OECD stuft Anthropic-Mythos als KI-Sicherheitsvorfall ein: Was CIOs und CISOs jetzt ändern müssen

Ausgangslage: Mythos als AI Hazard im OECD-Monitor

Die OECD führt seit 2023 den AI Incidents & Hazards Monitor (AIM) als internationale Referenzdatenbank für KI-Zwischenfälle und -Gefahren. Mitte April 2026 wurde dort ein neuer Eintrag zu Anthropics Modell „Claude Mythos“ ergänzt. Das Modell ist bislang nicht allgemein verfügbar, wird jedoch von Anthropic und ausgewählten Behörden getestet.

Laut den öffentlich zugänglichen Einträgen und Berichten

• identifiziert Mythos tausende teils kritische Zero-Day-ähnliche Schwachstellen in weit verbreiteten Betriebssystemen, Browsern und Open-Source-Komponenten,

• erreicht in unabhängigen Tests (u. a. UK AI Security Institute) erstmals eine vollständige 32‑stufige Enterprise-Cyberattacke in mehreren autonomen Durchläufen,

• wurde vom Entwickler vor dem Marktstart gestoppt bzw. zurückgehalten, gerade wegen der damit verbundenen systemischen Cyberrisiken.

Die OECD klassifiziert das Geschehen als „AI Hazard“ (Gefahr), nicht als bereits realisierten Schaden. Entscheidend ist: Das ist einer der ersten Fälle, in denen ein großskaliges Foundation Model schon in der Evaluierungsphase als eigenständiger Sicherheitsvorfalltyp geführt wird.

Was an Mythos neu ist – und warum es für Unternehmen relevant ist

1. Vulnerability-Discovery wird hochskalig automatisiert

Bislang beruhte Schwachstellen-Entdeckung überwiegend auf

• manueller Forschung (Security-Researcher, Bug-Bounty),

• automatisierten Scannern mit begrenzter Kontextfähigkeit.

Mythos verschiebt den Maßstab:

• Das Modell kombiniert Codeanalyse, Systemverständnis und Exploit-Generierung in einer Pipeline.

• Es kann komplexe Verwundbarkeitsketten erkennen (z. B. erst eine Berechtigungseskalation, dann Persistenz, dann Datenabfluss).

• Es entdeckt in kurzer Zeit Mengen an Schwachstellen, die klassische Teams in dieser Dichte kaum prüfen könnten.

Für Unternehmen bedeutet das: „AI-found vulns“ werden ein eigenständiger Risikotyp – mit anderem Volumen, anderer Dynamik und potenziell anderem Angreiferprofil.

2. Frontier-Modelle als eigenständiges Cyber-Risikoobjekt

Mit der OECD-Einstufung wird deutlich: Frontier-Modelle wie Mythos sind nicht nur Werkzeuge im bestehenden IT-Sicherheitsrahmen, sondern eigene Risikoquellen.

Implikationen:

• Regulatoren (z. B. Finanzaufsicht, kritische Infrastrukturen) erhalten ein formales Argument, Frontier-Modelle in Risikoanalysen zu adressieren.

• Aufsichtsorgane und Prüfer können sich konkret auf OECD-AIM-Einträge beziehen, wenn sie Nachschärfungen in der Risiko-Governance verlangen.

3. Verschiebung der Bedrohungslage

Ein Modell, das tausende Schwachstellen identifiziert und ausnutzbare Exploits generiert, schafft drei neue Szenarien:

1. Defensiv-Szenario: Unternehmen oder CERTs nutzen solche Modelle, um eigene Landschaften proaktiv zu härten.

2. Leak-/Missbrauchs-Szenario: Teile der Erkenntnisse (Exploit-Code, Angriffspfade) gelangen in die Hände von Angreifern.

3. Capability-Replikation: Andere Akteure (staatlich oder kriminell) bauen ähnliche Systeme nach, sobald die technische Machbarkeit demonstriert ist.

Alle drei Szenarien werden in der Monitor-Einordnung ausdrücklich als plausible Gefahr adressiert – ohne dass bereits ein konkreter Schaden dokumentiert ist. Genau diese Hazard-Perspektive ist neu im enterprise-nahen Kontext.

Konkrete Konsequenzen für CIOs, CISOs und Compliance-Teams

1. KI-gestützte Vulnerability-Discovery als eigener Risikotyp

Unternehmen sollten in ihren Risikokatalogen einen separaten Eintrag einführen, z. B.:

> „AI-gestützte Discovery und Ausnutzung von Schwachstellen (AI-driven vulnerability discovery and exploitation)“

Dazu gehören mindestens:

• Risikobeschreibung: Modelle können Schwachstellen systematisch und in großer Zahl identifizieren und Exploits generieren.

