Die Entwicklung von IntelligentFILE

Im ersten Beitrag dieser Reihe habe ich das Konzept der „IntelligentFILE“ vorgestellt – jede Datei, die eingebettete Intelligenz enthält, die bei der Verarbeitung, beim Öffnen oder bei der Übertragung eine Folgeaktion auslösen kann. Ich habe dargelegt, dass sich die Datei von einem passiven Behälter zu einem aktiven Akteur entwickelt hat, dass sich ihr Wesen grundlegend verändert hat und dass die meisten Sicherheitsarchitekturen in Unternehmen damit nicht Schritt gehalten haben. In diesem Beitrag möchte ich näher auf den Mechanismus dieser Entwicklung eingehen. Denn das Verständnis dafür, wie KI die Datei verändert hat, ist die Voraussetzung dafür, zu verstehen, warum die alten Sicherheitskonzepte versagen – und was eine moderne Reaktion tatsächlich erfordert.

Die Kurzfassung: KI hat nicht einfach nur die Anzahl der Dateien erhöht. Sie hat sie leistungsfähiger, überzeugender, schwerer durchschaubar und folgenreicher gemacht. Sie hat die Kosten für die Erstellung anspruchsvoller, kontextbezogener und strukturell plausibler Inhalte auf nahezu null gesenkt. Und damit hat sie sowohl Unternehmen als auch Gegnern das gleiche Instrumentarium an die Hand gegeben – ohne dass es eine zuverlässige Möglichkeit gibt, zu unterscheiden, wer es einsetzt.

Wenn die meisten Sicherheitsverantwortlichen über die Bedrohung durch KI-Dateien sprechen, greifen sie auf Mengenstatistiken zurück. Es wird prognostiziert, dass sich die Größe der globalen Datensphäre von 2022 bis 2026 mehr als verdoppeln wird. Die Tatsache, dass mittlerweile mehr als vier von fünf Finanzdienstleistungsunternehmen (81 %) angeben, KI in gewissem Umfang einzusetzen. Die 500.000 schädlichen Dateien, die täglich von Threat-Intelligence-Plattformen erfasst werden. Diese Zahlen sind real und aussagekräftig; sie beschreiben jedoch das Ausmaß des Problems, nicht dessen Wesen.

Der tiefgreifendere Wandel ist qualitativer Natur. Die KI hat verändert, was eine Datei leisten kann, und nicht nur, wie viele davon es gibt.

Vor dem Zeitalter der KI erforderte die Erstellung, das Testen und der Einsatz einer ausgeklügelten Malware-Nutzlast fundiertes technisches Fachwissen. Die Barriere bestand in den Fähigkeiten des Menschen. Das Volumen war daher naturgemäß begrenzt. Mit dem Aufkommen der KI ist diese Barriere gefallen. Große Sprachmodelle erzeugen überzeugende Phishing-Dokumente, die von legitimen Mitteilungen nicht zu unterscheiden sind. KI generiert für jedes Ziel einzigartige Dateistrukturen – was Sicherheitsforscher als polymorphen Inhalt bezeichnen –, wodurch die signaturbasierte Erkennung strukturell unzureichend wird. Die Kosten für die Erstellung eines bösartigen oder gefälschten Dokuments sind nahezu auf null gesunken. Und entscheidend ist, dass die dafür verwendeten Tools mit denen identisch sind, die für legitime Zwecke eingesetzt werden.

Die Entwicklung von IntelligentFILE lässt sich am besten anhand von vier deutlichen Veränderungen der Funktionsfähigkeit nachvollziehen, die durch KI hervorgerufen wurden – wobei jede dieser Veränderungen direkte Auswirkungen auf die Sicherheit hat, für deren Bewältigung ältere Tools nicht ausgelegt waren.

1. Polymorphe Konstruktion in großem Maßstab

Herkömmliche Malware wies eine feste Struktur auf, die – sobald sie identifiziert war – katalogisiert und anhand von Signaturen erkannt werden konnte. KI-generierte Malware hat keine feste Struktur. Jede Instanz kann strukturell einzigartig sein, kontextbezogen auf das Ziel zugeschnitten und so konzipiert sein, dass sie den spezifischen Erkennungswerkzeugen entgeht, gegen die der Angreifer sie bereits getestet hat. Dies ist keine marginale Verbesserung der Umgehungsfähigkeit. Es ist die Aufhebung der grundlegenden Annahme, auf der die signaturbasierte Erkennung beruht.

2. Kontextuelle Plausibilität auf inhaltlicher Ebene

Vor dem Zeitalter der generativen KI erforderte die Erstellung eines überzeugenden Phishing-Dokuments einen erheblichen menschlichen Aufwand – Recherche, Entwurf, Formatierung und kontextuelle Genauigkeit. Das Ergebnis konnte von geschulten Analysten dennoch oft als verdächtig erkannt werden. Heute erzeugen LLMs Phishing-Dokumente, betrügerische Rechnungen, gefälschte Überweisungsaufträge und synthetische KYC-Dateien, die sich kontextuell nicht von ihren legitimen Gegenstücken unterscheiden lassen. Über 82 % der aufgedeckten Phishing-E-Mails enthalten mittlerweile KI-generierte Inhalte. Die Social-Engineering-Ebene wurde industrialisiert und läuft nun im Wesentlichen reibungslos ab.

