Cybersecurity-Teams stehen vor einer strukturellen Herausforderung: Die Zahl potenzieller Schwachstellen w\u00e4chst schneller als die verf\u00fcgbaren Ressourcen, um diese zu entdecken. Gleichzeitig werden IT-Landschaften komplexer, Softwarezyklen k\u00fcrzer und Angriffsfl\u00e4chen gr\u00f6\u00dfer. F\u00fcr Unternehmen bedeutet das, Sicherheitspr\u00fcfungen effizienter zu organisieren, ohne Kompromisse bei Qualit\u00e4t oder Sorgfalt einzugehen.<\/p>\n\n\n\n
Die Deutsche Telekom hat deshalb untersucht, wie sich moderne KI-Modelle in bestehende Sicherheitsprozesse integrieren lassen, um deren Reichweite deutlich zu erh\u00f6hen. Im Mittelpunkt stand nicht die Frage, ob KI klassische Security-Verfahren ersetzt. Ziel war vielmehr herauszufinden, ob sich etablierte Pr\u00fcfmethoden auf wesentlich gr\u00f6\u00dfere Umgebungen anwenden lassen, ohne Personalaufwand und Projektdauer proportional steigern zu m\u00fcssen.<\/p>\n\n\n\n
\u201eGro\u00dfe Organisationen stehen heute vor der Herausforderung, riesige Mengen an Infrastruktur, Anwendungen und Code sicher zu betreiben. KI kann dabei helfen, Sicherheitspr\u00fcfungen breiter und h\u00e4ufiger durchzuf\u00fchren als bislang m\u00f6glich. Entscheidend ist, dass die gewonnenen Erkenntnisse in belastbare Prozesse \u00fcberf\u00fchrt werden\u201c, <\/em>sagt Jasper von Hoersten, Solutions Engineering Manager, Enterprise bei OpenAI Deutschland.<\/p>\n\n\n\n Von punktuellen Analysen zu gr\u00f6\u00dferer Abdeckung<\/strong><\/p>\n\n\n\n Heutzutage geh\u00f6ren immer h\u00e4ufiger automatisierte Verfahren, Security-Scanner und KI-gest\u00fctzte Anwendungen zum Toolset von Sicherheitsteams. In der Praxis werden jedoch zahlreiche Pr\u00fcfungen weiterhin selektiv durchgef\u00fchrt \u2013 etwa auf besonders kritischen Systemen, im Rahmen einzelner Projekte oder bei konkreten Verdachtsmomenten.<\/p>\n\n\n\n Die Telekom testete deshalb, wie sich GPT-5.5 Cyber von OpenAI in bereits teil-automatisierte Prozesse integrieren l\u00e4sst, um den Umfang von Sicherheitsanalysen deutlich auszuweiten. Der Ansatz: bew\u00e4hrte Verfahren beibehalten, deren Skalierbarkeit jedoch durch noch mehr KI-Unterst\u00fctzung erh\u00f6hen.<\/p>\n\n\n\n \u201eUnser Ziel war nicht, bestehende Sicherheitsverfahren durch KI zu ersetzen. Entscheidend war die Frage, ob wir etablierte Pr\u00fcfprozesse breiter anwenden k\u00f6nnen, ohne den Ressourcenbedarf im gleichen Ma\u00dfe erh\u00f6hen zu m\u00fcssen. Die Ergebnisse sind sehr vielversprechend. Sie geben einen Eindruck davon, in welcher Weise auch die Folgeprozesse optimiert werden m\u00fcssten, um bestm\u00f6glich von der Effizienz profitieren zu k\u00f6nnen\u201c<\/em>, sagt Thomas Tschersich, CSO von Deutsche Telekom.<\/p>\n\n\n\n Erweiterte Analyse internetexponierter Systeme<\/strong><\/p>\n\n\n\n Im Detail konzentrierte sich das Unternehmen auf zwei zentrale Anwendungsfelder: Im ersten Anwendungsfall unterst\u00fctzte GPT-5.5 Cyber das Red Team bei der Analyse von Endpunkten der Unternehmens-IT, die aus dem Internet erreichbar sind.<\/p>\n\n\n\n Die Sicherheitsteams \u00fcberpr\u00fcften dabei nicht nur vermutete Schwachstellen auf ihre tats\u00e4chliche Ausnutzbarkeit. Es konnten auch zus\u00e4tzliche potenzielle Angriffswege und Risikokonstellationen identifiziert werden, die bei einer enger gefassten Betrachtung m\u00f6glicherweise unentdeckt geblieben w\u00e4ren.