LGR CMS

Tag: Softwareentwicklung

  • Kostenfalle GitHub Copilot: Token-basierte Abrechnung birgt Risiken – Update

    Kostenfalle GitHub Copilot: Token-basierte Abrechnung birgt Risiken – Update

    LGR Reutlingen – 20 Juni 2026 | GitHub Copilot Neue Token-basierte Abrechnung wird zum Kostengrab 8211 Update sorgt derzeit für Aufruhr in Entwicklerkreisen: Seit dem letzten Montag, als GitHub die Preisstruktur endgültig auf ein Token‑Modell umgestellt hat, berichten zahlreiche Nutzer von plötzlich steigenden Kosten, die teilweise das monatliche Budget in Rekordzeit aufbrauchen. Die neue Methode, die ursprünglich als fairere Abrechnung versprochen wurde, entpuppt sich in der Praxis als potenzielles Fiasko für Einzelentwickler und ganze Teams.

    Der Wechsel zu einer token‑basierten Abrechnung ist Teil von Microsofts größerer Strategie, KI‑Dienste stärker zu monetarisieren. Dabei wird jeder Aufruf von Copilot‑Funktionen – vom einfachen Code‑Vorschlag bis zum kompletten Datei‑Review – mit einem festgelegten Token‑Preis belegt. Während ein kurzer Vorschlag nur ein bis zwei Token kosten kann, zieht ein aufwändiger Review leicht zehn bis zwanzig Token nach sich. Für Entwickler, die täglich mehrere Stunden mit Copilot arbeiten, kann das bedeuten, dass die Token‑Bilanz innerhalb weniger Stunden erschöpft ist.

    GitHub Copilot Neue Token-basierte Abrechnung wird zum Kostengrab 8211 Update – Analyse

    Auf Plattformen wie Reddit, Hacker News und den offiziellen GitHub‑Foren häufen sich Berichte über drastische Budget‑Überschreitungen. Ein Nutzer aus Berlin schrieb, dass ein einziger Review einer unveränderten Datei 20 % seines monatlichen Budgets gekostet habe. Ein anderer Entwickler aus München bemerkte, dass nach nur zwei Stunden regulärer Nutzung bereits 60 % des Tokens für den Monat verbraucht waren. Solche Einzelfälle lassen den Verdacht aufkommen, dass das Token‑Modell nicht nur undurchsichtig, sondern auch potenziell missbräuchlich ist.

    Der Journalist Ed Zitron, der die Debatte in den GitHub‑Foren beobachtet, beschreibt die Stimmung als „brodelnd“. Viele Entwickler fragen sich, ob der Einsatz von Copilot noch wirtschaftlich sinnvoll ist, wenn die Kosten kaum noch kalkulierbar sind. Auch Unternehmen, die Copilot für ihre internen Entwicklungsprozesse einsetzen, stehen vor der Herausforderung, Budgets neu zu planen oder gar den Einsatz zu überdenken.

    Die Problematik ist nicht auf GitHub beschränkt. Der aktuelle Trend zu „Vibe Coding“, also der Nutzung von KI‑gestützten Assistenzsystemen, führt dazu, dass ähnliche Kostenmodelle bei anderen Anbietern wie Anthropic, Google, OpenAI oder dem deutschen Startup Cursor ebenfalls in den Fokus rücken. Dort wird bereits jetzt über die Weitergabe von Cloud‑Kosten an Endkunden diskutiert, was die Gesamtkosten für Unternehmen weiter in die Höhe treiben könnte.

    Ein besonders kritischer Aspekt ist die fehlende Transparenz bei der Token‑Verbrauchsanzeige. Viele Entwickler geben an, dass die Dashboard‑Ansicht von GitHub nicht in Echtzeit aktualisiert wird, sodass sie erst nach Abschluss einer Session erfahren, wie viele Token verbraucht wurden. Das erschwert eine präzise Kostenkontrolle und erhöht das Risiko, dass das monatliche Budget unbemerkt überschritten wird.

    Microsoft reagiert mit ersten Gegenmaßnahmen. Laut einem Bericht von ComputerBase arbeitet das Unternehmen an einer effizienteren Token‑Verwaltung, insbesondere durch eine verbesserte automatische Modellauswahl, die je nach Komplexität der Aufgabe weniger Token verbraucht. Dennoch bleibt abzuwarten, ob diese Optimierungen schnell genug implementiert werden, um die aktuelle Kostenkrise zu entschärfen.

    Ein weiterer Ansatz von Microsoft ist die verstärkte Förderung lokaler KI‑Lösungen in Windows 11 und Visual Studio Code. Durch die Möglichkeit, Modelle direkt auf dem Rechner auszuführen, sollen die Cloud‑Kosten reduziert werden. Kritiker sehen darin jedoch nur einen Tropfen auf den heißen Stein, solange das zugrunde liegende Geschäftsmodell von GitHub Copilot weiterhin auf kostenintensiven Cloud‑Diensten basiert.

    Für Unternehmen wie Uber, die bereits erhebliche Summen in KI‑Tools investieren, stellt die neue Token‑Abrechnung eine zusätzliche finanzielle Belastung dar. In internen Diskussionen wird zunehmend die Frage gestellt, ob der Mehrwert von Copilot die Kosten rechtfertigt, insbesondere wenn keine messbaren Produktivitätsgewinne nachgewiesen werden können.

    Die aktuelle Situation wirft zudem grundsätzliche Fragen zur Nachhaltigkeit von KI‑basierten Entwicklungswerkzeugen auf. Während die Technologie zweifellos Innovationen vorantreibt, scheint das Preismodell vieler Anbieter – einschließlich GitHub – noch nicht ausgereift genug, um breiten Unternehmenstabellen gerecht zu werden. Experten aus der Branche fordern mehr Flexibilität, klare Preisstrukturen und vor allem transparente Verbrauchsdaten, um informierte Entscheidungen treffen zu können.

    Abschließend lässt sich sagen, dass das GitHub Copilot‑Update ein Warnsignal für die gesamte KI‑Tool‑Industrie sendet. Entwickler und Unternehmen sollten ihre Nutzung kritisch hinterfragen, Budgets neu kalkulieren und alternative Lösungen prüfen, bevor sie sich langfristig an die aktuelle Preisstrategie binden.

  • OpenAI kauft Kieler KI-Startup Ona um Codex zu stärken – Was das für die KI‑Landschaft bedeutet

    OpenAI kauft Kieler KI-Startup Ona um Codex zu stärken – Was das für die KI‑Landschaft bedeutet

    LGR Reutlingen – 15 Juni 2026 | OpenAI kauft Kieler KI-Startup Ona um Codex zu stärken, wie das Unternehmen am Donnerstag offiziell bestätigte. Der Deal, der noch einer behördlichen Genehmigung unterliegt, markiert den zweiten großen Exit aus dem Portfolio des Wiener Risikokapitalgebers Speedinvest innerhalb weniger Wochen. Während Emmi AI bereits an Mistral veräußert wurde, rückt nun die Technologie von Ona – ehemals Gitpod – in den Fokus der weltweit größten KI‑Plattform.

    OpenAI kauft Kieler KI-Startup Ona um Codex zu stärken – strategischer Schritt ins Enterprise‑Segment

    Ona, 2020 in Kiel gegründet, hat sich auf AI‑Agents spezialisiert, die Entwickler*innen beim Schreiben, Testen und Refaktorisieren von Code unterstützen. Die Lösung ermöglicht es, Änderungen direkt in integrierten Entwicklungsumgebungen (IDEs) vorzunehmen und Fehler in Echtzeit zu erkennen. Nach eigenen Angaben nutzten rund zwei Millionen Entwickler*innen die Cloud‑Umgebungen von Ona, um reproduzierbare und sichere Arbeitsplätze zu schaffen.

    OpenAI sieht in dieser Technologie das fehlende Bindeglied für den nächsten Evolutionsschritt seines Coding‑Agents Codex. Derzeit verzeichnet Codex mehr als fünf Millionen wöchentliche aktive Nutzer*innen – ein Wachstum von 400 % seit Jahresbeginn. Die Aufgaben, die Codex übernimmt, werden dabei zunehmend komplexer und erstrecken sich über Stunden oder gar Tage. Das erfordert eine persistente Ausführungsumgebung, die unabhängig vom Endgerät weiterarbeiten kann und gleichzeitig den strengen Sicherheits‑ und Compliance‑Ansprüchen großer Unternehmen genügt.

    Bislang fehlte OpenAI genau diese Infrastruktur. Ona liefert ein kundenkontrolliertes Ausführungsmodell, das es Agenten erlaubt, innerhalb der eigenen Cloud‑Umgebung einer Organisation zu operieren, während OpenAI die eigentliche Intelligenz bereitstellt. Unternehmen behalten so die Hoheit über Daten, Zugriffsrechte und Protokollierung. Für das Enterprise‑Geschäft ist das ein entscheidender Hebel: OpenAI gibt an, bereits über zwei Millionen Geschäftskunden zu bedienen – doppelt so viele wie vor einem Jahr.

    Der Trend, dass Knowledge‑Worker jenseits von reinen Entwickler*innen Codex nutzen, verstärkt die Notwendigkeit einer robusten Backend‑Schicht. Laut OpenAI machen Knowledge‑Worker bereits rund ein Fünftel der Codex‑Nutzer*innen aus und wachsen dabei dreimal schneller als die klassische Entwickler‑Community. Produktteams, Analyst*innen und weitere Fachbereiche setzen die KI ein, um Recherche, Analyse und Automatisierung zu beschleunigen.

