Wissenschaftler des ELLIS Institutes Tübingen und des Max-Planck-Instituts für Intelligente Systeme haben am 10. August 2026 ein bedeutendes Sicherheitsproblem bei führenden KI-Anbietern aufgedeckt. In dem Preprint mit der Kennung arXiv:2608.09867 belegen die Forscher eine fundamentale Schwachstelle bei der Handhabung verschlüsselter Denkprozesse. Betroffen sind die Schnittstellen großer Branchenakteure wie OpenAI, Anthropic und Google. Diese Entwickler übertragen die internen Überlegungen ihrer Modelle im verschlüsselten Zustand an die Endgeräte der Nutzer, um ihr geistiges Eigentum zu schützen.
Das zentrale Sicherheitsproblem besteht darin, dass die verwendeten Verschlüsselungsschlüssel nicht strikt pro Nutzer oder Sitzung isoliert werden. Da die Verschlüsselung modellfamilienübergreifend einheitlich gehandhabt wird, können Angreifer diese Systemarchitektur gezielt ausnutzen. Die Forscher demonstrierten, dass sich der abgefangene Chiffretext eines hochkomplexen Modells problemlos an eine andere Instanz umleiten lässt. Dadurch wird das Schutzkonzept der Anbieter wirkungslos ausgehebelt.
Im konkreten Versuch überspielten die Experten den verschlüsselten Denkprozess des Hochleistungsmodells Claude Opus an ein kleineres System derselben Modellfamilie namens Claude Haiku. Durch eine gezielte Prompt-Injection-Attacke auf das leichtere Modell gelang es ihnen, den kompletten Denkablauf im Klartext zu extrahieren. Das kleinere Modell entschlüsselte den Text intern und gab die vertraulichen Zwischenschritte ungehindert an den Angreifer aus. Dieser Angriffsweg funktioniert nach Angaben der Autoren auch bei Architekturen anderer Marktführer.
Für den Finanzsektor stellt diese Entdeckung ein unberechenbares Sicherheitsrisiko dar. Führende Banken, Handelsräume und Hedgefonds setzen zunehmend auf autonome KI-Agenten, um vertrauliche Handelsstrategien, Risikoanalysen und Kreditbewertungen zu erstellen. Werden diese sensiblen Denkpfade abgefangen und durch ungesicherte Schnittstellen ausgelesen, droht der Verlust wertvoller Unternehmensgeheimnisse. Zudem könnten geschützte personenbezogene Daten unbefugt in fremde Hände gelangen.
Die Forschungsgruppe empfiehlt den Modellbetreibern eine umgehende Überarbeitung ihrer API-Architekturen. Notwendig sei eine strikte kryptografische Trennung jeder einzelnen Benutzersitzung, um das Verknüpfen fremder Datenströme technisch zu unterbinden. Solange diese Sicherheitslücken bestehen, müssen Unternehmen beim Einsatz komplexer Multi-Modell-Systeme extreme Vorsicht walten lassen. Die Studie verdeutlicht, dass Optimierungen bei der Datenübertragung nicht zu Lasten der grundlegenden Datensicherheit gehen dürfen.