> ## Content Index > Fetch the complete content index at: https://www.aibad.news/llms.txt > Use this file to discover other available public pages before exploring further. # Schwachstelle entdeckt, Angriff folgt: Wie KI das Zeitfenster bei Malware verkürzt - URL: https://www.aibad.news/schwachstelle-entdeckt-angriff-folgt-wie-ki-das-zeitfenster-bei-malware-verkurzt/ - Published: 2026-09-20T08:13:33.000Z - Updated: 2026-09-20T08:13:33.000Z - Author: Roger Basler de Roca - Tags: Cybersicherheit TLDR: *Wenn eine Firma eine Sicherheitslücke schliesst, verrät sie damit auch, wo die Lücke war. Früher brauchten Angreifer:innen Wochen, um daraus einen Angriff zu bauen. Neue KI-Systeme schaffen das in Stunden. Wer Updates nur langsam einspielt, verliert dadurch seinen Vorsprung.* ### Ein Update zeigt, was kaputt war Stell Dir vor, ein Schlosshersteller verschickt ein Rundschreiben: "Wir haben Modell X repariert. Der Fehler lag bei der Feder im Zylinder." Für Kund:innen ist das eine gute Nachricht. Für Einbrecher:innen ist es ein Hinweis, wo sie ansetzen müssen. Genau so funktionieren Sicherheitsupdates bei Software. Ein Update repariert eine Lücke. Wer die alte und die neue Version nebeneinanderlegt, sieht, was geändert wurde. Daraus lässt sich ableiten, wo die Lücke war und wie man sie ausnutzt. Fachleute nennen eine solche Lücke, die schon bekannt ist, aber noch nicht überall repariert wurde, einen "N-Day". Im Gegensatz dazu ist ein "Zero-Day" eine Lücke, die noch niemand kennt, auch der Hersteller nicht. ### Früher dauerte das Wochen Diese Arbeit war schwierig. Sie brauchte Spezialist:innen, und die sind selten. Deshalb hatten Firmen nach einem Update meistens etwas Zeit. Ein paar Beispiele: - Der Erpressungstrojaner WannaCry traf 59 Tage, nachdem das Update dafür erschienen war. - Bei einer bekannten Lücke in Citrix, einer Software für Fernzugriff, dauerte es etwa zwei Wochen. - Bei 16 von 25 untersuchten Lücken dauerte es einen Monat oder länger. Darauf sind viele Abläufe in Firmen gebaut: erst testen, dann eine kleine Gruppe, dann alle. Das dauert oft mehrere Wochen. ### Jetzt schafft es eine KI in Stunden Anthropic hat am 8\. Juni 2026 bewusst mit bereits veröffentlichten Patches getestet, nicht mit unbekannten Lücken. Der Agent bekam nur, was Angreifer:innen am Tag des Patches auch hätten. Bei Windows waren das die Binärdateien, öffentliche Debug-Symbole, eine Dekompilierung und der Microsoft-Hinweistext. Die Zahlen aus dem Bericht: - **Firefox:** 18 Patches der JavaScript-Engine. Das stärkste Modell, Mythos Preview, erzeugte für 14 einen Absturz-Nachweis und baute 8 funktionierende Exploits. Der erste war nach knapp einer Stunde fertig. Die gepatchte Firefox-Version erschien erst 18 Tage später. - **Windows-Kernel:** 21 Patches. Der erste Absturz-Nachweis kam nach 31 Minuten, alle 18 nach sechs Stunden, für rund 2'200 US-Dollar API-Kosten. Dazu entstanden 8 vollständige Ketten, die einen einfachen Benutzer bis SYSTEM-Rechte hochstufen, für durchschnittlich etwa 2'000 US-Dollar pro Kette. - **Einordnung durch Microsoft:** 14 der 21 Lücken hatte Microsoft als "Exploitation Less Likely" oder "Unlikely" bewertet. Für 13 davon lieferte das Modell einen Nachweis. Zwei Einschränkungen gehören dazu. Anthropic misst eigene Modelle und hat damit ein Interesse, Fähigkeiten offenzulegen. Und ein