    Der Konkurrenzdruck ist nicht zu unterschätzen. Anthropic, ein weiterer KI‑Gigant, hat mit Claude Code einen eigenen Coding‑Agenten im Markt etabliert. Beide Unternehmen bereiten sich bereits auf mögliche Börsengänge vor. Wer im Enterprise‑Segment die Nase vorn haben will, muss nicht nur das beste Sprachmodell, sondern auch eine sichere Deployment‑Schicht bieten, die den strengsten regulatorischen Vorgaben genügt. In diesem Kontext reiht sich die Übernahme von Ona in eine Reihe strategischer Zukäufe von OpenAI ein: im März kam das Cyber‑Security‑Startup Promptfoo dazu, im Januar das Health‑Tech‑Unternehmen Torch für rund 60 Millionen US‑Dollar, und 2025 folgte der über sechs Milliarden Dollar schwere Kauf des Hardware‑Startups io von Jony Ive.

    „Agenten brauchen mehr als Intelligenz – sie brauchen einen vertrauenswürdigen Arbeitsplatz“, betont Johannes Landgraf, Mitgründer und CEO von Ona. Durch die Integration in Codex soll das Fundament, das Ona für sichere, kontext‑ und kontrollierte Cloud‑Umgebungen geschaffen hat, direkt in die Produktpipeline von OpenAI einfließen.

    Für den Wiener VC Speedinvest bedeutet der Deal einen bedeutenden Exit. Das Unternehmen war von Anfang an der größte Investor in Ona und hat das Startup seit seiner Gründung eng begleitet. Der Verkauf folgt nur wenige Wochen nach dem Exit von Emmi AI an Mistral. Beide Fälle verdeutlichen, dass europäische KI‑Entwicklungen zunehmend zu strategischen Bausteinen für die weltweit führenden KI‑Labore werden.

    Speedinvest‑CEO Oliver Holle kommentierte: „Europa fragt sich längst nicht mehr nur, welche Rolle es im KI‑Zeitalter spielen wird. Die Übernahme des in Deutschland gegründeten Unternehmens Ona durch OpenAI zeigt: Europäische Gründer bauen Technologien, die selbst die führenden KI‑Unternehmen der Welt brauchen, um KI in die praktische Anwendung zu bringen.“

    Die Transaktion steht noch unter dem Vorbehalt regulatorischer Genehmigungen. Bis zum Closing bleiben OpenAI und Ona rechtlich getrennte Einheiten. Nach Abschluss wird das gesamte Ona‑Team zu OpenAI wechseln und gemeinsam mit dem Codex‑Team an der Weiterentwicklung sicherer, persistenter Enterprise‑Ausführungsumgebungen arbeiten. Landgraf schrieb auf LinkedIn, er habe zunächst das Gefühl gehabt, ein Ende zu verkaufen – stattdessen fühle er sich, als würde das Lebenswerk gerade größer und wichtiger werden.

    Aus Sicht der Branche lässt sich das Vorgehen von OpenAI als klare Signalisierung verstehen: Die nächste Wachstumsphase von KI‑Coding‑Agents wird nicht allein durch leistungsfähigere Modelle, sondern vor allem durch die Integration in Unternehmens‑IT‑Landschaften bestimmt. Die Fähigkeit, Code in einer kontrollierten, auditierbaren Cloud‑Umgebung zu erzeugen und zu betreiben, ist für Konzerne mit hohen Sicherheitsanforderungen ein Muss. Mit der Übernahme von Ona positioniert sich OpenAI als Anbieter, der sowohl die algorithmische Exzellenz als auch die operative Infrastruktur liefert.

    Ein weiterer Aspekt ist die europäische Talent‑ und Kapitalbasis, die zunehmend als Quelle für kritische Bausteine im globalen KI‑Ökosystem wahrgenommen wird. Während die USA und China nach wie vor die größten Investoren in KI‑Forschung sind, zeigen Fälle wie der von Ona, dass europäische Start‑ups mit spezialisierten Lösungen internationale Akteure anziehen können.

    Für Entwickler*innen und Unternehmen bedeutet die Integration von Ona‑Technologie in Codex, dass künftig komplexe Entwicklungsaufgaben nicht mehr an einzelne Geräte gebunden sind. Stattdessen können Teams über verschiedene Endgeräte hinweg zusammenarbeiten, während die KI im Hintergrund kontinuierlich Code generiert, testet und optimiert. Das verspricht nicht nur höhere Produktivität, sondern auch eine Reduktion von Fehlern und Sicherheitslücken, die in traditionellen Entwicklungsprozessen häufig übersehen werden.

    Obwohl die genauen finanziellen Details des Deals nicht veröffentlicht wurden, lässt das Interesse von OpenAI an einer deutschen KI‑Firma darauf schließen, dass das Unternehmen bereit ist, erhebliche Mittel zu investieren, um seine Marktposition im Enterprise‑Segment zu festigen. Analyst*innen gehen davon aus, dass die Kombination aus Codex‑Modellen und Ona‑Infrastruktur das Angebot von OpenAI deutlich von dem seiner Konkurrenten abheben wird.

    Insgesamt verdeutlicht der Erwerb von Ona, dass die nächste Generation von KI‑Anwendungen nicht nur auf leistungsstarken Modellen, sondern vor allem auf einer soliden, sicheren und skalierbaren Infrastruktur aufbaut. OpenAI kauft Kieler KI-Startup Ona um Codex zu stärken – ein Schritt, der die Weichen für die zukünftige Integration von KI in die tägliche Arbeit von Unternehmen weltweit stellt.

  • OpenAI erwirbt deutsches KI-Startup Ona zur Stärkung von Codex

    OpenAI erwirbt deutsches KI-Startup Ona zur Stärkung von Codex

    LGR Reutlingen – 15 Juni 2026 | OpenAI hat offiziell die Übernahme des deutschen KI-Startups Ona bekannt gegeben, das zuvor als Gitpod bekannt war. Die Ankündigung erfolgte am Donnerstag, nachdem Bloomberg zuerst über den Deal berichtete. Der Kaufpreis wurde nicht veröffentlicht, und die Transaktion steht noch unter dem Vorbehalt behördlicher Genehmigungen. Ona, 2020 in Kiel gegründet, entwickelt KI-Agenten für die Softwareentwicklung, die Entwicklern helfen, Code zu schreiben, Fehler zu finden und Änderungen direkt in den Entwicklungsumgebungen umzusetzen. Laut eigenen Angaben hat das Unternehmen rund zwei Millionen Entwicklern geholfen, in sicheren, reproduzierbaren Cloud-Umgebungen zu arbeiten. Diese Technologie soll nun das Herzstück der nächsten Phase von OpenAIs Codex bilden.

    Die Übernahme ist für OpenAI keine optionale Erweiterung, sondern eine strategische Notwendigkeit. Codex verzeichnet mittlerweile mehr als fünf Millionen wöchentliche aktive Nutzer – ein Anstieg um 400 Prozent seit Jahresbeginn. Die wertvollsten Aufgaben, die der Agent übernimmt, werden zunehmend über Stunden oder Tage und nicht mehr in Minuten abgewickelt. Um ehrgeizige Aufgaben an Agenten delegieren zu können, ist es notwendig, dass diese nicht an das Gerät gebunden sind, mit dem die Arbeit begonnen wurde. Die Aufgaben müssen auch dann weiterlaufen, wenn das Laptop geschlossen wird und müssen von Smartphones oder Tablets aus überprüfbar, steuerbar und zur Genehmigung bereit sein.

    Hier fehlte OpenAI genau die notwendige Infrastruktur: Ein sicherer, persistenter Ort, an dem Agenten über längere Zeiträume arbeiten können und Zugang zu Tools, Systemen und Kontext haben. Ona bietet diese Ebene. Das kundenkontrollierte Ausführungsmodell des Kieler Unternehmens ermöglicht es Agenten, innerhalb der eigenen Cloud-Umgebung eines Unternehmens zu arbeiten, während OpenAI die Intelligenz und die Orchestrierung bereitstellt. Unternehmen behalten somit die Kontrolle über ihre Infrastruktur, Daten und Sicherheitsgrenzen – also über Fragen wie: Wo laufen die Agenten, was können sie zugreifen, wie sind die Berechtigungen festgelegt, wie wird die Aktivität protokolliert?

    Im Unternehmensgeschäft ist das ein entscheidender Hebel. OpenAI gibt an, mittlerweile mehr als zwei Millionen Geschäftskunden zu bedienen, doppelt so viele wie im Vorjahr. Codex hat sich längst über traditionelle Softwareteams hinausentwickelt: Produktteams, Analysten und andere Wissensarbeiter nutzen den Agenten für Research, Analysen und Automatisierung. Laut OpenAI machen Wissensarbeiter bereits etwa einen von fünf Codex-Nutzern aus und wachsen mehr als dreimal so schnell wie die Kernentwicklergruppe.

    Der Wettbewerbsdruck ist ebenfalls nicht zu unterschätzen: OpenAI befindet sich im Wettlauf mit Anthropic um die Dominanz im Bereich der KI-Coding-Agenten – Anthropics Claude Code gilt als wesentlicher Treiber für das explosive Wachstum des Rivalen. Beide Unternehmen haben bereits vertrauliche Unterlagen für einen Börsengang eingereicht. Wer im Unternehmenssegment gewinnen will, benötigt nicht nur die besten Modelle, sondern auch die Ausführungsebene, die Unternehmen mit den höchsten Sicherheits- und Compliance-Anforderungen überzeugt. Die Übernahme von Ona reiht sich somit in eine ganze Reihe von jüngsten Deals ein: Im März gab OpenAI die Übernahme des Cybersicherheits-Startups Promptfoo bekannt, im Januar wurde das Health-Tech-Unternehmen Torch für rund 60 Millionen US-Dollar gekauft, und 2025 sorgte der Kauf von Jony Ives Hardware-Startup io, das auf mehr als sechs Milliarden Dollar geschätzt wird, für Schlagzeilen.

