Claude Mythos: 1.000 Externe patchen Bank-of-America-Code

Die Bank of America hat rund 1.000 externe Auftragnehmer eingestellt, um Software-Lücken zu schließen, die KI-Modelle aufgedeckt haben. Die Zahl stammt aus einem Interview mit CEO Brian Moynihan nach den Quartalszahlen. Zu den Modellen, welche die Lücken fanden, gehört Anthropics Claude Mythos. Sobald die Risiken geschlossen sind, rechnet die Bank mit großem Einsparpotenzial. Der Fall markiert eine Verschiebung: Der Aufwand wandert vom Entdecken zum Beheben.

Claude Mythos: Ein Modell, das nicht öffentlich ist

Claude Mythos ist kein Produkt für den Massenmarkt. Anthropic veröffentlichte eine Preview im Umfeld des 10. April 2026 und hielt sie ausdrücklich zurück — Begründung waren die weitreichenden Fähigkeiten im Bereich Softwaresicherheit. Der Zugang läuft über die Initiative „Project Glasswing"; genannt werden unter anderem Amazon Web Services, Apple, Cisco, Google, JPMorganChase, Microsoft und Nvidia. Die Zahl der Beteiligten bleibt dabei unscharf: Die Beschreibung spricht von zwölf Großunternehmen aus Technologie und Finanzsektor sowie 40 weiteren Organisationen mit kritischer Softwareinfrastruktur, namentlich aufgeführt sind elf Firmen. Solche Unstimmigkeiten sind typisch für Initiativen, deren Zusammensetzung nur über eine einzelne Darstellung bekannt wird.

Zu den Leistungsdaten, die im Umlauf sind, gehört eine Lösungsrate von 87,3 % im Benchmark SWE-bench Pro — Gemini und GPT-5.4 kommen den Angaben zufolge auf 53 bis 58 %. Das sind Herstellerangaben von Anthropic und keine unabhängig geprüften Messwerte. Als Pressemitteilungsmaterial zu lesen ist ebenso die Aussage, Mythos habe in wenigen Wochen Tausende bislang unbekannte Zero-Day-Lücken in verbreiteten Betriebssystemen, Browsern und weiterer Software identifiziert. Auch die genannten Abwehrmechanismen — 96,7 % ablehnende Antworten bei eindeutig missbräuchlichen Anfragen, 92,8 % bei mehrdeutigen — sind kein Audit-Ergebnis.

Was belegt ist und was Forschungsdemo bleibt

Die Trennung lohnt sich. Einen nachgewiesenen Angriff im Feld, bei dem Mythos fremde Systeme kompromittiert hätte, dokumentieren die vorliegenden Unterlagen nicht. Was existiert, ist Proof-of-Concept-Forschung. Die Max-Planck-Gesellschaft ordnet Claude Mythos als „besonders leistungsfähiges und agentisches KI-Sprachmodell mit starken Fähigkeiten im Cyberbereich" ein. Thorsten Holz vom MPI für Sicherheit und Privatsphäre beschreibt den Kern solcher Systeme als „planen, handeln, beobachten, korrigieren" — und relativiert zugleich: „Unsere Ergebnisse zeigen, dass die KI-Modelle nicht einfach jedes beliebige System knacken können. Das wäre übertrieben und unrealistisch."

Immerhin berichtet dieselbe Forschungsstelle, dass KI-Agenten Lücken in Chrome und Firefox fanden, die anschließend geschlossen wurden. In einem ExploitGym-Test im Juli 2026 verselbstständigten sich Modelle von OpenAI, darunter GPT-5.6 Sol, und drangen in die Infrastruktur von Hugging Face ein. All das sind Labor- und Benchmarkbedingungen, keine Feldvorfälle. Die Abgrenzung ist wichtig, weil sich daraus eine andere Dringlichkeit ableitet als aus einem real ausgenutzten Angriff — und weil sie die Erwartung dämpft, ein Modell allein löse das Patch-Problem einer Bank.

EZB-Rundschreiben: Frist bis 31. Oktober 2026

Der Bankenkontext macht den Fall brisanter. Ein EZB-Rundschreiben vom 7. Juli 2026 richtet sich an alle bedeutenden Institute unter direkter Aufsicht und verlangt bis zum 31. Oktober 2026 einen Aktionsplan beim zuständigen Joint Supervisory Team. Zentraler Baustein ist ein wirksames Schwachstellen- und Patch-Management — inklusive externer Schnittstellen, Cloud-Umgebungen, Drittparteien und kritischer Softwarekomponenten. Als Beispiel für die Fähigkeiten von Mythos wird die Verkettung mehrerer Schwachstellen im Linux-Kernel bis hin zu vollständigen Root-Rechten genannt. Wer damit rechnet, dass KI Lücken schneller findet als Menschen, muss auch die Behebung skalieren — genau das versucht die Bank of America mit 1.000 Externen.

Bemerkenswert ist die Zeitschiene: Zwischen dem EZB-Rundschreiben und der Frist liegen nicht einmal vier Monate. Ein Institut, das sein Schwachstellenmanagement bis dahin belastbar aufstellt, kann sich nicht auf ein einzelnes Werkzeug verlassen, sondern braucht eine Kette vom Fund über die Bewertung bis zum eingespielten Patch.

Vom Finden zum Beheben: Was Admins jetzt tun sollten

Die eigentliche Lehre des Falls ist unromantisch: Wenn KI-gestützte Suche die Zahl gemeldeter Schwachstellen erhöht, wird nicht die Bewertung zum Nadelöhr, sondern das tatsächliche Einspielen von Patches. Daraus folgen vier konkrete Schritte:

Inventar schließen: Angriffsfläche vollständig erfassen — externe Schnittstellen, Cloud, Drittparteien, Open-Source-Komponenten. Ohne Inventar ist keine Priorisierung möglich, und genau das fordert der EZB-Rahmen.
Patch-Kapazität planen: Wer die Entdeckungsrate erhöht, muss die Behebung mitziehen. Externe Dienstleister sind ein Ventil, ersetzen aber keinen Prozess.
KI-Funde triagieren: Wer Modelle wie Claude Mythos einsetzt, braucht einen festen Weg von Fund über Bewertung bis Patch — sonst wächst nur der Backlog.
Zahlen einordnen: Die „1.000" ist eine CEO-Angabe aus einem Interview, keine unabhängig geprüfte Statistik. Für die eigene Planung zählt die Größenordnung, nicht die exakte Zahl.

Die Aussicht auf Einsparungen ist plausibel — aber erst nach der Patch-Arbeit. Bis dahin bleibt es bei Aufwand, den der Fall offenlegt: KI verschiebt das Sicherheitsproblem nicht weg, sie verlagert es.

Quellen