm-Chart und Docker-Images für Self-Hosting.
- Daten und Datenschutz
- Der gehostete Dienst bewahrt Prompts, Ausgaben und Embeddings für die Abolaufzeit plus drei Monate auf AWS in der EU, den USA oder Singapur auf; Kunden können Prompts löschen und die Aufbewahrung begrenzen. Bei Self-Hosting bleiben die Daten beim Kunden. Die Dashboard-Dokumentation nennt eine Zertifizierung nach SOC 2 Type II, und die Steuerung der Datenaufbewahrung ist eine Enterprise-Funktion.
- Kosten im großen Maßstab
- Über die kostenlosen 10.000 Anfragen hinaus nicht veröffentlicht. Ein Agent, der vier Elemente pro Runde bei 100.000 Runden im Monat prüft, braucht 400.000 Anfragen und damit ein Enterprise-Angebot.
- Grenzen
- Community-Prompts sind auf 8.000 Tokens begrenzt, laut Dokumentation erlaubt Enterprise Anfragen mit bis zu 1MB Kontext; geprüft wird nur Textinhalt; Rate Limits sind nicht veröffentlicht; gestreamte Ausgaben sollten in Abschnitten von mindestens 10 Tokens geprüft werden.
Was gut ist
- Ein Endpunkt prüft Prompts, abgerufene Dokumente, Tool-Ausgaben und Antworten
- Akzeptiert das Chat-Format von OpenAI, einschließlich Tool-Aufrufen und -Definitionen
- Vier dokumentierte Strenge-Stufen pro Detektor, dazu ein reiner Detect-Modus
- Veröffentlichte Aufbewahrung: Abolaufzeit plus drei Monate
- Air-gapped Self-Hosting in Enterprise
Was nicht
- Standard ist L4, die strengste Stufe, ohne Feinabstimmung also mit Fehlalarmen rechnen
- Nur die kostenlose Stufe hat einen Preis; alles andere läuft über den Vertrieb
- Rate Limits und Latenzwerte nicht veröffentlicht
- Die Speicherregion der Logs wird beim Anlegen der Organisation festgelegt
- Self-Hosting, SSO und SIEM nur in Enterprise
Am besten für
Teams, die vor Chatbots und Agenten einen verwalteten Schutz gegen Prompt Injection und Datenlecks wollen, ohne eigene Klassifikatoren zu betreiben.
Alternativen zu Lakera Guard (Check Point AI Guardrails)
Lakera Guard (Check Point AI Guardrails): häufige Fragen
- Lohnt sich Lakera Guard (Check Point AI Guardrails)?
- Lakera Guard ist ein gut dokumentierter Filter gegen Prompt Injection, der sich mit einem API-Aufruf einbauen lässt, doch ab 10.000 Anfragen im Monat verhandelst du mit dem Enterprise-Vertrieb von Check Point. Wir bewerten es mit 4.0 von 5.
- Was kostet Lakera Guard (Check Point AI Guardrails)?
- Community kostenlos: 10.000 Anfragen pro Monat, Prompts bis 8k Tokens, nur SaaS. Enterprise auf Anfrage: flexibles Volumen, SaaS oder Self-Hosting, SSO, RBAC, SIEM-Integration. Über die kostenlose Stufe hinaus kein veröffentlichter Preis.
- Welche Nachteile hat Lakera Guard (Check Point AI Guardrails)?
- Standard ist L4, die strengste Stufe, ohne Feinabstimmung also mit Fehlalarmen rechnen; Nur die kostenlose Stufe hat einen Preis; alles andere läuft über den Vertrieb; Rate Limits und Latenzwerte nicht veröffentlicht; Die Speicherregion der Logs wird beim Anlegen der Organisation festgelegt; Self-Hosting, SSO und SIEM nur in Enterprise.
- Für wen eignet sich Lakera Guard (Check Point AI Guardrails)?
- Teams, die vor Chatbots und Agenten einen verwalteten Schutz gegen Prompt Injection und Datenlecks wollen, ohne eigene Klassifikatoren zu betreiben.
- Was kostet Lakera Guard (Check Point AI Guardrails) für ein Team oder im Produktivbetrieb?
- Über die kostenlosen 10.000 Anfragen hinaus nicht veröffentlicht. Ein Agent, der vier Elemente pro Runde bei 100.000 Runden im Monat prüft, braucht 400.000 Anfragen und damit ein Enterprise-Angebot.
- Ist Lakera Guard (Check Point AI Guardrails) sicher für Firmendaten?
- Der gehostete Dienst bewahrt Prompts, Ausgaben und Embeddings für die Abolaufzeit plus drei Monate auf AWS in der EU, den USA oder Singapur auf; Kunden können Prompts löschen und die Aufbewahrung begrenzen. Bei Self-Hosting bleiben die Daten beim Kunden. Die Dashboard-Dokumentation nennt eine Zertifizierung nach SOC 2 Type II, und die Steuerung der Datenaufbewahrung ist eine Enterprise-Funktion.
- Was sind die besten Alternativen zu Lakera Guard (Check Point AI Guardrails)?
- Die nächsten Alternativen, die wir getestet haben, sind Amazon Bedrock und Google Agent Platform (Vertex AI).
Antworten geprüft am 26. Okt. 2026.