"KI Zero-Day Entdeckung: Ist das Cyber-Risiko real oder nur Hype?"

"## KI Zero-Day Entdeckung: Ist das Cyber-Risiko real oder nur Hype?\n\nGeorge Hotz warf letzte Woche eine Granate in den KI-Sicherheitsdiskurs. Ein Tweet. Sechsundvierzig Wörter. Und eine Herausforderung, so präzise formuliert, dass jedes Cybersecurity-Marketing-Deck in Silicon Valley plötzlich ein wenig lächerlich wirkte.\n\n„Was wäre, wenn ich jeden Tag einen Zero-Day veröffentliche, bis ein großes neues Modell erscheint? Würde das OpenAI und Anthropic endlich dazu bringen, über das ‚Cybersecurity-Risiko' zu schweigen?"\n\nIch habe es dreimal gelesen. Dann öffnete ich meine Notizen von der Vorwoche — als Anthropic Claude Mythos Preview angekündigt, eine Erfolgsquote von 83,1 % auf dem CyberGym-Vulnerability-Benchmark behauptet und das Modell wegen seiner angeblichen Gefährlichkeit nicht öffentlich veröffentlicht hatte. Ich hatte an einem Beitrag darüber gearbeitet, was das für die defensive Sicherheit bedeutet. Hotz' Tweet brachte mich dazu, den gesamten Entwurf zu verwerfen und von vorne anzufangen.\n\nDenn hier ist die Sache. Ich habe jahrelang auf beiden Seiten dieser Gleichung gearbeitet. Ich baue täglich KI-Automatisierungssysteme — Claude Code-Agenten laufen über Kundenprojekte, Opus 4.6 ist mein primäres Coding-Modell, der gesamte Stack. Ich mache auch Sicherheitsarbeit. Ich habe WordPress-Deployments, Laravel-Anwendungen und mehr AWS IAM-Policies geprüft, als mir lieb ist. Ich habe penetrationstest-ähnliches Tooling geschrieben. Ich weiß, wie das Finden eines echten Zero-Days in der Praxis aussieht — und wie es in einer Demo aussieht.\n\nNach zwei Wochen, in denen ich diese Debatte verfolgt habe — Anthropic behauptet ein existenzielles Cybersec-Risiko, Hotz nennt es Theater — bin ich an einem Punkt gelandet, den keine der beiden Seiten lieben wird.\n\nBeide haben teilweise recht. Und der Teil, über den niemand spricht, ist derjenige, der wirklich wichtig ist.\n\nIch erkläre das Schritt für Schritt.\n\n## Was Anthropic tatsächlich behauptet hat (und warum es alle aufhorchen ließ)\n\nBevor wir zur Kritik kommen, sollten wir die Fakten klarstellen. Denn ein Großteil der Online-Diskussion basiert auf Bauchgefühl, nicht auf der tatsächlichen Ankündigung.\n\nAm 8. April 2026 veröffentlichte Anthropic gleichzeitig zwei Dinge. Erstens eine Research-Preview von Claude Mythos Preview — einem unveröffentlichten Frontier-Modell, das sie als „Quantensprung" bei der autonomen Schwachstellenerkennung beschrieben. Zweitens Project Glasswing — ein Programm, um die Fähigkeiten von Mythos Preview auf defensive Sicherheit auszurichten, in Zusammenarbeit mit einer kleinen Gruppe ausgewählter Partner und Open-Source-Maintainer.\n\nDie Schlagzeilen-Zahl: 83,1 % Erfolgsquote auf CyberGym, gegenüber 66,6 % für ihr bisher bestes Modell. CyberGym ist ein Benchmark, der die autonome Entdeckung realer Softwareschwachstellen misst. Keine Spielzeug-Bugs. Keine synthetischen CTF-Challenges. Echte CVEs in echten Codebasen.\n\nDas Beispiel, das jedem Sicherheitsforscher den Kaffee kalt werden ließ: Mythos Preview fand eine 16-jährige Schwachstelle in FFmpeg — der Bibliothek, von der jede Videosoftware auf der Welt abhängt — in einer Codezeile, die automatisierte Fuzzing-Tools fünf Millionen Mal getroffen hatten, ohne sie zu entdecken. Das Modell verknüpfte außerdem autonom mehrere Linux-Kernel-Schwachstellen, um von gewöhnlichem Benutzerzugriff zu vollständiger Root-Kontrolle über eine Maschine zu eskalieren.