LONDON (IT BOLTWISE) – Angreifer starten inzwischen oft, bevor überhaupt ein Patch existiert, und KI kann diese Lücke weiter beschleunigen. Genau deshalb lohnt sich bei KI-gestütztem Pentesting ein strukturierter Bake-off statt einer glänzenden Demo. Der neue 15-Fragen-Leitfaden adressiert insbesondere Kontext-Recon, echte Reichweite in eingeloggten Flows und nachweisbare Reproduktion gefundener Schwachstellen. Im Fokus stehen außerdem Guardrails und Retests, damit Tests nicht nur beeindruckend wirken, sondern Produktion wirklich sicherer machen.

Ein Kerntrend aus der aktuellen Sicherheitsberichterstattung lautet: Ausnutzung folgt nicht mehr erst auf die Veröffentlichung eines Fixes. Laut Mandiant M-Trends 2026 startet der Exploit oftmals schon dann, wenn das betroffene System noch keinen Patch hat. Besonders aussagekräftig ist die Zahl aus dem Zeitraum 1H 2026: 23% der Schwachstellen, die in der VulnCheck-Erfassung auf die Liste der ausgenutzten Lücken kamen, wurden am oder sogar vor dem Disclosure-Tag getroffen. Für Unternehmen bedeutet das weniger Planungssicherheit, aber eine klarere Priorität: Test- und Validierungszyklen müssen schneller werden – und die dafür genutzten KI-gestützten Pentesting-Ansätze dürfen nicht nur “schnell”, sondern vor allem “verifizierbar” sein.
Agentic Pentesting adressiert genau diese Lücke, indem es nicht bei einem statischen Scanstapel stehen bleibt, sondern selbstständig durch die Anwendung navigiert, Hypothesen bildet und Tests iterativ ausführt. Die Relevanz zeigt auch ein konkretes Beispiel aus der Threat Intelligence: Google Threat Intelligence Group beschreibt einen Threat Actor, der einen Zero-Day mit Hilfe von KI entwickelt haben soll – darunter eine 2FA-Umgehung, die auf einer Logikfalle basiert und mit klassischem Fuzzing sowie statischer Analyse leicht übersehen werden kann. Wenn ein Angreifer eine Logikschwachstelle entlang eines mehrstufigen Flows ausnutzt, reicht ein “schöner Report”, der nur Eingaben testet, die der Scanner ohnehin automatisch probiert. Stattdessen muss das Pentesting die tatsächliche Anwendungssituation abbilden: eingeloggte Benutzer, Rollenwechsel, zustandsabhängige Entscheidungen und Schutzmechanismen, die erst im Zusammenspiel auffallen.
Genau hier wird ein wichtiger Auswahlpunkt gern zu spät berücksichtigt: KI-Pentesting-Vendors sind nicht austauschbar. Viele wirken in Demos überzeugend, weil der Agent auf einer “Vendor-Target” durch typische Schwachstellen geführt wird. Das Problem zeigt sich jedoch spätestens im eigenen System, sobald man den Agenten vor der ersten Payload wirklich arbeiten lässt. In einem Modell wie dem von CyCognito entfallen Recon und Analyse auf etwa 20 bis 30 Stunden einer manuellen Pentest-Gesamtdauer von 63 bis 95 Stunden. Entscheidend ist aber die Frage, wie diese Vorarbeit technisch abläuft: Einige Systeme starten bei jeder Ausführung von einer leeren URL und bauen die Landkarte komplett neu. Andere übernehmen eine bereits existierende Wissensbasis über die eigene App-Struktur und halten sie zwischen Runs aktuell. Ein “Starting Map”-Ansatz sollte dabei ein Startvorteil sein – nicht die gedankliche Grenze, die das Testen künstlich einschränkt.
