Leistungsfähige Sprachmodelle verändern die Suche nach Schwachstellen in Software. Anthropic meldet inzwischen Tausende identifizierte Sicherheitsprobleme und erweitert den Zugang zu seinem Modell Claude Mythos 5.1 für qualifizierte Sicherheitsteams. Doch zwischen der Entdeckung einer Schwachstelle und ihrer wirksamen Behebung liegt ein aufwendiger technischer Prozess. Die Wiener Sicherheitskonferenz DeepSec 2026 rückt deshalb die Qualitätssicherung in den Mittelpunkt und erweitert zugleich ihr Schulungsangebot zur Sicherheit elektronischer Zutrittskontrollsysteme.

Die automatisierte Suche nach Sicherheitslücken erreicht durch den Einsatz großer Sprachmodelle eine neue Entwicklungsstufe. Systeme, die ursprünglich vor allem für die Verarbeitung und Generierung von Sprache entwickelt wurden, können inzwischen umfangreiche Softwareprojekte untersuchen, Programmabläufe analysieren und potenzielle Schwachstellen identifizieren. Damit eröffnen sich neue Möglichkeiten für die Sicherheitsprüfung. Zugleich wächst die Herausforderung, die Ergebnisse zuverlässig zu bewerten und aus technischen Erkenntnissen wirksame Schutzmaßnahmen abzuleiten.
Besonders deutlich wird diese Entwicklung am Beispiel des US-amerikanischen KI-Unternehmens Anthropic. Mit Claude Mythos 5.1 hat der Anbieter ein Modell vorgestellt, dessen Fähigkeiten ausdrücklich auch auf anspruchsvolle Aufgaben der Cybersicherheit ausgerichtet sind. Der Zugang zu den erweiterten Funktionen bleibt auf überprüfte Organisationen und Fachleute beschränkt. Hintergrund ist der doppelte Verwendungszweck solcher Technologien: Verfahren, die Sicherheitsverantwortlichen bei der Entdeckung von Schwachstellen helfen, können grundsätzlich auch zur Vorbereitung von Angriffen eingesetzt werden.
Mit der Erweiterung seines Cyber Verification Program am 6. Oktober 2026 hat Anthropic den Zugang zu fortgeschrittenen Cyberfunktionen neu organisiert. Drei Berechtigungsstufen sollen unterschiedliche Anforderungen defensiver Sicherheitsforschung, autorisierter Penetrationstests und spezialisierter Untersuchungen abdecken.

Tausende Schwachstellen – aber nicht jede Entdeckung ist bereits eine Lösung

Welche Dimension die KI-gestützte Schwachstellensuche inzwischen erreicht, verdeutlichen Angaben von Anthropic. Nach dem öffentlich zugänglichen Disclosure-Dashboard des Unternehmens wurden bis zum 2. Oktober 2026 insgesamt 6.157 Schwachstellenbefunde aus 591 Open-Source-Projekten an die jeweiligen Verantwortlichen gemeldet. Für 516 dieser Befunde dokumentiert das Unternehmen eine zwischenzeitliche Behebung.
Die Angaben beziehen sich auf Untersuchungen mit unterschiedlichen Claude-Modellen, darunter eine frühe Version von Mythos. Sie lassen sich deshalb nicht ausschließlich einem einzelnen Modell zurechnen. Zudem sind die Zahlen nach Angaben des Unternehmens Bestandteil eines koordinierten Offenlegungsprozesses, in dem externe Sicherheitsforscher Befunde prüfen und Softwareverantwortliche über relevante Schwachstellen informieren.
Noch umfangreicher fallen die Ergebnisse aus, die Anthropic im Zusammenhang mit seinem Project Glasswing veröffentlicht hat. Nach Unternehmensangaben identifizierten beteiligte Organisationen zwischen April und Juli 2026 mindestens 129.000 verifizierte Softwareschwachstellen. Hinzu kamen rund 5.500 weitere verifizierte Befunde aus eigenen Open-Source-Untersuchungen zwischen April und Oktober. Mehr als 33.000 der insgesamt erfassten Schwachstellen wurden laut Anthropic als kritisch oder schwerwiegend eingestuft. Eine unabhängige Überprüfung der Gesamtheit dieser Befunde ist anhand der veröffentlichten aggregierten Zahlen allerdings nicht möglich.
Für die Bewertung solcher Ergebnisse ist entscheidend, zwischen einer identifizierten Auffälligkeit, einer technisch bestätigten Schwachstelle und einem tatsächlich behobenen Sicherheitsproblem zu unterscheiden. Die Zahl gefundener Fehler allein erlaubt noch keine Aussage darüber, wie stark sich die Sicherheit einer Anwendung verbessert hat. Ebenso wichtig sind die praktische Ausnutzbarkeit, die Auswirkungen eines möglichen Angriffs, vorhandene Schutzmaßnahmen und die Zeitspanne bis zur Bereitstellung einer wirksamen Korrektur.

