Zum Hauptinhalt springen
Deutsch— Sprache auswählen
Menü

Audit-Logs und Monitoring über die Konsole

Lektion 10 von 12 Aktualisiert am 28. Juli 2026 Fortgeschritten
Auf dieser Seite
  1. Die Bedeutung von Audits in einem regulierten Umfeld
  2. Die xAI-Konsole: Ihr Sicherheits-Dashboard
  3. Nutzungsanalyse über die API
  4. Aufbau eines Warnsystems
  5. Clientseitige Anwendungs-Logs
  6. Fünf Metriken, die Monitoring lesbar machen
  7. Kernaussagen

Die Bedeutung von Audits in einem regulierten Umfeld

Wenn ein SOC 2-Auditor fragt: „Wer hat was, wann verbraucht und wie würden Sie im Falle einer Anomalie darauf reagieren?”, lautet die Antwort nicht „wir schauen uns das an”. Für jede Organisation, die Compliance-Pflichten wie SOC 2, HIPAA oder DSGVO unterliegt, ist die Rückverfolgbarkeit von Aktionen eine grundlegende Anforderung. Sie müssen diese Vorbereitung vor dem Vorfall treffen, nicht danach. Die xAI-Konsole (console.x.ai) bietet die Überwachungs- und Audit-Tools, mit denen Sie die Nutzung Ihrer API-Schlüssel verfolgen und Anomalien erkennen können; diese Lektion zeigt Ihnen, wie Sie diese nutzen, und wie Sie sie auf der Anwendungsebene ergänzen können.

Die xAI-Konsole: Ihr Sicherheits-Dashboard

Die Konsole, die unter console.x.ai zugänglich ist, bündelt vier Funktionen: Verwaltung von API-Schlüsseln, Nutzungsmonitoring, Abrechnung mit Ausgabenlimits und Informationen zur Kontosicherheit. Auf der Daten-Seite erhalten Sie die Nutzung pro Schlüssel (Anzahl der Anfragen, verbrauchte Tokens), die Nutzung pro Modell, eine detaillierte Abrechnungshistorie nach Zeiträumen und den Status jedes Schlüssels – aktiv, blockiert oder deaktiviert. Machen Sie es zur Gewohnheit, diese regelmäßig zu überprüfen: die meisten Schlüsselkompromisse werden zuerst durch eine Nutzungskurve erkannt, die sich nicht mehr den vorherigen Wochen ähnelt.

Nutzungsanalyse über die API

Die Konsole reicht für einen schnellen Überblick aus, aber ein ernsthaftes Monitoring muss programmgesteuert sein: Dafür ist die Analyse-Endpunkt zuständig.

POST /v1/billing/teams/{team_id}/usage

{
  "analyticsRequest": {
    "timeRange": {
      "startTime": "2026-03-01 00:00:00",
      "endTime": "2026-04-01 00:00:00",
      "timezone": "UTC"
    },
    "timeUnit": "DAY",
    "values": [{"name": "tokens", "aggregation": "SUM"}],
    "groupBy": ["model"]
  }
}

Diese Anfrage fordert die Summe der verbrauchten Tokens, tageweise aufgeschlüsselt nach Modell, für den Monat März an. Die Flexibilität ergibt sich aus kombinierbaren Optionen: Zeiteinheiten reichen von MONTH bis MINUTE, einschließlich CALENDAR_WEEK, DAY, HOUR und QUARTER_HOUR; verfügbare Aggregationen sind SUM, AVG, MIN, MAX, Prozentile P50, P90 und P99 sowie COUNT und COUNT_DISTINCT; und Sie können nach Modell, Zeitraum oder Schlüssel gruppieren.

Diese Komponenten decken vier konkrete Bedürfnisse ab. Erstens, Anomalie-Erkennung: Ein plötzlicher Anstieg des Verbrauchs bei einem Schlüssel, der normalerweise ein stabiles Volumen verarbeitet, ist das klassische Symptom eines Kompromisses – dies ist die Abfrage, die Ihr Monitoring-Skript jede Nacht ausführen sollte. Zweitens, Kostenoptimierung: Durch Gruppierung nach Modell erkennen Sie untergenutzte Endpunkte oder teure Modelle, die unnötig aufgerufen werden. Drittens, Compliance-Berichte: Dieselbe Abfrage über ein Quartal hinweg liefert die Zahlen, die der Auditor verlangt. Viertens, Kapazitätsplanung: Der Verbrauchsverlauf sagt Ihnen, wann Sie Ihre Credits neu aufladen müssen, bevor Sie am Sonntag ausgehen.

