Management Summary

KI wird zum Skalierungshebel für Cybersecurity: Die Deutsche Telekom zeigt, wie sich etablierte Sicherheitsanalysen mit GPT-5.5 Cyber von punktuellen Prüfungen auf deutlich größere IT-Umgebungen ausweiten lassen.
Bestehende Security-Verfahren bleiben maßgeblich: KI ersetzt weder Red Teams noch klassische Prüfprozesse, sondern erweitert deren Reichweite und entlastet Fachkräfte bei wiederkehrenden Analyseaufgaben.
Zwei praxisnahe Einsatzfelder stehen im Mittelpunkt: Untersucht wurden internetexponierte Systeme sowie GitLab-Repositories, um potenzielle Schwachstellen, Angriffswege und sicherheitskritische Muster systematischer sichtbar zu machen.
Mehr Transparenz erhöht den Handlungsdruck: Die größere Analyseabdeckung führt zu mehr Findings – und macht belastbare Folgeprozesse für Bewertung, Priorisierung, Patch Management und Vulnerability Management zum Erfolgsfaktor.
Strategischer Mehrwert entsteht durch Prozesseinbettung: Der Nutzen von KI liegt nicht allein in der Analyse, sondern darin, zusätzliche Erkenntnisse zuverlässig in operative Sicherheitsmaßnahmen und Governance-Strukturen zu überführen.

Wie KI hilft, Sicherheitsanalysen von einzelnen, gezielten auf eine nahezu flächendeckende Prüfung auszuweiten.

Cybersecurity-Teams stehen vor einer strukturellen Herausforderung: Die Zahl potenzieller Schwachstellen wächst schneller als die verfügbaren Ressourcen, um diese zu entdecken. Gleichzeitig werden IT-Landschaften komplexer, Softwarezyklen kürzer und Angriffsflächen größer. Für Unternehmen bedeutet das, Sicherheitsprüfungen effizienter zu organisieren, ohne Kompromisse bei Qualität oder Sorgfalt einzugehen.

Die Deutsche Telekom hat deshalb untersucht, wie sich moderne KI-Modelle in bestehende Sicherheitsprozesse integrieren lassen, um deren Reichweite deutlich zu erhöhen. Im Mittelpunkt stand nicht die Frage, ob KI klassische Security-Verfahren ersetzt. Ziel war vielmehr herauszufinden, ob sich etablierte Prüfmethoden auf wesentlich größere Umgebungen anwenden lassen, ohne Personalaufwand und Projektdauer proportional steigern zu müssen.

Von punktuellen Analysen zu größerer Abdeckung

Heutzutage gehören immer häufiger automatisierte Verfahren, Security-Scanner und KI-gestützte Anwendungen zum Toolset von Sicherheitsteams. In der Praxis werden jedoch zahlreiche Prüfungen weiterhin selektiv durchgeführt – etwa auf besonders kritischen Systemen, im Rahmen einzelner Projekte oder bei konkreten Verdachtsmomenten.

Die Telekom testete deshalb, wie sich GPT-5.5 Cyber von OpenAI in bereits teil-automatisierte Prozesse integrieren lässt, um den Umfang von Sicherheitsanalysen deutlich auszuweiten. Der Ansatz: bewährte Verfahren beibehalten, deren Skalierbarkeit jedoch durch noch mehr KI-Unterstützung erhöhen.

»Unser Ziel war nicht, bestehende Sicherheitsverfahren durch KI zu ersetzen. Entscheidend war die Frage, ob wir etablierte Prüfprozesse breiter anwenden können, ohne den Ressourcenbedarf im gleichen Maße erhöhen zu müssen. Die Ergebnisse sind sehr vielversprechend. Sie geben einen Eindruck davon in welcher Weise auch die Folgeprozesse optimiert werden müssten, um bestmöglich von der Effizienz profitieren zu können«, sagt Thomas Tschersich, CSO von Deutsche Telekom.

Erweiterte Analyse internetexponierter Systeme

Im Detail konzentrierte sich das Unternehmen auf zwei zentrale Anwendungsfelder: Im ersten Anwendungsfall unterstützte GPT-5.5 Cyber das Red Team bei der Analyse von Endpunkten der Unternehmens-IT, die aus dem Internet erreichbar sind.

Die Sicherheitsteams überprüften dabei nicht nur vermutete Schwachstellen auf ihre tatsächliche Ausnutzbarkeit. Es konnten auch zusätzliche potenzielle Angriffswege und Risikokonstellationen identifiziert werden, die bei einer enger gefassten Betrachtung möglicherweise unentdeckt geblieben wären.

Der Mehrwert lag weniger in einer einzelnen Analyse als vielmehr in der Möglichkeit, dieselbe Methodik auf deutlich mehr Systeme anzuwenden. Dadurch erhöhte sich die Reichweite bestehender Prüfprozesse erheblich.

Softwarebestände systematisch analysieren

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 mögliche schädliche Inhalte analysiert.

Während vergleichbare Prüfungen bislang meist projektbezogen oder anlassorientiert erfolgten, ermöglichte der großflächige KI-Einsatz eine deutlich umfassendere Überprüfung bestehender Code-Bestände.

Aus Sicht der Sicherheitsteams entstand damit erstmals eine nahezu gesamtheitliche Bestandsaufnahme relevanter Code-Artefakte – vergleichbar mit einer Generalinventur, die bisher nur mit erheblichem Aufwand realisierbar gewesen wäre.

Der entscheidende Vorteil: Risiken werden nicht erst sichtbar, wenn ein Audit ansteht oder ein konkreter Verdacht vorliegt, sondern können bereits im laufenden Betrieb identifiziert werden.

