Wie Sie Security-Budgets in der KI-Ära umschichten (sollten)

Durch KI-Modelle wie Claude Mythos sind Diskussionen über die Neuverteilung von Security-Budgets unausweichlich.Gorodenkoff | shutterstock.com



Im Laufe meiner Karriere habe ich unzählige technologische Umwälzungen erlebt, die zunächst als „beispiellos“ eingestuft wurden, sich dann aber eher als inkrementell erwiesen haben. Dahingehend verhält es sich mit dem Einsatz fortschrittlicher Agentic-AI-Modelle mit „Mythos“-Fähigkeiten grundlegend anders: Diese Entwicklung Das stellt für die Risiko- und Finanzdynamik von Unternehmen tatsächlich einen dauerhaften, strukturellen Wandel dar.



Um zu verstehen, warum das unverzüglich Aufmerksamkeit auf Vorstandsebene erfordert, sollte man sich die bisherige Budgetierungs-Grundlage der Cybersecurity vergegenwärtigen: Wir konnten uns über Jahrzehnte darauf verlassen, dass Sicherheitslücken in menschlichem Tempo entdeckt und ausgenutzt werden.



Diese inhärente Latenz verschaffte uns einen angemessenen Zeitpuffer, um Systeme zu patchen. Finanzentscheidern ermöglichte es, Security-Budgets über feste Prozentsätze oder vorhersehbare, jährliche Aufstockungen zu managen. Mit dem Aufkommen von KI-Agenten ist dieses Gleichgewicht dahin – und die darauf aufbauenden finanziellen Annahmen ebenso.



Das ist zwar kein Grund zur Panik. Aber es ist anzuerkennen, dass bei der Kapitalallokation auf Bilanzebene ein gravierendes Ungleichgewicht entsteht. KI auf „Mythos“-Niveau hat dabei nicht auf magische Weise neue Schwachstellen geschaffen. Sie hat lediglich industrialisiert, wie bestehende technische Schulden mit maschineller Geschwindigkeit aufgedeckt und ausgenutzt werden.



Ein veraltetes Budgetierungsmodell auf ein Paradigma in Maschinengeschwindigkeit anzuwenden, ist für Führungskräfte kein gangbarer Weg. Um unsere Unternehmen zu schützen und dabei sowohl „Insurability“ als auch Continuity zu gewährleisten, sollten wir vielmehr grundlegend überdenken, wie und wo wir unser Security-Kapital künftig einsetzen.



Die Ökonomie der Asymmetrie als Kernproblem



KI-Agenten sind nicht nur schnell, sie verfügen auch über Reasoning-Fähigkeiten. Cyberkriminelle sondieren Netzwerke deshalb nicht mehr manuell, sondern nutzen die Technologie, um Low-Level-Schwachstellen innerhalb von Stunden statt Monaten zu kritischen Exploits zusammenzufügen.



Auf Verteidigerseite verursacht das eine erdrückende wirtschaftliche Belastung: In der Vergangenheit verbrachte ein traditionelles Enterprise-Team mit 100 Softwareentwicklern – konservativ geschätzt – etwa 17.700 Stunden pro Jahr damit, Code zu prüfen und Fehler zu beheben. Legt man einen – ebenfalls konservativen – gemittelten Stundensatz von 40 Dollar pro Stunde zugrunde, ergeben sich daraus jährliche Personalkosten von rund 708.000 Dollar.



In der Ära der Frontier-Modelle wird dieser „Pool“ zum strategischen Budgetparameter: Denn obwohl KI die Erkennung beschleunigen kann, benötigen Unternehmen nach wie vor auch technische Expertise, um die KI-Ergebnisse zu validieren, zu priorisieren und zu bearbeiten. Heutige KI-Modelle sind in der Lage, bis zu siebenmal mehr Schwachstellen zu identifizieren als bisher üblich. Das Bottleneck liegt dabei nicht mehr darin, diese Lücken zu finden – sondern in den menschlichen Kapazitäten, sie zu beheben.



In der Praxis resultiert das nicht selten in hochbezahlten Dev-Teams, die an „Triage-Fatigue“ leiden und Millionen von Arbeitsstunden darauf verschwenden, KI-generierten Alerts nachzujagen. Während echte, kritische Bedrohungen im Rauschen untergehen.



5 Bereiche, in die Ihr Security-Budget jetzt fließen sollte



Einfach die IT-Budgets aufzustocken, ist an dieser Stelle keine Lösung. Das würde lediglich dazu führen, dass noch mehr Kapital sinnlos verbrannt wird. Es braucht eine grundlegende Neuausrichtung – und diese erfordert die Abkehr von veralteten Abwehrmaßnahmen auf Perimeter-Basis.



Ihr Sicherheitsbudget sollten Sie stattdessen in die folgenden fünf kritischen Betriebsbereiche umschichten.



1. Netzwerk: Zero Trust und Mikrosegmentierung einführen



Wir finanzieren nach wie vor das „Castle and Moat“-Modell. Das ist angesichts autonomer Akteure, die den Burggraben entweder vollständig umgehen oder diesem direkt entstammen, überholt.