Bewährte Verfahren bilden weiterhin die Grundlage

Die Suche nach Fehlern in Software ist keineswegs erst durch große Sprachmodelle entstanden. Seit Jahrzehnten setzen Entwickler und Sicherheitsforscher unterschiedliche Verfahren ein, um Schwachstellen aufzudecken, ihre Ursachen zu verstehen und Programme robuster zu gestalten. Dazu gehören statische und dynamische Codeanalysen, automatisierte Testverfahren, manuelle Sicherheitsüberprüfungen und das sogenannte Fuzzing.
Beim Fuzzing werden Programme systematisch mit unerwarteten, veränderten oder speziell erzeugten Eingabedaten konfrontiert. Ziel ist es, fehlerhafte Programmzustände auszulösen und dadurch Schwachstellen sichtbar zu machen. Das Verfahren entwickelte sich insbesondere seit den 1980er-Jahren zu einem eigenständigen Forschungsgebiet und ist heute fester Bestandteil professioneller Sicherheitsprüfungen.
Moderne Fuzzing-Systeme nutzen längst nicht mehr ausschließlich zufällige Eingaben. Sie berücksichtigen Informationen über Programmabläufe, erreichte Codebereiche und bisherige Testergebnisse, um die Untersuchung gezielter fortzusetzen. Sprachmodelle können diese Methoden ergänzen, beispielsweise indem sie geeignete Testeingaben erzeugen, komplexe Programmstrukturen interpretieren oder Hinweise auf bislang nicht untersuchte Fehlerzustände liefern.
Der technologische Fortschritt liegt somit weniger in einer grundsätzlich neuen Form der Fehlersuche als in der Erweiterung bestehender Methoden. Entscheidend ist, ob KI-gestützte Verfahren zusätzliche relevante Schwachstellen aufdecken, die Effizienz der Prüfprozesse verbessern und Ergebnisse liefern, die sich unabhängig reproduzieren lassen.

Lokale KI-Modelle verändern die Sicherheitsprüfung

Neben der Leistungsfähigkeit der Modelle gewinnt ihre technische Einbindung in bestehende Entwicklungsumgebungen an Bedeutung. Gerade bei proprietärer Software, vertraulichen Quellcodes und sicherheitskritischen Anwendungen stellt sich die Frage, unter welchen Bedingungen Daten durch KI-Systeme verarbeitet werden dürfen.
Lokal betriebene Sprachmodelle bieten die Möglichkeit, sensible Informationen innerhalb einer kontrollierten Infrastruktur zu verarbeiten. Dadurch lassen sich bestimmte Risiken reduzieren, die mit der Übertragung von Quellcode an externe Dienste verbunden sein können. Voraussetzung bleibt allerdings, dass auch die eingesetzten Modelle, ihre Schnittstellen und die zugrunde liegende Infrastruktur angemessen abgesichert sind.
Die Verbindung solcher Systeme mit automatisierten Testwerkzeugen kann Entwicklungsprozesse unterstützen. Sprachmodelle können auffällige Programmabschnitte identifizieren, Testfälle vorschlagen oder die Analyse komplexer Fehlermeldungen erleichtern. Sie können jedoch auch unzutreffende Schlussfolgerungen ziehen, nicht vorhandene Schwachstellen melden oder relevante Sicherheitsprobleme übersehen.
Deshalb bleibt die technische Validierung unverzichtbar. Erst wenn ein Befund nachvollziehbar reproduziert und seine sicherheitsrelevante Bedeutung bestimmt wurde, lässt sich entscheiden, welche Maßnahmen erforderlich sind.

DeepSec 2026 erweitert den Blick auf physische Sicherheit

Die Diskussion über KI-gestützte Softwareprüfungen bildet einen der fachlichen Bezugspunkte der DeepSec 2026 in Wien. Die Sicherheitskonferenz beschäftigt sich seit Jahren mit neuen Technologien und deren Auswirkungen auf die Informationssicherheit. Bereits seit 2018 werden dort auch KI-Verfahren unter Sicherheitsaspekten behandelt.
Neben der digitalen Sicherheitsforschung erweitert die Veranstaltung in diesem Jahr ihr Schulungsangebot im Bereich physischer Sicherheitssysteme. Die Red Team Alliance stellt eine überarbeitete europäische Fassung ihres Ausbildungsprogramms für Physical Access Control Systems (PACS) vor. Erstmals wird dafür im Rahmen der DeepSec ein dreitägiges Schulungsformat angeboten.
Das Programm basiert auf den ersten drei Modulen eines erweiterten fünftägigen Ausbildungsangebots und verbindet technische Grundlagen mit praktischen Untersuchungen kommerziell eingesetzter Zutrittskontrollsysteme.
Der erste Schulungstag, IDAC 101, behandelt den Aufbau, die Bereitstellung und den Betrieb von Alarm- und Zugangskontrollsystemen. Am zweiten Tag, PACS 201, stehen verbreitete kommerzielle Plattformen und typische Schwachstellen im Mittelpunkt. Der dritte Tag, PACS 213, konzentriert sich auf europäische Systeme, Zertifizierungen und Standards.
Ein weiterer Bestandteil ist die praktische Arbeit mit dem Proxmark5. Das Werkzeug dient der Untersuchung kontaktloser Identifikations- und RFID-Technologien. Die Referenten sollen seine Einsatzmöglichkeiten und Grenzen im Vergleich zu bereits etablierten Analysewerkzeugen demonstrieren.
Für Betreiber kritischer Infrastrukturen, Unternehmen mit erhöhten Sicherheitsanforderungen und Verantwortliche für die Gebäudesicherheit ist dieses Themenfeld von besonderer Bedeutung. Moderne Zutrittskontrollsysteme verbinden physische Schutzmechanismen mit digitalen Berechtigungsstrukturen, Identifikationsmedien und Kommunikationsverfahren. Schwachstellen in einzelnen Komponenten können deshalb Auswirkungen auf die gesamte Sicherheitsarchitektur haben.

