„Lücken, die es nicht gibt“
Zum Abschluss dieser Reihe ein Vorgang, der harmloser aussieht als der Ausbruch bei Hugging Face und der gekaperte Bot, und der die Sache am Ende teurer macht als beide zusammen. Aus einem unauffälligen GitHub-Repository sind 55 Sicherheitsmeldungen ins offizielle CVE-Verzeichnis eingegangen — sauber formatiert, technisch klingend, mit satten Gefahrenwerten. Sechs davon betrafen SQLite, eine der meistverbauten Software-Bibliotheken der Welt, mit Bewertungen zwischen 7,5 und 9,8 von 10. Sie waren erfunden.
Der Nachweis ist so unelegant, wie er nur sein kann. Eine der gemeldeten Lücken beschrieb einen Speicherfehler in einer Funktion, die es in der angegebenen Version gar nicht gibt. Eine andere zitierte Quellcode-Zeilen, die mit dem behaupteten Fehler nichts zu tun haben. Das ist kein subtiler Fehlalarm, sondern der Abdruck eines Sprachmodells, das gelernt hat, wie eine Schwachstellenmeldung klingt, ohne je eine gefunden zu haben. Afek Berger von JFrog, dessen Team den Schwung analysiert hat, formuliert den Kern in einem Satz: Generative KI habe den Aufwand für ein plausibles Advisory auf nahezu null gesenkt, während der Prüfaufwand unverändert geblieben sei.
Das ist die Asymmetrie, um die es hier geht, und sie ist bösartiger, als sie klingt. Das Meldewesen für Sicherheitslücken ist ein Vertrauenssystem. Alan Coopersmith, der bei Oracle an Solaris arbeitet, beschreibt die Mechanik ungeschönt: Die vergebenden Stellen arbeiten auf Vertrauensbasis und gehen davon aus, dass Antragsteller ihre Angaben geprüft haben — häufig ist die Stelle gar nicht in der Lage, den Bericht selbst zu überprüfen. Dieses System hat jahrzehntelang funktioniert, weil eine überzeugend geschriebene Schwachstellenanalyse Arbeit war. Wer sie liefern konnte, hatte in aller Regel auch etwas gefunden. Genau diese Kopplung hat die Textmaschine durchtrennt.
Dazu kommt ein Rückstau, der das Sieb ohnehin schon durchlässig gemacht hat: Beim amerikanischen NIST, das die Meldungen anreichert und bewertet, lagen Ende 2024 über 17.000 unbearbeitete Einträge, Ende 2025 über 27.000. In diesen Stapel fällt jetzt Material, das aussieht wie Arbeit und keine ist.
Die Motive bleiben unklar, und JFrog hält sich verdienstvoll zurück: Denkbar sei jemand, der seinen Forschungslebenslauf mit Fundmeldungen aufhübschen will — oder ein Versuch, jene automatischen Werkzeuge zu beeinflussen, die aus dem CVE-Bestand ableiten, was als echte Schwachstelle gilt. Die zweite Variante ist die unangenehmere. Wer den Datenbestand vergiftet, aus dem Sicherheitswerkzeuge ihr Weltbild beziehen, greift nicht ein Programm an, sondern die Instanz, die entscheidet, was ein Problem ist. Immerhin funktionierte die Nachkontrolle diesmal: MITRE hat das gesamte Repository zurückgewiesen, Red Hat, das NVD und GitHubs Advisory-Team haben die Einträge markiert oder entfernt. Menschen also — die knappste Ressource in dieser Kette.
Und damit die Rechnung, die diese drei Teile verbindet. Im ersten Fall arbeitete ein Agent viereinhalb Tage lang durch fremde Produktivsysteme, und der Angegriffene zahlte die Forensik. Im zweiten wurde gezeigt, wie ein Bot einen mächtigeren Bot fernsteuert, und der Finder bekam eine Erwähnung statt einer Prämie, weil ja am Ende ein Mensch klicke. Im dritten fluten erfundene Meldungen ein Verzeichnis, das die halbe Branche als Wahrheit liest, und die Aufräumarbeit erledigen ehrenamtliche Betreuer und überlastete Behörden. Drei Rollen — Täter, Werkzeug, Flutwelle —, ein Muster: Die Kosten des Erzeugens gehen gegen null, die Kosten des Prüfens bleiben, wo sie waren, nämlich bei Menschen. Und in keinem der drei Fälle trägt sie der, dessen Maschine sie verursacht hat.
Das ist keine Frage der Technik mehr, sondern eine der Zurechnung. Sie ist nicht neu — Umweltrecht, Produkthaftung und Verkehrssicherungspflichten sind allesamt Antworten auf dieselbe Grundform: jemand erzeugt billig etwas, dessen Beseitigung andere teuer zu stehen kommt. Wir haben dafür Regeln gefunden, als es um Abwasser ging und um Bremsen, die versagen. Bei automatisch erzeugten Behauptungen und selbständig handelnden Programmen stehen wir noch am Anfang, und die aktuelle Voreinstellung lautet: Wer die Maschine betreibt, veröffentlicht hinterher eine gute Fehleranalyse, und das war es dann.
Wer selbst Systeme betreibt, kann darauf nicht warten. Die praktischen Schlüsse aus diesen drei Vorgängen sind unspektakulär und alle sofort umsetzbar: Jeder Automat bekommt eine eigene Identität und genau die Rechte, die er braucht — kein Sammelkonto für „die Automatisierung“. Zwischen einem Bot, der von außen ansprechbar ist, und einem, der schreiben darf, liegt eine Grenze, die nicht aus Vertrauen besteht. Und eingehende Meldungen werden am Quelltext geprüft, nicht am Tonfall. Das Gegengift gegen maschinell erzeugte Plausibilität ist dasselbe wie immer: nachsehen. Es kostet nur inzwischen mehr als früher.
Quelle: JFrog-Analyse via The Register, 3. August 2026
▸ KI & Macht · ▸ Security