In einer gemeinsamen Stellungnahme rufen über 100 namhafte Unternehmen und Sicherheitsorganisationen die Regierungen und Privatwirtschaft zu drastischen Massnamen gegen ein wachsendes Bedrohungsszenario auf: KI-gestützte Cyberangriffe im grösseren Massstab. Die Unterzeichner, darunter führende KI-Entwickler, Tech-Konzerne und spezialisierte Cybersecurity-Firmen, betonen, dass die Fähigkeiten von Künstlicher Intelligenz in Angriffsszenarien schneller wachsen als die Abwehrmöglichkeiten.

Das Kernproblem ist die Asymmetrie: Während Verteidiger Systeme manuell absichern und überwachen müssen, können Angreifer mit KI-Agenten Hunderte oder Tausende von Angriffsszenarien parallel testen und ausführen. Schwachstellen werden nicht mehr von Einzelnen gefunden, sondern von KI-Systemen systematisch gescannt. Social Engineering wird durch sprachgestützte KI-Tools perfektioniert.

Die Unterzeichner sprechen von einem "begrenzten Zeitfenster", um präventiv zu handeln. Das bedeutet konkret: Bevor KI-gestützte Cyberangriffe zur alltäglichen Waffe in grösseren Kampagnen werden, müssen nationale und internationale Standards etabliert werden. Dazu gehören verbindliche Mindeststandards für Cybersecurity, strengere Haftungsregeln für Infrastruktur-Betreiber und koordinierte Abwehr auf staatlicher Ebene.

Besonders kritisch ist die Situation für kleine und mittlere Unternehmen, die typischerweise weniger Ressourcen für IT-Sicherheit haben. Sie werden überproportional zum Ziel, da Automatisierung die Rentabilität von Angriffen auch auf kleinere Beute steigert. Ein Ransomware-Angriff, der bislang 50'000 Schweizer Franken Lösegeld gebracht hätte, wird durch Skalierung wirtschaftlich interessant, wenn die Kosten pro Angriff durch Automation sinken.

Für IT-Dienstleister bedeutet das ein doppeltes Gebot: Einerseits müssen sie ihre Kunden aktiv dabei unterstützen, ihre Systeme zukunftssicher zu machen. Andererseits sollten sie sich selbst mit erweiterten Detection-Kapazitäten ausstatten, die nicht nur auf Signaturen achten, sondern auch verdächtige Verhaltenmuster von automatisierten Systemen erkennen können.