Damit verändert sich auch die Sicherheitsfrage: KI ist nicht mehr nur ein Werkzeug zur Abwehr von Cyberangriffen, sondern wird zunehmend selbst zum Werkzeug von Angreifern.
Dabei ist eine nüchterne Betrachtung wichtig. Nicht jeder moderne Hackerangriff ist automatisch ein KI-Angriff. In vielen Fällen bleibt unklar, welcher Teil einer Operation tatsächlich durch ein KI-Modell unterstützt wurde. Das realistische Risiko liegt deshalb weniger in der Vorstellung einer Maschine, die selbstständig das Internet übernimmt, sondern darin, dass KI einzelne Schritte eines Angriffs beschleunigt, automatisiert und für mehr Menschen zugänglich macht.
Die vergangenen Wochen liefern dafür konkrete Beispiele.
Die jüngsten Fälle
Am 19. November 2026 bestätigte die Europäische Kommission, dass sie Ziel eines KI-gestützten Cyberangriffs geworden war. Der Angriff wurde am 22. Oktober 2026 entdeckt. Nach Angaben der Kommission wurden mehrere Anwendungen vorsorglich vom Netz genommen und inzwischen größtenteils wiederhergestellt. Hinweise auf einen Datenabfluss, der das gesamte Kommissionspersonal betrifft, lagen zunächst nicht vor. Die Untersuchung dauert an. Ein bestimmter Angreifer wurde bislang nicht öffentlich identifiziert.¹
Der Fall ist bedeutsam, weil eine europäische Institution ausdrücklich von einem Angriff unter Verwendung eines KI-Werkzeugs berichtet. Daraus folgt allerdings nicht, dass eine KI die Europäische Kommission autonom angegriffen hätte. Über den konkreten Ablauf und den Umfang der Automatisierung sind bislang nicht genügend Informationen veröffentlicht worden.
Noch konkreter war ein Vorfall rund um das Microsoft Agent Framework. Am 17. November tauchten auf dem Softwarepaket-Repository PyPI zwei manipulierte Versionen des Pakets auf. Sie enthielten Schadcode, der Zugangsdaten für Azure, Azure DevOps und CI-Systeme stehlen konnte. Das Paket wird insgesamt rund 41.000-mal pro Woche heruntergeladen. Nach einer Analyse des Sicherheitsunternehmens Wiz wurden die schädlichen Versionen innerhalb von weniger als einer Stunde entfernt.²
In der Untersuchung fanden sich Hinweise auf das Open-Source-Penetrationstest-Framework Cairn und auf eine KI-gestützte Arbeitsumgebung des Angreifers. Wiz konnte jedoch nicht feststellen, welche einzelnen Schritte tatsächlich von einem KI-Modell geplant oder ausgeführt wurden. Auch die Frage, wie der Angreifer an die für die Veröffentlichung erforderlichen Microsoft-Schlüssel gelangte, war zunächst ungeklärt.³
Ein weiterer Fall betrifft Indien. Dort untersuchte die nationale Cybersecurity-Behörde CERT-In Angriffe auf Banken, Fintech-Unternehmen, Zahlungsplattformen und Kryptowährungsanbieter, bei denen KI-gestützte Werkzeuge eingesetzt worden sein sollen. Die Kampagne wurde mit dem Akteur CRAFTY FALCON in Verbindung gebracht. Auch hier zeigt sich ein wichtiges Muster: KI dient nicht zwangsläufig dazu, einen gesamten Angriff autonom auszuführen, sondern wird als Werkzeug innerhalb einer von Menschen kontrollierten Operation eingesetzt.⁴
Auch ein Angriff auf das Server-Sicherheitsprodukt cPGuard Anfang November zeigt die Schwierigkeit der Einordnung. Ein Angreifer erlangte zunächst Zugriff auf ein Abrechnungs- und Lizenzsystem, lud anschließend eine manipulierte Version des Produkts hoch und erreichte damit potenziell tausende Server. Der Anbieter verwies auf die zunehmende Nutzung von KI durch Angreifer. Ein konkreter Einsatz eines bestimmten KI-Modells in dieser Operation wurde jedoch nicht unabhängig bestätigt.⁵
Diese Fälle markieren eine wichtige Grenze. Das Risiko besteht bereits, aber die Realität ist weniger spektakulär als manche Schlagzeile. Die relevante Entwicklung ist die Verbindung menschlicher Angreifer mit KI-Modellen und automatisierten Werkzeugen.
