Zscaler analysiert globale Kampagne mit ARTEX, Claude Code und Grok

Cyberkriminelle setzen zunehmend auf künstliche Intelligenz, um ihre Angriffe nicht nur zu beschleunigen, sondern ganze Angriffskampagnen zu koordinieren. Eine aktuelle Untersuchung von Zscaler ThreatLabz zeigt, wie mehrere KI-Modelle, spezialisierte Agenten und automatisierte Skripte zu einem leistungsfähigen Angriffssystem kombiniert werden. Besonders brisant: Die Angreifer konnten ihre Aktivitäten über mehrere KI-Sitzungen hinweg fortsetzen, Aufgaben eigenständig verteilen und Organisationen in mehr als 15 Ländern ins Visier nehmen.

Was zunächst wie eine gezielte Angriffskampagne gegen südkoreanische Finanzinstitute aussah, entpuppte sich bei näherer Untersuchung als deutlich umfassendere Cyberoperation. Im Oktober 2026 analysierten die Sicherheitsexperten von Zscaler ThreatLabz eine weltweit angelegte Kampagne, bei der Angreifer das KI-gestützte Penetrationstest-Framework ARTEX mit verschiedenen KI-Codierungsassistenten und selbst entwickelten Automatisierungsskripten kombinierten.

Die Untersuchung verdeutlicht einen grundlegenden Wandel: Künstliche Intelligenz wird nicht mehr ausschließlich zur Unterstützung einzelner Angriffsschritte eingesetzt. Stattdessen entstehen koordinierte Workflows, in denen mehrere KI-Systeme unterschiedliche Aufgaben übernehmen, ihre Ergebnisse gegenseitig überprüfen und begonnene Untersuchungen über längere Zeiträume fortsetzen können.

Mehrere KI-Modelle arbeiten gemeinsam an Cyberangriffen

Im Zentrum der Kampagne stand ARTEX, ein KI-gestütztes Framework für automatisierte Penetrationstests. Seine sogenannte „Planner-and-Worker“-Architektur ermöglicht es, übergeordnete Ziele in einzelne Arbeitsschritte zu zerlegen und diese mithilfe spezialisierter KI-Agenten auszuführen.

Ursprünglich für Sicherheitsanalysen konzipiert, lässt sich diese Architektur auch für offensive Cyberoperationen missbrauchen.

Die Angreifer erweiterten ARTEX durch eigene Skripte und kombinierten das Framework mit verschiedenen KI-Assistenten, darunter Claude Code, Codex und Grok. Zusätzlich kamen nach den ausgewerteten Aufzeichnungen Modelle wie DeepSeek und GLM zum Einsatz.

Dabei übernahmen die Systeme unterschiedliche Funktionen:

• DeepSeek wurde für erste Untersuchungen potenzieller Angriffsziele eingesetzt.
• GLM überprüfte Ergebnisse und identifizierte mögliche Lücken in den Analysen spezialisierter Unteragenten.
• Grok unterstützte umfangreiche Rechercheaufgaben, deren Ergebnisse anschließend durch weitere KI-Sitzungen kontrolliert wurden.
• Spezialisierte KI-Agenten untersuchten unter anderem APIs, Quellcode und Android-Anwendungen.

Bemerkenswert ist die gegenseitige Kontrolle der KI-Systeme. Anstatt sich auf die Ergebnisse eines einzelnen Modells zu verlassen, ließen die Angreifer verschiedene Systeme parallel arbeiten und deren Erkenntnisse überprüfen.

Allerdings weisen die Zscaler-Forscher darauf hin, dass sich die tatsächlich verwendeten Modelle nicht in sämtlichen untersuchten Sitzungen unabhängig bestätigen ließen.

Cyberangriffe mit Gedächtnis: KI setzt Untersuchungen selbstständig fort

Eine besondere Rolle spielte die Fähigkeit, Informationen über mehrere KI-Sitzungen hinweg verfügbar zu halten.