• Betroffener Scope: Eigenentwickelte Software, Third-Party-Software, Cloud-Stacks, OT/ICS.

• Impact-Kategorien: Verfügbarkeit (Ransomware), Integrität (Manipulation), Vertraulichkeit (Datenabfluss), Compliance-Verstöße.

2. Vendor-Assessment für Frontier-Modelle schärfen

Klassische Lieferantenaudits (ISO 27001, SOC 2, Pen-Tests) reichen für KI-Produkte dieser Klasse nicht mehr aus. Neue Prüffragen sollten u. a. sein:

• Red-Teaming & Evaluierung

- Welche unabhängigen Prüfungen (z. B. staatliche Institute) liegen vor?

- Wie wurden „Offense-Szenarien“ (Autonomie in Angriffsabläufen, Sandbox-Umgehungen) getestet?

• Vulnerability-Handling

- Wie werden von der KI gefundene Schwachstellen verantwortungsvoll gemeldet (Coordinated Disclosure)?

- Gibt es Prozesse, die verhindern, dass Exploits unbeabsichtigt öffentlich werden?

• Zugriff und Governance

- Wer im Unternehmen darf ein solches Modell nutzen?

- Welche technischen Kontrollen (Rate-Limits, Logging, Policy-Enforcement) existieren?

Praxisbeispiel:

Ein Finanzinstitut prüft einen KI-Dienstleister, der „AI-basierte Penetrationstests“ anbietet, und entdeckt, dass dieser intern ein Mythos-ähnliches Modell nutzt. Das Institut verlangt:

• Nachweis eines Disclosure-Prozesses (BSI- oder CERT-kompatibel),

• vertragliche Zusicherung, dass kein nicht anonymisierter Kundencode in generische Trainingsdaten zurückfließt,

• Auditrechte für die Protokollierung von KI-gestützten Scans.

3. SOC- und Incident-Playbooks für „AI-found vulns“ ergänzen

Security Operations Center (SOC) und CSIRTs sollten ihre Playbooks um spezielle Pfade erweitern:

• Früherkennung

- Threat-Intel-Feeds mit Fokus auf KI-gestützte Exploit-Kampagnen.

- Korrelation von Angriffsmustern, die auf automatisch generierten Code hinweisen (z. B. ähnliche Payload-Varianten über viele Ziele hinweg).

• Reaktion

- Spezielle Triage-Regeln für Vorfälle, bei denen bekannt ist, dass eine AI-gestützte Angriffskette im Spiel ist (schnellere Seitwärtsbewegung, höheres Exploit-Tempo).

- Vorbereitung auf Massen-Patchings, wenn bekannt wird, dass eine KI tausende ähnliche Schwachstellen entdeckt hat.

4. Vertragsgestaltung und Haftung

Die OECD-Einstufung wird auch in der Vertragswelt Spuren hinterlassen. Unternehmen sollten bei KI-Dienstleistern Klauseln ergänzen:

• Transparenzpflichten: Offenlegung signifikanter Sicherheitsvorfälle oder Hazard-Einstufungen durch anerkannte Stellen (z. B. OECD AIM, nationale KI-Institute).

• Sicherheitszusicherungen: Mindeststandards für Red-Teaming, Evaluierung und koordinierte Offenlegung.

• Haftung & Versicherung: Klare Regelungen, falls ein Modell nachweislich zur Ausnutzung von Schwachstellen im Kundenumfeld beiträgt.

Beispielklausel (vereinfachtes Muster):

> „Der Anbieter informiert den Kunden unverzüglich, wenn ein von ihm eingesetztes Frontier-Modell von einer nationalen oder internationalen Stelle (z. B. OECD AI Incidents & Hazards Monitor) als AI Incident oder AI Hazard im Bereich Cybersecurity eingestuft wird und stellt die relevanten System- und Risikoberichte zur Verfügung.“

Strategische Einordnung: Was jetzt auf die Roadmap gehört

Für CIOs, CISOs und Vorstände ergibt sich daraus eine kurzfristige Agenda:

1. Risikoregister aktualisieren – KI-gestützte Schwachstellenforschung explizit aufnehmen.

2. AI Governance Board einrichten oder nachschärfen – mit klarer Zuständigkeit für Frontier-Modelle.

3. Vendor-Due-Diligence erweitern – spezifische Fragen zu Red-Teaming, Hazard-Einstufungen und Disclosure-Prozessen.

4. Playbooks und Policies anpassen – SOC, Incident-Response, Third-Party-Risk-Management.

5. Regulatorische Entwicklung beobachten – insbesondere Finanzaufsicht, BSI/ENISA-Empfehlungen und den weiteren Ausbau des OECD-Monitors.