\n\nAnthropics Formulierung war unmissverständlich: „KI-Modelle haben ein Niveau an Programmierfähigkeit erreicht, das alle außer den fähigsten menschlichen Experten beim Finden und Ausnutzen von Softwareschwachstellen übertrifft."\n\nDann veröffentlichten sie das Modell nicht. Nur begrenzter Rollout. Genehmigte Partner im Rahmen von Project Glasswing. Normale Entwickler und Startups blieben außen vor.\n\nDiese Entscheidung — die Einschränkung, nicht die Fähigkeit — war es, auf die Hotz reagierte. Und seine Reaktion ist das, was das Ganze interessant macht.\n\n## Die Hotz-Kritik: Knappheit ist eine politische Entscheidung, kein technisches Limit\n\nHotz' Argument, von seinem Twitter-Bravado befreit, läuft auf eine einzige Behauptung hinaus: Softwareschwachstellen sind eigentlich nicht selten. Sie sind überall. In Ihrer Router-Firmware, Ihrem Smart-TV, Ihrem Bluetooth-Stack, der JavaScript-Engine, die diesen Blogbeitrag rendert. Was selten ist, sind Menschen mit der rechtlichen Erlaubnis, der Zeit und dem wirtschaftlichen Anreiz, sie öffentlich zu melden.\n\n„Wollen Sie, dass mehr Zero-Days gefunden werden?" sagte er. „Machen Sie Hacking legal. Bis dahin behaupten Sie nicht, es sei schwer — es fehlt nur der Anreiz."\n\nIch möchte dem widersprechen, bevor ich dem zustimme, was daran richtig ist. Denn Hotz ist George Hotz. Er hat das iPhone geknackt, als er 17 war. Er hat die PlayStation 3 reverse-engineered, bevor Sony ihn verklagte. Er trainiert selbstfahrende Modelle bei Comma.ai. Der durchschnittliche Sicherheitsforscher ist nicht George Hotz. Zu sagen „Zero-Days sind einfach", wenn man einer von vielleicht zweihundert Menschen auf der Welt mit diesem spezifischen Fähigkeitsprofil ist, ist ein bisschen so, als würde Tiger Woods behaupten, Golf sei nicht schwer.\n\nAber.\n\nDer strukturelle Punkt gilt. Ich habe das in meiner eigenen Arbeit erlebt. Wenn ich für einen Kunden einen Sicherheits-Review durchführe, bin ich nicht durch meine Fähigkeit begrenzt, Bugs zu finden — ich bin durch Zeit, Umfang und rechtliche Abdeckung begrenzt. Ein typisches Penetrationstest-Engagement dauert zwei Wochen. In diesen zwei Wochen werde ich mehr Probleme finden, als der Kunde in zwei Monaten beheben kann. Hätte ich drei Monate und keine Umfangsbeschränkungen, würde ich eine Größenordnung mehr finden. Das ist keine besondere Erkenntnis. Das ist, was jeder arbeitende Pentester, den ich je getroffen habe, bestätigen wird.\n\nDer Flaschenhals liegt nicht bei der Entdeckung. Er liegt in der Erlaubnisstruktur rund um die Entdeckung.\n\nWas bedeutet: Wenn Anthropic behauptet, Mythos Preview habe in zwei Wochen interner Tests tausende Zero-Days gefunden, ist meine Reaktion nicht „wow, KI hat eine neue Fähigkeit erschlossen, die Menschen nie hatten." Meine Reaktion ist „ja — weil sie unbegrenzten Umfang, unbegrenzte Zeit und vollständige rechtliche Deckung ihres Mutterunternehmens hatte." Das sind genau die Einschränkungen, die menschliche Forscher binden, und ihre Beseitigung bei einem ausreichend fähigen Agenten führt genau zu diesem Ergebnis.\n\nAlso: Ist die 83,1 %-Zahl real? Wahrscheinlich ja. Ist die Fähigkeit gefährlich? Möglicherweise ja. Ist es ein kategorischer Wandel, auf den nichts in der Sicherheitsbranche uns vorbereitet hat? Diesen Teil kaufe ich nicht. Und wenn Sie weiterlesen, zeige ich Ihnen, warum die Ökonomie wichtiger ist als die Fähigkeit.