Application-Security
KI verändert die Bot-Angriffe: Warum Blockieren allein nicht mehr genügt
Wenn Bots aus der Abwehr lernen: Application Security vor einer neuen Herausforderung
Mit künstlicher Intelligenz verändert sich nicht nur die Leistungsfähigkeit von Bots, sondern auch ihre Fähigkeit, aus Gegenmaßnahmen zu lernen. Moderne Angreifer imitieren menschliches Verhalten, passen ihre Strategien dynamisch an und können Schutzmechanismen zunehmend gegen ihre Verteidiger verwenden. Für Unternehmen verschiebt sich damit das Ziel der Anwendungssicherheit: Angriffe müssen nicht nur erkannt und blockiert, sondern für ihre Betreiber wirtschaftlich unrentabel gemacht werden.
Tim Chang, VP of Application Security bei Thales erklärt die neuen Entwicklungen.
Jeder Cyberangriff folgt letztlich einer einfachen ökonomischen Logik. Angreifer investieren Zeit, Rechenleistung, Infrastruktur und menschliche Ressourcen – und erwarten dafür einen möglichst hohen Ertrag. Auf der Seite der Verteidiger gilt dieselbe Rechnung.
Für Application-Security-Teams entsteht daraus eine wichtige Konsequenz: Erfolgreiche Bot-Abwehr darf sich nicht darauf beschränken, automatisierte Angriffe möglichst schnell zu blockieren. Sie muss den Aufwand für den Angreifer kontinuierlich erhöhen, bis sich die Attacke nicht mehr lohnt.
Denn ein blockierter Bot ist noch lange kein besiegter Bot. Kann der Betreiber seine Infrastruktur mit geringen Kosten anpassen und wenige Minuten später erneut angreifen, bleibt das Geschäftsmodell hinter der Attacke intakt.
Bots sehen Menschen immer ähnlicher
Automatisierte Systeme versuchen bereits seit Jahren, legitime Nutzer möglichst überzeugend nachzuahmen. Sie bewegen sich durch Webseiten, klicken Links, verändern ihre Geschwindigkeit, legen Pausen ein und simulieren typische Interaktionsmuster menschlicher Besucher.
Generative und lernende KI beschleunigt diese Entwicklung erheblich. Bots können ihr Verhalten flexibler anpassen und dadurch klassische Erkennungsmuster zunehmend umgehen.
Für Security-Teams verändert sich damit auch die zentrale Fragestellung. Statt lediglich zu entscheiden, ob ein Datenstrom gut- oder bösartig ist, müssen sie verstehen, wer oder was auf eine Anwendung zugreift, unter welchen Bedingungen dies geschieht und welche Absicht hinter der Interaktion stehen könnte.
Damit wird Bot Management zunehmend zu einer Frage von Identität, Kontext und Verhalten.
Bots erzeugen inzwischen einen erheblichen Anteil des weltweiten Internetverkehrs. Nach Threat-Intelligence-Daten von Thales entfällt mehr als ein Drittel dieser automatisierten Aktivitäten auf bösartige Nutzung.
Zu dieser Bedrohungslandschaft gehören zunehmend KI-gestützte sogenannte „Predator-Bots“. Sie kombinieren Automatisierung mit bekannten Angriffstechniken wie SQL-Injection oder Cross-Site-Scripting, können legitimes Nutzerverhalten imitieren oder volumetrische Angriffe einsetzen, um Infrastruktur zu überlasten und gleichzeitig andere Aktivitäten zu verschleiern.
Die Folgen beschränken sich längst nicht auf klassische Sicherheitsverletzungen.
Bots sammeln automatisiert Preise, reservieren oder horten Warenbestände, manipulieren Geschäftsprozesse, missbrauchen APIs oder beeinflussen digitale Informationsströme. Dadurch entstehen nicht nur technische Risiken, sondern unmittelbare wirtschaftliche Schäden und Vertrauensverluste.
Besonders problematisch ist dabei die zunehmende Vernetzung moderner Anwendungen. Menschen, APIs, Bots, KI-Agenten und andere automatisierte Systeme kommunizieren permanent miteinander – häufig in Maschinengeschwindigkeit.
Statische Zugangsdaten und einmalige Authentifizierungsentscheidungen reichen in einem solchen Umfeld immer weniger aus. Identität wird stattdessen zu einem dynamischen Sicherheitssignal, das kontinuierlich anhand von Kontext und Verhalten bewertet werden muss.
