Zahlen zu dieser Lücke liefert der Cost of a Data Breach Report 2026 von IBM: Jeder vierte böswillige Sicherheitsvorfall im vergangenen Jahr war KI-gestützt — ein Anstieg um 56 Prozent gegenüber dem Vorjahr. Solche Vorfälle kosteten Unternehmen durchschnittlich sechs Millionen US-Dollar, rund eine Million mehr als der allgemeine Durchschnitt. Gleichzeitig setzen laut derselben Untersuchung nur 18 Prozent der Organisationen KI-Agenten im Schwachstellenmanagement ein, während mehr als die Hälfte sie bereits für die Bedrohungserkennung nutzt.
Einige Projekte versuchen, dem mit KI selbst beizukommen — etwa Valkey mit seinem Provenance Guard oder Buttercup von Trail of Bits, dem AIxCC-Gewinner, das auf der DEF CON 2025 Schwachstellen aufspürte. An der Grundasymmetrie ändert das laut Robinson nichts.
Auch die Angreiferseite verfügt über vergleichbar leistungsfähige Agenten. Open-Weight-Modelle haben den Abstand zu den teuersten Frontier-Systemen weitgehend geschlossen — für Verteidiger grundsätzlich vorteilhaft, weil sich nachvollziehen lässt, wie ein Modell trainiert wurde, und es sich bewusst steuern lässt, statt einer Blackbox vertrauen zu müssen. Dieselbe Offenheit senkt aber auch die Einstiegshürde für Angreifer.
Robinsons Forderung: Behebung und Priorisierung müssen zur ingenieurmäßigen Disziplin werden. Wenn Zehntausende Zeilen KI-generierter Befunde in Wellen eintreffen, führt es zu Burnout und schlechter Triage, jeden Fund als Notfall zu behandeln. Projekte brauchen vorab festgelegte Kriterien für Schweregrad und Ausnutzbarkeit; Berichte müssen validiert und dokumentiert bei den Maintainern ankommen, nicht als Rohdatenhalde.
Ein großer Teil dieser Validierungs- und Verteilarbeit hat derzeit keinen Ort: Mehrere Organisationen scannen unabhängig voneinander dieselbe obskure Bibliothek und melden dann jeweils separat, ohne sich abzustimmen — was die Last für einen einzelnen Maintainer vervielfacht. Genau diese Koordinationslücke beginnen Initiativen wie Project Akrites zu füllen: Befunde verifizieren, Maintainer mit Kontext versorgen und die Offenlegung so synchronisieren, dass ein Fix alle Abhängigen im Moment der Veröffentlichung erreicht. Das funktioniert nur zusammen mit längerfristigen Bemühungen um Best Practices, finanzielle Unterstützung für Maintainer und Secure-by-Design.
Ebenso schwer wiegt der menschliche Preis. Maintainer-Burnout war schon vor der Flut KI-generierter Berichte ein reales Problem; eine Welle gut gemeinter, aber unkoordinierter Offenlegungen verschärft ihn. Ein Teil der Lösung besteht darin, unterfinanzierte oder ganz verwaiste Projekte zu identifizieren und sie mit Organisationen zu verbinden, die dauerhafte Unterstützung leisten können. Würden mehr Unternehmen, die von Open Source profitieren oder darauf aufbauen — also die meisten —, in Richtung Upstream blicken, gäbe es weniger überforderte Maintainer.
Hinzu kommt der EU Cyber Resilience Act (CRA) mit globalen Auswirkungen für alle, die in den EU-Markt verkaufen. Hersteller sind verpflichtet, Schwachstellen verantwortungsvoll zu behandeln und innerhalb kurzer Fristen offenzulegen. KI-beschleunigte Entdeckung und CRA-Fristen treffen aufeinander: mehr Funde, schneller, gegen eine regulatorische Uhr, die sich nicht bewegt und mit hohen Kosten verbunden ist. Schwachstellendaten schnell aus Upstream-Projekten zu den Herstellern zu bringen, sei einer der konkretesten Beiträge des Ökosystems — die Einhaltung bleibe aber Sache jedes Herstellers.
Eine Aufforderung, KI-gestützte Sicherheitsforschung zu bremsen, ist das ausdrücklich nicht. Gefordert seien Koordinationsinfrastruktur, Personal und Standards, damit das Ökosystem verarbeiten kann, was diese Forschung hervorbringt.