<\/p>\n\n\n\n Der Mehrwert lag weniger in einer einzelnen Analyse als vielmehr in der M\u00f6glichkeit, dieselbe Methodik auf deutlich mehr Systeme anzuwenden. Dadurch erh\u00f6hte sich die Reichweite bestehender Pr\u00fcfprozesse erheblich.<\/p>\n\n\n\n Softwarebest\u00e4nde systematisch analysieren<\/strong><\/p>\n\n\n\n Ein zweites Einsatzgebiet war die Untersuchung von Quellcode in GitLab-Repositories. Tausende Codezeilen aus relevanten Produkten und Services wurden automatisiert auf potenzielle Schwachstellen, sicherheitskritische Muster sowie m\u00f6gliche sch\u00e4dliche Inhalte analysiert.<\/p>\n\n\n\n W\u00e4hrend vergleichbare Pr\u00fcfungen bislang meist projektbezogen oder anlassorientiert erfolgten, erm\u00f6glichte der gro\u00dffl\u00e4chige KI-Einsatz eine deutlich umfassendere \u00dcberpr\u00fcfung bestehender Code-Best\u00e4nde.<\/p>\n\n\n\n Aus Sicht der Sicherheitsteams entstand damit erstmals eine nahezu gesamtheitliche Bestandsaufnahme relevanter Code-Artefakte \u2013 vergleichbar mit einer Generalinventur, die bisher nur mit erheblichem Aufwand realisierbar gewesen w\u00e4re.<\/p>\n\n\n\n Der entscheidende Vorteil: Risiken werden nicht erst sichtbar, wenn ein Audit ansteht oder ein konkreter Verdacht vorliegt, sondern k\u00f6nnen bereits im laufenden Betrieb identifiziert werden.<\/p>\n\n\n\n Mehr Erkenntnisse schaffen neue Herausforderungen<\/strong><\/p>\n\n\n\n Mit der Skalierung der Analyse steigt zwangsl\u00e4ufig auch die Anzahl potenzieller Findings. Genau darin liegt nach Einsch\u00e4tzung der Beteiligten eine der wichtigsten Erkenntnisse des Projekts. Wenn KI deutlich mehr Auff\u00e4lligkeiten identifiziert, m\u00fcssen Unternehmen auch die nachgelagerten Prozesse entsprechend anpassen. Die Bewertung, Priorisierung und Bearbeitung von Ergebnissen wird zunehmend zum kritischen Faktor.<\/p>\n\n\n\n Wer Sicherheitsanalysen skaliert, muss deshalb auch Prozesse wie Vulnerability Management, Patch Management, Dokumentation und Risikobewertung weiter automatisieren und enger miteinander verzahnen. Die eigentliche Herausforderung besteht nicht darin, mehr Hinweise zu generieren. Sie besteht darin, die zus\u00e4tzlichen Erkenntnisse strukturiert in operative Sicherheitsma\u00dfnahmen zu \u00fcberf\u00fchren.<\/p>\n\n\n\n Mit zunehmender Reife solcher KI-Systeme k\u00f6nnen Unternehmen die Automatisierungskette weiter ausbauen. KI-Agenten wie Codex sind in der Lage, auf Basis identifizierter Findings geeignete Codeanpassungen vorzuschlagen, Patches vorzubereiten und deren Einhaltung von Sicherheits- und Qualit\u00e4tsvorgaben automatisiert zu validieren. Dadurch l\u00e4sst sich nicht nur die Analyse, sondern auch die Bearbeitung von Schwachstellen deutlich besser skalieren.<\/p>\n\n\n\n \u201eFortschritte bei KI erm\u00f6glichen es Unternehmen, Sicherheitsanalysen auf deutlich gr\u00f6\u00dfere Umgebungen auszuweiten. Der entscheidende Faktor bleibt jedoch die Einbettung in bestehende Security-Prozesse. Die Bewertung von Risiken und die Ableitung konkreter Ma\u00dfnahmen erfordern weiterhin die Expertise erfahrener Sicherheitsteams\u201c,<\/em> sagt Tschersich.