\n\n## Der Bug-Bounty-Realitätscheck\n\nHier ist ein Test für jede „KI wird Cybersecurity zerstören"-Erzählung. Stellen Sie diese Frage: Wenn Zero-Days so selten und so wertvoll sind, warum hat der Markt dann nicht schon längst gecleart?\n\nWeil der Markt tatsächlich seit Jahren clearet. Und die Preise erzählen eine Geschichte, die dem existenziellen Framing widerspricht.\n\nApples Sicherheitsbounty-Programm zahlte ab Oktober 2025 $2 Millionen für einen Zero-Click-Remote-Code-Execution-Exploit auf iOS — das Kronjuwel der offensiven Sicherheit. Mit dem Lockdown-Mode-Bonus und Beta-Software-Boni aufgestapelt kann die maximale Auszahlung für eine einzige Chain $5 Millionen übersteigen. Microsofts Zero Day Quest 2026-Event — im März in ihrem Redmond-Campus abgehalten — zahlte 2,3 Millionen Dollar über etwa 80 Schwachstellen aus, mit jährlichen Gesamtprogrammbudgets im achtstelligen Bereich. Googles Vulnerability Reward Program, Metas Bounty-Pool, Samsungs Mobile Bounty — die kollektive legale Bounty-Wirtschaft liegt weit im neunstelligen Bereich pro Jahr.\n\nWas sagt uns das? Zwei Dinge, und sie weisen in entgegengesetzte Richtungen.\n\nErstens: Der Bounty-Markt ist effizient. Wenn Zero-Days so trivial auffindbar wären, wie Hotz impliziert, wären diese Preise niedriger. Ein Forscher mit einer zuverlässigen Pipeline von iOS-Zero-Click-RCEs würde keine $2 Millionen pro Fund bekommen — er würde $50.000 bekommen, weil das Angebot die Nachfrage überfluten würde. Der Preis spiegelt echte Schwierigkeit wider.\n\nZweitens: Das Geld liegt bereits für jeden bereit, der die Fähigkeit hat. Ein Pentester, der eine iOS-Zero-Click-Chain pro Jahr findet, verdient mehr als die meisten Senior-Engineers bei FAANG. Wenn KI-gestützte Forschung die Leistung eines kompetenten Forschers wirklich um das Dreifache multipliziert, sinkt das Verdienstpotenzial dieses Forschers nicht — es steigt an, weil er mehr vom bestehenden Bounty-Pool abschöpft. Die „KI wird Sicherheitsforscher entwerten"-Erzählung funktioniert nur, wenn man von fixer Nachfrage ausgeht. Die Nachfrage ist nicht fix. Jedes neue IoT-Gerät, jeder neue Cloud-Dienst, jedes neue KI-Modell ist eine frische Angriffsfläche, die vor fünf Jahren nicht existierte.\n\nDas ist der Teil, den die Doom-Erzählung ignoriert. Das Bedrohungsmodell lautet nicht „KI macht Zero-Days unendlich." Es lautet: „KI verschiebt wer sie finden kann und wie schnell." Diese Verschiebung hat Konsequenzen — aber sie sind wirtschaftlicher und struktureller Natur, nicht existenzieller.\n\nUnd bevor wir dazu kommen, was diese Konsequenzen für arbeitende Entwickler konkret bedeuten, möchte ich das Unbequeme tun: Anthropics Position stärken.\n\n## Warum Anthropics Einschränkung kein reines Marketing ist\n\nDie zynische Lesart von Project Glasswing lautet so: Anthropic hat eine Fähigkeit, mit der sie prahlen wollen. Sie haben auch sicherheitsbewusste Investoren und Regulatoren, die jeden ihrer Schritte beobachten. Lösung: die Fähigkeit als so gefährlich rahmen, dass sie nicht veröffentlicht werden kann, einen PR-Zyklus über verantwortungsvolle KI-Entwicklung generieren und das Modell leise mit genehmigten Enterprise-Kunden nutzen, die dafür bezahlen können. Kuchen gegessen. Kuchen behalten.\n\nIch habe diesen Take überall auf Hacker News und X gesehen. Und ich muss zugeben — an schlechten Tagen geht mein Denken genau dorthin. KI-Unternehmen „schreien seit drei Jahren Wolf" über Modellfähigkeiten. Jede große Veröffentlichung wird als potenzielles zivilisatorisches Risiko gerahmt, bis zwölf Wochen später ein Wettbewerber etwas Ähnliches liefert und die Konversation weiterzieht.