Gestohlene KI-Zugangsdaten entwickeln sich zu einem kostspieligen Sicherheitsproblem. Googles aktueller Bericht zur Bedrohungslage beschreibt LLMjacking-Angriffe, die an einem einzigen Tag mehr als 100.000 US-Dollar an betrügerischen Abbuchungen verursachten; in den schwerwiegendsten Fällen erreichte der kumulierte Ressourcenmissbrauch 1 Million US-Dollar.
Die Ergebnisse stammen aus Untersuchungen von Mandiant im gesamten Jahr 2026. Angreifer kompromittierten Cloud-Umgebungen, nutzten die KI-Dienste und Rechenressourcen der Opfer und bauten in einigen Fällen eine Infrastruktur auf, um den Zugang zu kommerziellen KI-Modellen weiterzuverkaufen.
In einem Bericht vom 16. Nov. dokumentierte Google außerdem, wie Angreifer KI-Agenten einsetzten, um die Schwachstellenforschung zu beschleunigen und Phasen von Eindringversuchen zu automatisieren. Zusammengenommen zeigen die Ergebnisse zwei Risiken für Unternehmen: die schnellere Ausnutzung offengelegter Systeme und den Missbrauch legitimer KI-Ressourcen, nachdem Zugangsdaten gestohlen wurden.
Wie LLMjacking-Angriffe gestohlene Zugangsdaten in KI-Ausgaben verwandeln
Laut dem Bericht der Google Threat Intelligence Groupstehlen finanziell motivierte Angreifer zunehmend Zugangsdaten, die Zugriff auf in der Cloud gehostete KI-Dienste ermöglichen.
LLMjacking bezeichnet die unbefugte Nutzung der KI-Konten, API-Kontingente oder Rechenressourcen eines anderen Unternehmens.
Angreifer können diese Ressourcen direkt verbrauchen oder den Zugang über in Untergrundforen angebotene Proxy-Dienste weiterverkaufen, die mitunter als LLM-Mixer bezeichnet werden.
Mandiant beobachtete Vorfälle, die Unternehmen aus den Bereichen Finanzdienstleistungen, Einzelhandel, Transport und Technologie in Nordamerika, Südamerika und im asiatisch-pazifischen Raum betrafen.
Bei den Angriffen kamen mehrere etablierte Techniken zum Einsatz:
- Diebstahl von Zugangsdaten: Abrufen von API-Schlüsseln und Cloud-Zugangsdaten aus offengelegten Repositories oder kompromittierten Umgebungen.
- Session-Hijacking: Verwendung gestohlener Authentifizierungstoken für den Zugriff auf bestehende Konten.
- Rechteausweitung: Erstellen nicht autorisierter Dienstkonten oder Zuweisen erweiterter Berechtigungen.
- Ressourcenmissbrauch: Aktivieren kostenpflichtiger KI-Dienste, Bereitstellen von GPU-Instanzen und Ausschöpfen verfügbarer Kontingente.
- Weiterverkauf: Weiterleiten des Zugangs zu kommerziellen KI-Modellen über eine von Angreifern kontrollierte Infrastruktur.
Ein Akteur erstellte und löschte wiederholt kurzlebige Dienstkonten, um Nutzungsbeschränkungen zu umgehen.
In einer anderen Untersuchung beobachtete Mandiant verschiedene Angreifer, die mit denselben legitimen Zugangsdaten auf ein Unternehmen zugriffen. Ein mutmaßliches Botnetz oder ein Proxy-Dienst erzeugte innerhalb von etwa 24 Stunden Millionen von LLM-API-Aufrufen, bevor die Zugangsdaten widerrufen wurden.
Laut Google führten einige Vorfälle an einem Tag zu betrügerischen Abbuchungen von mehr als 100.000 US-Dollar. In den schwerwiegendsten Fällen erreichte der kumulierte Ressourcenmissbrauch vor der Behebung 1 Million US-Dollar.
Diese Zahlen beziehen sich auf beobachtete Vorfälle, nicht auf die durchschnittlichen Kosten von LLMjacking oder den Betrag, den Unternehmen letztlich bezahlt haben.
Die Bedrohung geht über direkte Gebühren für KI-APIs hinaus. Kompromittierte Cloud-Identitäten können auch interne Systeme und vertrauliche Informationen offenlegen.
Frühere Untersuchungen haben die Risiken von offengelegten AWS-Zugangsdatendokumentiert, darunter Schlüssel, die noch lange aktiv blieben, nachdem sie in öffentlich zugänglichen Daten aufgetaucht waren.
KI-Entwicklungstools schaffen zusätzliche Angriffsflächen
KI-Programmierassistenten, Modell-Gateways und Automatisierungs-Frameworks verfügen häufig über Zugriff auf Quellcode, Cloud-Identitäten und verbundene Anwendungen.
Die Bedrohungsforschung von Recorded Future aus dem Jahr 2026untersuchte 103 bösartige Vorfälle im Zusammenhang mit KI zwischen dem 31. Juli 2025 und dem 31. Juli 2026.