    „Agenten brauchen mehr als nur Intelligenz – sie benötigen einen vertrauenswürdigen Arbeitsbereich“, sagt Johannes Landgraf, Mitgründer und CEO von Ona. Er erläutert, dass Ona entwickelt wurde, um Agenten Cloud-Umgebungen mit dem Kontext, der Kontrolle und der Zusammenarbeit zu bieten, die Unternehmen benötigen. Der Beitritt zu OpenAI ermöglicht es, diese Grundlage direkt in Codex zu integrieren.

    Für den in Wien ansässigen VC Speedinvest stellt der Deal einen bedeutenden Exit dar – und bereits den zweiten großen KI-Exit innerhalb kurzer Zeit. Vor wenigen Wochen hatte Speedinvest seine Anteile am Linzer Physik-KI-Startup Emmi AI an Mistral AI verkauft. Speedinvest ist der erste und größte Investor in Ona und hat eng mit dem Unternehmen seit dessen Gründung zusammengearbeitet.

    Emmi AI und Ona stehen beide für dieselbe Entwicklung: KI wandelt sich von allgemeinen Modellen und Chatbots hin zu tief technischen Anwendungen – von industriellen Systemen bis hin zur Entwicklung und Infrastruktur von Unternehmenssoftware. Dies deutet auf einen größeren Trend hin: Österreich hat vielleicht nicht seine eigene Mistral oder OpenAI, aber österreichisches Kapital und Talent helfen, die europäischen KI-Unternehmen aufzubauen, die für die wichtigsten KI-Labore der Welt strategisch relevant werden.

    Speedinvest-CEO Oliver Holle kommentiert die Übernahme: „Europa fragt sich nicht mehr nur, welche Rolle es im KI-Zeitalter spielen wird. Die Übernahme von Ona, einem in Deutschland gegründeten Unternehmen, durch OpenAI zeigt: Europäische Gründer bauen Technologien, die selbst die führenden KI-Unternehmen der Welt benötigen, um KI in der praktischen Anwendung zu realisieren. Genau daran arbeitet Ona für Software-Entwicklungsteams.“ Die Übernahme erfolgt nur wenige Wochen, nachdem Mistral Emmi AI, ein österreichisches Unternehmen, das Physik-KI für Industrie und Wissenschaft nutzbar macht, übernommen hat. Speedinvest war der erste und größte Investor in beiden Unternehmen. Zwei Unternehmen, zwei der wichtigsten KI-Akteure der Welt, und ein klares Signal: Europa baut KI, die wirklich gebraucht wird.

    Bis zum Abschluss bleiben OpenAI und Ona unabhängige Unternehmen. Nach Abschluss der Transaktion wird das Ona-Team zu OpenAI stoßen und mit dem Codex-Team zusammenarbeiten, um sichere, persistente Unternehmensausführungsumgebungen zu erweitern und Codex weltweit in weiteren Unternehmen auszurollen. CEO Johannes Landgraf schrieb auf LinkedIn, dass er immer gedacht hatte, der Verkauf des Unternehmens würde sich wie ein Ende anfühlen – stattdessen fühlt es sich an, als ob sein Lebenswerk größer und wichtiger geworden ist.

  • GitHub Secret Scanning: KI-gestützte Reduktion von Fehlalarmen

    GitHub Secret Scanning: KI-gestützte Reduktion von Fehlalarmen

    LGR Reutlingen – 15 Juni 2026 | GitHub hat kürzlich seinen Verifizierungsschritt für das Secret Scanning um eine kontextbasierte LLM-Analyse erweitert. Das Resultat dieser Innovation ist beeindruckend: Dreiviertel der Fehlalarme entfallen, ohne dass dabei die Erkennungsrate leidet. Diese Entwicklung könnte für viele Entwickler eine spürbare Entlastung in ihrem Arbeitsalltag darstellen.

    Das Secret Scanning von GitHub hat die entscheidende Aufgabe, offengelegte Zugangsdaten in Code-Repositories frühzeitig zu identifizieren. Wenn API-Schlüssel, Passwörter oder Tokens versehentlich in einen Commit gelangen, kann das Tool rechtzeitig eingreifen, bevor ernsthafte Sicherheitsvorfälle entstehen. Täglich verarbeitet dieses System Milliarden von Push-Vorgängen und schützt Entwickler in Millionen von Projekten weltweit.

    Doch die schiere Größe dieser Infrastruktur hat ihre Schattenseiten. Selbst eine geringe Rate an Fehlalarmen kann in der Summe zu erheblichen Reibungsverlusten führen. Entwickler, die täglich mit einer Vielzahl von Warnmeldungen konfrontiert sind, von denen viele irrelevant sind, beginnen, das System nicht mehr als verlässlichen Hinweisgeber zu sehen, sondern als Quelle von Störsignalen. Dies führt dazu, dass die Bereitschaft, auf Meldungen sofort zu reagieren, abnimmt. Echte Sicherheitsbedrohungen werden dadurch möglicherweise zu spät erkannt oder behoben, was das Vertrauen in das Tool schrittweise untergräbt.

    Wie das bestehende System funktioniert

    Das Secret Scanning von GitHub kombiniert zwei grundlegende Erkennungsansätze. Die musterbasierte Erkennung nutzt einen Katalog bekannter Formate: Tokens und API-Schlüssel von Anbietern wie Cloud-Providern oder Zahlungsdienstleistern hinterlassen charakteristische Zeichenfolgen, die sich zuverlässig identifizieren lassen. GitHub gibt an, dass es in dieser Kategorie bereits ein branchenführendes Präzisionsniveau erreicht hat.

    Zusätzlich kommt eine KI-gestützte generische Erkennung zum Einsatz. Diese zweite Ebene erfasst unstrukturierte Zugangsdaten – Passwörter und andere sensible Werte, die keinem spezifischen Anbietermuster entsprechen. Gerade weil solche Werte keine vorhersehbare Form haben, ist die Unterscheidung zwischen einem echten Geheimnis und einem harmlosen, aber ähnlich aussehenden Wert deutlich herausfordernder. Hier setzt der wesentliche Ansatzpunkt für die jüngste Weiterentwicklung an.

    Ein einfacher Musterabgleich kann zwar erkennen, ob ein Wert wie ein Geheimnis aussieht, doch er kann nicht beurteilen, ob dieser Wert im Code tatsächlich als Geheimnis verwendet wird. Beispielsweise kann eine zufällig generierte UUID, ein hartcodierter Platzhalter in einer Testdatei oder eine leere Konfigurationsvariable formal einem API-Schlüssel ähneln, ohne dass eine reale Gefährdung besteht. Diese Fälle führen oft zu Fehlalarmen und belasten die tägliche Bearbeitung.

    Kontextbasierte Verifizierung durch LLM-Analyse

    Um diese Lücke zu schließen, war es notwendig, mehr als nur syntaktisches Musterwissen zu nutzen. Es bedurfte eines Verständnisses dafür, in welchem Kontext ein Wert im Code auftaucht und ob dieser Kontext darauf hindeutet, dass der Wert operativ verwendet wird. In Zusammenarbeit mit dem „Agents Offense“-Team von Microsoft Security & AI wurde der Verifizierungsschritt gezielt erweitert. Grundlage dieser neuen Methode ist der „Agentic Secret Finder“, ein System, das nicht nur prüft, ob ein Wert einem Geheimnis-Muster entspricht, sondern auch analysiert, wie er im umgebenden Code eingesetzt wird.

    Das zentrale Designprinzip bestand darin, nicht mehr Code in die Analyse einzubeziehen, sondern die relevanten Signale gezielt zu extrahieren. Entscheidend ist, ob ein Wert einer Variablen zugewiesen wird und anschließend an eine API-Anfrage, einen Authentifizierungsheader oder einen Cloud-SDK-Aufruf übergeben wird. Diese Nutzungsmuster sind Indikatoren für ein echtes Geheimnis.

    Anstatt ganze Dateien oder Repositories an das Sprachmodell zu übergeben, extrahiert das System eine kompakte Menge aussagekräftiger Nutzungsinformationen auf Dateiebene. Dies hält sowohl die Verarbeitungslatenz als auch die Kosten niedrig und macht den Betrieb in der für GitHub typischen Größenordnung praktikabel. Werte, die Platzhaltern, Testdaten oder ungenutzten Konfigurationsfeldern ähneln, können auf dieser Ebene häufig bereits herausgefiltert werden, ohne dass eine tiefere Analyse des gesamten Repositories notwendig ist.

    Wenn der Kontext innerhalb einer einzelnen Datei ausreicht, um eine Einschätzung zu treffen, wird keine weitere Eskalation vorgenommen. Auf diese Weise liefert das System präzisere Ergebnisse, ohne den Ressourcenaufwand unverhältnismäßig zu steigern.

    Die Erweiterung greift direkt in den Verifizierungsschritt ein, der den Erkennungskandidaten nachgelagert ist. Die Erkennung selbst – sowohl die musterbasierte als auch die KI-gestützte – bleibt unverändert und liefert weiterhin die Ausgangsmenge potenzieller Funde. Der neue Kontextschritt bewertet diese Kandidaten anschließend mit einem stärkeren Fokus auf die tatsächliche Verwendung im Code. Durch diese Architektur lässt sich die Präzision verbessern, ohne die Abdeckung zu reduzieren: Echte Geheimnisse werden weiterhin erkannt, während Störsignale herausgefiltert werden.