Zwischen technologischer Innovation und Sicherheitsverantwortung

Die zunehmende Automatisierung der Schwachstellensuche verändert die Arbeitsweise von Sicherheitsforschern und Entwicklungsabteilungen. Leistungsfähige KI-Systeme können Untersuchungen beschleunigen und Zusammenhänge erkennen, deren manuelle Analyse erheblichen Aufwand verursachen würde.
Gleichzeitig entstehen neue Anforderungen an die Bewertung der Ergebnisse. Automatisierte Befunde müssen priorisiert, ihre Auswirkungen eingeschätzt und geeignete Maßnahmen zur Risikobehandlung entwickelt werden. Eine Schwachstelle mit hoher technischer Bewertung kann unter bestimmten Betriebsbedingungen weniger relevant sein als ein zunächst unscheinbarer Fehler in einem besonders exponierten System.
Für Unternehmen und Betreiber kritischer Infrastrukturen ist deshalb die Einbettung der Schwachstellenanalyse in ein umfassendes Sicherheitsmanagement entscheidend. Dazu gehören die Kenntnis der eingesetzten Softwarekomponenten, nachvollziehbare Prozesse für Sicherheitsupdates, dokumentierte Verantwortlichkeiten und die regelmäßige Überprüfung der Wirksamkeit getroffener Maßnahmen.
Auch regulatorische Anforderungen an Cybersicherheit und Resilienz erhöhen die Bedeutung solcher Prozesse. Die europäische NIS2-Richtlinie unterstreicht die Notwendigkeit eines systematischen Risikomanagements und angemessener technischer sowie organisatorischer Sicherheitsmaßnahmen. KI-gestützte Prüfwerkzeuge können hierzu einen Beitrag leisten. Die Verantwortung für die Bewertung und Behandlung identifizierter Risiken verbleibt jedoch bei den zuständigen Organisationen.
Die zentrale Herausforderung der kommenden Jahre dürfte daher weniger darin bestehen, ob KI-Systeme weitere Sicherheitslücken entdecken können. Entscheidend wird vielmehr sein, ob Unternehmen in der Lage sind, die wachsende Menge technischer Erkenntnisse in wirksame Sicherheitsmaßnahmen zu überführen.

DeepSec als Forum für die praktische Sicherheitsforschung

Mit der Verbindung von KI-gestützter Schwachstellensuche, sicherer Softwareentwicklung und der Untersuchung elektronischer Zutrittskontrollsysteme greift die DeepSec 2026 unterschiedliche Facetten einer zunehmend vernetzten Sicherheitslandschaft auf.
Die Konferenz findet am 19. und 20. November 2026 in Wien statt. Die regulären Fachschulungen sind für den 17. und 18. November vorgesehen. Das dreitägige PACS-Training bildet eine zeitliche Ausnahme und wird nach Veranstalterangaben teilweise in den Räumlichkeiten der DeepSec sowie im Konferenzhotel durchgeführt. Die geschlossene DeepINTEL Security Intelligence Conference ist für den 18. November angesetzt.
Die Vorträge sind als Präsenzveranstaltungen geplant und sollen registrierten Teilnehmern zusätzlich über eine Online-Plattform zugänglich sein.
Die fachliche Auseinandersetzung mit neuen Technologien ist gerade angesichts der raschen Entwicklung leistungsfähiger KI-Systeme von besonderer Bedeutung. Denn nicht die öffentliche Aufmerksamkeit für einzelne Modelle entscheidet über den Fortschritt in der Informationssicherheit, sondern ihre nachweisbare Wirksamkeit unter praktischen Bedingungen.
Die entscheidenden Fragen bleiben deshalb unabhängig vom eingesetzten Werkzeug dieselben: Welche Schwachstelle liegt tatsächlich vor? Unter welchen Voraussetzungen kann sie ausgenutzt werden? Welche Auswirkungen sind zu erwarten? Und wie lässt sich das Risiko dauerhaft reduzieren? Erst wenn diese Fragen belastbar beantwortet werden können, wird aus einer technologischen Entdeckung ein konkreter Beitrag zur Verbesserung der Sicherheit.
Weitere Informationen: https://deepsec.net/