\n\nAber.\n\nIch habe Claude Code genug verwendet, um kalibrierte Intuitionen darüber zu haben, was die aktuellen Claude-Modelle tatsächlich können. Opus 4.6 kann eine 200.000-Token-Codebasis im Kontext halten und über dateiübergreifende Abhängigkeiten nachdenken auf eine Weise, die vor achtzehn Monaten unmöglich erschien. Ich habe darüber in meinem Opus 4.6 Hands-on-Review geschrieben. Wenn ich Opus 4.6 dabei beobachte, wie es eine Laravel-App refactored, findet es nicht durch Pattern-Matching zu einer Lösung — es denkt über architektonische Absichten und nachgelagerte Implikationen nach.\n\nWenn Mythos Preview einen bedeutsamen Schritt darüber hinaus darstellt — und Anthropics eigene geleakte interne Dokumente, die ich in meinem Claude Mythos Leak-Beitrag behandelt habe, beschreiben es als „dramatisch höher" — dann ist die Anwendung auf Schwachstellenforschung kein Marketing-Stunt. Es ist eine vorhersehbare emergente Fähigkeit eines ausreichend guten Code-Reasoners, der auf adversarielle Inputs gerichtet wird.\n\nHier ist das Spezifische, das mich überzeugt, dass es nicht alles Theater ist: die Art der gefundenen Schwachstellen.\n\nEin 16-jähriger FFmpeg-Bug, den fünf Millionen Fuzzer-Durchläufe verpassten, ist nicht die Art von Ding, das man findet, indem man mit einem Prompt Glück hat. Es ist die Art von Ding, das man findet, indem man darüber nachdenkt, warum ein bestimmter Codepfad in einem Edge-Case unsicher sein könnte, den Fuzzer — die durch zufällige Mutation von Inputs arbeiten — niemals generieren würden. Das ist eine andere Art der Suche als Brute Force. Das ist hypothesengetriebene Schwachstellenforschung. Das ist, was erfahrene Menschen tun.\n\nWenn ein Modell das zuverlässig kann — und wenn die Kosten für den Betrieb weiter sinken, so wie die Inferenzkosten zwei Jahre lang gesunken sind — dann ändern sich die Wirtschaftlichkeit der Sicherheitsforschung tatsächlich. Nicht auf die „KI wird die Gesellschaft beenden"-Art. Auf die alltäglichere, wichtigere Weise: Der Boden steigt.\n\n## Die eigentliche Verschiebung: Wer von einem steigenden Boden profitiert\n\nLassen Sie mich versuchen, konkret zu sein, was sich meiner Meinung nach tatsächlich ändert.\n\nVor der KI-gestützten Schwachstellenforschung erforderte das Finden eines nicht-trivialen Bugs in einer Codebasis wie FFmpeg oder dem Linux-Kernel eine spezifische Kombination seltener Fähigkeiten: tiefes Verständnis der Sprache, Vertrautheit mit der Codebasis, Intuition für Angreifermodelle und die Geduld, zehn Sackgassen für jede echte zu verfolgen. Diese Kombination lebte in vielleicht zehntausend Menschen weltweit, konzentriert in einigen wenigen Unternehmen, einigen wenigen Regierungen und einer Handvoll unabhängiger Forscher.\n\nNach der KI-gestützten Forschung — selbst mit öffentlichen Modellen, die deutlich schwächer sind als Mythos Preview — lebt diese Kombination in einem viel größeren Pool. Ein kompetenter Entwickler mit Sicherheitsinteresse und einem Claude API-Schlüssel kann jetzt an einem Nachmittag eine vorläufige Schwachstellenanalyse einer Codebasis durchführen, für die ein Spezialist eine Woche gebraucht hätte. Die Einstiegshürde sinkt, auch wenn die Hürde zur Spitzenklasse ungefähr dort bleibt, wo sie war.\n\nHier denke ich, liegen die Doom-Sager falsch — und die Verharmloser auch.