Eine aktuelle Analyse von Forescout Research zeigt: Künstliche Intelligenz hat sich innerhalb eines Jahres von einem unterstützenden Werkzeug zu einem autonomen Akteur in der Schwachstellenanalyse entwickelt – mit weitreichenden Folgen für IT-Sicherheit, Prozesse und Bedrohungslage.
Foto: Artfinity - stock.adobe.com
Die Rolle von Künstlicher Intelligenz in der Cybersicherheit hat sich laut aktueller Forschung von Forescout deutlich verschoben. Während Modelle noch vor einem Jahr primär als Assistenzsysteme dienten, übernehmen sie heute zunehmend eigenständig Aufgaben in der Schwachstellenanalyse und Exploit-Entwicklung. Diese Entwicklung verändert nicht nur technische Abläufe, sondern auch die Dynamik zwischen Angreifern und Verteidigern.
Die Fortschritte innerhalb eines Jahres fallen deutlich aus. Laut Forescout scheiterten 2025 noch 55 Prozent der getesteten Modelle an grundlegender Schwachstellenforschung, während 93 Prozent keine funktionsfähigen Exploits erzeugen konnten.
In der aktuellen Untersuchung bewältigen alle getesteten Modelle grundlegende Analyseaufgaben, und rund die Hälfte ist in der Lage, eigenständig funktionierende Exploits zu generieren. Besonders leistungsfähige Modelle wie Claude Opus 4.6 und Kimi K2.5 können Schwachstellen ohne komplexe Eingaben identifizieren und ausnutzen.
Diese Entwicklung senkt laut Analyse die Eintrittshürden deutlich: Auch weniger erfahrene Akteure können mit einfachen Prompts sicherheitsrelevante Schwachstellen finden.
Im Rahmen der Untersuchung wurden mithilfe agentenbasierter KI-Frameworks konkrete Schwachstellen identifiziert. Unter Einsatz des RAPTOR-Frameworks entdeckten die Forscher vier bislang unbekannte Zero-Day-Schwachstellen in OpenNDS, einer Open-Source-Lösung für Netzwerkportale.
Die identifizierten Schwachstellen umfassen unter anderem OS-Command-Injection, Heap-basierte Buffer Overflows sowie Speicherlecks. Die möglichen Auswirkungen reichen von Denial-of-Service bis hin zu Remote Code Execution.
Bemerkenswert ist laut Analyse, dass mindestens eine dieser Schwachstellen bei früheren manuellen Prüfungen nicht erkannt wurde. Dies deutet darauf hin, dass KI-gestützte Verfahren in der Lage sind, auch bislang übersehene Sicherheitslücken zu identifizieren.
Mit der steigenden Leistungsfähigkeit von KI wächst auch die Geschwindigkeit, mit der Schwachstellen entdeckt werden. Initiativen wie „Project Glasswing“ zeigen laut Forescout, dass KI bereits in der Lage ist, tausende Zero-Day-Schwachstellen in Betriebssystemen und Browsern zu identifizieren.
Die Fähigkeiten führender KI-Systeme dürften sich bereits in den kommenden Monaten deutlich weiterentwickeln – damit geraten etablierte Prozesse unter Druck. Klassische Coordinated-Disclosure-Verfahren, mit denen Hersteller Schwachstellen schließen und die häufig Monate oder Jahre in Anspruch nehmen, könnten unter diesen Bedingungen an ihre Grenzen stoßen.
Diese Entwicklung erhöht laut Analyse den Handlungsdruck auf Unternehmen, insbesondere im Hinblick auf schnellere Patch-Zyklen und effizientere Risikobewertung.
Parallel zur technologischen Entwicklung verändert sich auch das Verhalten von Angreifern. Laut Untersuchung wenden sich Cyberkriminelle zunehmend von spezialisierten Untergrundmodellen ab und nutzen stattdessen kommerzielle oder Open-Source-KI-Systeme.
Erfahrene Akteure geben ihr Wissen aktiv weiter und zeigen weniger erfahrenen Nutzern, wie KI für Phishing, Malware-Verteilung oder Penetrationstests eingesetzt werden kann. Gleichzeitig bleiben sogenannte Jailbreak-Techniken effektiv, um Sicherheitsmechanismen kommerzieller Modelle zu umgehen.
Die Analyse zeigt zudem eine Verschiebung in der Präferenz von Tools: Während bestimmte Modelle zunehmend durch strengere Sicherheitsrichtlinien eingeschränkt werden, gewinnen andere an Bedeutung.
Neben der technischen Leistungsfähigkeit spielen Kosten eine zentrale Rolle. Hochleistungsmodelle wie Claude Opus 4.6 erreichen laut Analyse zwar die besten Ergebnisse, verursachen jedoch hohe Nutzungskosten von bis zu 25 US-Dollar pro Million generierter Tokens.
Demgegenüber stehen kostengünstige Open-Source-Modelle wie DeepSeek 3.2, die grundlegende Aufgaben zu deutlich geringeren Kosten bewältigen können. In der Untersuchung lagen die Gesamtkosten für entsprechende Tests bei unter 0,70 US-Dollar.
Diese Unterschiede führen laut Forescout zu hybriden Einsatzstrategien, bei denen unterschiedliche Modelle je nach Komplexität und Kosten kombiniert werden.
Die zunehmende Automatisierung der Schwachstellenforschung verschiebt den Fokus in der IT-Sicherheit. Laut Analyse liegt die Herausforderung nicht mehr ausschließlich im Finden von Sicherheitslücken, sondern zunehmend in deren Priorisierung, Behebung und Bewertung der Auswirkungen.
Ein zentrales Problem bleibt dabei die Transparenz der eigenen IT-Landschaft. Systeme, die nicht erfasst sind, können weder abgesichert noch aktualisiert werden.
„You can’t patch what you can’t see. You can’t segment what you haven’t inventoried.“
Vor diesem Hintergrund betont die Analyse die Bedeutung einer umfassenden und kontinuierlichen Sichtbarkeit aller Assets über IT-, OT-, IoT- und medizinische Umgebungen hinweg. Nur so könne die zunehmende Geschwindigkeit KI-gestützter Angriffe wirksam adressiert werden.
Die Ergebnisse deuten darauf hin, dass sich die Schwachstellenlandschaft in naher Zukunft weiter dynamisch entwickeln wird. Unternehmen stehen damit vor der Aufgabe, bestehende Sicherheitsprozesse anzupassen und sich auf eine deutlich beschleunigte Bedrohungslage einzustellen.
 OpenAI.png&size=390x230&crop=0&trim=1)