Die Forschenden stellten fest, dass Angreifer häufig KI-Entwicklungstools ins Visier nahmen, weil diese Zugriff auf Zugangsdaten und nachgelagerte Systeme boten.
Dieses Risiko zeigte sich bei der Kompromittierung der LiteLLM-Lieferkette, bei der Schadpakete zum Diebstahl von Zugangsdaten und zum Aufbau von Persistenz verwendet wurden.
Recorded Future stellte fest, dass KI während des Untersuchungszeitraums allgemein bekannte Angriffsmethoden beschleunigte. Vollständig autonome offensive Kampagnen blieben selten.
KI-Agenten beschleunigen auch die Ausnutzung von Schwachstellen
Googles Bericht vom 16. Nov. beschreibt eine separate Entwicklung: Bedrohungsakteure setzen zunehmend agentische Penetrationstest-Frameworks ein, um ausgewählte Phasen von Eindringversuchen zu automatisieren.
Das Unternehmen identifizierte Aktivitäten im Zusammenhang mit ARTEX, CAIRN, CyberStrikeAI und PentAGI.
Zwischen Ende August und Anfang Oktober 2026 verfolgte Google einen Akteur, der ein modifiziertes PentAGI-Framework für Aufklärung und Schwachstellenscans gegen Unternehmen in ganz Asien einsetzte.
Die Forschenden entdeckten außerdem einen zugänglichen Server, auf dem ein Framework gehostet wurdeexploit_agent, das dazu entwickelt wurde, Software vor und nach Sicherheits-Patches zu vergleichen, potenzielle Schwachstellen zu identifizieren, Exploits zu generieren und diese automatisch auszuführen.
Die Entdeckung belegt eine operative Fähigkeit. Sie belegt jedoch nicht, dass jeder vom Framework erzeugte automatisierte Exploit erfolgreich war oder dass vollständig autonome Eindringversuche weitverbreitet sind.
Google verwies außerdem auf die PaperCut-Schwachstellen im August als Beispiel für eine schnelle Ausnutzung. Forschende generierten innerhalb eines Tages nach der Veröffentlichung funktionierende Exploits, und GreyNoise dokumentierte später eine Kampagne gegen Hunderte Unternehmen.
Frühere Berichte über die PaperCut-Angriffebeschrieben ausführlich, wie Automatisierung es Angreifern ermöglichte, anfällige Server zu kompromittieren und sich schnell höhere Berechtigungen zu verschaffen.
Diese Ergebnisse erhöhen den Druck auf Unternehmen, die internetseitig erreichbare Systeme ungepatcht lassen.
Was Sicherheitsteams jetzt tun sollten
Die beiden Angriffsmuster erfordern unterschiedliche Schutzmaßnahmen, beruhen jedoch beide in hohem Maß auf Schwachstellen, die Verteidiger bereits kennen.
Bei LLMjacking sollten Sicherheitsteams:
- KI-Zugangsdaten überprüfen: Offengelegte API-Schlüssel, Sitzungstoken und Zugangsdaten von Dienstkonten identifizieren.
- Berechtigungen beschränken: Identitäten auf die KI-Modelle, Dienste und Ressourcen beschränken, die sie benötigen.
- Nutzung überwachen: Warnmeldungen für unerwartete API-Anfragen, die Bereitstellung von GPUs, Erhöhungen von Kontingenten und sprunghaft ansteigende Abrechnungen einrichten.
- Dienstkonten überprüfen: Neu erstellte Identitäten, Berechtigungsänderungen und ungewöhnliche Konto rotationen untersuchen.
- Entwicklungstools absichern: KI-Programmierassistenten, Modell-Gateways und Abhängigkeiten von Drittanbietern auf übermäßige Zugriffsrechte prüfen.
Bei der von Agenten unterstützten Ausnutzung von Schwachstellen sollten Patches für offengelegte Systeme priorisiert und verdächtige Scans, Authentifizierungsversuche sowie Aktivitäten nach einer Kompromittierung überwacht werden.
Unternehmen sollten außerdem die Sicherheit von KI-Tools überprüfen, die mit Entwicklerumgebungen verbunden sind. Eine kompromittierte KI-Abhängigkeit kann Zugriff weit über die Anwendung hinaus ermöglichen, in der sie installiert wurde.
Googles Ergebnisse belegen, dass Angreifer bereits Automatisierung nutzen, um einige Phasen von Eindringversuchen zu verkürzen, und dass sie gestohlenen KI-Zugriff einsetzen, um erhebliche finanzielle Verluste zu verursachen. Sie belegen nicht, dass vollständig autonome Cyberangriffe menschliche Akteure ersetzt haben.
Für Verteidiger bleiben die unmittelbaren Prioritäten konkret: offengelegte Zugangsdaten reduzieren, den Zugriff beschränken, den Ressourcenverbrauch überwachen und ausnutzbare Schwachstellen beheben, bevor Angreifer sie erreichen.
Außerdem lesenswert: Googles aktuelle Erkenntnisse zur Bedrohungslage dokumentieren ein KI-Framework, das Sicherheits-Patches in funktionierende Exploits verwandeln soll.





