KI-basierte Werkzeuge können helfen, Schwachstellen schneller zu erkennen und gezielt zu analysieren. Dadurch können Sicherheitsprozesse effizienter gestaltet und die Zeitvorteile gegenüber potenziellen Angreifern maximiert werden. Doch wann ist der Einsatz von KI-Werkzeugen sinnvoll und wann sollten herkömmliche Methoden bevorzugt werden?

Der iX-Workshop IT-Security: Künstliche Intelligenz für effiziente IT-Sicherheitsstrategien stellt verschiedene KI-Methoden und -Werkzeuge vor und zeigt, wann und wie sie sinnvoll eingesetzt werden können.

In unserem iX-Workshop erhalten Sie einen umfassenden Überblick über technische Sicherheitsaudits und Abwehrmaßnahmen sowie verschiedene KI-Tools. Sie haben die Möglichkeit, diese in praktischen Übungen auszuprobieren und deren Vor- und Nachteile kennenzulernen. Dabei wird zwischen sinnvollen und weniger sinnvollen Einsatzmöglichkeiten unterschieden. Etwa 25 Prozent des Workshops sind der praktischen Anwendung des Gelernten gewidmet.

KI-Werkzeuge kennenlernen und anwenden

Der Workshop stellt konkrete Anwendungsszenarien für die vorgestellten Werkzeuge und Methoden vor. Sie lernen, wie Sicherheitsprozesse mithilfe von künstlicher Intelligenz effizienter gestaltet werden können. Sie erfahren, wie Sie Schwachstellenscans und Penetrationstests schneller und besser auswerten können und wie Blue Teams von der automatisierten Bedrohungserkennung und der frühzeitigen Reaktion auf Angriffe profitieren.

Zielgruppe des Workshops sind sicherheitsaffine IT-Mitarbeiter, von Sicherheitsmanagern über Administratoren und SOC-Mitarbeiter bis hin zu sicherheitsinteressierten Softwareentwicklern.

Ihr Trainer Yves Kraft leitet als Head of Security Academy das Aus- und Weiterbildungsangebot der Oneconsult AG. Als ehemaliger Penetration Tester und Security Consultant verfügt er über langjährige Erfahrung als ethischer Angreifer im Bereich Schwachstellenanalyse und Angriffssimulation.

(ilk)

Am Sonntagnachmittag soll wieder eine von Amazons Blue-Origin-Raketen ins All steigen. Der Start ist im Zeitfenster zwischen 12:45 Uhr und 14:45 Uhr deutscher Zeit geplant. Eine Schwerlastrakete vom Typ New Glenn soll einen Mobilfunksatelliten von AST SpaceMobile ins All befördern, welcher ganz ohne Mobilfunkgeräte mit Endgeräten kommunizieren soll.

Die Rakete soll denselben Schwerlast-Booster verwenden, mit dem Blue Origin im November erstmals die Rücklandung eines Orbital-Boosters glückte. So etwas war bis dahin nur Elon Musks Unternehmen SpaceX gelungen. Auch dieses Mal will Blue Origin seinen Booster rücklanden und damit seine Konkurrenzfähigkeit zu SpaceX unter Beweis stellen.

Mobilfunksatellit an Bord

An Bord hat die New-Glenn-Rakete etwas, das einem weiteren Unternehmen von Elon Musk und auch Amazon selbst Konkurrenz bescheren könnte: Den Mobilfunksatelliten Bluebird 7 des Anbieters AST SpaceMobile. Dieser soll aus dem Orbit heraus mobile Endgeräte mit Internet versorgen können – ganz ohne Mobilfunktürme als Unterstützung am Boden. Starlink von Elon Musk und Amazons Leo-Satellitenprojekt bieten etwas Ähnliches, jedoch wird für beide ein zusätzlicher Empfänger benötigt. Das Projekt Leo testet Amazon seit Herbst mit ausgewählten Kunden, Mitte dieses Jahres soll der kommerzielle Start erfolgen.

Ein weiterer großer Unterschied zu AST SpaceMobile ist die benötigte Menge an Satelliten: Während Amazon-Gründer Jeff Bezos und Musk tausende Satelliten ins All schießen, decken die Bluebird-Sateliten eine wesentlich größere Fläche ab. Allerdings haben sie auch selbst wesentlich größere Maße, in der Regel rund 220 Quadratmeter. Aber auch sie sollen in erheblicher Zahl um die Erde kreisen – allein für 2026 plant AST 45 bis 60 solcher Satelliten im All zu stationieren. Nicht nur die schiere Masse dieser Satelliten wird – wie auch bei Leo und Starlink – zum Problem, etwa weil sie immer mehr astronomische Aufnahmen unbrauchbar machen. Durch ihre enorme Größe scheinen die Bluebird-Satelliten auf der Erde heller als fast alle Sterne. AST geht darauf bisher nicht ein.