Um diese Unterschiede greifbar zu machen, empfiehlt der Leitfaden einen Bake-off, der das Kernrisiko jedes Agent-Setups offenlegt: Ohne Kontext verhält sich der Agent wie ein intelligenter Scanner. Mit Kontext kann er dagegen über die App-Logik reasoning durchführen und damit genau die Stellen finden, an denen Sicherheitskontrollen aneinandergeraten. Der Text führt dafür ein konkretes Muster aus: Bei einer Fehlersuche an Apache Airflow sei die KI-gestützte Assistenz zunächst zu dem Schluss gekommen, ein Suchpfad sei ein Dead End. Erst das Testen, wie die Deployment-Komponenten gegenseitig vertrauen, statt primär den Code zu lesen, führte zu einer nicht authentifizierten Remote Code Execution (CVE-2026-68982). Für Entscheider heißt das: Der Agent muss begründen können, welche Teststrategie er wählt, und er muss in die Tiefe gehen, wo “Code Coverage” allein nicht die Sicherheitswirkung erklärt.
Besonders wichtig wird die Verifikation: Ein verdächtiges Muster ist noch keine ausnutzbare Schwachstelle. Der Leitfaden fordert deshalb Proof statt Suspicion – konkret die Fragen, ob der Agent die vermutete Schwachstelle wirklich ausnutzt, ob er die Ergebnisse reproduzierbar demonstriert und ob er dabei Evidenz liefert, die das eigene Team nachprüfen kann. Gerade im produktiven Kontext ist das eine Abkürzung zu mehr Sicherheit, nicht nur zu mehr Zeitersparnis. Als Beispiel wird ein autorisierter Test auf einer Produktions-Webseite eines großen Versicherers genannt: Der Agent erkannte, dass die Anfrage für Einmalpasscodes Login-Codes an praktisch jede E-Mail-Adresse senden konnte. Die Bestätigung erfolgte, indem der Agent sich mit einem Code einloggte, der in sein eigenes Postfach zugestellt wurde; die Guardrails stoppten anschließend den Testlauf. Zusätzlich wird als Kontext erwähnt, dass die Seite zuvor etwa sechs Monate zuvor bereits pentestet worden sei – ein Hinweis darauf, dass Retests und das Auffinden von Regressionen oder neuen Angriffsflächen im Lebenszyklus einer Anwendung nicht “nice to have” sind.
Für die Vendor-Auswahl lassen sich aus dem 15-Fragen-Set insbesondere drei Checks herausheben, die eine schwache Plattform oft sehr schnell entlarven. Erstens: Schafft der Agent die Reichweite bis in eingeloggte Workflows hinein – oder bleibt er bereits an der Login-Seite stehen? Zweitens: Validiert er, was er findet, oder reicht am Ende eine Liste vermuteter Probleme ohne belastbare Reproduktion? Drittens: Gibt es harte Grenzen für den Produktionsbetrieb, etwa durch Guardrails, die nach einem bestätigten Treffer die Eskalation abbremsen. Der Leitfaden ergänzt diese Punkte durch weitere Prüfungen, darunter Angriffskettenfähigkeit (kann der Agent aus einer Schwachstelle den nächsten Schritt ableiten?), Abdeckung über Rollen, Datenhandling während des Tests, sowie Retests, die Fixes tatsächlich überprüfen. In der Praxis sollten Unternehmen im Bake-off exakt dieselben Rahmenbedingungen setzen: denselben Scope, dieselben Testkonten und idealerweise denselben Zeitplan innerhalb einer kurzen Phase, damit Vendor-Versprechen und tatsächliche Testergebnisse vergleichbar bleiben. Wer am Ende das 36-Punkte-Scorecard-Prinzip anwendet, priorisiert nicht “die beste Demo”, sondern die Fähigkeit, verifizierbare Findings zu liefern und dabei sicher zu operieren.
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!

- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "Agentic KI-Pentesting: 15 Fragen zur Vendor-Auswahl für Web-Apps" für unsere Leser?


#Sophos
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "Agentic KI-Pentesting: 15 Fragen zur Vendor-Auswahl für Web-Apps" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »Agentic KI-Pentesting: 15 Fragen zur Vendor-Auswahl für Web-Apps« bei Google Deutschland suchen, bei Bing oder Google News!