Ein internationales Forscherteam unter Beteiligung der Universität Toronto, des Vector Institute, der Universität Cambridge und von ServiceNow Research hat einen neuartigen Computerwurm entwickelt, der mithilfe großer Sprachmodelle (LLMs) autonom Schwachstellen erkennt, maßgeschneiderte Exploits generiert und sich ohne menschliches Zutun in heterogenen Netzwerken verbreitet. Der als Pre-Print auf arxiv.org veröffentlichte Proof of Concept [2] markiert nach Einschätzung der Wissenschaftler eine Zeitenwende: "Selbsterhaltende, KI-gestützte Cyberbedrohungen sind nicht länger reine Theorie" [1].
So funktioniert der KI-Wurm
Anders als klassische Würmer wie WannaCry, die auf vorab festgelegte Schwachstellen programmiert sind und durch Patches gestoppt werden können, setzt der neue Wurm auf offene Sprachmodelle, die er parasitär auf den gekaperten Rechnern ausführt [2]. Diese LLMs dienen als Entscheidungsinstanz: Sie analysieren jedes neu erreichte Zielsystem, identifizieren dessen Schwachstellen und entwickeln in Echtzeit passgenaue Angriffsstrategien.
Der entscheidende Unterschied zu herkömmlicher Malware liegt in der Adaptivität. Während traditionelle Würmer durch festen Exploit-Code definiert sind, beschreiben die Forscher ihren Wurm als System mit der "Fähigkeit, Ziele zu analysieren, sich an Beobachtungen anzupassen und Angriffslogik in Echtzeit zu entwickeln" [1]. Der Wurm ist damit nicht auf bekannte Proof-of-Concept-Exploits angewiesen – er kann aus öffentlich verfügbaren Informationen zu neuen Schwachstellen selbstständig funktionierende Angriffe ableiten.
Testumgebung und Ergebnisse
Das Forscherteam testete den Wurm in einem isolierten Netzwerk mit 33 Geräten – von Linux-Servern über Windows-Umgebungen bis hin zu IoT-Geräten (Internet of Things). In mehreren Testläufen über jeweils sieben Tage erkannte der KI-Wurm rund ein Drittel der vorhandenen Schwachstellen korrekt und nutzte sie auf einem Viertel der Maschinen zur Rechteausweitung [1].
Die Verbreitung erreichte etwa 20 Prozent der Geräte, wobei sich der Wurm über sieben Generationen selbst fortpflanzte. Insgesamt attackierte der Proof of Concept knapp 75 Prozent des Netzwerks und replizierte sich auf fast zwei Drittel der Systeme [1].
Besonders bemerkenswert: Drei der ausgenutzten Schwachstellen wurden erst im Jahr 2026 bekannt – und lagen damit jenseits des Trainings-Cutoffs der verwendeten Sprachmodelle. Die LLMs entwickelten die Exploits also auf Basis aktueller, nach dem Training veröffentlichter Informationen [1]. Dies widerlegt die Annahme, dass KI-gestützte Malware auf Schwachstellen beschränkt wäre, die bereits in den Trainingsdaten der Modelle enthalten sind.
Wirtschaftliche Asymmetrie zulasten der Verteidiger
Ein zentrales Ergebnis der Forschungsarbeit ist die wirtschaftliche Schieflage, die der KI-Wurm erzeugt. Da die Rechenleistung für die LLMs von den gekaperten Maschinen gestohlen wird, liegen die Grenzkosten pro neuer Infektion für den Angreifer bei null [2]. Die Forscher sprechen von einer "destabilisierenden wirtschaftlichen Asymmetrie zwischen Angreifern und Verteidigern" [2].
Hinzu kommt ein strukturelles Problem: Kommerzielle KI-Plattformen setzen zunehmend auf zentrale Sicherheitskontrollen wie Nutzungsbeschränkungen, Ratenbegrenzungen oder Service-Verweigerungen. Da der Wurm jedoch ausschließlich auf offenen, lokal ausgeführten Modellen basiert, sind diese Schutzmechanismen – so die Forscher – "strukturell irrelevant" [2]. Der Ansatz hebelt damit eine der wichtigsten Sicherheitsarchitekturen der KI-Industrie aus.
Einordnung: Was das für die Cybersicherheit bedeutet
Die Forschungsarbeit ist als Warnung zu verstehen – nicht als akute Bedrohung. Der Wurm wurde in einer kontrollierten, isolierten Umgebung getestet und ist kein in freier Wildbahn zirkulierender Schädling. Dennoch zeigt der Proof of Concept, dass die theoretische Möglichkeit autonomer, KI-gestützter Malware in praktische Reichweite gerückt ist.
Die Implikationen sind weitreichend. Klassische Abwehrstrategien wie signaturbasierte Erkennung oder das Einspielen von Patches für bekannte Schwachstellen greifen bei einem Wurm, der sich dynamisch anpasst und neue Exploits generiert, nur noch bedingt. Die Forscher fordern, sich auf "autonome generative Gegner" einzustellen – "Malware-Systeme, die sich ohne menschliches Zutun verbreiten und nicht durch festgelegten Exploit-Code definiert sind, sondern durch die Fähigkeit, Ziele zu analysieren, sich an Beobachtungen anzupassen und Angriffslogik in Echtzeit zu entwickeln" [1].
Für Unternehmen bedeutet dies, dass präventive Sicherheitsarchitekturen – Netzwerksegmentierung, Zero-Trust-Modelle und Anomalieerkennung – weiter an Bedeutung gewinnen dürften. Die Studie unterstreicht zudem die Notwendigkeit, offene Sprachmodelle nicht nur als Werkzeuge der Verteidigung, sondern auch als potenzielle Waffen in den Händen von Angreifern zu betrachten. Dass die Forscher ihre Ergebnisse bewusst als Pre-Print und mit detaillierter Methodik veröffentlichen, folgt dem Prinzip der responsible disclosure: Die Verteidigerseite soll frühzeitig gewarnt werden, bevor reale Angreifer ähnliche Techniken entwickeln.