(nen)

OpenAI hat ein neues KI-Modell speziell für die Lebenswissenschaften angekündigt. GPT-Rosalind – benannt nach der DNA-Forscherin Rosalind Franklin – ist auf Biologie, Wirkstoffentdeckung und translationale Medizin zugeschnitten, also der Umsetzung von Forschungsergebnissen in der Gesundheitsversorgung. Das Frontier-Reasoning-Modell soll Forschern bei der Evidenzsynthese, Hypothesengenerierung und Experimentplanung helfen und damit frühe Phasen der Medikamentenentwicklung beschleunigen, die in den USA typischerweise zehn bis 15 Jahre dauern.

Wie OpenAI in seinem Blog erläutert, versteht GPT-Rosalind vertiefte Zusammenhänge in Chemie, Protein-Engineering und Genomik. Zudem kann das Modell über ein neues Life-Sciences-Plug-in für Codex auf mehr als 50 wissenschaftliche Tools und Datenquellen zugreifen. Damit reiht es sich in die Strategie ein, nach GPT-5.4-Cyber für die IT-Sicherheit nun auch andere Fachdomänen mit spezialisierten Modellen zu bedienen.

Benchmarks zeigen Verbesserungen

In internen Tests übertrifft GPT-Rosalind laut OpenAI seine Vorgängermodelle GPT-5, GPT-5.2 und GPT-5.4 in Bereichen wie Chemie, Protein-Biochemie, Phylogenetik und Tool-Nutzung. Im Bioinformatik-Benchmark BixBench erreicht es eine Pass-Rate von 0,751 – den höchsten Wert unter den verfügbaren Modellen. Bei LABBench2, einem Benchmark für Literaturrecherche und Protokolldesign, schneidet es in sechs von elf Aufgaben besser ab als GPT-5.4. In einer Zusammenarbeit mit Dyno Therapeutics landeten die Top-10-Vorhersagen des Modells bei der RNA-Sequenz-Prädiktion im 95. Perzentil verglichen mit menschlichen Experten.

OpenAI betont, das Modell gezielt auf Skepsis getunt zu haben, um Halluzinationen und Überkonfidenz zu reduzieren. Die generierten Ergebnisse sollen Forscher ausdrücklich als vorläufig behandeln und eigenständig validieren. Rollenbasierte Zugriffskontrollen und ein „Trusted Access Program“ regeln, wer das Modell nutzen darf – derzeit beschränkt sich der Zugang auf qualifizierte US-Enterprise-Kunden.

Zu den ersten Partnern gehören Amgen, Moderna, das Allen Institute und Thermo Fisher Scientific. OpenAI kündigt GPT-Rosalind als erstes Modell in einer Serie an: Künftige Versionen sollen langfristige, werkzeugintensive Forschungsworkflows noch besser unterstützen. Ob die quantifizierbaren Benchmark-Verbesserungen sich tatsächlich in kürzere Entwicklungszeiten für Medikamente übersetzen lassen, muss die Praxis zeigen.

Konkurrenz im wachsenden Markt

GPT-Rosalind tritt in einen zunehmend umkämpften Markt ein. Anthropic bietet mit Claude for Life Sciences ein vergleichbares Produkt an, während Google DeepMinds AlphaFold sich auf Proteinfaltung spezialisiert hat. Im deutschsprachigen Raum arbeitet das Start-up Puraite an erklärbarer KI für die Evidenzsynthese – ein Prozess, der manuell sechs Monate bis zwei Jahre dauern kann. Im Unterschied zu diesen Ansätzen positioniert sich OpenAI als Anbieter eines breit einsetzbaren Modells für ganze Forschungsworkflows, von der Sequenzanalyse bis zur Target-Priorisierung.

Allerdings bleibt GPT-Rosalind ein Closed-Access-Modell: Gewichte, detaillierte Fehleranalysen und interne Reasoning-Schritte legt OpenAI nicht offen. Forscher können zwar über die integrierten Datenbanken und Tools nachvollziehen, welche externen Quellen in die Ergebnisse einfließen, das Modell selbst bleibt jedoch geschlossen.

(vza)