KI-Sicherheit rückt heute gleich an mehreren Fronten in den Fokus: Angriffe werden unsichtbarer, zentrale Dienste störungsanfälliger und staatliche Prüfverfahren undurchsichtiger. Dazu sorgt eine neue, schwerer überwachbare Denkweise moderner Modelle für Diskussionen unter Sicherheitsexperten.
Redaktionell zusammengefasst und mit den Originalquellen belegt.
ASCII Smuggling wird zur Spamtechnik
Eine bislang vor allem aus Angriffen auf KI-Agenten bekannte Technik wird nun auch von Spammern eingesetzt. Beim sogenannten ASCII Smuggling werden Buchstaben durch spezielle Unicode-Zeichen ersetzt, die für Menschen nahezu unsichtbar sind, von Computersystemen aber verarbeitet werden. Dadurch können Filter wichtige Begriffe wie „funding“ in ungewöhnliche Einzelteile zerlegen und verdächtige Nachrichten schlechter erkennen. Microsoft registrierte zeitweise einen starken Anstieg entsprechender Erkennungen in seinem Spam- und Phishing-Schutz.
Die Entwicklung zeigt, dass Sicherheitslücken aus der KI-Welt schnell in klassische digitale Angriffe übergehen. Herkömmliche Filter prüfen häufig den sichtbaren Text oder bekannte Zeichenfolgen, während moderne Systeme zusätzlich maschinelles Lernen einsetzen. Genau diese Modelle lassen sich durch ungewöhnliche Tokenfolgen irritieren. Anbieter müssen deshalb Unicode-Zeichen normalisieren, versteckte Inhalte sichtbar machen oder Nachrichten zusätzlich per Texterkennung aus Bildern und Darstellungen analysieren.
Vier große KI-Dienste mit parallelen Ausfällen
Am Donnerstag, dem 3. September 2026, meldeten mehrere große KI-Plattformen innerhalb weniger Stunden erhebliche Störungen. Anthropic berichtete von erhöhten Fehlern bei Claude Mythos 5.1, Claude Fable 5.1 und Claude Opus 5. OpenAI meldete Probleme bei ChatGPT und Codex, während bei Grok ebenfalls zahlreiche Fehlermeldungen eingingen. Für Gemini zeigten externe Statusdienste zeitweise eine wahrscheinliche Störung, auch wenn Google den Vorfall nicht öffentlich bestätigte.
Die parallelen Ausfälle müssen nicht dieselbe technische Ursache haben. Sie zeigen jedoch, wie stark Nutzer, Unternehmen und Entwickler inzwischen von wenigen zentralen KI-Plattformen abhängig sind. Wenn mehrere Anbieter gleichzeitig nicht erreichbar sind, können auch Anwendungen ausfallen, die gar nicht direkt miteinander verbunden sind. Für kritische Arbeitsabläufe werden deshalb Ausweichmodelle, lokale Systeme und bessere Statusinformationen wichtiger.
Klage fordert Offenlegung geheimer US-KI-Sicherheitsregeln
Eine gemeinnützige Organisation hat vier US-Bundesbehörden verklagt, um Informationen über ein vertrauliches Prüfverfahren für fortgeschrittene KI-Modelle zu erhalten. Protect Democracy fordert unter anderem den Text des Verfahrens, die Teilnahmebedingungen, die beteiligten Organisationen sowie die Kriterien für Freigaben oder Einschränkungen. Die US-Regierung hat erklärt, dass Teile ihrer Prüfungen geheim seien, obwohl das zugrunde liegende Rahmenwerk offenbar nicht vollständig als geheim eingestuft wurde.
Im Mittelpunkt steht die Frage, wer über den Zugang zu besonders leistungsfähigen KI-Systemen entscheidet. Solche Prüfungen können Sicherheitsrisiken bewerten, aber auch Marktzugang, Forschung und staatliche Nutzung beeinflussen. Ohne öffentliche Kriterien lässt sich schwer beurteilen, ob Modelle einheitlich behandelt werden und ob Entscheidungen fachlich, politisch oder wirtschaftlich geprägt sind. Der Streit könnte daher weit über die USA hinaus Folgen für die internationale KI-Governance haben.
Neue KI-Denkweise erschwert die Überwachung
OpenAIs neues Modell Astra nutzt nach Angaben von TechCrunch teilweise eine Denkweise, die als „recurrent depth“ oder „opaque recurrence“ bezeichnet wird. Dabei verarbeitet das Modell eine Aufgabe nicht nur Schritt für Schritt, sondern wiederholt bestimmte interne Berechnungen in Schleifen. Für Nutzer kann das leistungsfähiger sein, zugleich entstehen offenbar weniger klar lesbare Spuren als bei klassischen, sprachlich ausformulierten Zwischenschritten. OpenAI betont, dass die Technik nur begrenzt eingesetzt werde und die Überwachung nachvollziehbarer Denkprozesse wichtig bleibe.
Für die KI-Sicherheit ist das relevant, weil Forscher Modelle bisher unter anderem anhand ihrer ausgegebenen Begründungsketten untersuchen. Diese Texte zeigen nicht vollständig, wie ein Modell arbeitet, liefern aber Hinweise auf Fehler, Täuschung oder Regelverstöße. Wenn leistungsfähige Systeme mehr Berechnungen intern und weniger lesbar durchführen, wird die Kontrolle schwieriger. Künftige Sicherheitsprüfungen müssen deshalb stärker auf Verhalten, Werkzeugeinsatz und unabhängige Tests setzen, statt sich allein auf sichtbare Erklärungen zu verlassen.