KI erfindet Cyberrisiken nicht neu – aber sie beschleunigt sie

KI-Systeme wie Mythos verändern die Cybersicherheit nicht unbedingt dadurch, dass sie völlig neue Angriffsmöglichkeiten schaffen. Ihre eigentliche disruptive Wirkung liegt in Geschwindigkeit, Skalierung und Automatisierung: Was früher hoch spezialisierte Experten und erhebliche Zeit erforderte, lässt sich zunehmend maschinell unterstützen oder automatisieren. Für Unternehmen entsteht damit vor allem ein Problem: Angreifer können immer schneller agieren, während viele Verteidigungsprozesse weiterhin auf menschliche Reaktionsgeschwindigkeit ausgelegt sind.

Tim Chang, VP of Application Security bei Thales erklärt, warum KI-Systeme wie Mythos Cyberrisiken nicht neu erfinden, Angriffe und Abwehr aber auf Maschinengeschwindigkeit beschleunigen.

Das Aufkommen leistungsfähiger KI-Systeme für die Schwachstellenerkennung hat sich deshalb zu einem der meistdiskutierten Themen der Cybersicherheitsbranche entwickelt. Sicherheitsverantwortliche müssen dabei vor allem eine Frage beantworten: Wie tiefgreifend verändert KI tatsächlich die Bedrohungslage – und welche Konsequenzen sollten Unternehmen daraus heute bereits ziehen?

Zunächst gilt es, die Debatte einzuordnen. Systeme wie Mythos schaffen keine grundsätzlich neue Kategorie von Cyberrisiken. Sicherheitslücken existieren seit Beginn der Softwareentwicklung, und Angreifer suchen seit jeher nach Möglichkeiten, diese auszunutzen.

Was sich durch KI verändert, sind vielmehr Geschwindigkeit, Umfang und Automatisierungsgrad der Schwachstellensuche und potenziell auch deren Ausnutzung. Das britische AI Security Institute kommt bei seiner Evaluierung von Claude Mythos Preview ebenfalls zu dem Ergebnis, dass entsprechende Modelle bereits Systeme mit schwacher Sicherheitsarchitektur erfolgreich angreifen können.

Damit verschiebt sich ein entscheidender Faktor: die Zeit.

KI schafft nicht zwangsläufig neue Risiken

Schwachstellen, deren Identifizierung früher Tage, Wochen oder sogar Monate intensiver Analyse erforderte, könnten künftig wesentlich schneller entdeckt werden. Die Herausforderung besteht deshalb weniger darin, dass völlig unbekannte Risiken entstehen, sondern darin, dass bekannte Probleme schneller gefunden, analysiert und möglicherweise ausgenutzt werden können.

Angriffe wechseln auf Maschinengeschwindigkeit

Genau darin liegt die eigentliche Bedeutung von Mythos und vergleichbaren Systemen. Angreifer bewegen sich zunehmend von menschlicher Geschwindigkeit in Richtung Maschinengeschwindigkeit. Viele Sicherheitsorganisationen arbeiten dagegen noch immer mit Prozessen, die auf manuelle Analyse, Abstimmung und Entscheidungsfindung angewiesen sind.

Diese Asymmetrie könnte zu einer der größten Herausforderungen für das Schwachstellenmanagement werden.

Wenn sich die Zeitspanne zwischen der Entdeckung einer Schwachstelle und ihrer möglichen Ausnutzung verkürzt, geraten traditionelle Patch- und Priorisierungsprozesse unter Druck. Unternehmen können darauf jedoch nicht einfach mit immer schnelleren Updates reagieren.

Eine blinde Erhöhung der Patch-Frequenz ohne Tests, Priorisierung und Berücksichtigung der geschäftlichen Auswirkungen kann operative Instabilität verursachen und im schlimmsten Fall zusätzliche Risiken schaffen.

Entscheidend bleibt daher ein risikobasiertes Vulnerability Management: Welche Schwachstelle ist tatsächlich erreichbar? Welche Systeme sind betroffen? Welche Identitäten und Berechtigungen könnten missbraucht werden? Und welchen potenziellen Schaden könnte ein erfolgreicher Angriff verursachen?