<\/p>\n\n\n\n KI als Skalierungsfaktor f\u00fcr Security-Teams<\/strong><\/p>\n\n\n\n F\u00fcr die Deutsche Telekom zeigt das Projekt vor allem eines: Der Nutzen von KI in der Cybersicherheit liegt nicht prim\u00e4r im Ersatz menschlicher Expertise, sondern in ihrer Vervielfachung.<\/p>\n\n\n\n Wiederkehrende Analyseaufgaben lassen sich in gr\u00f6\u00dferem Umfang durchf\u00fchren, w\u00e4hrend Security-Spezialisten ihre Zeit verst\u00e4rkt f\u00fcr Bewertung, Priorisierung und strategische Entscheidungen einsetzen k\u00f6nnen. Gerade angesichts wachsender Bedrohungslagen und des anhaltenden Fachkr\u00e4ftemangels wird diese F\u00e4higkeit f\u00fcr viele Unternehmen zunehmend entscheidend. Der Praxiseinsatz verdeutlicht damit einen grundlegenden Wandel in der Security-Organisation: KI wird nicht zum Ersatz des Menschen, sondern zum Instrument, um bestehende Sicherheitsverfahren<\/p>\n\n\n\n <\/p>\n","protected":false},"excerpt":{"rendered":" K\u00fcnstliche Intelligenz ver\u00e4ndert die Cybersicherheit grundlegend und er\u00f6ffnet Unternehmen neue M\u00f6glichkeiten, Sicherheitspr\u00fcfungen deutlich effizienter zu gestalten. Angesichts wachsender IT-Landschaften, steigender Bedrohungen und des Fachkr\u00e4ftemangels gewinnen skalierbare Analyseverfahren zunehmend an Bedeutung. Die Deutsche Telekom hat deshalb untersucht, wie sich GPT Cyber in bestehende Sicherheitsprozesse integrieren l\u00e4sst, um deren Reichweite erheblich zu erweitern. Der Praxisversuch zeigt, dass KI Sicherheitsexperten nicht ersetzt, sondern ihre Arbeit wirkungsvoll erg\u00e4nzt und die Analyse gro\u00dfer IT- und Softwareumgebungen beschleunigt. Gleichzeitig macht das Projekt deutlich, dass automatisierte Sicherheitsanalysen nur dann ihren vollen Nutzen entfalten, wenn auch die nachgelagerten Prozesse entsprechend skaliert werden.<\/p>\n","protected":false},"author":1,"featured_media":31740,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"colormag_page_container_layout":"default_layout","colormag_page_sidebar_layout":"default_layout","footnotes":""},"categories":[10751,10036,37],"tags":[26422,21120,21095,17408],"class_list":["post-31736","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-advertorials","category-kuenstliche-intelligenz","category-security","tag-deutschetelekom","tag-itsicherheit","tag-kuenstlicheintelligenz","tag-openai"],"amp_enabled":true,"_links":{"self":[{"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=\/wp\/v2\/posts\/31736","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=31736"}],"version-history":[{"count":2,"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=\/wp\/v2\/posts\/31736\/revisions"}],"predecessor-version":[{"id":31743,"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=\/wp\/v2\/posts\/31736\/revisions\/31743"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=\/wp\/v2\/media\/31740"}],"wp:attachment":[{"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=31736"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=31736"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=31736"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}![\"\"](\"https:\/\/www.sysbus.eu\/wp-content\/uploads\/2026\/08\/Jasper-von-Hoersten-Solutions-Engineering-Manager-Enterprise-bei-OpenAI-Deutschland-002-1024x576.webp\")