Neuausrichtung: Es ist zu empfehlen, die Betriebsausgaben (OpEx) von veralteten Firewalls und VPN-Lösungen auf eine Zero-Trust-Architektur (ZTA) umzuschichten. Die Priorität sollte dabei auf einer tiefgreifenden Mikrosegmentierung sowie einem dynamischen, KI-gesteuerten Identity und Access Management (IAM) liegen.



Business Case: Bei einem Zero-Trust-Ansatz geht es darum, den möglichen Schadensumfang zu begrenzen. Mikrosegmentierung fungiert dabei als eine Art „digitale Trennwand“ im Netzwerk. Wenn ein KI-gesteuerter Akteur einen einzelnen Endpunkt oder Workload kompromittiert, verhindern diese internen Barrieren eine laterale Ausbreitung – und schützen damit Finanz- und Kundendaten.



2. Infrastruktur: Technische Schulden abbauen



KI mit „Mythos“-Fähigkeiten ist unglaublich effizient darin, technische Schulden ausnutzbar zu machen. Ganz besonders, wenn es um ältere Systeme geht, die auf unsicheren Programmiersprachen basieren.



Neuausrichtung: Um grundlegende Systeme systematisch mit sicheren Sprachen zu modernisieren, sind strategische CapEx-Investitionen notwendig.



Business Case: Eine Plattformumstellung kann wie eine dauerhafte strukturelle Korrektur wirken und ganze Klassen von Schwachstellen eliminieren, bevor der Code überhaupt kompiliert wird. Das erfordert Vorabinvestitionen, schmälert jedoch dauerhaft die Angriffsfläche und reduziert die langfristigen Betriebskosten (OpEx), die mit der Triage verbunden sind.



3. Interne Kontrollen: Schatten-KI regulieren



Nicht immer stellt ein Cyberkrimineller das unmittelbarste Risiko für das geistige Eigentum von Unternehmen dar – manchmal ist es auch die eigene Belegschaft. Etwa, wenn proprietärer Quellcode oder sensible Finanzdaten in nicht genehmigte, öffentliche KI-Modelle einfließen.



Neuausrichtung: Mit Blick auf das Security-Budget sollten Sie Data-Loss-Prevention (DLP) -Tools auf Prompt-Ebene, sichere KI-Enklaven für den internen Gebrauch sowie eine robuste Management-Strategie für nicht-menschliche Identitäten berücksichtigen.



Business Case: Ein pauschales KI-Verbot würde die Produktivität und Innovationskraft hemmen. Eine unkontrollierte Nutzung kann hingegen zu schwerwiegenden Compliance-Verstößen und dem Diebstahl geistigen Eigentums führen. Optimierte, interne Kontrollmechanismen sorgen dafür, dass die Belegschaft die KI-Tools an die Hand bekommt, die sie benötigt, um die Wettbewerbsfähigkeit des Unternehmens zu gewährleisten – und stellen sicher, dass interne Daten im Unternehmen verbleiben.



4. Externe Kontrollen: KI-nativ und kontextbezogen verteidigen



Angriffe in Maschinengeschwindigkeit manuell priorisieren zu wollen, ist ein aussichtsloses Unterfangen. Stattdessen gilt es, in Abwehrmaßnahmen zu investieren, die Risiken sofort kontextualisieren.



Neuausrichtung: Investieren Sie in KI-native Posture-Management-Plattformen.



Business Case: An dieser Stelle geht es darum, den ROI menschlicher Arbeitskraft zu maximieren. Moderne Plattformen setzen auf Reachability vor Volumen: Wenn ein Scanner 1.000 Schwachstellen findet, von denen jedoch nur zehn tatsächlich dem Internet ausgesetzt sind, filtert eine solche Plattform die 990 irrelevanten Warnmeldungen heraus. Das stellt sicher, dass teure Entwicklungsstunden ausschließlich dort eingesetzt werden, wo auch ein erhebliches finanzielles Risiko besteht.



5. Praxis: Autonome Operations umsetzen



Schwachstellen zu identifizieren und zu priorisieren, ist lediglich der erste Schritt. Schließlich ist die Umsetzung der Korrekturmaßnahmen die Stelle, an der menschliche Bottlenecks katastrophale Risiken für Unternehmen entstehen lassen können. Insofern ist es nicht mehr tragbar, sich auf manuelles Ticketing und einen reaktive IT-Betrieb zu verlassen.



Neuausrichtung: Investieren Sie in autonome IT-Operations – also in Plattformen, die komplexe, mehrstufige IT-Prozesse mit begrenzten manuellen Eingriffen abbilden können.  



Business Case: Durch den Einsatz vertrauenswürdiger, speziell entwickelter KI-Agenten für automatisiertes Patch- und Konfigurations-Management sowie routinemäßige Self-Healing-Workflows werden (menschliche) Bottlenecks in der Cyberabwehr eliminiert. So verkürzt sich das Zeitfenster, in dem Schwachstellen ausnutzbar sind von Wochen auf Minuten. Und Ihre Entwickler können sich auf umsatzträchtige Produktentwicklungen fokussieren, statt in IT-Wartungsaufgaben unterzugehen. (fm)



Dieser Beitrag wurde im Rahmen des englischsprachigen Expert Contributor Network von Foundry veröffentlicht. Alle Infos zum deutschsprachigen Experten-Netzwerk finden Sie hier.