Die Einstufung von „Claude Mythos“ im OECD AI Incidents & Hazards Monitor ist kein Einzelfall, sondern ein Frühindikator, wie zukünftige Frontier-Modelle behandelt werden: als kritische Infrastrukturen im eigenen Recht. Unternehmen, die ihre Sicherheits- und Compliance-Architektur jetzt anpassen, vermeiden hektische Nachrüstungen, wenn die nächste Generation von Modellen produktiv wird – bei ihnen selbst oder bei ihren Dienstleistern.

Häufig gestellte Fragen (FAQ)

Was ist der OECD AI Incidents & Hazards Monitor und welche Rolle spielt Claude Mythos darin?

Der OECD AI Incidents & Hazards Monitor (AIM) ist eine internationale Referenzdatenbank für dokumentierte KI-Zwischenfälle und Gefahren. Claude Mythos wurde dort als AI Hazard im Bereich Cybersecurity erfasst, weil das Modell tausende schwerwiegende Schwachstellen identifiziert und vollständige mehrstufige Cyberangriffe ermöglicht, noch bevor es öffentlich verfügbar ist.

Was macht Claude Mythos aus Sicht der IT-Sicherheit so besonders?

Claude Mythos kombiniert Codeanalyse, Systemverständnis und Exploit-Generierung in einer End-to-End-Pipeline. Dadurch kann das Modell in kurzer Zeit komplexe Verwundbarkeitsketten und Zero-Day-ähnliche Schwachstellen in großem Umfang aufdecken, was klassische Security-Teams und Tools in ihrer Skalierung übertrifft.

Welche neuen Risiken entstehen durch KI-gestützte Vulnerability-Discovery für Unternehmen?

KI-gestützte Vulnerability-Discovery schafft einen neuen Risikotyp: „AI-found vulns“, also Schwachstellen, die systematisch und massenhaft von KI gefunden und ausnutzbar gemacht werden. Neben defensiven Einsatzszenarien müssen Unternehmen vor allem Leaks, Missbrauch von Exploit-Wissen und die Nachahmung solcher Modelle durch Angreifer berücksichtigen.

Wie sollten CIOs und CISOs ihre Risikomanagement- und Governance-Strukturen anpassen?

CIOs und CISOs sollten KI-gestützte Schwachstellenforschung explizit im Risikoregister verankern und Frontier-Modelle als eigene Risikoobjekte behandeln. Dazu gehört ein gestärktes AI Governance Board, erweiterte Third-Party-Risk-Prozesse sowie angepasste SOC- und Incident-Response-Playbooks, die speziell auf AI-gestützte Angriffsketten vorbereitet sind.

Was müssen Unternehmen bei der Vendor-Due-Diligence für KI- und Frontier-Modelle prüfen?

Unternehmen sollten über klassische Zertifizierungen hinaus gezielte Fragen zu Red-Teaming, unabhängigen Evaluierungen und Umgang mit von der KI gefundenen Schwachstellen stellen. Wichtig sind außerdem klare Regeln zu Disclosure-Prozessen, Logging und Governance der Modelnutzung sowie vertragliche Zusicherungen, dass sicherheitsrelevante Vorfälle und Hazard-Einstufungen offengelegt werden.

Welche Auswirkungen hat die OECD-Einstufung von Claude Mythos auf Verträge und Haftung?

Die Einstufung als AI Hazard liefert eine Referenz, um in Verträgen Transparenz- und Sicherheitsklauseln für Frontier-Modelle zu verankern. Unternehmen sollten etwa Informationspflichten bei AIM-Einträgen, Mindeststandards für Security-Evaluierung und klare Haftungsregelungen vereinbaren, falls ein Modell nachweislich zur Ausnutzung von Schwachstellen im Kundenumfeld beiträgt.

Welche konkreten Schritte sollten Unternehmen kurzfristig umsetzen?

Kurzfristig sollten Unternehmen ihr Risikoregister aktualisieren, AI Governance-Strukturen etablieren oder schärfen und Vendor-Due-Diligence-Fragen um KI-spezifische Sicherheitsaspekte erweitern. Parallel dazu sind SOC-Playbooks, Incident-Response-Prozesse und Third-Party-Risk-Management an Szenarien mit AI-found vulns anzupassen und regulatorische Entwicklungen rund um KI-Sicherheit aktiv zu beobachten.