Normalerweise stellt der begrenzte Kontext einzelner KI-Sitzungen eine Herausforderung für längerfristige Aufgaben dar. Die Angreifer umgingen diese Einschränkung durch eine strukturierte Projektverwaltung. Für jedes untersuchte Ziel wurden separate Verzeichnisse angelegt. Automatisierungsskripte erstellten darin Dateien mit Informationen zu Angriffszielen, Fortschritten, Schwachstellen, Untersuchungsergebnissen und gesammelten Belegen.

Diese Dokumentation diente als eine Art externes Gedächtnis.

Neue KI-Sitzungen konnten auf bereits vorhandene Informationen zugreifen und zuvor begonnene Untersuchungen fortsetzen. Dadurch mussten Analysen nicht jedes Mal neu gestartet werden. Die gespeicherten Projektdaten ermöglichten es außerdem, Aufgaben zwischen verschiedenen KI-Modellen aufzuteilen und Untersuchungsergebnisse systematisch zusammenzuführen. Einige Konfigurationen erlaubten den Agenten sogar, bestimmte Aktionen ohne ausdrückliche Freigabe jedes einzelnen Schrittes auszuführen.

Damit entstand ein teilweise automatisierter Angriffsprozess, bei dem der menschliche Betreiber nicht mehr jede Aktivität unmittelbar steuern musste.

Die eigentliche Innovation lag somit weniger im Einsatz einzelner KI-Modelle als in ihrer koordinierten Zusammenarbeit und der dauerhaften Speicherung des Angriffskontexts.

Mehr als 15 Länder im Visier der Angreifer

Die Analyse der wiederhergestellten Eingabeaufforderungen zeigt, dass sich die Kampagne keineswegs auf südkoreanische Finanzinstitute beschränkte. Vielmehr untersuchten die Angreifer Organisationen und digitale Plattformen aus verschiedenen Branchen und geografischen Regionen.

Zu den identifizierten Zielbereichen gehörten neben Finanzinstituten auch Dating-Plattformen, SMS-Dienstleister, Kryptowährungsdienste und Zahlungsplattformen. Insgesamt fanden die Forscher Hinweise auf Untersuchungen von Organisationen in mehr als 15 Ländern. Die große Bandbreite der Ziele deutet auf eine opportunistische Strategie hin: Statt ausschließlich einzelne Unternehmen anzugreifen, suchten die Betreiber offenbar systematisch nach verwertbaren Schwachstellen und potenziell lukrativen Datenbeständen.

Dabei konnten sie mithilfe ihrer KI-gestützten Infrastruktur mehrere Untersuchungen organisieren und teilweise parallel bearbeiten. Die dokumentierten Untersuchungsaufträge belegen allerdings nicht zwangsläufig, dass sämtliche identifizierten Organisationen erfolgreich kompromittiert wurden.

Personenbezogene Daten statt direkter Kontoplünderung

Ein weiteres Ergebnis der Untersuchung betrifft die mutmaßliche Motivation der Angreifer. Die ausgewerteten Prompts zeigen ein besonderes Interesse an strukturierten personenbezogenen Informationen, Mobiltelefonnummern und Finanztransaktionsdaten. Offenbar ging es darum, möglichst umfangreiche Datensätze zu beschaffen und anschließend wirtschaftlich zu verwerten. Hinweise auf Fragen zum Verkauf gestohlener Informationen stützen die Annahme einer finanziell motivierten Kampagne. Auffällig war zudem, dass die Betreiber ihre KI-Systeme ausdrücklich vor bestimmten Aktivitäten warnten.

Direkte, nicht autorisierte Geldabhebungen sollten vermieden werden, da solche Transaktionen Sicherheitswarnungen auslösen und nachvollziehbare Spuren hinterlassen könnten. Diese Anweisungen lassen erkennen, dass die Angreifer nicht nur technische Schwachstellen untersuchten, sondern auch mögliche Entdeckungsrisiken in ihre Vorgehensweise einbezogen.

