[{"data":1,"prerenderedAt":30},["ShallowReactive",2],{"nr-de-deutsche-forscher-sicherheitsluecke-reasoning-logs":3},{"slug":4,"title":5,"dek":6,"date":7,"time":8,"publishedAt":9,"updated":10,"updatedAt":10,"dateFmt":11,"updatedFmt":10,"kind":12,"tier":13,"author":14,"authorName":15,"topics":16,"tracker":22,"trackerLabel":23,"headlineStat":24,"image":25,"ogImage":26,"imageAlt":5,"csv":10,"minutes":27,"words":28,"html":29},"deutsche-forscher-sicherheitsluecke-reasoning-logs","Reasoning-Logs offenbaren Passwörter: Deutsche Forscher finden kritische Lücke bei Google, OpenAI und Anthropic","Ein Team deutscher Wissenschaftler hat gezeigt, wie sich sensible Daten wie Passwörter und API-Schlüssel aus verschlüsselten Reasoning-Logs der größten KI-Modelle extrahieren lassen. Das Problem betrifft ChatGPT, Claude und Gemini.","2026-08-12","11:41","2026-08-12T11:41:00+02:00","","12. August 2026","news","standard","ideal-syka","Ideal Syka",[17,18,19,20,21],"Sicherheit","KI-Modelle","Datenschutz","Verschlüsselung","API-Sicherheit","\u002Ftools\u002Fki-durchsetzungsmonitor","KI-Sicherheitsvorfälle","Drei Marktführer betroffen: Google, OpenAI, Anthropic","\u002Fnewsroom\u002Fimg\u002Fdeutsche-forscher-sicherheitsluecke-reasoning-logs.webp","\u002Fog-nr\u002Fdeutsche-forscher-sicherheitsluecke-reasoning-logs.de.png",2,404,"\u003Cp>Deutsche Forscher:innen haben ein gravierendes Sicherheitsproblem bei den KI-Modellen der drei größten Anbieter der Welt aufgedeckt. Laut ihrer Studie "Stealing Reasoning Traces from Proprietary LLM APIs" lassen sich über einen vergleichsweise einfachen Umweg sensible Daten wie \u003Cstrong>Passwörter und API-Schlüssel\u003C\u002Fstrong> aus den Chatbot-Antworten extrahieren – trotz Verschlüsselung.\u003C\u002Fp>\n\u003Ch2>Kurz & knapp\u003C\u002Fh2>\n\u003Cul>\n\u003Cli>\u003Cstrong>Betroffene Anbieter\u003C\u002Fstrong>: Google (Gemini), \u003Cstrong>OpenAI\u003C\u002Fstrong> (ChatGPT) und \u003Cstrong>Anthropic\u003C\u002Fstrong> (Claude)\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Angriffsvektor\u003C\u002Fstrong>: Sogenannte \u003Cstrong>Reasoning-Logs\u003C\u002Fstrong> – verschlüsselte Zeichenfolgen, die bei komplexen Denkprozessen entstehen\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Kernproblem\u003C\u002Fstrong>: Logs lassen sich zwischen Modellen desselben Unternehmens kopieren und mit manipulierten Versionen decodieren\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Betroffene Daten\u003C\u002Fstrong>: Passwörter, API-Schlüssel und weitere sensible Nutzerdaten\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch2>So funktioniert der Angriff\u003C\u002Fh2>\n\u003Cp>Bei \u003Cstrong>Reasoning-Aufgaben\u003C\u002Fstrong>, die längere Denkprozesse erfordern, geben alle drei KI-Systeme ein verschlüsseltes Reasoning-Log aus. Diese Zeichenfolge wird bei jeder neuen Antwort an den Server zurückgeschickt, um der KI den nötigen Kontext zu liefern.\u003C\u002Fp>\n\u003Cp>Die Forscher:innen entdeckten: Die Logs lassen sich herauskopieren und in anderen KI-Modellen desselben Unternehmens verwenden. Das heißt konkret – ein Reasoning-Log aus einer neueren OpenAI-Version funktioniert auch in älteren Modellen, solange sie von OpenAI stammen. Das wäre an sich noch verkraftbar. Das eigentliche Problem entsteht aber, wenn diese älteren oder modifizierten Modelle \u003Cstrong>per Jailbreak ihrer Sicherheitsvorkehrungen beraubt\u003C\u002Fstrong> werden. Ein solches manipuliertes Modell kann dann genutzt werden, um die Verschlüsselung der Logs zu decodieren – und damit die sensiblen Daten freizulegen.\u003C\u002Fp>\n\u003Ch2>Warum das so kritisch ist\u003C\u002Fh2>\n\u003Cp>Das Problem trifft nicht nur Einzelnutzer:innen. Unternehmen, die KI-APIs in ihre Systeme integrieren, könnten über diesen Weg ihre \u003Cstrong>internen Daten, Zugriffsschlüssel und Geschäftsinformationen\u003C\u002Fstrong> verlieren. Ein Angreifer müsste nur Zugriff auf ein älteres oder kompromittiertes Modell des gleichen Anbieters haben – und könnte dann Logs aus produktiven Systemen dekodieren.\u003C\u002Fp>\n\u003Cp>Die Tatsache, dass alle drei Marktführer betroffen sind, deutet darauf hin, dass es sich um ein \u003Cstrong>systemisches Problem der Reasoning-Architektur\u003C\u002Fstrong> handelt, nicht um einen Einzelfall.\u003C\u002Fp>\n\u003Ch2>Was bedeutet das für dich?\u003C\u002Fh2>\n\u003Cp>Wenn du KI-Modelle in deinem Unternehmen einsetzt – ob als Entwickler:in, IT-Sicherheit oder Entscheidungsträger:in – solltest du diese Lücke ernst nehmen. Besonders kritisch ist es, wenn du sensible Daten (Kundendaten, interne Prozesse, Zugriffsschlüssel) an KI-APIs sendest. Die Frage ist nicht, ob die Anbieter das Problem beheben, sondern wie schnell – und ob es bis dahin noch andere Wege gibt, diese Logs zu missbrauchen. Hier lohnt sich ein Blick auf die Sicherheitsrichtlinien deines KI-Anbieters und möglicherweise eine Überprüfung, welche Daten wirklich an externe Modelle gehen müssen.\u003C\u002Fp>\n\u003Ch2>Quellen\u003C\u002Fh2>\n\u003Cul>\n\u003Cli>\u003Ca href=\"https:\u002F\u002Ft3n.de\u002Fnews\u002Fki-modelle-sensible-daten-nutzer-offenbart-1757668\">t3n\u003C\u002Fa>\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>\u003Cem>Redaktionell verantwortet von \u003Ca href=\"\u002Fautor\u002Fideal-syka\">Ideal Syka\u003C\u002Fa>. Quellen und Arbeitsweise: \u003Ca href=\"\u002Fredaktion\">Redaktion & Methode\u003C\u002Fa>. Hinweise und Korrekturen: \u003Ca href=\"mailto:ai@i6eal.de\">ai@i6eal.de\u003C\u002Fa>.\u003C\u002Fem>\u003C\u002Fp>\n",1786530964819]