Claude Mythos Enterprise findet über 10.000 kritische Schwachstellen: Anthropic gründet mit 13 Tech-Schwergewichten eine AI-Sicherheitsallianz

Anthropic hat zuletzt einen großen Wurf getan – und diesmal geht es nicht nur um die Veröffentlichung eines neuen Modells.

Am 7. April verkündete das Unternehmen gemeinsam mit einer Reihe von Firmen, die man sich kaum gemeinsam an einem Tisch vorstellen kann – AWS, Apple, Broadcom, Cisco, CrowdStrike, Google, JPMorgan Chase, die Linux Foundation, Microsoft, NVIDIA, Palo Alto Networks – die Gründung einer Sicherheitsallianz namens Project Glasswing . Ihre Mission ist nur eine: Mit AI die Sicherheitsprobleme der weltweit kritischsten Software lösen.

Am selben Tag verriet Anthropic noch eine weitere Schwergewichtsnachricht: Mit den Claude-Modellen hatten sie intern großflächige Sicherheitsscans über Enterprise-Codebasen gefahren – und dabei entdeckt: mehr als 10.000 kritische Schwachstellen.

Als diese beiden Nachrichten aufeinandertrafen, ging die Security-Szene durch.

Wie wurden über zehntausend kritische Schwachstellen gefunden?

Das beginnt bei Anthropics AI-Sicherheitsforschung.

Claude Mythos ist das Sicherheitsspezialmodell, das Anthropic intern seit Langem feinschliff. Anders als das normale Claude ist es speziell für Code-Reverse-Engineering, Schwachstellensuche und Pentesting-Szenarien optimiert und findet in großen Codebasen automatisch Schwachstellenpunkte mit echter Bedrohung.

Vor dem Start von Project Glasswing ließ das Team Claude Mythos über eine Reihe von Enterprise-Codebasen einen „Stresstest“ laufen – das Ergebnis war zum Haareraufen: mehr als zehntausend kritische Schwachstellen, von der Umgehung von Authentifizierung über Speicherkorruption bis hin zu Supply-Chain-Angriffen.

Diese Schwachstellen wurden weder von herkömmlichen Scannern gefunden noch von Security-Ingenieuren von Hand gegraben – ein AI-Modell hat sie automatisch ausgegraben.

Zum Vergleich: Ein vollständiges Enterprise-Code-Audit durch ein professionelles Sicherheitsteam dauert üblicherweise Monate und kostet schnell Hunderttausende Dollar. Claude Mythos schafft dieselbe Codebasen-Größe in Tagen oder weniger.

Das ist der Größenordnungsunterschied, den AI-Sicherheitstools ausmachen.

Wie stark ist Claude Mythos wirklich?

Die Schlagzeile der New York Times vom 7. April brachte es auf einen Punkt:„Anthropic Claims Its New A.I. Model Is a Cybersecurity Reckoning“– kurz gesagt: Das Modell ist so stark, dass Anthropic selbst fand, es eigne sich nicht für eine öffentliche Veröffentlichung.

Die BBC folgte später mit einem eigenen Artikel unter dem Titel:„What is Anthropic’s Claude Mythos and what risks does it pose?“

Aus allen verfügbaren Informationen lässt sich ableiten: Die Kernfähigkeiten von Claude Mythos konzentrieren sich auf drei Richtungen:

– Code-Verständnis und Reverse-Engineering: Das Modell versteht komplexe Enterprise-Codebasen und findet darin Sicherheitsmängel
– Bewertung der Ausnutzbarkeit: Es findet nicht nur Schwachstellen, sondern beurteilt, ob sie sich in realen Angriffsszenarien ausnutzen lassen
– Großflächiges automatisiertes Scannen: Einmal über die gesamte Codebasis laufen lassen, ganz ohne manuelle Schritt-für-Schritt-Prüfung

Was bedeutet diese Fähigkeitskombination?