Quelle: OpenAI (c)

»Große Organisationen stehen heute vor der Herausforderung, riesige Mengen an Infrastruktur, Anwendungen und Code sicher zu betreiben. KI kann dabei helfen, Sicherheitsprüfungen breiter und häufiger durchzuführen als bislang möglich. Entscheidend ist, dass die gewonnenen Erkenntnisse in belastbare Prozesse überführt werden«, sagt Jasper von Hoersten, Solutions Engineering Manager, Enterprise bei OpenAI Deutschland.

Mehr Erkenntnisse schaffen neue Herausforderungen

Mit der Skalierung der Analyse steigt zwangsläufig auch die Anzahl potenzieller Findings. Genau darin liegt nach Einschätzung der Beteiligten eine der wichtigsten Erkenntnisse des Projekts. Wenn KI deutlich mehr Auffälligkeiten identifiziert, müssen Unternehmen auch die nachgelagerten Prozesse entsprechend anpassen. Die Bewertung, Priorisierung und Bearbeitung von Ergebnissen wird zunehmend zum kritischen Faktor.

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 zusätzlichen Erkenntnisse strukturiert in operative Sicherheitsmaßnahmen zu überführen.

Mit zunehmender Reife solcher KI-Systeme können 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 Qualitätsvorgaben automatisiert zu validieren. Dadurch lässt sich nicht nur die Analyse, sondern auch die Bearbeitung von Schwachstellen deutlich besser skalieren.

»Fortschritte bei KI ermöglichen es Unternehmen, Sicherheitsanalysen auf deutlich größere Umgebungen auszuweiten. Der entscheidende Faktor bleibt jedoch die Einbettung in bestehende Security-Prozesse. Die Bewertung von Risiken und die Ableitung konkreter Maßnahmen erfordern weiterhin die Expertise erfahrener Sicherheitsteams«, sagt Deutsche Telekom CSO Thomas Tschersich.

KI als Skalierungsfaktor für Security-Teams

Für die Deutsche Telekom zeigt das Projekt vor allem eines: Der Nutzen von KI in der Cybersicherheit liegt nicht primär im Ersatz menschlicher Expertise, sondern in ihrer Vervielfachung.

Wiederkehrende Analyseaufgaben lassen sich in größerem Umfang durchführen, während Security-Spezialisten ihre Zeit verstärkt für Bewertung, Priorisierung und strategische Entscheidungen einsetzen können. Gerade angesichts wachsender Bedrohungslagen und des anhaltenden Fachkräftemangels wird diese Fähigkeit für 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 erstmals in einer Größenordnung anzuwenden, die mit klassischen Mitteln nur schwer erreichbar wäre.

FAQ

Was war das Ziel des Projekts?
Ziel war es zu prüfen, ob etablierte Sicherheitsprozesse mithilfe von KI auf deutlich größere IT-Umgebungen angewendet werden können, ohne Personalaufwand und Projektdauer im gleichen Maße zu erhöhen.

Ersetzt KI künftig klassische Security-Teams?
Nein. Der Einsatz von KI zielt darauf ab, menschliche Expertise zu vervielfachen. Die Bewertung von Risiken, die Priorisierung von Findings und die Ableitung konkreter Maßnahmen bleiben Aufgaben erfahrener Sicherheitsteams.

Welche Anwendungsfelder wurden untersucht?
Die Deutsche Telekom untersuchte zwei Bereiche: die Analyse internetexponierter Endpunkte durch Red Teams sowie die automatisierte Prüfung von Quellcode in GitLab-Repositories auf potenzielle Schwachstellen, sicherheitskritische Muster und mögliche schädliche Inhalte.

Worin liegt der wichtigste Nutzen?
Der zentrale Nutzen liegt in der Skalierung: Bewährte Prüfmethoden können auf deutlich mehr Systeme und Codebestände angewendet werden. Dadurch lassen sich Risiken früher, breiter und systematischer erkennen.

Welche neuen Herausforderungen entstehen dadurch?
Mit der höheren Analyseabdeckung steigt auch die Zahl potenzieller Findings. Unternehmen müssen deshalb Prozesse für Bewertung, Priorisierung, Dokumentation, Patch Management und Vulnerability Management weiter automatisieren und enger verzahnen.

Was ist die strategische Bedeutung für Unternehmen?
KI kann Cybersecurity-Organisationen helfen, mit wachsenden IT-Landschaften, kürzeren Entwicklungszyklen und zunehmenden Angriffsflächen Schritt zu halten. Entscheidend ist, dass KI-Ergebnisse in robuste operative Prozesse eingebettet werden.

Management Summary, FAQ und die Illustrationen wurden mit KI erstellt

2993 Artikel zu „KI Cybersecurity“

News | Favoriten der Redaktion | IT-Security | Kommentar | Strategien | Tipps

KI entdeckt jahrzehntealte Sicherheitslücken. Der Wendepunkt für Cybersecurity

16. April 2026

Kommentar von Heather Ceylan, CISO at Box Mit Claude Mythos hat Anthropic ein KI-Modell vorgestellt, das in der Lage ist, tief in Codebasen einzutauchen und selbst hochkomplexe, bislang unentdeckte Schwachstellen aufzuspüren. Zwischen 16 und 27 Jahre alte Bugs und Schwachstellen, die in zentraler Infrastruktur existierten und weder durch menschliche Experten noch durch bestehende Tools…

Wie KI hilft, Sicherheitsanalysen von einzelnen, gezielten auf eine nahezu flächendeckende Prüfung auszuweiten.

Management Summary, FAQ und die Illustrationen wurden mit KI erstellt

2993 Artikel zu „KI Cybersecurity“

4617 Artikel zu „KI Cybersicherheit“