    Der Ansatz wurde anhand von Hunderten durch Kunden bestätigter Fehlalarme evaluiert. Das definierte Ziel war eine Reduktion um 65 Prozent, doch der tatsächlich erzielte Wert lag bei 75,76 Prozent – und damit deutlich über der Zielmarke. Die Erkennungsrate für echte Geheimnisse blieb stabil, was für die praktische Arbeit im Entwickleralltag eine spürbare Entlastung bedeutet: Ein deutlich höherer Anteil der angezeigten Warnungen ist handlungsrelevant. Die Zeit, die für die Sichtung und Einstufung nicht relevanter Meldungen aufgewendet werden muss, sinkt erheblich. Wer weniger Rauschen verarbeiten muss, kann sich schneller den Funden zuwenden, die tatsächlich Aufmerksamkeit erfordern – und das Vertrauen in das System wächst, weil die Meldungen verlässlicher werden.

    Die Arbeit an diesem Ansatz ist jedoch noch nicht abgeschlossen. Das Team evaluiert den Ansatz weiterhin anhand größerer Datensätze und echtem Live-Traffic. Parallel dazu wird die Methodik zur Kontextextraktion weiter verfeinert. Fragen wie: Welche Signale aus dem Code sind besonders aussagekräftig? Wie lassen sich diese effizient und skalierbar bereitstellen? treiben die Weiterentwicklung voran.

    Das übergeordnete Ziel bleibt konstant: Die Warnmeldungen sollen so verlässlich und eindeutig sein, dass Entwickler beim Lesen einer Meldung sofort einschätzen können, ob Handlungsbedarf besteht – ohne aufwendige manuelle Nachrecherche. Weniger Ablenkung, klarere Signale und schnelleres Handeln bei tatsächlichen Risiken sind die wesentlichen Ziele dieser Neuerung.

  • Media eXchange Layer MXL: Die Revolution der virtuellen Verkabelung in der Software-Produktion

    Media eXchange Layer MXL: Die Revolution der virtuellen Verkabelung in der Software-Produktion

    LGR Reutlingen – 15 Juni 2026 | Der Media eXchange Layer (MXL) hat mit der Veröffentlichung seiner ersten stabilen Version 1.0.0 zu Beginn des Jahres 2026 einen entscheidenden Schritt in der Software-Produktion vollzogen. Dieses wegweisende Open-Source-Projekt, das nicht mit dem Datenformat XML verwechselt werden sollte, bietet eine Lösung für ein zentrales Problem der Branche: Wie können Softwarefunktionen verschiedener Hersteller auf einer gemeinsamen Infrastruktur Medien austauschen, ohne dass es zu Konvertierungen, proprietären Schnittstellen oder Herstellerabhängigkeiten kommt? Die Antwort ist MXL, das als eine Art virtuelle Verkabelung fungiert und damit die Art und Weise revolutioniert, wie Software in der Medienproduktion zusammenarbeitet.

    MXL ist ein quelloffenes Software Development Kit (SDK), das den Austausch von Video, Audio und Metadaten zwischen Medienverarbeitungsfunktionen in virtualisierten Umgebungen ermöglicht, sei es auf eigenen Servern oder in der Cloud. Der technische Kern des MXL besteht darin, dass die beteiligten Funktionen denselben Arbeitsspeicher nutzen. Anstatt Medien zwischen Prozessen zu kopieren oder über Netzwerk-Stacks zu übertragen, greifen Misch-, Grafik- und Audiofunktionen direkt auf dieselben Speicherbereiche zu. Dieser Ansatz, bekannt als Zero-Copy-Workflow, ermöglicht einen effizienteren und schnelleren Austausch von Medieninhalten.

    Wichtig ist auch, was MXL nicht ist: Es handelt sich nicht um ein Netzwerkprotokoll, einen Transportstandard oder ein Streamingformat. Wer Signale zwischen verschiedenen Standorten oder Geräten übertragen möchte, benötigt nach wie vor zusätzliche Werkzeuge. MXL adressiert vielmehr die grundlegende Ebene, auf der mehrere Softwarefunktionen innerhalb desselben Systems zusammenarbeiten sollen. Bisher war dieser Austausch über verschiedene Hersteller hinweg durch proprietäre Schnittstellen eingeschränkt, was die Interoperabilität stark belastete.

    Die Rolle von MXL in der Dynamic Media Facility

    Das MXL-Projekt ist eng mit der Dynamic Media Facility (DMF) verknüpft, einer Referenzarchitektur der European Broadcasting Union (EBU). Die DMF skizziert eine Produktionsumgebung, in der Medienverarbeitung nicht mehr auf dedizierte Hardware-Boxen beschränkt ist, sondern in virtuellen Containern erfolgt. Diese Container können je nach Bedarf der Produktion sowohl auf eigener Infrastruktur als auch auf gemieteten Rechenressourcen skaliert werden. In dieser neuen Welt fungiert MXL als die fehlende Schicht, die in der Hardware-Welt durch SDI-Kabel und Kreuzschienen repräsentiert wird.

    Die Einführung dieses offenen und herstellerneutralen Austauschs hat weitreichende Konsequenzen für die Branche. Anbieter konkurrieren nicht mehr über geschlossene Ökosysteme, sondern über die Qualität ihrer Funktionen. Dieser Strukturwandel ist vergleichbar mit den Entwicklungen, die durch die Migration zu ST-2110 in der Branche angestoßen wurden, jedoch auf einer abstrakteren Ebene.

    Die Akteure hinter dem MXL-Projekt

    Das MXL-Projekt wird von der EBU und der nordamerikanischen Rundfunkvereinigung NABA getragen, während die Governance bei der Linux Foundation liegt. Dieses Modell wurde bewusst gewählt, um die Weiterentwicklung von individuellen Interessen zu entkoppeln. Auf Seiten der Anwender sind unter anderem namhafte Rundfunkanstalten wie die BBC, CBC/Radio-Canada, France Télévisions, Olympic Broadcasting Services sowie SWR/ARD und die SRG SSR aus dem deutschsprachigen Raum beteiligt. Auf Herstellerseite unterstützen Unternehmen wie AWS, Grass Valley, Intel, Lawo, NVIDIA, Riedel und Telos Alliance das Projekt, was eine breite und diverse Unterstützung zeigt.

    Ein bemerkenswerter Aspekt des MXL-Projekts ist der Implement-first-Ansatz. Anstatt jahrelang Spezifikationen zu verhandeln, wird der Standard durch die tatsächliche Implementierung entwickelt. Das SDK ist öffentlich auf GitHub zugänglich, einschließlich Beispielen für Docker und Kubernetes. So können Interessierte sofort mit der Evaluierung beginnen, ohne Mitgliedschaften oder Lizenzverhandlungen eingehen zu müssen. Für eine Branche, die traditionell ihre Standards in langen Gremienprozessen entwickelt, ist dieses schnelle Tempo ein wichtiger Impuls.

    Die Entwicklungsgeschwindigkeit des MXL-Projekts ist beeindruckend. Die Gründung wurde zur NAB 2025 durch die Linux Foundation verkündet, und bereits dort präsentierte Grass Valley eine lauffähige Implementierung. Im Juni 2025 folgte die erste Alpha-Version, und nur wenige Monate später wurde die stabilisierte Version 1.0.0 veröffentlicht. In nur 15 Monaten vom Konzept zur produktionsreifen Version zu gelangen, ist ein bemerkenswerter Erfolg. Hersteller können nun MXL-Support in ihre Produkte integrieren, ohne dass nachträgliche Anpassungen nötig sind. Auf der NAB 2026 war MXL prominent vertreten, mit zahlreichen Herstellern, die Implementierungen basierend auf Version 1.0.0 demonstrierten.

    Es ist wichtig zu betonen, dass MXL nicht als Ersatz für bestehende Standards wie SMPTE ST 2110 zu verstehen ist. Während ST 2110 regelt, wie unkomprimierte Medienströme über IP-Netzwerke übertragen werden, definiert MXL, wie Softwarefunktionen in einem System Medien im Arbeitsspeicher teilen. In der Praxis werden beide Standards koexistieren: ST 2110 bringt die Signale ins Rechenzentrum, während MXL sie innerhalb des Systems verteilt.

    Eine weitere interessante Abgrenzung stellt das Time Addressable Media Store (TAMS) dar, an dem ebenfalls die BBC maßgeblich beteiligt ist. TAMS adressiert die Speicherung von Medien, während MXL sich auf den Echtzeitaustausch zwischen laufenden Funktionen konzentriert. TAMS arbeitet mit bereits gespeicherten Medien, MXL hingegen mit dem aktuellen Austausch – zwei Schichten, die sich sinnvoll ergänzen.

    Die zukünftige Entwicklung von MXL wird sich auf die Interhost-Kommunikation konzentrieren, um den Medienaustausch über verteilte Systeme hinweg zu ermöglichen. Diese Erweiterung wird entscheidend sein, um zu beobachten, wie sich MXL und etablierte Transportstandards zueinander verhalten, sobald die Grenzen zwischen einzelnen Maschinen fallen.