Sie bedeutet: Was früher ein Sicherheitsteam in drei Monaten schaffte, erledigt AI heute in wenigen Tagen. Und AI ermüdet nicht, überspringt nichts aus Nachlässigkeit und schreckt auch vor kompliziertem Code nicht zurück.

Project Glasswing: Was ist die AI-Sicherheitsallianz?

AI-Fähigkeiten allein reichen nicht – Anthropic hat 13 Tech-Schwergewichte mit an Bord geholt, um Project Glasswing zu lancieren.

Diese Liste allein ist schon einen genaueren Blick wert:

– Cloud-Anbieter: AWS, Microsoft Azure
– Sicherheitsanbieter: CrowdStrike, Palo Alto Networks
– Chips/Hardware: Broadcom, NVIDIA
– Enterprise-Nutzer: JPMorgan Chase
– Open-Source-Infrastruktur: Linux Foundation
– Betriebssysteme: Apple
– Netzwerkausrüster: Cisco
– AI-Unternehmen: Anthropic, Google

Was bedeutet diese Kombination? Dass sie nicht nur Theorie betreiben wollen, sondern AI-Sicherheitsfähigkeiten über die gesamte Kette verankern wollen – von der Chip-Ebene über Betriebssystem- und Cloud-Plattform-Ebene bis zur Anwendungsebene.

Zu Glasswings Kernprogramm gehören:

– Einrichten eines AI-gestützten Standards für die Bewertung der Codesicherheit
– Vorantreiben von Sicherheitsaudits für kritische Open-Source-Software
– Teilen von Informationen über von AI gefundene kritische Schwachstellen
– AI-Sicherheitsschutz für die globale kritische Infrastruktur

Klartext: Hier soll eine „Cybersecurity-Allianz des AI-Zeitalters“ entstehen, die die Sicherheitsrisiken von AI mit AI bekämpft.

Das wahre Problem hinter den zehntausend Schwachstellen

Zehntausend Schwachstellen zu finden ist an sich keine Schlagzeile – die Security-Szene gräbt jeden Tag Schwachstellen aus.

Was wirklich alarmieren sollte, ist die Bedeutung hinter dieser Zahl.

Erstens: Die Größenordnung der Schwachstellen übersteigt bei Weitem die Erwartungen.

Dass Enterprise-Codebasen Schwachstellen haben, wusste man vorher auch. Aber was sagt die Größenordnung „über 10.000 kritische“ aus? Dass die Sicherheitsprüfungen in bestehenden Entwicklungsprozessen schlicht nicht reichen. Code fertig geschrieben, Scanner einmal laufen lassen, abgenickt – und trotzdem ist das Wesentliche durchgerutscht. Der Eintritt von AI legt dieses Problem gnadenlos offen.

Zweitens: Was sagt die Verteilung der Schwachstellen aus?

Anthropic hat nicht verraten, welche Schwachstellentypen am häufigsten vorkommen. Aber aus der Zusammensetzung der Glasswing-Teilnehmer lässt sich schließen: Supply-Chain-Schwachstellen (wegen der Linux Foundation), Authentifizierungsschwachstellen (wegen der Cloud- und Enterprise-Anbieter) und Infrastrukturschwachstellen (wegen der Chip- und Betriebssystemhersteller) dürften die Schwerpunkte sein.

Drittens: „Finden“ ist nicht gleich „Beheben“.

Schwachstellen zu finden ist nur der erste Schritt. Wer behebt zehntausend kritische Schwachstellen, und wie lange dauert das? Viele Altlasten in Enterprise-Codebasen existieren womöglich seit fünf bis zehn Jahren, und eine Behebung muss sorgfältig geschehen, ohne bestehende Funktionen zu beschädigen.

Das zweischneidige Schwert der AI-Sicherheitstools

An dieser Stelle muss etwas gesagt werden: Wenn Claude Mythos Schwachstellen ausgraben kann, dann können andere dasselbe mit ähnlicher AI tun.

