LONDON (IT BOLTWISE) – Zu GISEC 2026 wird deutlich, wie stark KI inzwischen in Sicherheitsprozesse eingreift: Forschende sollen das KI-System Claude genutzt haben, um Schwachstellen in einer internen OpenAI-Codeumgebung zu finden. Der Kernpunkt ist weniger die Existenz von Lücken als das Tempo und die Reichweite, mit der KI-Assistenten Analysen und Testläufe beschleunigen. Damit verschiebt sich das Kräfteverhältnis: Angriff und Abwehr lernen immer schneller voneinander. Für Unternehmen entsteht daraus eine neue Frage nach dem tatsächlichen Sicherheitsvorsprung im Mittelmaß.
Cybersecurity war lange ein Wettrennen, bei dem zumindest das Bild klarer war: Menschen auf der einen Seite, Technik auf der anderen. In dem Gesprächskontext rund um die CISO-Community zu GISEC 2026 wird dieses Muster allerdings zunehmend unscharf. Nicht, weil die klassischen Sicherheitsprinzipien plötzlich unwichtig wären, sondern weil Künstliche Intelligenz die „Werkzeugebene“ von beiden Seiten nach oben verschiebt. Früher brauchte es für viele Angriffe spezialisiertes Know-how, heute können KI-gestützte Systeme Code analysieren, Hypothesen schneller prüfen und ganze Testketten automatisiert anstoßen. Das verändert nicht nur, wie schnell Schwachstellen gefunden werden, sondern auch, wie schnell daraus verwertbare Kenntnisse entstehen.
Besonders anschaulich ist dabei der beschriebene Fall, in dem unabhängige Security-Forschende laut Quelle im Rahmen autorisierter Bug-Hunting-Aktivitäten Anthropics Claude genutzt haben sollen, um Wege zu Schwachstellen innerhalb einer internen OpenAI-Codeumgebung zu identifizieren und auszunutzen. Entscheidend ist die Einordnung: Es gibt nach Darstellung keinen Hinweis auf böswillige Akteure. Dennoch zeigt der Ablauf etwas Grundlegendes über die aktuellen Fähigkeiten großer Sprachmodelle und verwandter KI-Ansätze. Wenn ein Modell nicht nur Texte erklärt, sondern auch Muster im Code erkennt, relevante Testfälle vorschlägt und Entscheidungen zur weiteren Analyse abkürzt, wird aus „assistierter Analyse“ eine beschleunigte Entdeckungskette. Genau dort liegt das Sicherheitsrisiko für Organisationen: Nicht unbedingt im „ob“ einer KI-Auswertung, sondern im „wie schnell“ und „wie skalierbar“ sie wird.
Technisch betrachtet verschiebt sich das Spiel von manuellen Tätigkeiten hin zu orchestrierten Workflows. Eine Schwachstellenanalyse besteht in der Praxis häufig aus mehreren Schritten: Verständnis der Codebasis, Identifikation relevanter Komponenten, Formulierung von Annahmen über Eingabepfade, Prüfung von Grenzfällen, Verifikation über Tests und schließlich Dokumentation. KI-Assistenz kann diese Schleifen verkürzen, indem sie aus vorhandenen Artefakten schneller „naheliegende“ Stellen ableitet und daraus konkrete Testsequenzen erzeugt. Dazu kommt ein zweiter Effekt: KI-Systeme bleiben bei repetitiven Tätigkeiten konsistent, und sie „vergessen“ Syntax nicht nach Stunden wie ein menschlicher Prüfer. Selbst wenn die Ergebnisse später menschlich validiert werden müssen, reduziert das vor allem die Zeit bis zur ersten belastbaren Hypothese. In der Quelle wird dieser Punkt als grundlegende Beschleunigung beschrieben, die klassische manuelle Bewertungen von Wochen auf potenziell deutlich kürzere Zyklen drückt.