    Für Entscheidungsträger in der Rundfunk- und Dienstleistungsbranche ist MXL 2026 zwar noch kein Kaufkriterium, aber bereits ein wichtiges Thema in Ausschreibungen. Wer in softwarebasierte Produktionsinfrastruktur investiert, sollte die MXL-Roadmap der Hersteller genau unter die Lupe nehmen, da dies viel über deren Engagement für offene Interoperabilität oder geschlossene Ökosysteme verrät. Bei der IBC 2026 wird zu erwarten sein, wie schnell aus den Demonstrationen der NAB käufliche Produkte werden. Die Liste der Beteiligten deutet darauf hin, dass es diesmal schneller gehen könnte als bei früheren Interoperabilitätsversuchen der Branche – am offenen Code lässt sich schließlich schwerer vorbeientwickeln als an einem Papierstandard.

  • Microsoft und NPM: Ein kritischer Blick auf das aktuelle Gefahrenbild

    Microsoft und NPM: Ein kritischer Blick auf das aktuelle Gefahrenbild

    LGR Reutlingen – 12 Juni 2026 | Microsoft und NPM Ein berblick ber das aktuelle Gefahrenbild zeigt, dass die Kombination aus einem weltweit genutzten Paketmanager und der strategischen Position von Microsoft im Open‑Source‑Ökosystem neue Angriffsflächen eröffnet. Während die Entwickler‑Community seit Jahren von der Bequemlichkeit von npm profitiert, rücken seit Anfang 2024 immer mehr Meldungen über gezielte Manipulationen in den Fokus. Der vorliegende Beitrag analysiert, welche technischen Mechanismen hinter den Angriffen stecken, welche Rolle Microsoft dabei spielt und welche unmittelbaren Risiken für Unternehmen und Endnutzer bestehen.

    Microsoft und NPM Ein berblick ber das aktuelle Gefahrenbild

    Der Kern des Problems liegt im sog. Supply‑Chain‑Attack, bei dem Angreifer Schadcode in Bibliotheken einschleusen, bevor diese von Entwicklern in ihre Anwendungen integriert werden. npm, der Node Package Manager, ist dabei das am stärksten betroffene Ökosystem. Laut einer Analyse von Sicherheitsforschern wurden im letzten halben Jahr über 200 000 Pakete von zwei Malware‑Familien – Miasma und Mini‑Shai‑Hulud – kompromittiert. Die Schadsoftware wird als Open‑Source‑Projekt veröffentlicht, was Forks und Weiterentwicklungen erleichtert und die Erkennung erschwert.

    Die Angriffsvektoren reichen von versteckten Backdoors über Datenexfiltration bis hin zu Botnet‑Funktionen, die DDoS‑Angriffe ermöglichen. Ein besonders beunruhigender Aspekt ist die Möglichkeit, dass ein einziger kompromittierter Dependency‑Baum Tausende von Anwendungen infizieren kann, die auf populären Frameworks wie React, Angular oder Vue.js basieren. Damit ist nicht nur die Web‑Entwicklung, sondern auch die gesamte Desktop‑ und Mobile‑Landschaft gefährdet, da Electron‑ und React‑Native‑Apps dieselben Pakete verwenden.

    Historisch gesehen sind Lieferkettenangriffe kein neues Phänomen. Beispiele wie die CCleaner‑Infektion 2017, der SolarWinds‑Hack 2020 oder der ASUS‑Vorfall 2019 verdeutlichen, dass Angreifer bereits seit Jahren gezielt Software‑Supply‑Chains ausnutzen. Der jüngste Fall der xzutils‑Backdoor 2024, die von einem Microsoft‑Entwickler entdeckt wurde, macht jedoch deutlich, dass selbst gut geprüfte Open‑Source‑Komponenten anfällig bleiben, wenn das Ökosystem zu groß und zu fragmentiert ist.

    Microsofts Rolle im npm‑Ökosystem ist ambivalent. Einerseits besitzt das Unternehmen über GitHub die Infrastruktur, in die npm seit 2020 vollständig integriert wurde. Durch diese Integration hat Microsoft de‑facto die Kontrolle über den größten Node‑Package‑Repository. Andererseits zeigt die aktuelle Situation, dass interne Prozesse bei GitHub – von Personalengpässen bis zu Führungswechseln – das Sicherheitsmanagement schwächen. Der aktuelle Head of Security, Jay Parikh, wird laut interner Quellen von Entwicklern kritisiert, weil er mehr Zeit in interne Diskussionen investiert, als proaktiv Gegenmaßnahmen zu koordinieren.

    Die Reichweite der potenziellen Schäden lässt sich anhand der verbreitetsten npm‑Abhängigkeiten verdeutlichen. Electron‑basierte Anwendungen wie Visual Studio Code, GitHub Desktop, Discord, Slack oder das Epic‑Games‑Launcher nutzen hunderte npm‑Pakete. Ähnliche Abhängigkeiten finden sich in mobilen Apps, die React Native einsetzen, etwa bei Microsoft Teams, Spotify oder WhatsApp. Selbst klassische Desktop‑Programme wie OBS Studio oder VLC, die über das Chromium‑Embedded‑Framework auf Web‑Technologien zurückgreifen, sind indirekt betroffen. Der mögliche Angriffsradius umfasst damit sowohl Unternehmenssoftware als auch Konsumenten‑Apps, die täglich von Millionen genutzt werden.

    Ein weiteres Alarmzeichen sind die bereits veröffentlichten Forks der Malware‑Repos. Da die schädlichen Pakete offen zugänglich sind, können Angreifer schnell Varianten erstellen, die gezielt nach regionalen oder branchenspezifischen Schwachstellen suchen. Das erschwert nicht nur die Erkennung durch automatisierte Scans, sondern erhöht auch die Wahrscheinlichkeit, dass ein Angriff unbemerkt bleibt, bis er bereits weit verbreitet ist.

    Für Entwickler und IT‑Sicherheitsverantwortliche ergeben sich daraus klare Handlungsfelder. Erstens sollten JavaScript‑ und TypeScript‑Abhängigkeiten nur dann aktualisiert werden, wenn ein vertrauenswürdiger Signatur‑Check erfolgt. Zweitens empfiehlt sich, kritische Anwendungen auf Alternativen wie Rust‑basierte Bibliotheken oder auf statisch gelinkte Binärdateien umzustellen, um die Angriffsfläche zu reduzieren. Drittens ist ein kontinuierliches Monitoring von npm‑Registries notwendig, etwa durch Tools wie Snyk, Dependabot oder die neu eingeführten GitHub‑Security‑Alerts, die jedoch nur dann wirksam sind, wenn sie regelmäßig geprüft und gepatcht werden.

    Die Situation wirft zudem Fragen zur langfristigen Governance von Open‑Source‑Infrastrukturen auf. Während Microsoft die Ressourcen hat, um die Sicherheit von GitHub und damit von npm zu stärken, besteht das Risiko, dass kommerzielle Interessen die Offenheit des Ökosystems einschränken. Einige Branchenexperten fordern daher die Ausgliederung von npm in eine unabhängige Non‑Profit‑Organisation, ähnlich wie die Linux‑Foundation bei der CoreJS‑Initiative. Ein solcher Schritt könnte Transparenz erhöhen und die Verantwortlichkeiten klarer definieren.

    Ein Blick nach vorn zeigt, dass die Reaktion von Microsoft in den kommenden Monaten entscheidend sein wird. Sollte das Unternehmen gezielte Investitionen in automatisierte Code‑Audits, erweiterte Signatur‑Mechanismen und ein stärkeres Incident‑Response‑Team tätigen, könnte das Vertrauen in das gesamte npm‑Ökosystem wiederhergestellt werden. Andernfalls könnte ein weiteres großes Supply‑Chain‑Incident das Bild von Microsoft als „sicheren“ Plattformanbieter nachhaltig beschädigen.

    Abschließend lässt sich festhalten, dass das aktuelle Gefahrenbild nicht nur ein technisches, sondern auch ein strategisches Problem darstellt. Unternehmen müssen ihre Abhängigkeitsketten kritisch hinterfragen, während die Entwickler‑Community stärker in die Sicherheits‑Governance eingebunden werden muss. Nur durch ein gemeinsames Vorgehen von Microsoft, GitHub, den Maintainer‑Teams und den Endnutzer‑Organisationen lässt sich die Bedrohung durch Lieferkettenangriffe wirksam eindämmen.

  • Windows-Update ab 9. Juni: Programmstarts bis zu 40 % schneller – Was Nutzer und Entwickler erwartet

    Windows-Update ab 9. Juni: Programmstarts bis zu 40 % schneller – Was Nutzer und Entwickler erwartet

    LGR Reutlingen – 05 Juni 2026 | Microsoft hat mit dem angekündigten Windows-Update ab 9. Juni ein starkes Leistungsversprechen geliefert: Programmstarts sollen um bis zu 40 % schneller laufen. Das Versprechen beruht auf einer tiefgreifenden Umstellung der Benutzeroberfläche von webbasierten Frameworks hin zu nativem WinUI‑Code, einem sogenannten Low‑Latency‑Profil und weiteren Optimierungen, die im Juni‑Patch für die Versionen 24H2 und 25H2 von Windows 11 enthalten sind.

    Windows-Update ab 9. Juni Programmstarts 40 schneller – ein Überblick

    Der Kern der Änderungen liegt in der Ablösung von React Native, Electron und ähnlichen Technologien, die bislang für das Startmenü, die Taskleiste und andere Shell‑Komponenten genutzt wurden. Unter der Leitung von Rudy Huyn arbeitet ein eigens dafür eingerichtetes Team an einer kompletten Neuimplementierung der Oberfläche auf WinUI 3, die künftig als einheitliche Codebasis dient. Der Schritt verspricht nicht nur schnellere Reaktionszeiten, sondern auch einen spürbar geringeren Arbeitsspeicherverbrauch.