Exploit ist noch keine Kampagne: Zielsuche, Auslieferung und Tarnung kosten weiterhin Zeit. Der Bericht sagt aber selbst, dass gerade die Exploit-Entwicklung bisher der Engpass war, weil sie seltenes Reverse-Engineering-Wissen brauchte. Öffentliche Modelle mit abgeschalteten Schutzmechanismen können solche Exploits ebenfalls bauen, nur weniger. ### Wo der Zero-Day tatsächlich ins Spiel kommt Die Ausgangsthese, dass Malware dank Agentic AI immer mehr zu Zero-Days wird, stimmt nur zum Teil. Ein Zero-Day ist eine unbekannte, ungepatchte Lücke. KI verwandelt keine beliebige Malware in eine solche. Was Google Threat Intelligence Group am 11\. Mai 2026 beschreibt, ist präziser. Erstmals wurde ein Zero-Day beobachtet, den Kriminelle mit hoher Wahrscheinlichkeit mit KI-Hilfe entdeckt und einsatzbereit gemacht haben. Er umgeht die Zwei-Faktor-Authentifizierung eines verbreiteten Open-Source-Administrationswerkzeugs. Google und der Hersteller konnten die geplante Massenausnutzung stören. Google geht davon aus, dass dafür nicht Gemini genutzt wurde. Die Art der Lücke ist aufschlussreich. Es war kein Speicherfehler, sondern eine hart codierte Vertrauensannahme, also ein Logikfehler. Klassische Scanner suchen nach Abstürzen und riskanten Codestellen. Sprachmodelle lesen die Absicht des Entwicklers und finden den Widerspruch zur Ausnahme. Wichtig: Der Angriff setzt gültige Zugangsdaten voraus, und Google hält fest, dass Modelle bei komplexer Enterprise-Berechtigungslogik noch Mühe haben. Dazu kommt der Wechsel vom Chat zum Workflow. Google beobachtet, dass APT45 tausende repetitive Prompts einsetzt, um CVEs rekursiv zu analysieren und Proof-of-Concepts zu validieren. Ein mutmasslich China-naher Akteur nutzte agentische Werkzeuge wie Hexstrike und Strix gegen ein japanisches Technologieunternehmen, um Aufklärung und Schwachstellenprüfung teilweise zu automatisieren. Auf der Malware-Seite setzt PROMPTSPY ein Sprachmodell ein, um den Bildschirm eines Android-Geräts zu lesen und Bedienaktionen abzuleiten. CANFAIL und LONGSTREAM tarnen sich mit KI-generiertem Füllcode. ### Der Engpass wandert Aus beiden Berichten lässt sich ein Mechanismus ableiten. Angriff besteht aus Schritten: Ziele finden, Lücken verstehen, Exploits bauen, ausliefern, Erkennung umgehen. Jeder Schritt hatte einen Engpass, meist eine knappe menschliche Fähigkeit. Agentische Systeme lösen genau diese Engpässe der Reihe nach auf, weil sie Teilaufgaben zerlegen, parallel arbeiten und Fehlschläge selbst korrigieren. Damit ändert sich die Frage. Zuvor lautete sie: Wie viele Lücken kann ein Team pro Monat auswerten? Jetzt lautet sie: Wie viele Lücken lässt ein Team parallel auswerten, wenn der Preis pro Exploit im Bereich weniger tausend Franken liegt? Die Zahl der möglichen Angreifer:innen steigt, weil Expertise durch Rechenzeit ersetzt wird. Auf der Verteidigungsseite verschiebt sich der Engpass spiegelbildlich: weg von der Exploit-Entwicklung, hin zu Erkennung, Priorisierung und Behebung. Microsofts Bewertungsskala "Exploitation Unlikely" ist auf menschliche Forscher:innen kalibriert. Wenn ein Modell für 13 von 14 solcher Lücken Nachweise liefert, ist diese Skala als Priorisierungsgrundlage unsicher geworden. Hinzu kommt ein Zahlenvergleich. Windows Autopatch verteilt einen Patch laut Anthropic typischerweise in sieben Tagen an 90 Prozent der eingeschriebenen Geräte, der erzwungene Neustart folgt an Tag 11\. Im Test lagen alle acht Exploit-Ketten nach rund sechs Stunden Modellarbeit für die Nachweise und einer weiteren Ausbauphase vor, bevor die Geräte breit aktualisiert waren. Der Vorsprung der Verteidigung war schon vor dem Rollout aufgebraucht. ### Was das für Unternehmen bedeutet Patch-Management wird zur Geschäftsentscheidung, nicht zur Wartungsaufgabe. Konkret: - **Nach Exponierung priorisieren, nicht nur nach Schweregrad.