Im Markt spiegelt sich genau diese Dynamik in einer veränderten Verteidigungsstrategie. Die Quelle beschreibt die neue Logik als „AI versus AI“: Angreifer nutzen KI, um offensive Abläufe zu entdecken, zu automatisieren und zu skalieren; Verteidiger setzen KI ein, um Bedrohungen zu jagen, Anomalien zu erkennen und Vorfälle zu koordinieren. Für Unternehmen ist das mehr als ein Schlagwort. Threat Hunting und Incident Response profitieren besonders dann, wenn KI nicht als „Zauberkiste“, sondern als Komponente in einer Pipeline verstanden wird: Sie klassifiziert Ereignisse, priorisiert Untersuchungen und kann sogar Hinweise aus Logs mit Kontext aus Tickets oder Code-Änderungen verknüpfen. Gleichzeitig steigt aber die Gegenlast: Jede verbesserte Verteidigung hinterlässt Spuren in Trainingsdaten, Metriken und Prozessmustern, an denen sich auch Offensiv-KI orientieren kann. Damit verschiebt sich das Gleichgewicht von einem reinen „Arms-Race“ zwischen Angriffstools und Abwehrteams hin zu einem Wettbewerb zwischen automatisierten Systemen, die voneinander lernen können.
Historisch gab es zwar schon immer eine Wechselwirkung zwischen Angriffs- und Abwehrinnovation, etwa durch den Ausbau von Fuzzing, statischer Analyse oder Reverse-Engineering-Tools. Der Unterschied heute liegt jedoch in der Generalisierbarkeit: Große Sprachmodelle können in vielen Domänen schnell wiederverwendet werden, statt dass Teams jedes Mal bei null beginnen. Wenn ein System einmal gut darin ist, relevante Stellen im Code zu finden oder passende Testdaten zu formulieren, lässt sich dieses Wissen auf neue Targets übertragen. Genau deshalb bleibt der Vorteil verantwortungsvoller Forschung so zentral, auch wenn die Meldung selbst keine „Bombe“ in dem Sinne liefert, dass ein akuter Angriff stattfand. Transparente Sicherheitsprüfung, Bug-Bounty-Programme und unabhängige Audits schaffen einen Kanal, in dem Erkenntnisse sichtbar werden, bevor sie missbraucht werden. Die Quelle verwendet dazu bewusst die Balance-Metapher aus der Natur: Ohne „Stress-Test“ bleibt das Ökosystem in Cybersicherheit zu träge.
Für die Praxis bedeutet das: Unternehmen sollten weniger fragen, ob KI Angriffe ermöglicht, sondern wie sie ihre Sicherheitsprozesse so gestalten, dass KI-basiertes Tempo nicht automatisch in erhöhtes Risiko übersetzt. Das betrifft vor allem den Lebenszyklus von Schwachstellen: Wie schnell werden Indikatoren aus Tests in Priorisierung überführt? Wie konsequent werden Failures aus Proof-of-Concepts in konkrete Fixes und Regressionstests übersetzt? Wie gut ist der Abgleich zwischen Code-Änderungen und Sicherheitskontrollen? Wenn die „Jungle“ autonomer wird, entscheidet weniger die Intuition, sondern die Architektur der Prozesse. Und am Ende wird die zentrale Aussage der Quelle greifbar: Künstliche Intelligenz ist nicht mehr nur Werkzeug, sondern Akteur in der Kette aus Entdeckung, Prüfung und Verwertung. Die damit verbundene Herausforderung lautet, selbst bei begrenzten Ressourcen nicht nur „mitzuhalten“, sondern die eigenen Verteidigungsabläufe so robust zu machen, dass sie in einem AI-beschleunigten Umfeld verlässlich bleiben.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 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 "KI gegen KI in der Cybersecurity: Wenn Offense und Defense mit Modellen skalieren" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
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 "KI gegen KI in der Cybersecurity: Wenn Offense und Defense mit Modellen skalieren" 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: »KI gegen KI in der Cybersecurity: Wenn Offense und Defense mit Modellen skalieren« bei Google Deutschland suchen, bei Bing oder Google News!