    Ein weiteres zentrales Element ist das Low‑Latency‑Profile, das temporäre CPU‑Boosts zwischen einer und drei Sekunden ermöglicht. Interne Tests von Microsoft zeigen, dass damit nicht nur die Startzeiten von Anwendungen um bis zu 40 % reduziert werden können, sondern auch das Öffnen von System‑Flyouts um bis zu 70 % beschleunigt ist. Für Endanwender bedeutet das ein flüssigeres Arbeiten, insbesondere bei ressourcenintensiven Szenarien wie dem gleichzeitigen Einsatz mehrerer KI‑gestützter Anwendungen.

    Die neuen Features sind nicht nur für Konsumenten relevant, sondern haben auch unmittelbare Auswirkungen auf Entwickler. WinUI 3 wird um neue Steuerelemente wie DataGrid und Charting erweitert, wodurch die Erstellung von datenintensiven Business‑Apps deutlich einfacher wird. Zudem verbessert Microsoft die Interoperabilität mit bestehenden WinForms‑ und WPF‑Projekten, sodass Unternehmen ihre Legacy‑Software schrittweise modernisieren können, ohne komplette Neuentwicklungen zu starten.

    Ein experimentelles Projekt, das im Zuge des Updates vorgestellt wurde, ist der Microsoft UI Reactor. Der Ansatz verfolgt einen komponentenbasierten Entwicklungsstil, bei dem UI‑Elemente in C# definiert und direkt im laufenden System getestet werden können. Für Entwickler, die bereits stark auf Visual Studio Code setzen, bietet die neue Version 1.123 des Editors eine KI‑gestützte Synchronisation von Kontext und Arbeitssitzungen über mehrere Geräte hinweg – ein Feature, das insbesondere Remote‑Teams zugutekommt.

    Die Systemoptimierungen gehen über die reine UI‑Verbesserung hinaus. Der Task‑Manager zeigt nun Metriken für neuronale Prozessoren (NPU) an, sodass Nutzer die Auslastung von KI‑Beschleunigern im Blick behalten können. Darüber hinaus unterstützt Windows 11 künftig zwei Bluetooth‑LE‑Audiogeräte gleichzeitig, was das Streaming von Audio auf mehrere Lautsprecher oder Kopfhörer vereinfacht.

    Ein lang erwartetes Feature ist das anpassbare Kontextmenü. Im Rahmen der sogenannten K2‑Initiative verspricht Microsoft, dass Nutzer künftig Einträge im Rechts‑Klick‑Menü selbst hinzufügen oder entfernen können. Der Schritt ist eine direkte Reaktion auf jahrelange Kritik an überladenen Menüs, die vor allem Power‑User und IT‑Administratoren als hinderlich empfanden.

    Die geplante modulare Neu­gestaltung des Startmenüs beinhaltet zudem die Möglichkeit, das Layout vertikal zu verschieben oder die Taskleiste als schwebendes Element zu positionieren. Diese Flexibilität soll vor allem bei ultrabreiten Bildschirmen und Multi‑Monitor‑Setups für mehr Übersicht sorgen.

    Hardware‑Partner bereiten sich ebenfalls auf das neue Ökosystem vor. Nvidia hat kürzlich seine RTX‑Spark‑Chips vorgestellt, die bis zu 128 GB Unified Memory unterstützen. Diese Prozessoren sollen ab Herbst 2026 in Geräten von Dell, HP, Lenovo und in der Microsoft‑Surface‑Reihe zum Einsatz kommen, wodurch das Zusammenspiel von Software‑ und Hardware‑Optimierungen weiter verstärkt wird.

    Für Unternehmen bedeutet das Update nicht nur ein schnelleres Arbeiten, sondern auch geringere Energiekosten, da weniger RAM und CPU‑Leistung für identische Aufgaben benötigt werden. In einer Zeit, in der Unternehmen zunehmend auf Nachhaltigkeit und Energieeffizienz achten, kann das ein wichtiges Argument für die schnelle Adoption des Juni‑Patches sein.

    Die Einführung des Low‑Latency‑Profils wirft jedoch auch Fragen nach der thermischen Belastung auf. Temporäre CPU‑Boosts können die Temperaturspitzen erhöhen, weshalb Microsoft klare Empfehlungen zum Einsatz des Modus gibt: Er sollte vor allem bei kurzlebigen, interaktiven Tasks aktiviert werden, nicht bei lang andauernden Hintergrundprozessen.

    Aus Sicht der Sicherheit enthält das Update neben den Leistungsverbesserungen auch kritische Patches für bekannte Schwachstellen in Windows 11 24H2 und 25H2. Microsoft betont, dass das Update kostenlos über Windows Update bereitgestellt wird und sowohl Privat‑ als auch Unternehmensnutzer gleichermaßen zur Verfügung steht.

    Die Schritt‑für‑Schritt‑Anleitung, die Microsoft im Begleit‑Presskit bereitstellt, erklärt, wie der Low‑Latency‑Modus aktiviert, das Kontextmenü angepasst und die neuen NPU‑Metriken im Task‑Manager ausgelesen werden können. Der Leitfaden wird auf der offiziellen Microsoft‑Website zum Download angeboten, wobei der Zugriff ohne Registrierung möglich ist.

    Analysten sehen in dem Update ein Signal dafür, dass Microsoft den Fokus stärker auf System‑Performance legt, um mit Konkurrenzprodukten wie macOS Ventura und den neuesten Linux‑Distributionen zu konkurrieren. Die Kombination aus nativer UI, KI‑Integration und hardwareseitiger Beschleunigung könnte langfristig die Bindung von Unternehmen an die Windows‑Plattform stärken.

    Für die deutsche Wirtschaft, in der ein Großteil der Unternehmenssoftware auf Windows basiert, könnte das Update erhebliche Produktivitätsgewinne bedeuten. Insbesondere in Branchen wie Finanzdienstleistungen, Medienproduktion und dem öffentlichen Sektor, wo häufig zahlreiche Anwendungen gleichzeitig laufen, wird die Reduktion der Ladezeiten spürbar sein.

    Abschließend lässt sich sagen, dass das Windows‑Update ab 9. Juni nicht nur ein schnelleres Erlebnis verspricht, sondern auch den Grundstein für weitere Innovationen legt. Durch die konsequente Verlagerung auf native Code‑Basis und die enge Verzahnung von Software‑ und Hardware‑Entwicklungen positioniert Microsoft das Betriebssystem als zentrale Plattform für die nächste Generation produktiver Arbeit.

  • Microsofts neue Agentenplattform – Entwickler im Mittelpunkt des KI-Zeitalters

    Microsofts neue Agentenplattform – Entwickler im Mittelpunkt des KI-Zeitalters

    LGR Reutlingen – 03 Juni 2026 | Auf der diesjährigen Microsoft Build 2026 stand ein klarer Leitsatz im Zentrum der Ankündigungen: Entwickler im Mittelpunkt des KI-Zeitalters. Die Botschaft ist mehr als ein Marketing‑Slogan – sie spiegelt eine strategische Neuausrichtung wider, bei der Kontrolle, Modellvielfalt und ein nahtloser Stack vom Laptop bis zur Cloud zusammengeführt werden, ohne die Sicherheits‑ und Governance‑Ansprüche zu vernachlässigen.

    Eine Plattform, die Wissen und Kontext verbindet

    Im Kern der neuen Microsoft‑Agentenplattform steht das Konzept Microsoft IQ. Es bündelt drei zentrale Bausteine: Work IQ, Fabric IQ und Foundry IQ, ergänzt durch den kürzlich eingeführten Web IQ. Work IQ extrahiert Kontext aus Microsoft 365 – E‑Mails, Dokumente, Besprechungen – und stellt die Daten über APIs bereit, die bereits seit dem 16. Juni erreichbar sind. Fabric IQ schafft eine semantische Basis für strukturierte Geschäftsdaten, während Foundry IQ die Brücke zwischen internem Unternehmenswissen und dem offenen Web schlägt. Web IQ hingegen liefert modellunabhängig Textpassagen bis zu 2,5 mal schneller als vergleichbare Lösungen.

    Für Entwickler bedeutet das, dass sie nicht mehr nur auf generische Large‑Language‑Models zurückgreifen, sondern deren Ergebnisse mit firmenspezifischem Kontext anreichern können. Der persönliche Assistent „Scout“, basierend auf OpenClaw und Work IQ, demonstriert, wie Routineaufgaben wie Meeting‑Vorbereitung oder Termin‑Konflikt‑Erkennung automatisiert werden können – und das alles innerhalb bereits etablierter Werkzeuge wie Teams und Outlook.

    Eigenständige Modelle als Wettbewerbsvorteil

    Ein weiteres Highlight der Build war die Vorstellung einer neuen Modellfamilie des Microsoft AI Superintelligence Teams. Das Flaggschiff‑Modell MAI‑Thinking‑1 ist ein reines Reasoning‑Modell mit 35 Milliarden Parametern und einem Kontextfenster von 256 000 Token. In unabhängigen Blindtests schnitt es besser ab als Sonnet 4.6 und erreichte beim SWE Bench Pro das Niveau von Opus 4.6. Neben diesem Modell wurden weitere Varianten angekündigt: MAI‑Image‑2.5 (Text‑zu‑Bild), MAI‑Transcribe‑1.5 (Spracherkennung in 43 Sprachen), MAI‑Voice‑2 (15 zusätzliche Sprachen) und MAI‑Code‑1, das speziell für GitHub‑Copilot in VS Code optimiert ist.

