Cyberangriffe waren schon immer ein Wettrüsten zwischen Angreifern und Verteidigern. Seit dem breiten Einsatz großer Sprachmodelle und KI-gesteuerter Automatisierungstools hat sich dieses Kräfteverhältnis erneut verschoben. Wer heute Unternehmensinfrastrukturen betreibt, steht vor Bedrohungen, die in dieser Form vor zwei Jahren noch nicht existierten.
Wie KI die Angreifseite verändert hat
Traditionelle Angriffsmuster wie Phishing, Malware-Entwicklung oder das Ausnutzen von Schwachstellen waren bisher durch den Aufwand begrenzt, den Angreifer investieren mussten. Personalisierte Phishing-Mails erforderten manuelle Recherche; das Verfassen überzeugend wirkender Texte verlangte sprachliches Geschick. Beides ist durch KI-Werkzeuge dramatisch günstiger und skalierbarer geworden.
KI-generierte Phishing-Kampagnen
Moderne Sprachmodelle können in Sekunden hunderte von individuell angepassten Phishing-Nachrichten erzeugen – korrekt formuliert, im Stil des vermeintlichen Absenders und mit realistischen Bezügen auf öffentlich verfügbare Informationen über die Zielperson oder das Unternehmen. Die klassischen Warnsignale schlechter Orthografie oder generischer Formulierungen entfallen zunehmend.
Besonders problematisch ist die Kombination aus automatischer OSINT-Auswertung (Open Source Intelligence) und LLM-basierter Texterstellung: Angriffe können mit minimalem Aufwand auf einzelne Mitarbeitende zugeschnitten werden, die in sozialen Netzwerken oder auf Unternehmenswebsites sichtbar sind.
Automatisierte Schwachstellenanalyse
Auch auf der technischen Seite haben sich Angreifer neue Möglichkeiten erschlossen. KI-gestützte Tools sind inzwischen in der Lage, große Codemengen auf potenzielle Sicherheitslücken zu untersuchen, Exploit-Code zu generieren und diesen iterativ zu verbessern. Was früher hochspezialisiertes Wissen erforderte, ist heute durch spezialisierte Modelle zugänglicher geworden – auch für weniger erfahrene Angreifer.
Die wichtigsten KI-gestützten Angriffsvektoren im Überblick
- Spear-Phishing mit LLMs: Hyperpersonalisierte Täuschungsversuche per E-Mail, SMS oder sozialen Netzwerken
- Deepfake-gestützte Social Engineering: Gefälschte Stimmen oder Videoanrufe angeblicher Vorgesetzter oder Geschäftspartner
- KI-generierte Malware: Schadsoftware, die auf spezifische Zielsysteme zugeschnitten ist und Signatur-Erkennungsmuster aktiv umgeht
- Prompt Injection gegen interne KI-Systeme: Manipulation von Unternehmens-KI-Assistenten über präparierte Eingaben
- Automatisiertes Credential Stuffing: Beschleunigter Missbrauch gestohlener Zugangsdaten durch KI-gesteuerte Automatisierung
Wie Verteidiger mit KI gegenhalten können
Die gute Nachricht: KI ist keine exklusive Waffe der Angreifer. Sicherheitsteams setzen KI-Werkzeuge zunehmend für Erkennung, Analyse und Reaktion auf Bedrohungen ein.
Anomalieerkennung und Verhaltensanalyse
KI-basierte Systeme zur Anomalieerkennung sind klassischen regelbasierten Systemen bei der Identifikation unbekannter Angriffsmuster überlegen. Sie lernen das normale Verhalten von Nutzern, Diensten und Netzwerken und schlagen Alarm, wenn signifikante Abweichungen auftreten – auch bei bisher unbekannten Angriffstechniken.
In der Praxis bedeutet das: Ein Angreifer, der sich nach erfolgreichem Einbruch seitlich durch das Netzwerk bewegt, hinterlässt Verhaltensspuren, die ein gut kalibriertes KI-System erkennen kann, selbst wenn er keine bekannte Malware-Signatur verwendet.