Der Fokus lag demnach offenbar auf der möglichst unauffälligen Beschaffung und späteren Monetarisierung sensibler Informationen.

Hinweise auf einen chinesischsprachigen Betreiber

Die von Zscaler ThreatLabz rekonstruierten Datensätze liefern auch Hinweise auf die Herkunft beziehungsweise das sprachliche Umfeld der Angreifer. Dazu zählen chinesischsprachige Eingabeaufforderungen, Telefonnummern und Anweisungen zur Übersetzung bestimmter Inhalte ins Chinesische.

Nach Einschätzung der Forscher sprechen diese Indizien deutlich für einen chinesischsprachigen Betreiber. Eine gesicherte geografische oder staatliche Zuordnung lässt sich daraus jedoch nicht ableiten.

Insbesondere erlauben sprachliche Merkmale allein keine belastbare Aussage darüber, ob die Aktivitäten von einer staatlich unterstützten Gruppe oder unabhängigen Cyberkriminellen ausgingen.

Wenn legitime Sicherheitstools zur Angriffsplattform werden

Die Untersuchung macht ein Problem sichtbar, das mit der zunehmenden Verbreitung agentischer KI an Bedeutung gewinnt: Werkzeuge, die ursprünglich für legitime Sicherheitsprüfungen entwickelt wurden, können auch von Angreifern genutzt werden.

Frameworks wie ARTEX ermöglichen es Sicherheitsteams, komplexe Untersuchungen zu strukturieren und zu automatisieren. Dieselben Funktionen lassen sich jedoch für die systematische Suche nach angreifbaren Systemen und wertvollen Datenbeständen einsetzen. Durch die Kombination mit leistungsfähigen KI-Assistenten können Angreifer ihren manuellen Aufwand reduzieren und Untersuchungen deutlich effizienter organisieren.

Besonders relevant ist dabei die Trennung zwischen Planung, Ausführung und Überprüfung.

Während ein KI-Agent potenzielle Schwachstellen analysiert, kann ein anderer die Ergebnisse kontrollieren. Weitere Systeme übernehmen spezialisierte Aufgaben oder bereiten die nächste Untersuchungsphase vor.

Damit nähern sich solche Angriffswerkzeuge zunehmend den Arbeitsweisen professionell organisierter Sicherheitsteams an. Für Unternehmen bedeutet dies, dass sie nicht nur mit einer höheren Geschwindigkeit automatisierter Untersuchungen rechnen müssen. Auch die Fähigkeit von Angreifern, komplexe Angriffsketten systematisch vorzubereiten und über längere Zeiträume fortzuführen, nimmt zu.

Fazit: Agentische KI verändert die Organisation von Cyberangriffen

Die Zscaler-Analyse zeigt, wie aus bekannten Sicherheitstechnologien, mehreren KI-Modellen und vergleichsweise einfachen Automatisierungsskripten ein leistungsfähiges Angriffssystem entstehen kann. Entscheidend ist dabei nicht unbedingt eine vollkommen neue Angriffsmethode. Vielmehr werden bestehende Techniken durch die Koordination unterschiedlicher KI-Systeme effizienter miteinander verbunden.

Die Kampagne verdeutlicht außerdem, dass Angreifer bereits heute versuchen, KI-Modelle als arbeitsteilige, teilweise eigenständig agierende Komponenten in ihre Infrastruktur einzubinden. Für Sicherheitsverantwortliche stellt sich deshalb zunehmend die Frage, ob bestehende Schutzmechanismen auf kontinuierliche, automatisierte und KI-gestützte Untersuchungen ausreichend vorbereitet sind.

Zscaler empfiehlt zur Risikominimierung eine konsequente Zero-Trust-Architektur. Dazu gehören die Reduzierung unnötig exponierter Systeme, die Einschränkung von Zugriffsrechten nach dem Least-Privilege-Prinzip und eine kontinuierliche Überwachung sicherheitsrelevanter Aktivitäten.