3. Undurchsichtigkeit der Herkunft

Wenn eine Datei von einer KI generiert wird, sind herkömmliche Herkunftsangaben nicht mehr zuverlässig. Metadaten können gefälscht werden. Die Urheberschaft lässt sich keinem Menschen zuordnen. Inhalte, die den Anschein erwecken, aus internen Quellen zu stammen, können tatsächlich aus einer LLM-Infrastruktur eines Drittanbieters außerhalb des Sicherheitsperimeters der Institution stammen. Für Finanzdienstleister – wo die Echtheit eines Dokuments über die Gültigkeit einer Transaktion, die Rechtmäßigkeit eines Onboarding-Vorgangs oder die Genauigkeit eines Risikomodells entscheiden kann – ist die Undurchsichtigkeit der Herkunft kein Ärgernis. Sie ist eine strukturelle Schwachstelle.

4. RAG-Vergiftung: Wenn die Datei zum institutionellen Gedächtnis wird

Die vierte und vielleicht folgenreichste Entwicklung betrifft speziell Unternehmen, die „Retrieval-Augmented Generation“-Systeme (RAG) eingeführt haben – wozu bis 2026 die Mehrheit der Finanzinstitute gehören wird. In einer RAG-Architektur wird jede eingelesene Datei zu einer „Quelle der Wahrheit“ für das KI-Modell, das sie auswertet. Ein Analyst, der dem System eine Frage stellt, erhält eine Antwort, die aus den indexierten Dokumenten abgeleitet wird. Eine einzige nicht bereinigte, böswillig erstellte oder von der KI „halluzinierte“ Datei, die in diesen indexierten Korpus gelangt, birgt nicht nur ein eigenes Risiko. Sie vergiftet die Wissensbasis des Unternehmens – und die KI wird diese vergiftete Wahrheit bei jeder nachfolgenden Abfrage in großem Umfang und mit der Autorität eines vertrauenswürdigen internen Systems ausgeben.

Das ist das RAG-Risiko. Eine Bank, die einen Single-Engine-Scanner einsetzt, ist nur eine einzige manipulierte oder durch KI verschleierte Datei davon entfernt, ihre gesamte interne Wissensdatenbank zu kompromittieren. Sobald eine bösartige Datei aufgenommen wurde, wird die KI diesen Inhalt jedem Mitarbeiter, der danach fragt, als institutionelle Wahrheit präsentieren. Der Schadensradius ist nicht die Datei selbst, sondern alles, womit die Datei in Berührung kommt.

Ein entscheidender Aspekt der Weiterentwicklung von IntelligentFILE ist die Ausweitung der Angriffsfläche über den E-Mail-Posteingang hinaus – der in der Vergangenheit stets im Mittelpunkt der Dateisicherheitsarchitektur stand. Heutzutage stellt jeder Erfassungspunkt einen Bedrohungsvektor dar.

• Cloud und -Speicherung: Jede Datei, die in SharePoint, OneDrive, S3 oder eine Kollaborationsplattform hochgeladen wird, stellt ein Erfassungsereignis dar. Dateien im Ruhezustand bergen dieselben Risiken wie Dateien während der Übertragung – und werden oft weniger gründlich gescannt.

• API und automatisierte Workflows: Automatisierte Dateipipelines zwischen Systemen – Compliance-Plattformen, Data Lakes, Eingaben für KI-Modelle – laufen im Millisekundenbereich ab. Herkömmliche Sandbox-Scans können mit dieser Geschwindigkeit nicht mithalten, ohne zu einem Engpass zu werden.

• Webformulare und Kundenportale: Jeder KYC-Upload, jeder Kreditantrag, jeder Versicherungsanspruch und jedes Formular zur Anlegerregistrierung stellt einen Punkt dar, an dem Dateien erfasst werden. Kundenportale sind Umgebungen mit hohem Datenaufkommen und hohem Vertrauensbedarf, die mit einem entsprechend hohen Risiko verbunden sind.

• Dateien aus der Lieferkette und von Drittanbietern: Durch KI generierte Angriffe über die Lieferkette sind mittlerweile in vertrauenswürdige, legitim erscheinende Dateien eingebettet, die von bekannten Anbietern und Partnern stammen. Die Quelle ist vertrauenswürdig. Der Inhalt ist es möglicherweise nicht. Herkömmliche Tools verfügen über keine Mechanismen, um zwischen beiden zu unterscheiden.