    Die Verfügbarkeit dieser Modelle erfolgt zunächst in einer Private Preview über Microsoft Foundry, wobei eine breitere Distribution über Drittanbieter wie Fireworks AI, Baseten und Open Router geplant ist. Unternehmen, die ihre KI‑Lösungen streng innerhalb der eigenen Compliance‑Grenzen trainieren wollen, erhalten mit dem neuen Frontier Tuning‑Tool eine Möglichkeit, Modelle auf proprietäre Daten abzustimmen – ebenfalls momentan in der Private Preview.

    Der komplette Entwickler‑Stack – von Silizium bis Cloud

    Microsoft liefert nicht nur Software, sondern ein komplettes Hardware‑Ökosystem, das den Anspruch hat, Entwickler*innen die Wahl zwischen lokaler und cloud‑basierter KI‑Rechenleistung zu geben. Die Surface RTX Spark Dev Box, ausgestattet mit einer NVIDIA RTX Spark‑GPU, liefert bis zu einem Petaflop an KI‑Rechenleistung, 128 GB Unified Memory und unterstützt lokale Sprachmodelle mit bis zu 120 Milliarden Parametern und einem Kontext von einer Million Token – alles ohne externe GPU‑Instanzen. Vorinstalliert sind WSL 2, CUDA‑Support, Visual Studio Code und GitHub Copilot.

    Auf Betriebssystemebene führt Microsoft die Microsoft Execution Containers (MXC) ein, die in der Preview‑Phase sind und Sandbox‑Umgebungen für Agenten direkt auf OS‑Ebene isolieren. In Kombination mit OpenShell von NVIDIA ermöglicht dies Policy‑Management, Inference‑Routing und PII‑Obfuskation für autonome Agenten.

    Die GitHub Copilot‑App erweitert die agentenbasierte Entwicklung auf den Desktop. Entwickler*innen können mehrere Agentensitzungen parallel in separaten Git‑Worktrees steuern und den gesamten Änderungs‑Workflow – Review, CI, Merge – innerhalb einer einheitlichen Oberfläche abwickeln. Projekt Rayfin, ebenfalls in der Preview, schließt die Lücke zwischen Prototyp und Produktion, indem es Microsoft Fabric um einen verwalteten Backend‑as‑a‑Service erweitert, der über GitHub‑Workflows definiert wird. Eine Integration mit Replit beschleunigt die unternehmensweite Bereitstellung.

    Für datenintensive Anwendungen kündigte Microsoft Azure HorizonDB an, einen vollständig verwalteten PostgreSQL‑Dienst, der laut eigenen Angaben den dreifachen Durchsatz gegenüber selbstverwalteten Setups liefert. Sicherheit und Governance werden durch das neue Agent 365 gebündelt, das Entra, Defender und Purview zu einer einheitlichen Steuerungsebene zusammenführt und Agenten unabhängig von deren Hosting‑Ort überwacht.

    Forschung, Wissenschaft und ein Blick auf Quantencomputing

    Ein weiteres Anwendungsfeld der Plattform ist die Forschung. Microsoft Discovery, die KI‑Plattform für wissenschaftliche Workflows auf Azure‑Basis, ist seit kurzem allgemein verfügbar und wird bereits von Unternehmen wie BHP, Syensqo und GSK in Bereichen wie Kupferauslaugung, Halbleiterforschung und Wirkstoffentwicklung eingesetzt. Für die breitere wissenschaftliche Community stellt Microsoft eine kostenlose lokale Discovery‑App in der Vorschau bereit – ein reines GitHub Copilot‑Konto genügt für den Zugriff.

    Abschließend wirft Microsoft einen Blick auf das Quantencomputing. Der neue Chip Majorana 2 erreicht eine durchschnittliche Qubit‑Lebensdauer von 20 Sekunden und eine tausendfach höhere Zuverlässigkeit gegenüber der Vorgängergeneration. Das langfristige Ziel ist ein Chip mit einer Million Qubits in Handflächengröße und skalierbare Quantencomputer bis 2029, unterstützt durch agentenbasierte KI‑Methoden.

    Der klare Trend, den die Build 2026 offenbart, ist die Verlagerung von generischen KI‑Dienstleistungen hin zu stark kontextualisierten, unternehmenseigenen Lösungen. Für Entwickler*innen bedeutet das nicht nur mehr Macht, sondern auch mehr Verantwortung: Sie müssen die richtige Balance zwischen Modellwahl, Datenschutz und geschäftlichem Nutzen finden. In einer Zeit, in der Entwickler im Mittelpunkt des KI‑Zeitalters stehen, könnte diese neue Plattform den entscheidenden Unterschied für Unternehmen ausmachen, die KI nicht nur nutzen, sondern aktiv mitgestalten wollen.

  • Agentische KI: Markt wächst von 8,5 auf 28 Mrd. Euro bis 2031

    Agentische KI: Markt wächst von 8,5 auf 28 Mrd. Euro bis 2031

    LGR Reutlingen – 02 Juni 2026 | Der Agentische KI Markt wchst von 8,5 auf 28 Milliarden Euro bis 2031 und damit eröffnet ein neues Kapitel für Unternehmen, die ihre Prozesse mit autonomen Software‑Agenten automatisieren wollen. Am 1. Juni präsentierten führende Technologiekonzerne eine Reihe von Produkten, die Bürotätigkeiten und die Softwareentwicklung grundlegend verändern sollen. Analysten von CNBC schätzen das Volumen für das laufende Jahr auf rund 8,5 Mrd. Euro und projizieren ein fast dreifaches Wachstum bis zum Jahr 2031.

    Agentische KI Markt wchst von 8,5 auf 28 Milliarden Euro bis 2031

    Der Trend wird vor allem von Unternehmen getrieben, die ihre internen Abläufe digitalisieren und gleichzeitig die Produktivität ihrer Entwicklerteams steigern wollen. Zoom, der Videokonferenz‑Pionier, hat mit ZoomMate eine Plattform eingeführt, die Meeting‑Aufzeichnungen automatisch in fertige Arbeitsergebnisse umwandelt. Die Plattform greift nicht nur auf interne Daten zu, sondern integriert externe Systeme wie Salesforce, ServiceNow und Workday, sodass Aufgaben über mehrere Anwendungen hinweg ausgeführt werden können.

    Ein weiteres Beispiel ist Anthropic, das mit seinem Claude‑Code‑Tool dynamische Workflows anbietet. Dort koordinieren mehrere KI‑Agenten komplexe Vorgänge wie Systemmigrationen oder Sicherheits‑Audits. Parallel dazu hat Elon Musks xAI das Modell Grok Build 0.1 für Entwickler geöffnet. Mit einem Kontextfenster von 256 000 Token und einem Preis von etwa 0,90 Euro pro Million Input‑Token positioniert sich das Angebot im unteren Preissegment, richtet sich jedoch an technisch versierte Nutzer.

    OpenAI erweitert sein Portfolio über die Amazon Web Services (AWS) und stellt GPT‑5.5 sowie Codex als API‑Dienste bereit. Große Kunden wie Amgen und Autodesk erhalten dadurch Zugriff zu Herstellerpreisen, was die Marktdurchdringung weiter beschleunigt. JetBrains hat mit Mellum2 eine Open‑Source‑Alternative geschaffen, die Entwicklern, die nicht auf Claude Code setzen wollen, ein kostenloses Toolkit bietet.

    Der Wettbewerb um die KI‑gestützte Programmierung wird im Juni noch intensiver, wenn Google auf seiner I/O‑Konferenz das Antigravity 2.0‑System vorstellt. Das neue System soll eine spezialisierte Agentenverwaltung und Live‑Sprachtranskription ermöglichen. Microsoft plant auf der Build‑Konferenz ein eigenes Codier‑Modell, das speziell für die Integration in Azure‑Dienste entwickelt wird.

    Alle diese Entwicklungen tragen zu dem rasanten Wachstum des Agenten‑Marktes bei. Branchenanalysten von D.A. Davidson warnen jedoch, dass Unternehmen, die nicht jetzt in agentische KI investieren, künftig im Wettbewerb zurückfallen könnten. Die großen Plattformen kämpfen bereits um die Gunst der Entwickler von morgen, und die Auswahl des richtigen Technologie‑Stacks wird zu einem entscheidenden Wettbewerbsfaktor.

    Ein weiterer Treiber ist die zunehmende Nachfrage nach Automatisierung im Kunden‑ und Vertriebsmanagement. Unternehmen setzen agentische Systeme ein, um wiederkehrende Anfragen zu beantworten, Leads zu qualifizieren und personalisierte Angebote in Echtzeit zu generieren. Die Integration in bestehende CRM‑Lösungen ermöglicht es, Daten aus verschiedensten Quellen zu bündeln und automatisch Handlungs‑empfehlungen abzuleiten.

    Die Preisgestaltung für Endanwender bleibt zunächst moderat. ZoomMate kostet in Nordamerika etwa 18 Euro pro Nutzer und Monat, mit Plänen für die Expansion nach Europa und in den asiatisch‑pazifischen Raum. Die AI‑Productivity‑Suite, die Tools wie Canvas, Slides, Sheets und Paper umfasst, ist entweder im ZoomMate‑Abonnement enthalten oder als separates Add‑on für rund 9 Euro pro Nutzer verfügbar.

    Die finanziellen Ergebnisse von Zoom im vierten Quartal 2026 belegen den Trend: Der Umsatz stieg um 5,3 % auf rund 1,15 Mrd. Euro, und jeder der zehn größten Deals beinhaltete kostenpflichtige KI‑Funktionen. Die monatlich aktiven Nutzer des KI‑Begleiters haben sich im Jahresvergleich mehr als verdreifacht, ein deutliches Signal für die wachsende Akzeptanz.

