Angreifer industrialisieren in großem Maßstab: Wo Verteidiger 2026 stehen

• Lookalike-Domain-Angriffe sind inzwischen günstig im großen Stil durchführbar, und die meisten Organisationen unterschätzen, wie viel von dieser Aktivität sie aktuell betrifft
• Die eigentliche KI-Chance im Jahr 2026 ist kein neues Modell, sondern Integration. Die Bausteine existieren. Der Wert entsteht durch die richtige Kombination.
• Radar Lite bietet jeder Organisation einen kostenlosen Schnappschuss in Echtzeit zu ihrer Domain-Sicherheitslage, im Vergleich zu Tausenden von Branchenkollegen
• Die MCP-Fähigkeit von Red Sift wird derzeit in OnDMARC, BrandTrust, Certificates und ASM getestet, mit vollständigem Kunden-Rollout für 2026 geplant

Der aktuelle Stand beim Schutz durch KI ist besorgniserregend, wie Rahul feststellt: „Ich mache mir Sorgen um den Trend, zu viel zu versprechen und zu wenig zu liefern, was dazu führt, dass Teams zögern, KI einzusetzen. Wenn Ihr Anbieter behauptet, diese magische Lösung würde alles für Sie erledigen und sie tut es nicht, schafft das mehr Probleme als es löst.“

Diese Zurückhaltung ist ein echtes Risiko. KI-Müdigkeit, bei der Sicherheitsteams neue Tools nicht mehr nutzen, weil sie schon zu oft enttäuscht wurden, schadet tatsächlich dem Sicherheitsniveau. Bedrohungen bleiben unbehandelt, obwohl verfügbare Tools sie erkennen könnten.

Die Kehrseite ist genauso real. „Bedrohungen und Komplexität nehmen zu, während die Ressourcen zur Bekämpfung bestenfalls gleich bleiben.“ Gleichbleibende Budgets und Mitarbeiterzahlen in Security-Teams wachsen nicht mit der größeren Angriffsfläche. KI ist in diesem Umfeld kein Luxus, sondern eine strukturelle Notwendigkeit.

Red Sift ist der Ansicht, dass 2026 das Jahr ist, in dem der Markt von KI als Versprechen zur praktischen Realität übergeht. Nicht weil die Modelle plötzlich besser sind, sondern weil die Integration endlich gelungen ist.

Rahul nannte das Beispiel des kürzlich entstandenen ClaudeBot-Projekts, das eine bestehende Claude Code-Fähigkeit mit Integrationen für Telegram, WhatsApp und Slack kombinierte. Nutzer können damit E-Mails triagieren, Skripte ausführen und direkt aus ihren meistgenutzten Messenger-Apps Aktionen auf ihren Computern durchführen.

„Es steckt hier wirklich kein Zauber dahinter. Es geht im Grunde um Integration. Das ist ein LLM-Modell, das seit neun Monaten verfügbar ist. Jemand hat es einfach geschickt mit den richtigen Integrationen versehen, und plötzlich ist der Nutzen exponentiell gestiegen.“

Gerade dieses Beispiel zeigt, welche Chancen für Security-Teams bestehen: „Wir haben die Daten, wir haben die Plattformen, wir verfügen über die zugrunde liegenden APIs. Wir müssen sie für leistungsstarke Modelle öffnen, diese richtig steuern und sie tatsächlich auf die Geschäftsprobleme anwenden, die uns alle betreffen.“

Red Sift setzt das seit 2021 um. Die Frage für 2026 ist, wie weit sich das ausdehnen lässt.

Das erste ist die Einführung und Wartung von Protokollen. Red Sift OnDMARC unterstützt Organisationen dabei, DMARC (Domain-based Message Authentication, Reporting and Conformance) richtig zu implementieren und mit ihrer Infrastruktur weiterzuentwickeln – unterstützt durch Red Sift Radar, das erste LLM-Tool, das entwickelt wurde, um Sicherheitsprobleme schneller zu erkennen und zu beheben. Ähnliche Tools überwachen PKI und Zertifikate. Das sind komplexe, vielschichtige Protokolle, die auf Arten miteinander interagieren, die schwer ohne KI-Unterstützung zu verstehen sind, besonders im Maßstab eines großen Regierungsnetzes oder internationalen Unternehmens.

Das zweite Feld ist Marken- und Imitationsüberwachung. DMARC schützt die absendende Domain davor, gefälscht zu werden. Aber es hält Angreifer nicht davon ab, eine Domain zu registrieren, die der Ihren ähnlich sieht und für Phishing zu nutzen. „Die Standards schweigen dazu“, sagt Rahul, „denn für diese Probleme kann man keine Standards im Internet-Maßstab schaffen.“

Red Sift Brand Trust schließt diese Lücke. Es nutzt agentische KI-Modelle für Logoerkennung, Gesichtserkennung bei Geschäftsführer-Imitation und Musteranalyse im Web und auf Social Media, um laufenden Markenmissbrauch zu identifizieren. Rahul betont dabei ausdrücklich, dass hierfür keine generative KI verwendet wird: „Würden wir Logoerkennung im Internet-Maßstab mit generativer KI lösen wollen, müssten wir dafür selbst Atomkraftwerke bauen.“

Das ist kein beiläufiger Spruch. Es macht das Argument der Nachhaltigkeit greifbar.