Aufbau eines Warnsystems

Ein Dashboard, auf das Sie nicht schauen, schützt nichts; Warnungen kommen jedoch direkt zu Ihnen. Hier ist das Gerüst einer täglichen Prüfung, die den Verbrauch der letzten 24 Stunden mit einem Schwellenwert vergleicht:

import requests
from datetime import datetime, timedelta

def check_usage_anomaly(team_id, threshold_tokens):
    today = datetime.utcnow()
    yesterday = today - timedelta(days=1)

    response = requests.post(
        f"https://management-api.x.ai/v1/billing/teams/{team_id}/usage",
        headers={"Authorization": f"Bearer {MGMT_KEY}"},
        json={
            "analyticsRequest": {
                "timeRange": {
                    "startTime": yesterday.strftime("%Y-%m-%d 00:00:00"),
                    "endTime": today.strftime("%Y-%m-%d 00:00:00"),
                    "timezone": "UTC"
                },
                "timeUnit": "DAY",
                "values": [{"name": "tokens", "aggregation": "SUM"}]
            }
        }
    )

    total_tokens = sum_tokens(response.json())
    if total_tokens > threshold_tokens:
        send_alert(f"Abnormal usage: {total_tokens} tokens in 24h")

Ergänzen Sie diese Einrichtung mit einem budgetären Sicherheitsnetz: Der Endpunkt POST /v1/billing/teams/{team_id}/postpaid/spending-limits ermöglicht es Ihnen, ein monatliches Ausgabenlimit festzulegen – unkontrolliertes Überziehen wird dann unmöglich, unabhängig von der Ursache. Und um jederzeit zu wissen, wo Sie im Abrechnungszyklus stehen, gibt GET /v1/billing/teams/{team_id}/postpaid/invoice/preview einen Vorschau der angesammelten Gebühren vor der endgültigen Rechnung.

Clientseitige Anwendungs-Logs

Die xAI-Konsole sieht, was bei xAI passiert; sie sieht nicht, was auf Ihrer Seite geschieht. Ihre eigenen Anwendungs-Logs sind die andere Hälfte der Rückverfolgbarkeit: Sie sind diejenigen, die die Frage beantworten „welcher Benutzer hat diesen Aufruf ausgelöst?”. Protokollieren Sie für jeden API-Aufruf den Zeitstempel, die ID des Benutzers, der den Aufruf initiiert hat, das verwendete Modell und den Endpunkt, die Anzahl der Eingabe- und Ausgabetokens, den HTTP-Antwortstatus, die Latenz und die API-Schlüssel-ID in einer maskierten Version.

Die umgekehrte Disziplin ist ebenso wichtig, denn ein ausführliches Log kann selbst zu einem Datenleck werden. Protokollieren Sie niemals den Inhalt von Prompts, die persönliche Daten enthalten, noch Antworten, die sensible Informationen enthalten, noch API-Schlüssel im Klartext, noch ephemere Tokens. Eine Logdatei, die die Prompts Ihrer Benutzer enthält, ist eine Personal-Datenbank im Verkleidung – mit allen DSGVO-Pflichten, die dies impliziert, einschließlich des Rechts auf Löschung.

Fünf Metriken, die Monitoring lesbar machen

Um diese Lektion zusammenzufassen, sammeln Sie Ihre Monitoring-Daten in einer einzigen Dashboard, anstatt mehrere Bildschirme zu vervielfältigen. Die ersten beiden Metriken beschreiben normale Aktivitäten: täglicher Verbrauch pro Schlüssel und pro Modell sowie die Fehlerrate (4xx, 5xx) pro Endpunkt, die sowohl einen Bereitstellungsfehler als auch einen Schlüssel mit falsch konfigurierten Berechtigungen aufdeckt. Die nächsten beiden beschreiben Reibungsverluste: ausgelöste Moderationsversuche, die Ihnen sagen, was Ihre Benutzer versuchen zu tun, und Schlüssel, die der Ablaufzeit nahekommen, um Erneuerungen zu antizipieren, anstatt ihnen unerwartet gegenüberzustehen.

Die fünfte Metrik ist die, die den Unterschied macht: der Vergleich mit historischen Durchschnittswerten. Eine rohe Zahl sagt nichts aus – acht Millionen Tokens letzte Nacht, ist das viel? Eine Abweichung von der Norm sagt jedoch alles, und es ist auf dieser Abweichung, dass Ihre Warnungen auslösen sollten.

Kernaussagen

  • Die xAI-Konsole (console.x.ai) bündelt Monitoring, Schlüsselverwaltung und Abrechnung
  • Der usage-Endpunkt ermöglicht programmgesteuerte Analysen mit flexibler Aggregation (von SUM bis P99, von MINUTE bis MONTH)
  • Konfigurieren Sie Schwellenwert-Warnungen für den Verbrauch: Ein abnormaler Anstieg ist das erste Anzeichen eines Kompromisses
  • Stellen Sie Ausgabenlimits über die Management-API ein, um jedes Überziehen zu begrenzen
  • Protokollieren Sie Metadaten auf der Anwendungsebene, niemals sensible Inhalte oder Schlüssel im Klartext