    Doch nicht nur große Unternehmen profitieren. Für Privatanwender und Einsteiger gibt es kostenlose Ratgeber, die zeigen, wie KI‑Tools wie ChatGPT ohne Vorkenntnisse im Alltag genutzt werden können. Solche Angebote senken die Eintrittsbarriere und beschleunigen die Verbreitung der Technologie im gesamten Wirtschaftsklima.

    Ein besonders beeindruckendes technisches Highlight ist das MiniMax M3‑Modell, das mit einer „sparse attention“-Architektur ein Kontextfenster von einer Million Token ermöglicht. Laut Hersteller übertrifft das M3 sowohl GPT‑5.5 als auch Googles Gemini 3.1 Pro im SWE‑Bench‑Pro‑Test mit 59,0 % und erzielt dank optimierter CUDA‑Kerne eine 9,4‑fache Beschleunigung bei der Verarbeitung.

    Die Skalierbarkeit solcher Modelle ist ein Schlüsselfaktor für den breiten Einsatz in Unternehmen. Während bisherige KI‑Agenten häufig auf eng abgegrenzte Aufgaben beschränkt waren, ermöglichen die neuen Kontextgrößen und Token‑Preise eine tiefere Integration in Geschäftsprozesse, von der automatisierten Berichtserstellung bis zur dynamischen Preisgestaltung.

    Regulatorisch stehen die Unternehmen jedoch vor neuen Herausforderungen. Die Europäische Union arbeitet an einem KI‑Gesetz, das Transparenz‑ und Sicherheitsanforderungen für autonome Systeme definiert. Für Anbieter bedeutet das, ihre Agenten‑Frameworks nachweislich auditierbar zu machen und klare Verantwortungs‑ und Haftungsmodelle zu etablieren.

    Die Investitionen in Forschung und Entwicklung steigen ebenfalls. Venture‑Capital‑Fonds haben im vergangenen Jahr über 2 Mrd. Euro in agentische KI‑Start‑ups investiert, wobei ein erheblicher Teil in Unternehmen fließt, die sich auf sichere, erklärbare KI konzentrieren. Diese Entwicklung unterstützt das langfristige Ziel, das Vertrauen von Unternehmen und Verbrauchern in autonome Systeme zu stärken.</n

    Ein Blick auf die Zukunft zeigt, dass die Kombination aus leistungsfähigen Modellen, günstigen Cloud‑Preisen und wachsendem regulatorischem Rahmen ein Umfeld schafft, in dem der Agentische KI Markt wchst von 8,5 auf 28 Milliarden Euro bis 2031 nicht nur ein Prognosewert, sondern ein realistisches Szenario ist.

    Unternehmen, die frühzeitig auf agentische KI setzen, können nicht nur Kosten senken, sondern auch neue Geschäftsmodelle erschließen – etwa durch AI‑gestützte Plattform‑as‑a‑Service‑Angebote oder durch die Monetarisierung von automatisierten Daten‑Insights. Diejenigen, die diesen Trend ignorieren, riskieren, in einer zunehmend automatisierten Wirtschaft marginalisiert zu werden.

    Abschließend lässt sich sagen, dass die nächsten fünf Jahre für die Branche entscheidend sein werden. Die Technologie entwickelt sich rasch, die Märkte reagieren, und die regulatorischen Rahmenbedingungen werden klarer. Wer die Entwicklungen aufmerksam verfolgt und flexibel reagiert, wird von dem prognostizierten Wachstum profitieren – ein klarer Hinweis darauf, dass der Agentische KI Markt wchst von 8,5 auf 28 Milliarden Euro bis 2031 ein Schlüsselfaktor für die digitale Transformation der Wirtschaft bleibt.

  • Claude „Mythos Preview“: KI-Modell entwickelt vollständige Exploit-Ketten für weit verbreitete Software

    Claude „Mythos Preview“: KI-Modell entwickelt vollständige Exploit-Ketten für weit verbreitete Software

    LGR Reutlingen – 30 Mai 2026 | Das KI-Modell Claude „Mythos Preview“ von Anthropic markiert einen signifikanten Fortschritt in der Entwicklung von Exploits für weit verbreitete Software. Im Gegensatz zu früheren Modellen kann Mythos Preview nicht nur komplexe Schwachstellen identifizieren, sondern diese auch in Exploit-Primitives umwandeln und zu vollständigen End-to-End-Angriffsketten zusammensetzen. Diese Fähigkeiten sind so ausgeprägt, dass Anthropic sich entschied, das Modell nicht allgemein zu veröffentlichen, sondern es im Rahmen des Project Glasswing gezielt einzuführen.

    Ein zentrales Problem in der Bewertung solcher Modelle war bisher die quantitative Messung ihrer Fähigkeiten. Traditionell wurden die Leistungen von Mythos Preview durch qualitative Tests erfasst, bei denen nach neuen Zero-Day-Schwachstellen gesucht und entsprechende Exploits entwickelt wurden. Diese Evaluierungen liefern wertvolle Einblicke, jedoch keine präzisen quantitativen Grundlagen. Um diesen Mangel zu beheben, wurden kürzlich zwei neue akademische Benchmarks entwickelt: ExploitBench und ExploitGym. Diese Benchmarks wurden in Zusammenarbeit mit verschiedenen Forschungsgruppen erstellt, um die Fähigkeiten von Mythos Preview zu testen.

    Ein herausragendes Beispiel für die Leistungsfähigkeit von Mythos Preview ist der ExploitBench, der von Seunghyun Lee und Prof. David Brumley von der Carnegie Mellon University in Kooperation mit Bugcrowd entwickelt wurde. Dieser Benchmark bewertet die Fähigkeit von Modellen, vollständige End-to-End-Exploits zu generieren, und konzentriert sich dabei auf die V8-Engine, die in zahlreichen Anwendungen wie Chrome und Node.js eingesetzt wird. Die V8-Sandbox schützt den Speicherbereich, in dem JavaScript-Objekte einer Webseite liegen, und verhindert, dass Fehler als Einfallstor für tiefere Eingriffe genutzt werden können.

    Die Ergebnisse von Mythos Preview sind beeindruckend. Während andere getestete Modelle die Schwachstellen zwar erreichen oder auslösen können, gelingt es nur Mythos Preview, aus der Sandbox auszubrechen und vollständige Kontrollflussübernahmen zu erreichen. Bei 21 von 41 untersuchten Schwachstellen konnte Mythos Preview eine vollständige Codeausführung erzielen, während kein anderes Modell dieses Ergebnis auch nur annähernd erreichte. Diese Fähigkeit hebt Mythos Preview deutlich von der Konkurrenz ab und könnte erhebliche Auswirkungen auf die Cybersicherheitslandschaft haben.

    In einer detaillierten Analyse eines spezifischen Exploit-Versuchs wurde deutlich, dass Mythos Preview einen nahezu deterministischen Exploit für die Schwachstelle CVE-2023-6702 entwickelte, während andere bekannte Varianten eher probabilistisch und schwer kontrollierbar waren. Diese Stabilität ist entscheidend für den praktischen Einsatz, da effektive Exploits oft nur einmalig eingesetzt werden können.

    Ein weiterer wichtiger Benchmark ist ExploitGym, der in Zusammenarbeit mit UC Berkeley, dem Max-Planck-Institut für Sicherheit und Datenschutz sowie anderen Institutionen entwickelt wurde. Dieser Benchmark wendet sein Bewertungsframework auf 898 bereits gepatchte Schwachstellen an und ermöglicht es, die Fähigkeiten von Mythos Preview in einem breiteren Kontext zu testen. Innerhalb von zwei Stunden konnte Mythos Preview bei 157 Aufgaben eine erfolgreiche Codeausführung erzielen, was die Leistungsfähigkeit des Modells unterstreicht. Im Vergleich dazu erzielte das vorherige Modell Claude Opus 4.6 nur 15 Erfolge über die vorgesehene Schwachstelle.

    Zusätzlich hat Anthropic den SCONE-bench entwickelt, um die Ausnutzung von Smart Contracts zu bewerten. In diesem Benchmark konnte Mythos Preview Smart Contracts im simulierten Wert von 35 Millionen US-Dollar ausnutzen. Dies stellt einen erheblichen Vorsprung gegenüber anderen getesteten Modellen dar und verdeutlicht die Fortschritte, die Mythos Preview in der Exploit-Entwicklung erzielt hat.

    Die Entwicklungen im Bereich der KI-gestützten Exploit-Entwicklung werfen bedeutende Fragen auf. Anthropic geht davon aus, dass die Fähigkeiten von Modellen wie Mythos Preview in den kommenden Monaten breiter verfügbar sein werden, was die Anforderungen an Cybersicherheitsmaßnahmen erhöhen wird. Je leistungsfähiger solche Modelle werden, desto wichtiger wird es, präzise Fähigkeitsprofile zu erstellen und qualitativ hochwertige Benchmarks zu entwickeln.

    Die Ergebnisse der Tests wurden am 22. Mai 2026 veröffentlicht und zeigen, dass Mythos Preview in der Lage ist, vollständige Exploit-Ketten für weit verbreitete Software zu entwickeln. Dies könnte weitreichende Folgen für die Cybersicherheitsbranche haben, da die Erstellung solcher Exploits zunehmend weniger Fachwissen erfordert und damit ein höheres Risiko für Unternehmen und Institutionen darstellt.