\n\nDie Doom-Sager liegen falsch, weil KI einem zufälligen 15-Jährigen nicht plötzlich die Fähigkeit verleiht, die iPhone-Signal-Chain zu knacken. Die Fähigkeiten, die erforderlich sind, um einen von einer KI gefundenen Bug zu weaponisieren — einen zuverlässigen Exploit schreiben, Mitigationen umgehen, Entdeckung vermeiden — sind nach wie vor zutiefst menschliche Fähigkeiten. Eine Schwachstelle zu finden ist Schritt eins von vielleicht fünfzehn Schritten in einer echten offensiven Kampagne.\n\nDie Verharmloser liegen falsch, weil „die Hürde zum Finden gewöhnlicher Bugs" eine reale Sache ist, die wichtig ist. Die meisten Sicherheitsverletzungen kommen nicht von exotischen Nation-State-Zero-Days. Sie kommen von alltäglichen Schwachstellen — SQL-Injection, Auth-Bypasses, falsch konfigurierte S3-Buckets, veraltete Abhängigkeiten. Ein Tool, das das Entdecken dieser Schwachstellen 10-mal schneller macht, verändert die wirtschaftliche Kalkulation für jedes mittelgroße Unternehmen, das seit drei Jahren keinen echten Sicherheits-Review mehr gemacht hat.\n\nWas in beide Richtungen wirkt. Verteidiger können sich jetzt eine kontinuierliche Sicherheitsüberprüfung leisten, die sie sich vorher nicht leisten konnten. Angreifer können Ziele jetzt schneller als je zuvor profilieren. Das Rennen ist eröffnet. Und die Frage, die niemand sauber beantworten kann, ist, ob die defensive Seite Aufmerksamkeit und Patching so schnell skalieren kann, wie die offensive Seite die Entdeckung skalieren kann.\n\nDa die meisten Organisationen sehr langsam patchen — die Reproduktion der Mythos-Befunde durch Vidoc Security Lab stellte fest, dass 99 % der von Anthropic gemeldeten Bugs Wochen später noch ungepatchet sind — bin ich kurzfristig nicht optimistisch bezüglich dieses Rennens.\n\n## Was die Benchmark-Zahlen tatsächlich zeigen\n\nLassen Sie uns das konkretisieren. Denn ich habe diesen Monat viele Artikel gesehen, die Benchmark-Zahlen zitieren, ohne zu erklären, was sie für jemanden bedeuten, der echte Entscheidungen trifft.\n\nHier sind die aktuellen Frontier-Modell-Benchmark-Scores, die es wert sind, verfolgt zu werden — Stand April 2026, speziell auf ARC-AGI-2, einem Reasoning-Benchmark, der vernünftig gut mit allgemeiner Fähigkeit korreliert:\n\n| Modell | ARC-AGI-2 Score | Eingabe / Ausgabe Preis (pro 1M Token) |\n|--------|-----------------|----------------------------------------|\n| Claude Sonnet 5 | 84,7 % | $3 / $15 |\n| Gemini 3.1 Pro | 77,1 % | $2 / $12 |\n| GPT-5.4 (Pro-Tier) | 83,3 % | Höherstufige Preisgestaltung |\n| GPT-5.4 (Standard) | 73,3 % | ~$2,50 / Ausgabe variiert |\n| Claude Opus 4.6 | ~38 % | $5 / $25 |\n\nEinige Dinge stechen heraus. Erstens: Claude Sonnet 5 hat Opus 4.6 bei Reasoning-Benchmarks zu einem Fünftel des Preises übertroffen. Das ist eine Umkehrung der traditionellen Tier-Hierarchie, und ich habe darüber in meinem Sonnet 5 Agentic Coding-Beitrag geschrieben. Zweitens punktet jedes Frontier-Modell im Jahr 2026 dramatisch höher beim Reasoning als die Generation von 2024 — die Lücke zwischen dem, was der Öffentlichkeit zugänglich ist, und dem, was in Labs wie Anthropics eingeschränktem Mythos-Tier sitzt, wird kleiner, nicht größer.