Wenn KI schneller programmiert, als Sicherheitsteams prüfen können

Ein Coding-Assistent kann in Sekunden Code samt neuer Open-Source-Abhängigkeiten vorschlagen. Für Unternehmen entsteht damit eine praktische Frage: Wer prüft die Pakete, Bibliotheken und Container-Images, bevor sie Teil der eigenen Software werden? Wenn sich Abhängigkeiten schneller ansammeln, als Sicherheitsteams ihre Herkunft und bekannte Schwachstellen untersuchen können, wächst die Angriffsfläche der Software-Lieferkette. 17

Warum der Freigabeprozess ins Hintertreffen gerät

Chainguards Sicherheitschef Quincy Castro sieht ein Geschwindigkeitsproblem: Der herkömmliche Ablauf – eine neue Abhängigkeit beantragen, prüfen und freigeben – setzt Zeit für menschliche Entscheidungen voraus. Nahezu sofort erzeugter Code passt nicht mehr zu diesem Takt. Die Freigabe wird zum Engpass, während weitere Abhängigkeiten hinzukommen können. 17

Die 97 Prozent richtig einordnen

Chainguard berichtete für seine Auswertung vom Juni 2026, dass 97 Prozent der beobachteten Schwachstellenfälle außerhalb der 20 meistgenutzten Container-Image-Projekte lagen. Das heißt weder, dass 97 Prozent aller Projekte verwundbar sind, noch beschreibt es die gesamte Open-Source-Welt. Die Zahl bezieht sich auf die gezählten Fälle in Chainguards untersuchter Auswahl. Sie zeigt, wie viel ein Sicherheitsteam übersehen kann, wenn es nur die prominentesten Projekte betrachtet.

Auch Vertrauen in einen Projektnamen allein reicht nicht: Ein bösartiger Fork kann einem seriösen Projekt ähneln, aber schädlichen Code enthalten. Umgekehrt können selbst bekannte Werkzeuge kompromittiert werden. Beim Angriff auf den verbreiteten Schwachstellenscanner Trivy im März 2026 manipulierten Angreifer dessen Bereitstellung über GitHub Actions und griffen Zugangsdaten aus betroffenen automatisierten Arbeitsabläufen ab. 17

Was die Indiana University untersuchen will

Forschende der Indiana University wollen mit 1,18 Millionen US-Dollar Förderung der US-Forschungsbehörde National Science Foundation (NSF) Sicherheitsrisiken offen verfügbarer KI-Werkzeuge und -Modelle für die Forschung bewerten. Ziel ist, Nutzerinnen und Nutzern bei der Wahl sichererer Optionen zu helfen. 6 Jetstream2 ist eine von der NSF unterstützte Forschungscloud der Universität und wird als Recheninfrastruktur für die Arbeit genannt. Aus den verfügbaren Projektangaben geht jedoch weder ein konkretes Verfahren zur Bewertung einzelner Modelle hervor noch eine Garantie, dass empfohlene Alternativen risikofrei sein werden. 6210