Billy sprach die Umweltfolgen an; Rahul ergänzte: „Ich stelle mir generative KI gerne als Werkzeug vor, das Energie in Intelligenz umwandelt – je mehr Energie hineinfließt, desto mehr Intelligenz kommt heraus. Es geht darum, das richtige Verhältnis zwischen eingesetzter Energie und gewonnener Intelligenz zu finden.“

Die praktische Konsequenz: Setzt man ein ressourcenhungriges generatives Modell für Aufgaben ein, für die ein spezialisiertes Modell besser taugt, verschwendet das Ressourcen auf allen Ebenen – Kosten, Geschwindigkeit, Umweltbelastung und oft auch Genauigkeit.

Red Sift hat dafür drei Stellschrauben: Erstens, nicht alles nutzt generative KI – Gesichtserkennung und Logoerkennung laufen auf Spezialmodellen. Zweitens wird bei generativer KI jeweils das passende Modell für die Problemgröße gewählt. Drittens steuert Red Sift die Eingangsdaten, die ins Modell fließen und damit direkt den Energiebedarf.

Zur CO₂-Berichtspflicht für Kunden sagt Rahul, dass Red Sift die Fähigkeit dazu intern gerade ausbaut, aber es ist noch nicht für Kunden sichtbar: „Wir hoffen, das künftig direkt an Kunden weitergeben zu können, vor allem an diejenigen mit strikten CO₂-Reporting-Anforderungen. Derzeit ist das keine häufige Nachfrage, aber wir planen, es zeitnah anbieten zu können.“

Falls Ihr Unternehmen Nachhaltigkeitsberichte erstellen muss, geben Sie dies Ihrem Red Sift Customer Success Manager weiter.

Aus der Live-Q&A: Welche durch KI getriebenen Angriffsvektoren sind Security-Teams bisher nicht bewusst und was sollte Priorität haben?

Rahuls Antwort war eindeutig: die Industrialisierung von Lookalike-Domains und -Websites.

„Die Kosten, solche Angriffe aufzusetzen und zu starten, sind so drastisch gesunken, dass dies inzwischen bei praktisch all unseren Kunden stattfindet – und zwar in einem Ausmaß, dessen sie sich nicht bewusst sind.“

Die Angriffskette ist klar: Eine Lookalike-Domain wird registriert, eine täuschend echte Phishing-Seite hochgeladen – oft mit KI-generierten Inhalten und kopierten Markenassets. Darauf folgen Phishing-Mails, SMS-Betrug oder Fake-Social-Profile. Nutzer, die auf der Seite landen, glauben, sie sind beim echten Unternehmen.

Das ist kein aufkommendes Risiko, sondern ein aktuelles Problem in großem Maßstab für Unternehmen jeder Größe. Die Unterschätzung bezieht sich nicht auf die Schwere, sondern das Ausmaß. Für jede bekannte Marke ist Imitation ein Dauerzustand, nicht die Ausnahme.

Billy präsentierte zwei Funktionen, die sich in Entwicklung befinden.

Die ChatGPT-App-Version von Radar Lite ist als Developer Preview verfügbar, aber noch nicht öffentlich erschienen. Ist sie live, kann jeder über ChatGPT Domainsicherheits-Analysen durchführen und direkt Branchen-Benchmarking erhalten. Vorteil gegenüber der Webversion: Gesprächskontext. Warnt die Analyse etwa vor fehlerhaft konfigurierten CAA-Einträgen, kann man in ChatGPT direkt nachfragen, was CAA-Einträge sind, warum sie wichtig sind und wie man sie verbessert. Die Analyse wird Ausgangspunkt einer Arbeitssitzung statt eines statischen Berichts.

Rahul erklärte, warum Red Sift dorthin geht, wo die Nutzer schon sind: „Wir sind nicht darauf festgelegt, wo unsere Tools laufen. Wenn jemand eine Domainsicherheitsanalyse in ChatGPT machen will – warum soll er nicht die besten verfügbaren Tools und Daten bekommen?“

Auch die MCP (Model Context Protocol)-Funktion befindet sich in aktiven Tests. Billy demonstrierte sie live mit Red Sift-Demokonten zu OnDMARC, BrandTrust, Certificates und ASM. Über eine Kommandozeile kann die MCP Konfigurationen abrufen, Probleme anzeigen und Korrekturmaßnahmen für alle vier Produkte einleiten.

„Wir bewegen uns in eine Welt, in der fast alles, was wir tun, über die Kommandozeile erfolgt. Das erinnert an 1982, aber dieser Zugriff ist so mächtig – nicht nur wegen der Geschwindigkeit, sondern auch, weil sich damit Konfigurationsänderungen schnell umsetzen und Überblick über die Gesamtlage gewinnen lässt.“

Ziel ist es, dass Kunden schneller die richtigen Konfigurationen vornehmen, nachvollziehen, warum das wichtig ist, und alles aus vertrauten Umgebungen wie Claude oder ChatGPT steuern können – ganz ohne ständiges Wechseln zwischen Produkt-Interfaces.