\n\nWas bedeutet das für die Zero-Day-Debatte? Es bedeutet, dass Hotz' impliziter Punkt — dass öffentliche Modelle bereits fähig genug sind, bedeutungsvolle Schwachstellenforschung zu betreiben, wenn man bereit ist, die Arbeit zu leisten — zunehmend vertretbar ist. Vidoc Security Lab reproduzierte einen Teil der Mythos-Befunde mit öffentlichen Modellen, mit mehr Scaffolding und mehr Compute, aber ohne eingeschränkten Zugang. Die Lücke zwischen Mythos Preview und dem, was ein entschlossener Forscher mit Claude Sonnet 5 oder GPT-5.4 leisten kann, ist kleiner als Anthropics Framing impliziert.\n\nDiese Lücke wird sich weiter schließen. Ob Anthropic das will oder nicht.\n\n## Was ich tatsächlich tun würde, wenn ich Sie wäre\n\nGenug Debatte. Lassen Sie mich die praktische Einschätzung für drei spezifische Situationen geben.\n\nWenn Sie ein Entwickler sind, der Produktionssoftware ausliefert: Gehen Sie davon aus, dass Ihr Code innerhalb von zwölf Monaten von einer KI mit Mythos-Niveau-Fähigkeit geprüft wird — weil eine Version dieser Fähigkeit bis dahin öffentlich verfügbar sein wird. Die Härtung, die für ein menschliches Red Team sinnvoll ist (Input-Validierung, Minimierung der Angriffsfläche, Prinzip der geringsten Rechte, Dependency-Hygiene), ist dieselbe Härtung, die für ein KI-gestütztes Audit sinnvoll ist. Die Tools ändern sich; die Grundlagen nicht. Wenn Sie noch kein Tool wie Snyk, Semgrep oder Äquivalentes auf jedem PR ausführen, beginnen Sie diese Woche. Wenn Sie eine tiefere Anleitung wünschen, wie Sie eine kontinuierliche KI-gestützte Sicherheitsschicht in Ihren eigenen Workflow integrieren, habe ich das genaue Setup, das ich verwende, in meinem Claude Code Security Scanner Agent-Beitrag beschrieben.\n\nWenn Sie ein Sicherheitsforscher oder Pentester sind: Das ist der interessanteste Moment in diesem Bereich seit einem Jahrzehnt. Beginnen Sie jetzt, KI-gestützte Entdeckung in Ihren Workflow zu integrieren — nicht weil es Ihre Fähigkeiten ersetzt, sondern weil die Kunden, die Sie 2027 einstellen, es so erwarten werden, wie sie heute erwarten, dass Sie Burp Suite verwenden. Forscher, die das als bedrohlich betrachten, werden niedergewalzt. Diejenigen, die es als Kraftmultiplikator betrachten, werden mehr verdienen als je zuvor.\n\nWenn Sie ein Unternehmen führen, das von Open-Source-Infrastruktur abhängt: Gehen Sie davon aus, dass jede weit verbreitete Open-Source-Bibliothek in den nächsten achtzehn Monaten mehrere neue hochkritische Befunde offenbart bekommen wird. Budgetieren Sie entsprechend. Finanzieren Sie die Maintainer der Bibliotheken, von denen Sie abhängig sind — durch GitHub Sponsors, durch direkte Verträge, durch irgendetwas. Die Asymmetrie, die Anthropics Forschung aufgedeckt hat — leistungsstarke KI, gerichtet auf unterfinanzierte OSS — verschwindet nicht. Das Verantwortungsvolle ist, den Menschen auf der anderen Seite dieser Asymmetrie zu helfen.\n\nNoch eine Sache. Wenn Sie jemand sind, der KI-Agenten für irgendeinen Zweck baut — und viele meiner Leser sind das —, ist die von Anthropic demonstrierte Schwachstellenforschungsfähigkeit eine Vorschau darauf, wie Agentenfähigkeit in jedem Bereich aussieht, der hypothesengetriebene Suche über große strukturierte Inputs beinhaltet. Bug-Hunting. Rechtliche Dokumentenprüfung. Wissenschaftliche Literaturanalyse. Finanzforensik. Wenn Sie einen fundierten Blick darauf werfen möchten, wie Sie jetzt über das Aufbauen von Produktionsagentensystemen nachdenken können, deckt der Anthropic Agent SDK-Leitfaden, den ich geschrieben habe, die architektonischen Muster ab.\n\n## Wo die Hotz-vs.-Anthropic-Debatte landet\n\nZurück zur Granate, die diesen Beitrag eröffnete.