Warum einfaches Blockieren nicht mehr reicht
Viele klassische Schutzmechanismen stammen aus einer Zeit, in der automatisierter Traffic vergleichsweise vorhersehbar war. Rate Limits gingen davon aus, dass Bots bestimmte Schwellenwerte überschreiten. Regelbasierte Systeme suchten nach wiederkehrenden technischen Merkmalen oder auffälligen Zugriffsmustern.
KI-gestützte Bots können ihr Verhalten variieren, Angriffsgeschwindigkeiten verändern und menschliche Interaktionsmuster zunehmend überzeugend simulieren. Selbst verhaltensbasierte Schutzsysteme geraten dadurch unter Druck.
Hinzu kommt ein paradoxes Problem: Jede erfolgreiche Abwehrmaßnahme kann einem lernfähigen Angreifer Informationen liefern. Erkennt ein Bot beispielsweise, ab welchem Schwellenwert eine Gegenmaßnahme ausgelöst wird, kann dieses Wissen in die nächste Angriffsrunde einfließen.
Aus Verteidigung wird damit unbeabsichtigt Feedback.
Das Geschäftsmodell der Angreifer attackieren Tim Chang plädiert deshalb dafür, Bot-Abwehr stärker unter wirtschaftlichen Gesichtspunkten zu betrachten. Angriffe sind attraktiv, solange ihr erwarteter Ertrag höher ist als die Kosten ihrer Durchführung. Genau an dieser Gleichung können Verteidiger ansetzen. Das Ziel moderner Application Security wäre damit nicht nur:
Erkennen → Blockieren → Reagieren
sondern zunehmend:
Erkennen → Aufwand erhöhen → Skalierung erschweren → Angriff unrentabel machen
Chang vergleicht dieses Prinzip mit einer „Poison Pill“ aus der Unternehmenswelt. Dort werden feindliche Übernahmen gezielt so teuer gemacht, dass sie wirtschaftlich unattraktiv werden.
Übertragen auf die Anwendungssicherheit bedeutet das, einen Teil der Verteidigungskosten auf den Angreifer zurückzuverlagern. Techniken wie Proof-of-Work-Mechanismen, fortschrittliches Fingerprinting oder identitäts- und verhaltensbasierte Kontrollen können automatisierte Zugriffe schrittweise verteuern. Bots müssen dadurch zusätzliche Rechenleistung, Zeit oder Infrastruktur aufbringen.
Der Skalierungsvorteil automatisierter Angriffe könnte sich damit zumindest teilweise gegen den Angreifer wenden.
APIs und KI-Agenten verschärfen das Problem
Besonders relevant wird dieser Ansatz durch die rasante Verbreitung von APIs und autonomen KI-Agenten.
APIs bilden inzwischen den zentralen Kommunikationskanal zwischen Anwendungen, Maschinen, Menschen und zunehmend auch agentischen Systemen. Gleichzeitig können KI-Agenten selbstständig Entscheidungen treffen und Aktionen ausführen.
Damit entstehen neue Sicherheitsfragen: Welche Identität besitzt ein autonomer Agent? Welche Aktionen darf er durchführen? Wie lassen sich seine Entscheidungen nachvollziehen? Und wie kann verhindert werden, dass APIs mit Maschinengeschwindigkeit missbraucht werden?
Passive Angriffserkennung allein wird für solche Szenarien kaum ausreichen. Application Security entwickelt sich deshalb zunehmend in Richtung einer kontinuierlichen, kontextbezogenen und identitätsorientierten Durchsetzung von Sicherheitsrichtlinien.
Aus Verteidigung wird ein permanentes Wettrüsten
Die nächste Generation von Bots dürfte nicht einfach nur schneller werden. Entscheidender ist ihre Fähigkeit, aus Rückmeldungen zu lernen.
KI-basierte Rückkopplungsschleifen könnten automatisierten Angriffssystemen ermöglichen, Schutzmaßnahmen zu testen, erfolgreiche Varianten zu identifizieren und ihre Vorgehensweise kontinuierlich weiterzuentwickeln. Genau darin liegt die eigentliche Qualität der neuen Bedrohung: Bots automatisieren nicht mehr nur den Angriff – sie beginnen, dessen Optimierung zu automatisieren.
Unternehmen müssen ihre Verteidigungsstrategie entsprechend erweitern. Identität, Verhalten, Kontext und wirtschaftliche Reibung werden neben klassischer Erkennung zu zentralen Instrumenten der Bot-Abwehr. Denn möglicherweise ist künftig nicht derjenige erfolgreich, der jeden Bot blockieren kann. Sondern derjenige, der dafür sorgt, dass sich dessen Angriff schlicht nicht mehr lohnt.