• Wechselmedien und physische Datenübertragung: In regulierten und luftisolierten Umgebungen – insbesondere im Finanzdienstleistungssektor, im öffentlichen Sektor und in kritischen Infrastrukturen – sind physische Medien nach wie vor ein wichtiger Kanal für die Dateieingabe und stellen einen Sicherheitsbereich dar, in den oft zu wenig investiert wird.

Der bisher vorherrschende Ansatz zur Abwehr von Dateibedrohungen war die Erkennung: Die Datei wird gescannt, mit bekannten Signaturen abgeglichen und anschließend als bedrohlich markiert oder zugelassen. Dieses Modell war für eine Welt angemessen, in der Bedrohungen feste Strukturen hatten, deren Erzeugungsgeschwindigkeit durch den Menschen begrenzt war und deren Verhaltensmuster erkennbar waren. Diese Welt gibt es nicht mehr.

„Bei der Erkennung wird davon ausgegangen, dass man zwischen einer sicheren und einer gefährlichen Datei unterscheiden kann. Die KI hat diese Annahme widerlegt. Die intelligente Lösung besteht nicht in einer besseren Erkennung, sondern darin, dass man gar nicht erst darauf angewiesen ist, der Datei zu vertrauen.“

Im Zeitalter von IntelligentFILE ist die Kluft zwischen dem, was Erkennungstools zuverlässig identifizieren können, und dem, wozu KI-generierte Bedrohungen fähig sind, struktureller Natur und nicht nur inkrementell. Tools mit nur einem Erkennungsmodul weisen bei Zero-Hour-Bedrohungen, die von KI generiert werden, eine Erkennungsrate von unter 50 % auf. Signaturdatenbanken hinken der Bedrohung um 24 bis 72 Stunden hinterher – eine Ewigkeit in einer Umgebung, in der polymorphe Payloads pro Ziel und pro Kampagne generiert werden. Und das „First-Look“-Problem bedeutet, dass herkömmliche Tools eine neue, von KI generierte Bedrohungsstruktur in dem Moment, in dem sie auftritt, nicht erkennen können, bis die Signaturen aktualisiert sind – ein Zeitfenster, das Angreifer aktiv ausnutzen.

Wenn die Erkennung nicht mehr ausreicht, was tritt an ihre Stelle? Die Antwort lautet: eine Umstellung der Herangehensweise – weg von einem Modell, bei dem gefragt wird: „Ist diese Datei schädlich?“, hin zu einem Modell, bei dem gefragt wird: „Kann ich das Risiko dieser Datei vollständig beseitigen, bevor sie in die Umgebung gelangt?“

Das ist die Logik der Deep CDR™-Technologie, die nicht versucht, schädliche Inhalte zu erkennen, sondern die Datei stattdessen zerlegt, alle aktiven Elemente entfernt – unabhängig davon, ob sie bedrohlich erscheinen – und eine strukturell saubere Version zur Verwendung rekonstruiert. Es handelt sich um einen Zero-Trust-Ansatz, der auf Dateiebene angewendet wird: Keine Datei wird als vertrauenswürdig eingestuft, jede Datei wird bereinigt, und die Beweislast wird vollständig vom Prüftool genommen.

DER WENDEPUNKT 2026 Die Kosten für die Erstellung eines schädlichen Dokuments sind nahezu auf null gesunken. Die Kosten einer Sicherheitsverletzung belaufen sich im Finanzdienstleistungssektor auf 4,4 Millionen US-Dollar. Das Ungleichgewicht war noch nie so groß – und das Sicherheitsmodell, das davon ausgeht, dass die Erkennung diese Lücke schließen kann, wurde für eine andere Ära entwickelt. IntelligentFILE erfordert eine andere Herangehensweise.

Da KI-Modelle immer leistungsfähiger werden und agentenbasierte Arbeitsabläufe zur Norm werden, wird die Datei weiterhin neue Fähigkeiten – und neue Risiken – mit sich bringen. Doch der Wendepunkt ist bereits erreicht. Die Datei hat die Schwelle vom passiven Objekt zum einflussreichen Akteur bereits überschritten. Die Architektur, die erforderlich ist, um sie auf dieser Leistungsstufe zu steuern, steht bereits heute zur Verfügung. Die Frage ist, ob Unternehmen sie einsetzen werden, bevor die Kosten für einen Verzicht darauf unvermeidbar werden.

Im nächsten Beitrag dieser Reihe wenden wir uns der praktischen Umsetzung zu: Was bedeutet die Weiterentwicklung von IntelligentFILE für das Security Operations Center – also für die Teams, die dafür zuständig sind, die Bedrohungen, die diese neue Dateilandschaft täglich mit sich bringt, zu erkennen, einzustufen und darauf zu reagieren?

Dateirisiken sind finanzielle Risiken. OPSWAT Kundendaten, Transaktionssysteme und die Einhaltung gesetzlicher Vorschriften durch einen mehrschichtigen Schutz vor Datenbedrohungen.

Erfahren Sie mehr darüber, wie Sie Ihr Unternehmen mitdenOPSWAT für Finanzinstitute schützen können.