\n\nHat Hotz tatsächlich täglich einen Zero-Day veröffentlicht? Zum Zeitpunkt dieses Schreibens hat er es nicht. Die Drohung war rhetorisch. Was entweder a) bedeutet, weil es schwieriger ist, als er implizierte, oder b) weil die rechtlichen und ethischen Kosten des tatsächlichen öffentlichen Droppens von Zero-Days enorm sind, unabhängig von der technischen Schwierigkeit. Ich glaube, es ist hauptsächlich (b), mit etwas (a) für die spezifischen Klassen von Zero-Clicks, für die Apple siebenstellige Beträge zahlt.\n\nHat Anthropic das existenzielle Risiko von Mythos Preview übertrieben? Wahrscheinlich ja beim Framing, wahrscheinlich nein bei der Fähigkeit. Das Modell kann das, was sie gesagt haben, tatsächlich tun. Die Frage, ob das „zu gefährlich zum Veröffentlichen" ist, ist eine Politikfrage, keine technische — und vernünftige Menschen können darüber uneinig sein, wo die Linie liegt.\n\nHier ist, wo ich lande. Der interessante Teil dieser Debatte ist nicht, welche Seite recht hat. Beide Seiten haben scharfe Punkte und beide argumentieren teilweise aus Eigeninteresse. Der interessante Teil ist, was die Debatte darüber enthüllt, wo das Feld steht.\n\nWir sind an dem Punkt, an dem ein Frontier-KI-Modell autonom die Art von Schwachstellenforschung durchführen kann, die zuvor einen erfahrenen menschlichen Forscher eine Woche Arbeit kostete. Das ist real. Das wurde durch unabhängige Reproduktionen verifiziert. Das wird — in unterschiedlicher Qualität — innerhalb des Jahres öffentlich verfügbar sein.\n\nDie Frage ist nicht, ob man in Panik verfallen oder bagatellisieren soll. Die Frage ist: Da diese Fähigkeit jetzt Teil der Landschaft ist, wie wollen wir die rechtlichen, wirtschaftlichen und defensiven Systeme darum herum gestalten?\n\nDas ist das Gespräch, das Anthropics Framing zu führen versucht. Es ist auch das Gespräch, das Hotz' Kritik zu erzwingen versucht. Sie streiten über Taktiken. In der grundlegenden Frage — dass sich in der offensiven Sicherheit etwas Bedeutsames verschoben hat — sind sie sich tatsächlich einig. Sie sind nur uneinig darüber, wer es laut aussprechen darf.\n\nIch? Ich denke, das Beste, was ein arbeitender Ingenieur jetzt tun kann, ist, das Bedrohungsmodell ernst zu nehmen, die verfügbaren Tools zu nutzen und die eigenen Systeme zu härten, als würde nächsten Dienstag ein unermüdlicher KI-Forscher mit einem Groll Ihren Code auditieren.\n\nDenn früher als Sie denken, wird es einer.\n\nDie FFmpeg-Maintainer wussten nicht, dass ihr Code einen 16-jährigen Bug hatte. Sie wissen es jetzt. Die Frage, über die es sich heute Abend nachzudenken lohnt, ist, was in Ihrer Codebasis sitzt — der, die Sie geschrieben haben, der, von der Sie abhängen, der, die Sie letztes Quartal in die Produktion gebracht haben — die ein KI-Forscher mit acht Stunden und einem Prompt bis Donnerstagnachmittag finden würde.\n\nDas ist keine Marketing-Frage. Das ist keine Hype-Frage. Das ist einfach die neue Realität des Software-Auslieferns im Jahr 2026.\n\nUnd wenn Sie sich nicht dagegen härten, sind Sie bereits im Rückstand.\n\n## Lass uns zusammenarbeiten\n\nMöchten Sie KI-Systeme aufbauen, Workflows automatisieren oder Ihre Tech-Infrastruktur skalieren? Ich helfe Ihnen gerne.\n\n* Fiverr (individuelle Builds & Integrationen): fiverr.com/s/EgxYmWD\n* Portfolio: mejba.me\n* Ramlit Limited (Enterprise-Lösungen): ramlit.com\n* ColorPark (Design & Branding): colorpark.io\n* xCyberSecurity (Sicherheitsdienstleistungen): xcybersecurity.io"