Verteidiger verfügen über dieselben Werkzeuge

KI ist gleichzeitig keineswegs ausschließlich ein Werkzeug für Angreifer. Unternehmen und Softwareanbieter können leistungsfähige Modelle ebenso einsetzen, um Quellcode zu analysieren, Anwendungen zu testen und Schwachstellen früher zu identifizieren.

Anthropic verfolgt mit Project Glasswing beispielsweise genau diesen Ansatz und setzt Mythos zur Untersuchung sicherheitskritischer Software ein.

Damit verändert KI beide Seiten der Gleichung.

Für Verteidiger entsteht die Chance, bislang manuelle oder zeitaufwendige Prozesse stärker zu automatisieren. Dazu gehören beispielsweise Codeanalyse, Schwachstellenerkennung, Priorisierung, Angriffssimulationen und Teile der Incident Response.

Der entscheidende Wettbewerbsvorteil liegt damit künftig möglicherweise weniger im Besitz eines bestimmten KI-Modells als in der Fähigkeit, dessen Ergebnisse schnell, kontrolliert und zuverlässig in Sicherheitsentscheidungen zu überführen.

Fünf Konsequenzen für Sicherheitsverantwortliche

Unternehmen sollten deshalb nicht auf einzelne KI-Modelle oder spektakuläre Sicherheitsmeldungen reagieren, sondern ihre Sicherheitsorganisation grundsätzlich auf eine stärker automatisierte Bedrohungslandschaft vorbereiten.

Fünf Bereiche sind dabei besonders wichtig:

Softwareanbieter stärker einbeziehen: Unternehmen sollten klären, wie ihre Technologiepartner KI bereits für Sicherheitstests, Schwachstellenerkennung und Vulnerability Management einsetzen.

Transparenz über die Angriffsfläche schaffen: Anwendungen, APIs, Identitäten, Cloud-Ressourcen und Laufzeitumgebungen müssen möglichst vollständig erfasst und miteinander in Beziehung gesetzt werden.

Identitäten und Berechtigungen stärker kontrollieren: Governance- und Verantwortlichkeitsmodelle müssen neben menschlichen Nutzern auch Maschinen, Dienste und zunehmend autonome KI-Agenten berücksichtigen.

Defensive Prozesse automatisieren: Wenn Angreifer ihre Aktivitäten beschleunigen, müssen auch Erkennung, Analyse, Priorisierung und Reaktion stärker automatisiert werden.

Menschliche Kontrolle erhalten: Automatisierung ersetzt nicht die Verantwortung. Kritische Entscheidungen sollten weiterhin durch klare Governance, risikobasierte Entscheidungsprozesse und geeignete Human-in-the-Loop-Mechanismen abgesichert werden.

Cybersecurity tritt in eine neue operative Ära ein

Die übergeordnete Erkenntnis aus Mythos und vergleichbaren KI-Systemen lautet daher nicht, dass KI die grundlegenden Regeln der Cybersicherheit außer Kraft setzt. Sie verändert vielmehr deren Geschwindigkeit und Skalierbarkeit.

Damit geraten Sicherheitsmodelle unter Druck, die für eine langsamere Welt entwickelt wurden. Governance, Identitätsmanagement, Vulnerability Management und Incident Response müssen künftig mit einer Umgebung Schritt halten können, in der immer mehr Analyse- und Entscheidungsprozesse automatisiert stattfinden.

Automatisierung und Anpassungsfähigkeit werden dadurch ebenso wichtig wie klassische Prävention.

Fazit: Geschwindigkeit wird zur Sicherheitskompetenz

Die Unternehmen, die mit dieser Entwicklung am besten umgehen, werden nicht zwangsläufig diejenigen sein, die am meisten KI einsetzen. Entscheidend wird vielmehr sein, KI kontrolliert in bestehende Sicherheitsprozesse zu integrieren, Identitäten und Vertrauensbeziehungen konsequent abzusichern und gleichzeitig die eigene Reaktionsfähigkeit zu erhöhen. Denn wenn sowohl Angreifer als auch Verteidiger zunehmend in Maschinengeschwindigkeit operieren, verändert sich auch die entscheidende Sicherheitsfrage. Nicht nur wer eine Schwachstelle zuerst entdeckt, wird wichtig sein – sondern wer daraus schneller die richtige und vertrauenswürdige Entscheidung ableitet.