Fünf Jahre, die alles verändert haben
Um die Bedeutung dieser Entwicklung zu verstehen, lohnt ein Blick zurück. Noch vor fünf Jahren waren große Sprachmodelle vor allem Forschungsprojekte. GPT-3 zeigte 2020, dass neuronale Netze mit sehr großen Datenmengen Texte erzeugen konnten, die in vielen Situationen erstaunlich menschlich wirkten. Ihre Fähigkeiten waren jedoch deutlich begrenzter als die heutiger Systeme.
2022 änderte sich die Situation grundlegend. Mit ChatGPT wurde generative KI für Millionen Menschen zugänglich. Aus einem Forschungsthema wurde eine Alltagstechnologie.
2023 folgten leistungsfähigere Modelle mit besserem logischem Schlussfolgern, stärkerer Programmierfähigkeit und zunehmender Fähigkeit, längere Aufgabenketten zu bearbeiten. 2024 setzte sich die Entwicklung mit multimodalen Modellen fort. Systeme konnten Text, Bilder, Audio und zunehmend auch Video verarbeiten.
2025 und 2026 verschob sich der Schwerpunkt erneut. KI-Systeme wurden stärker zu Agenten. Ein Agent beantwortet nicht nur eine Frage. Er kann eine Aufgabe zerlegen, Informationen suchen, Programme aufrufen, Dateien bearbeiten, Code schreiben und Ergebnisse auswerten.
Der Stanford AI Index 2026 beschreibt deutliche Leistungssteigerungen bei anspruchsvollen Aufgaben. Bei SWE-bench Verified, einem Benchmark für reale Softwareentwicklungsaufgaben, stieg die Leistung innerhalb eines Jahres von rund 60 Prozent auf beinahe das menschliche Ausgangsniveau. Gleichzeitig erreichte die organisatorische Nutzung generativer KI laut Stanford 88 Prozent.⁶
KI ist damit nicht fehlerfrei geworden. Moderne Modelle erzeugen weiterhin falsche Informationen, missverstehen Aufgaben oder scheitern bei längeren Handlungsketten. Ihre Stärke liegt vielmehr darin, dass sie in sehr vielen unterschiedlichen Bereichen gleichzeitig brauchbare Leistungen erbringen.
Wenn Angriffswissen automatisiert wird
Ein erfolgreicher Cyberangriff besteht selten aus einem einzigen technischen Kunststück. Angreifer müssen Ziele auswählen, Informationen sammeln, Systeme analysieren, Schwachstellen finden, Zugangsdaten beschaffen, Werkzeuge anpassen und nach einem Eindringen weitere Systeme untersuchen.
KI kann viele dieser Tätigkeiten beschleunigen. Ein Sprachmodell kann technische Dokumentationen durchsuchen, Quellcode analysieren, Fehlermeldungen interpretieren und Programme erklären. Ein Agent kann zusätzlich Werkzeuge verwenden und mehrere Schritte miteinander verbinden.
Damit sinken die Kosten bestimmter Angriffsoperationen.
Das bedeutet nicht, dass jeder Nutzer eines KI-Chatbots plötzlich zum professionellen Hacker wird. Erfolgreiche Angriffe erfordern weiterhin Kenntnisse, Infrastruktur, Zugangsmöglichkeiten und geeignete Schwachstellen. Die Einstiegshürde für bestimmte Aufgaben kann jedoch sinken.
Noch wichtiger ist die Geschwindigkeit. Ein menschliches Team benötigt Zeit, um tausende Systeme zu analysieren. Automatisierte Systeme können dieselbe Aufgabe wesentlich schneller durchführen.
Das World Economic Forum bezeichnet KI deshalb als einen der wichtigsten Faktoren für die Veränderung der Cybersecurity. 94 Prozent der befragten Führungskräfte erwarteten für 2026 einen erheblichen Einfluss von KI auf die Cybersicherheit. KI-bezogene Schwachstellen wurden zugleich als besonders schnell wachsender Risikofaktor genannt.⁷