🚨 KI hat gerade autonom 22 von 32 Schritten abgeschlossen, die erforderlich sind, um ein Unternehmensnetzwerk zu hacken. Keine menschliche Anleitung. Keine Hacking-Expertise erforderlich. Das sollte Schlagzeilen machen. Das AI Security Institute des Vereinigten Königreichs hat gerade eine Studie veröffentlicht, die verfolgt, wie schnell KI-Modelle lernen, zu hacken. Sie haben ein simuliertes Unternehmensnetzwerk mit 32 aufeinanderfolgenden Angriffsschritten aufgebaut - Aufklärung, Diebstahl von Anmeldeinformationen, laterale Bewegung, Privilegieneskalation, Reverse Engineering, Datenexfiltration, die gesamte Kill-Chain. Dann haben sie sieben fortschrittliche KI-Modelle darauf losgelassen. Vor 18 Monaten hat GPT-4o im Durchschnitt 1,7 Schritte abgeschlossen. Heute schließt Opus 4.6 9,8 Schritte ab. Das ist eine Verbesserung um das 5,7-fache. Und der beste einzelne Durchlauf erreichte 22 von 32 Schritten - was ungefähr 6 Stunden eines 14-stündigen Expertentests durch einen Menschen entspricht. Vollständig autonom. Aber hier ist, was das wirklich alarmierend macht. Mehr Rechenleistung = besseres Hacking. Die Skalierung von 10M auf 100M Tokens steigerte die Leistung um bis zu 59 %. Die Beziehung ist log-linear, ohne Anzeichen einer Plateauphase. Das Papier besagt ausdrücklich, dass dies "keine spezifische technische Raffinesse vom Betreiber erfordert." Übersetzung: Ein API-Schlüssel und 80 $ sind alles, was es braucht. Sie haben auch einen simulierten Angriff auf ein Kraftwerk getestet. Modelle beginnen gerade erst, es zu knacken - aber ein Modell umging den vorgesehenen Angriffsweg vollständig, indem es ein proprietäres Protokoll direkt aus dem Netzwerkverkehr ansprach und einen Fehler ausnutzte, von dem die Designer nicht einmal wussten, dass er existierte. Die KI verstand nicht, was sie ausnutzte. Sie nannte es einen "magischen Unterfunktionscode." Jedes neue Modell ist besser. Jede Erhöhung der Rechenleistung treibt weiter voran. Die Kurve flacht nicht ab. Und niemand spricht darüber.