** VPN, Firewall, Gateway, Identitätsdienste und Admin-Oberflächen zuerst, weil sie vom Internet aus erreichbar und hoch privilegiert sind. - **Einen Notfall-Change-Prozess haben.** Kritische Internet-Assets müssen sich innert Stunden absichern lassen, auch wenn das reguläre Change Board erst später tagt. - **Kompensierende Kontrollen einplanen.** Wo ein Patch nicht sofort möglich ist: Dienst abschalten, Zugriff nur über VPN oder Bastion Host, segmentieren. - **Nicht patchbare Systeme isolieren.** Industriesteuerungen, medizinische Geräte und Legacy-Systeme haben feste Wartungsfenster und sind am stärksten gefährdet. - **Eigene KI-Agents mit minimalen Rechten ausstatten.** Ein Agent mit Zugriff auf E-Mail, Repositories und Admin-Konsolen vergrössert die Angriffsfläche, die hier beschrieben wird. Der Zeitvorteil nach dem Patch war nie eine Eigenschaft der Sicherheit. Er war eine Eigenschaft der Knappheit von Expert:innen. Wo die Knappheit fällt, fällt der Vorsprung, und ein Patch ist nicht mehr das Ende einer Meldung, sondern die erste Seite der Anleitung, die auch die Gegenseite liest. ### Disclaimer dieser Artikel wurde nach meinem eigenen Wissen und dann mit Recherchen mit KI ([Perplexity.Ai](http://perplexity.ai/?ref=aibad.news) und [Gemini.Google.com](http://gemini.google.com/?ref=aibad.news)) manuell zusammengestellt und mit [Deepl.com/write](http://deepl.com/write?ref=aibad.news) vereinfacht. Der Text wird dann nochmals von zwei Personen meiner Wahl gelesen und kritisch hinterfragt. Das Bild stammt von KI-generierter Bildgebung (Ideogram/Adobe Firefly). Dieser Artikel ist rein edukativ und erhebt keinen Anspruch auf Vollständigkeit. Bitte melde dich, wenn Du Ungenauigkeiten feststellst, danke. Und darum bin ich nach wie vor überzeugt: Die Zukunft gehört nicht mehr dem Tippen und Klicken, sondern dem gemAInsamen arbeiten mit intelligenten Systemen. Das gilt für Angreifer:innen wie für Verteidiger:innen, und wer die Geschwindigkeit der Gegenseite kennt, patcht anders. Also wenn Du reden willst, und wenn Du mit mir zusammenarbeiten willst: melde Dich gerne [www.rogerbasler.ch](http://www.rogerbasler.ch/?ref=aibad.news) ### Quellen Google Threat Intelligence Group. (2026, 11\. Mai). *GTIG AI Threat Tracker: Adversaries leverage AI for vulnerability exploitation, augmented operations, and initial access*. Google Cloud Blog. [https://cloud.google.com/blog/topics/threat-intelligence/ai-vulnerability-exploitation-initial-access](https://cloud.google.com/blog/topics/threat-intelligence/ai-vulnerability-exploitation-initial-access?ref=aibad.news) Xiao, W., Abbott, T., Carlini, N., Cheng, N., Forsythe, D., Lucas, K., Nasr, M., & Sakhuja, S. (2026, 8\. Juni). *Measuring LLMs' impact on N-day exploits*. Anthropic. [https://www.anthropic.com/research/n-days](https://www.anthropic.com/research/n-days?ref=aibad.news)