Automatisierte Threat Intelligence
Die manuelle Auswertung von Bedrohungsinformationen aus Feeds, CVE-Datenbanken und Dark-Web-Monitoring übersteigt die Kapazitäten der meisten Sicherheitsteams. KI-Systeme können diese Datenmengen in Echtzeit verarbeiten, priorisieren und in handlungsrelevante Erkenntnisse übersetzen. Unternehmen erhalten so früher Hinweise auf relevante Bedrohungen und können proaktiver reagieren.
KI-gestützte Incident Response
Im Ernstfall beschleunigen KI-Assistenten die Analyse kompromittierter Systeme erheblich. Sie korrelieren Logdaten aus verschiedenen Quellen, schlagen Hypothesen zur Ursache vor und helfen, den Scope eines Vorfalls schneller einzugrenzen. Das reduziert die mittlere Zeit bis zur Eindämmung – einen der entscheidenden Faktoren für das Schadensausmaß bei Sicherheitsvorfällen.
Empfehlungen für IT-Sicherheitsteams
Wer seine Abwehrlage im Jahr 2026 verbessern will, sollte folgende Maßnahmen priorisieren:
- Phishing-Awareness neu kalibrieren: Trainingsprogramme müssen die neue Qualität KI-generierter Texte berücksichtigen. Der Hinweis auf schlechte Rechtschreibung als Warnsignal greift nicht mehr zuverlässig.
- Multi-Faktor-Authentifizierung konsequent durchsetzen: Kompromittierte Passwörter allein reichen für einen erfolgreichen Angriff nicht aus, wenn MFA aktiv ist.
- Zero Trust als Architekturprinzip: Implizites Vertrauen innerhalb des Netzwerks wird abgebaut. Jeder Zugriff wird authentifiziert und autorisiert – unabhängig von der Netzwerklage des anfragenden Systems.
- Monitoring und Alerting erweitern: Logs von Identitätssystemen, Endgeräten und Netzwerkkomponenten sollten zentral ausgewertet werden. Anomalien in Anmeldemustern oder Datenübertragungsmengen sind frühe Indikatoren für Kompromittierungen.
- KI-Systeme selbst schützen: Interne KI-Assistenten und Agenten-Systeme müssen gegen Prompt Injection und Datenlecks abgesichert werden – eigene Sicherheitsrichtlinien für KI sind keine Kür mehr, sondern Pflicht.
- Red-Teaming mit KI-Unterstützung: Offensiv gedachte Tests der eigenen Infrastruktur sollten KI-gestützte Angriffsmuster explizit einschließen.
Fazit
KI hat den Aufwand für Angriffe gesenkt und gleichzeitig neue Angriffsflächen geschaffen. Sicherheitsteams, die KI-gestützte Bedrohungen noch als Randphänomen betrachten, unterschätzen die aktuelle Lage. Die Anpassung von Abwehrstrategien, Awareness-Maßnahmen und technischen Kontrollmechanismen ist keine Option mehr – sie ist operativ notwendig, um mit der Geschwindigkeit moderner Bedrohungen Schritt zu halten.
Gleichzeitig eröffnet KI den Verteidigern echte Effizienzgewinne. Teams, die beide Seiten der KI-Sicherheitsgleichung verstehen, sind besser positioniert als je zuvor – nicht weil KI alle Probleme löst, sondern weil sie ihren Einsatz realistisch einschätzen und gezielt nutzen.
Bildquelle: Unsplash / Shahadat Rahman (unsplash.com)
Quellen
- ENISA: Threat Landscape Report 2026
- IBM: X-Force Threat Intelligence Index 2026
- OWASP: Top 10 for LLM Applications, Version 2025
- Bundesamt für Sicherheit in der Informationstechnik (BSI): Lage der IT-Sicherheit in Deutschland 2026
