Du bist morgens im Büro und checkst deine Mails. Eine sieht aus wie von deiner Chefin – dringend, mit Bitte um sofortige Freigabe einer Überweisung. Du zögerst. Die Stimme klingt echt, die Unterschrift passt. Diese Illusion erzeugt kein Photoshop mehr, sondern eine KI, die in Sekunden eine perfekte Deepfake-Identität erschafft. Ein Klick, und das Unternehmen ist eine Million ärmer. Solche Angriffe haben die durchschnittlichen Kosten einer Datenpanne auf 4,99 Millionen Dollar getrieben – 12 Prozent mehr als im Vorjahr, so der IBM „Cost of a Data Breach Report“.
Der Bericht, den das Ponemon Institute im Auftrag von IBM erstellt hat, basiert auf tatsächlichen Vorfällen bei 602 Unternehmen weltweit zwischen März 2025 und Februar 2026. Die Ergebnisse zeigen: Jeder vierte böswillige Angriff war KI-gestützt. AI-enabled Breaches schlagen im Schnitt mit sechs Millionen Dollar zu Buche – eine Million mehr als der globale Durchschnitt. Künstliche Intelligenz verkürzt den Lebenszyklus eines Angriffs deutlich. Wo früher ein Hacker Tage oder Wochen brauchte, erledigt eine KI die Aufklärung, das Verfassen überzeugender Phishing-Nachrichten und das Testen von Exploits in Minuten. Das verändert die Bedrohungslage fundamental.
Schnelligkeit erhöht den Schaden. Wenn ein Angriff in wenigen Stunden von der ersten Infiltration bis zur Datenexfiltration abläuft, bleibt dem Sicherheitsteam kaum Zeit, ihn zu erkennen, zu analysieren und zu stoppen. Die Folge: höhere Kosten für Erkennung, Eskalation und vor allem für entgangene Geschäfte – diese beiden Kategorien machen zusammen 63 % der Gesamtkosten aus. IBM nennt zwei Haupttreiber: zum einen die gestiegenen Aufwände für forensische Untersuchungen und Krisenmanagement, zum anderen den Umsatzausfall durch Ausfallzeiten, Kundenabwanderung und Reputationsverlust. Beide werden durch KI-Angriffe verstärkt.
KI kann auch helfen. Unternehmen, die KI und Automatisierung konsequent in ihrer Sicherheitsarchitektur einsetzen, sparen im Schnitt 1,93 Millionen Dollar pro Datenpanne. Der Haken: Nur wenige tun das richtig. Laut IBM setzen zwar 50 % der betroffenen Firmen KI-Agenten für die Bedrohungssuche, Reaktion und Eindämmung ein – also reaktiv, nachdem bereits verdächtige Aktivitäten sichtbar sind. Aber nur 18 % nutzen KI für das proaktive Schwachstellen-Scanning und Management. Das ist, als ob man erst den Feuerwehrruf abwartet, anstatt frühzeitig Brandmelder zu installieren. Diese Lücke ist teuer.
Ein besonders teures Kapitel sind Angriffe direkt auf KI-Modelle und -Anwendungen. IBM nennt zwei Beispiele: Modellinversionsangriffe (Kosten: 6,07 Millionen Dollar) und Prompt-Injection (5,89 Millionen Dollar). Bei einer Modellinversion extrahieren Angreifer durch geschickte Anfragen sensible Trainingsdaten aus einem KI-Modell – etwa personenbezogene Daten, medizinische Aufzeichnungen oder Geschäftsgeheimnisse. Prompt-Injection schleust schädliche Anweisungen in die Eingabe eines Large Language Models ein, um dessen Verhalten zu manipulieren. Beides sind keine abstrakten Laborszenarien mehr, sondern reale Gefahren, die Unternehmen bereits jetzt viel kosten.
Viele KI-bezogene Sicherheitsvorfälle scheitern nicht am Modell, sondern an strukturellen Schwächen im Unternehmen: unzureichende Zugriffskontrollen, mangelnde Datenklassifizierung, fehlende Überwachung von API-Endpunkten. Diese Unterscheidung ist entscheidend. Statt nur das KI-Modell selbst zu schützen, müssen Führungskräfte die Sicherheit des gesamten Ökosystems in den Blick nehmen – Architektur, Richtlinien, Rechenschaftspflichten. Immerhin plant über die Hälfte der Unternehmen nach einer Datenpanne in KI-Sicherheits- und Governance-Tools zu investieren – ein Anstieg von 88 % gegenüber dem Vorjahr. Das Bewusstsein wächst, aber es bleibt viel zu tun.
Betrachten wir die allgemeinen Angriffsmuster: Malicious Attacks machen 55 % aller Datenpannen aus – ein Anstieg von fast 8 %. IT-Pannen (22 %) und menschliches Versagen (23 %) sind seltener, und der Schaden durch böswillige Angriffe ist zudem deutlich höher. Besonders stark betroffen sind Branchen mit vielen personenbezogenen Daten: Gesundheitswesen, Finanzen, Einzelhandel und Transport. Phishing bleibt der häufigste Einstiegspunkt – und der teuerste. Voice- und SMS-Phishing (Vishing/Smishing) treten in 17 % der Angriffe auf und verursachen mit durchschnittlich 5,29 Millionen Dollar die höchsten Kosten pro Vorfall. Social Engineering, etwa das Imitieren von IT-Mitarbeitern am Telefon, folgt mit 13 % und 5,23 Millionen Dollar.
Ein Trend: Kunden-PII (personenbezogene Daten) sind das mit Abstand häufigste Ziel – 52 % aller gestohlenen oder kompromittierten Daten. Kosten pro Datensatz: 192 Dollar. Unternehmen speichern diese Daten oft noch on‑premises – 30 % der Vorfälle betrafen lokale Speicher, ein Anstieg von 20 % (2024) auf nun 30 %. Viele denken, „vor Ort“ sei sicherer. Das Gegenteil ist der Fall, weil die Verantwortung für Patching, physische Sicherheit und Zugriffsmanagement allein beim internen IT-Team liegt. Und dort liegen oft die wertvollsten Daten – gleichzeitig die größte Angriffsfläche.
53 % der betroffenen Organisationen hatten ihre sensiblen Daten weder im Ruhezustand noch während der Übertragung verschlüsselt. Weitere 10 % wussten nicht einmal, ob die Daten verschlüsselt waren. Ohne Verschlüsselung können Angreifer auf genetische, biometrische, Identitäts- und Gesundheitsdaten sofort zugreifen. Das ist der Worst Case: einmalige, nicht änderbare Informationen, die dann im Darknet landen. Datenverschlüsselung ist eine Basisanforderung, kein Luxus.
Der Bericht zeigt: KI verändert das Angriffsgeschäft fundamental. Die Kosten für Angreifer sinken, die Geschwindigkeit steigt, die Schäden wachsen. Unternehmen können nicht einfach nur alte Sicherheitsstrategien weiterführen. Sie müssen ihre Abwehr ebenfalls mit KI beschleunigen – proaktiv, nicht reaktiv. Das bedeutet Investitionen in automatisierte Bedrohungserkennung, Schwachstellenmanagement und vor allem in die Absicherung der gesamten KI-Infrastruktur. Handeln ist nötig, um Kosten und Vertrauensverlust zu vermeiden.
Quelle: networkworld.com
