Die offensiven Cyberfähigkeiten von KI-Modellen wachsen schneller als die Verteidigungsstrategien der meisten Unternehmen – mit einer Verdopplungsrate, die klassische Sicherheitskonzepte fundamental in Frage stellt.
Offensive KI-Fähigkeiten verdoppeln sich alle sechs Monate
Die Fähigkeit von KI-Modellen, Sicherheitslücken eigenständig zu identifizieren und auszunutzen, wächst in einem Tempo, das Sicherheitsforscher alarmiert. Einer neuen Studie zufolge verdoppeln sich die offensiven Cyberfähigkeiten führender Large Language Models seit 2024 alle 5,7 Monate – eine Entwicklungsgeschwindigkeit, die klassische Abwehrstrategien unter erheblichen Druck setzt.
Modelle übertreffen menschliche Experten bei Standardaufgaben
Besonders aufschlussreich sind die konkreten Leistungsvergleiche: Aktuelle Modelle wie Anthropics Claude Opus sowie OpenAIs GPT-Codex-Varianten lösen Sicherheitsaufgaben, für die ausgebildete Fachkräfte durchschnittlich drei Stunden benötigen, in einem Bruchteil dieser Zeit. Die in der Studie verwendeten Benchmarks orientieren sich an realen Angriffszenarien, nicht an theoretischen Laborkonstrukten.
KI-Modelle übernehmen zunehmend die Rolle eines erfahrenen Assistenten – bei der Analyse von Schwachstellen, dem Schreiben von Exploit-Code oder der Umgehung von Sicherheitsmechanismen.
Das bedeutet nicht zwingend, dass KI-Systeme bereits vollständig autonome Cyberangriffe auf komplexe Infrastrukturen durchführen können. Die Ergebnisse zeigen jedoch, dass der Einstiegspunkt für technisch versierte, aber nicht spezialisierte Angreifer deutlich abgesunken ist.
Demokratisierung von Angriffswerkzeugen
Die sicherheitspolitische Dimension dieser Entwicklung liegt weniger in staatlichen Akteuren, die ohnehin über spezialisierte Ressourcen verfügen. Kritischer ist die Absenkung der technischen Einstiegshürde für Angriffe mittlerer Komplexität:
- Phishing-Kampagnen, die bisher erkennbar schlecht formuliert waren, können mit Sprachmodellen sprachlich und kontextuell perfektioniert werden.
- Exploit-Code für bekannte Schwachstellenklassen lässt sich schneller generieren und anpassen.
- Social Engineering wird durch natürlichsprachliche KI-Ausgaben überzeugender und skalierbarer.
Sicherheitsanbieter beobachten bereits seit 2024 einen Anstieg bei KI-gestützten Angriffen – insbesondere bei der automatisierten Ausnutzung neu veröffentlichter Schwachstellen im engen Zeitfenster zwischen CVE-Veröffentlichung und verfügbarem Patch.
Gegenmaßnahmen hinken strukturell hinterher
Das grundlegende Problem besteht in einer strukturellen Asymmetrie:
Angreifer profitieren sofort von verbesserten Modellen – defensive Sicherheitsinfrastruktur folgt typischerweise in längeren Beschaffungs- und Implementierungszyklen.
Patch-Management, Netzwerksegmentierung und Monitoring-Systeme müssen organisatorisch verankert sein, bevor ein Angriff stattfindet. KI-gestützte Angriffswerkzeuge stehen dagegen mit jedem neuen Modell-Release unmittelbar zur Verfügung.
Sicherheitsforscher empfehlen als Reaktion:
- Verstärkten Einsatz von KI-gestützten Anomalie-Erkennungssystemen
- Regelmäßige Red-Team-Übungen unter Nutzung genau jener Modelle, gegen die man sich absichern möchte
- Deutliche Verkürzung interner Reaktionszeiten auf bekannte Schwachstellen
Einordnung für deutsche Unternehmen
Für mittelständische und große Unternehmen in Deutschland ergibt sich konkreter Handlungsbedarf. Die gesetzlichen Anforderungen durch NIS2, die seit Oktober 2024 für eine breite Gruppe von Unternehmen gelten, schreiben technische Sicherheitsmaßnahmen und Meldepflichten vor – ein Rahmen, der nun mit der beschleunigten Entwicklung offensiver KI-Kapazitäten abgeglichen werden muss.
IT-Sicherheitsverantwortliche sollten prüfen, ob bestehende Risikomodelle die KI-gestützte Bedrohungslage bereits abbilden – und ob interne Reaktionsprozesse der gestiegenen Angriffsgeschwindigkeit entsprechen.
Quelle: The Decoder