Anthropic hat sich diesmal entschieden, Claude Mythos nicht öffentlich zu veröffentlichen – mit der Begründung, es sei „zu gefährlich“. Das folgt derselben Linie wie im Zeitalter von Claude Opus 4: erst die Risiken bewerten, dann über den Öffnungsgrad entscheiden.

Die Frage ist aber:

– Werden andere Firmen ähnliche oder gar stärkere Modelle bauen?
– Und was, wenn solche Modelle Angreifern in die Hände fallen?
– Können Unternehmen ihre eigenen Schwachstellen mit AI schließen, bevor Angreifer sie finden?

In gewissem Sinne beantwortet Glasswing genau diese Frage:Lieber die gesamte Branche baut gemeinsam eine Verteidigungsmauer, als dass AI-Sicherheitsfähigkeiten in den Händen weniger Firmen konzentriert bleiben. Angreifer haben AI – Verteidiger brauchen sie auch, und zwar schneller, präziser und systematischer.

Was bedeutet das für normale Entwickler?

Wenn du Entwickler oder Security-Ingenieur bist, hat das mehrere Ebenen:

Kurzfristig: Glasswings Mechanismus zum Teilen von Schwachstellen deckt zuerst kritische Open-Source-Projekte und Infrastruktur ab. Auf deine eigenen Produktlinien musst du vorerst verzichten. Es lohnt sich aber, die nachfolgenden technischen Standards und Bewertungsmethoden für Schwachstellen zu verfolgen.

Mittelfristig: Sicherheitsspezialmodelle wie Claude Mythos werden schrittweise in Enterprise-Security-Toolchains einziehen. In künftigen IDE-Plugins oder CI/CD-Security-Scans wirst du ähnliche AI-Fähigkeiten sehen. Sich früh mit dieser Richtung zu beschäftigen, schadet nie.

Langfristig: Das Wettrüsten zwischen AI-Sicherheitsforschung und AI-Angriffsforschung wird nur noch härter. Die AI-Fähigkeiten der Verteidiger wachsen, aber ebenso die der Angreifer. Die Gründung von Glasswing zeigt: Die Konzerne behandeln das bereits als strategische Frage.

Warum dieser Zeitpunkt wichtig ist

2026 ziehen AI-Agenten in großer Zahl in Enterprise-Workflows ein – von Code-Generierung über Datenverarbeitung bis zur Kundeninteraktion. Modelle wie Claude und GPT dringen bereits tief in die Kerngeschäftsprozesse von Unternehmen ein.

Wenn AI anfängt, sensible Daten zu verarbeiten, kritischen Code zu schreiben und Produktionssysteme anzubinden, dann werden die Sicherheitslücken von AI selbst und die von AI gefundenen Sicherheitslücken zu zwei Seiten derselben Medaille.

Glasswing und jene zehntausend Schwachstellen sind ein Stein, den Anthropic in den Teich wirft – die Branche soll begreifen: AI-Sicherheit ist kein technisches Problem, sondern ein Ökosystem-Problem.

Ein einzelnes Unternehmen kann das nicht lösen – die ganze Branche muss es gemeinsam angehen.

Das erklärt auch, warum Apple, Microsoft und Google – im Alltag sonst Widersacher – sich an denselben Tisch setzen können.

Zum Schluss

Zehntausend kritische Schwachstellen sind keine Zahl, die Angst machen soll.

Sie sind das Ergebnis einer großangelegten „Vorsorgeuntersuchung“, die Anthropic mit AI gemacht hat – und das Resultat hat man der ganzen Welt mitgeteilt. Der Befund liegt vor. Die Frage ist: Wie willst du reagieren?

Wartest du, bis Glasswings Standards greifen – oder scannst du deine eigene Codebasis jetzt einmal gründlich mit AI-Tools?

Diese Entscheidung musst du selbst treffen.