Die gängige Praxis in Breach-and-Attack-Simulation-Programmen orientiert sich an Bibliotheken einzelner Techniken, die auf ein Rahmenwerk wie MITRE ATT&CK abgebildet sind: Technik ausführen, prüfen, ob sie erkannt oder blockiert wird, bewerten, nächste Technik. Das liefert echte Erkenntnisse, beantwortet aber nicht die entscheidende Frage – ob ein Angreifer, der zehn dieser Techniken verkettet und sich bei jedem Schritt an das anpasst, was funktioniert hat, ungehindert durch die Umgebung spazieren kann, während jede einzelne Kontrolle brav „keine Auffälligkeit“ meldet.
Hinzu kommt ein Mengenproblem: Es gibt schlicht zu viele mögliche Schwachstellen, um sie alle zu testen. Selbst wenn 90 Prozent behoben wären, könnten die fehlenden 10 Prozent das schwache Glied sein, das einen Angriffspfad ausnutzbar macht.
Filigran stützt die Argumentation auf den eigenen Bericht „State of Threat Management“. Danach geben 93 Prozent der befragten Sicherheitsverantwortlichen an, ihre Organisation habe in den vergangenen zwölf Monaten einen Cyberangriff mit Auswirkungen auf das Geschäft erlitten – obwohl die meisten ihre Abwehr an irgendeinem Punkt validiert hatten. 88 Prozent sagen, KI beschleunige inzwischen das Tempo, mit dem Angreifer sich nach dem Eindringen bewegen. 84 Prozent nennen isolierte Werkzeuge und unverbundene Tests als Hauptgrund dafür, dass Schwachstellen unbemerkt bleiben, bis sie jemand ausnutzt.
Als praktisches Beispiel führt der Beitrag den Einbruch bei der französischen Steuerbehörde DGFiP im Jahr 2025 an. Kein einzelner Schritt der Intrusion sei besonders exotisch gewesen; erst die koordinierte Abfolge aus Erstzugang, Missbrauch von Zugangsdaten, seitlicher Bewegung und Datenabfluss habe aus mehreren für sich genommen überlebbaren Schwächen einen schweren Einbruch gemacht. Jede Kontrolle mag für sich „funktioniert“ haben – die Kette kam trotzdem durch.
Attack Chaining, ein neuer Szenariotyp in OpenAEV, soll diese Lücke schließen, indem es mehrstufige Angriffspfade von Anfang bis Ende automatisiert – so, wie es ein Red Team täte, aber fortlaufend und zu einem Bruchteil der Kosten. Statt Techniken als isolierte Ereignisse zu prüfen, verkettet das Verfahren sie zu einer lebenden Abfolge: Das tatsächliche Ergebnis einer Aktion – eine erbeutete Zugangsinformation, ein offener Port, ein Token, eine fehlkonfigurierte Berechtigung – wird automatisch erfasst und bestimmt das nächste Ziel. Die Aufklärung findet ein Ziel, ein Auslesen von Anmeldedaten liefert ein Passwort, dieses Passwort öffnet die nächste Maschine; die Kette wächst entlang dessen, was sie in der Umgebung wirklich vorfindet, und verzweigt sich in Echtzeit auf einem interaktiven Graphen vom Erstzugang bis zum Endziel.
Damit zielt der Ansatz auf den Realismus einer manuellen Red-Team-Übung, ohne deren Kosten und Wartezeit: Ein Red Team sei gründlich, aber teuer und punktuell – eine Momentaufnahme, ein- oder zweimal im Jahr, während sich die Umgebung darunter weiter verändert. Attack Chaining laufe in Minuten und so oft wie nötig.
Zwei Betriebsarten stehen zur Wahl. Im Modus mit menschlichem Operator baut eine Person die bedingte Logik und steuert die Ausführung – deterministisch, transparent und auf skalierbare, wiederholbare Penetrationstests ausgelegt. Beim autonomen Attack Chaining übernimmt ein KI-Agent auf Basis von XTM One die Entscheidungen: Der Operator definiert nur Ziel und Rahmen, ein Orchestrator-Agent plant den Angriffspfad selbst, führt ihn aus, ordnet Schritte um, reagiert auf Funde und erzeugt bei Bedarf auch realistische Phishing-Mails oder Landing-Pages. Für Nutzlasterstellung, Codegenerierung, Aufklärung und Ausnutzung kann er Spezialagenten hinzuziehen – die in OpenAEV eingebauten oder eigene aus XTM One.
Beide Modi nutzen dieselbe Bedingungs-Engine und dieselben Rahmenkontrollen, und die Ergebnisse fließen direkt in einen einheitlichen Exposure-Score ein, statt als isolierter Bericht liegen zu bleiben. Filigran veranstaltet zudem ein technisches Live-Webinar, das Tests von Angriffsketten in der Praxis durchgeht.