
Bewertung der realen Bedrohungslage durch KI-gestützte Botnetze in der OT-Sicherheit


Prayukth K V
Die Integration künstlicher Intelligenz in Botnetze und autonome Agenten droht das Haupthindernis für industrielle Cyberangriffe zu beseitigen: die Notwendigkeit manueller Analysen durch hochqualifizierte Experten zur Aufklärung und Störung maßgeschneiderter Operational Technology (OT)-Umgebungen.
Bevor wir uns dieser Bedrohung widmen, müssen wir jedoch die Grundannahme hinterfragen. Der Begriff „abtrünnige KI-Bots“ weckt vertraute Assoziationen an empfindungsfähige Maschinen, die ihre Programmierung durchbrechen, um Kritische Infrastrukturen anzugreifen. Dieses Narrativ ist technisch unzutreffend, lenkt von einer realistischen Bedrohungsmodellierung ab und bindet unnötig Ressourcen in der IT/OT-Sicherheit.
Die reale Bedrohung geht nicht von bewusster KI aus, sondern von KI-gestützten autonomen Angriffsnetzwerken (AI-Augmented Autonomous Attack Networks – A3Ns). Bedrohungsakteure operationalisieren maschinelles Lernen (ML) und Large Language Models (LLMs), um kognitive Aufgaben wie Aufklärung, Zielauswahl, Protokollanalyse und Evasion zu automatisieren. Dieser Beitrag analysiert die Entwicklung dieser Fähigkeiten, den aktuellen Stand der verifizierten Erkenntnisse und wie OT-Sicherheitsverantwortliche ihre Sicherheitsarchitekturen anpassen müssen.
Was sind „abtrünnige KI-Bots“?
Für ein präzises Threat Modeling muss zwischen grundlegend verschiedenen Angriffsmechanismen unterschieden werden:
Konventionelle Botnetze: Deterministische, stark skriptbasierte Netzwerke kompromittierter Systeme (z. B. Mirai, Mozi). Sie eignen sich für volumetrische DDoS-Angriffe oder breit gestreutes Credential Stuffing, erfordern für komplexe Angriffe jedoch menschliche Steuerung.
KI-gestützte Schadsoftware: Schadcode, der vor dem Einsatz von menschlichen Angreifern mithilfe lokaler oder Offline-LLMs geschrieben, optimiert oder verschleiert wird.
KI-fähige Botnetze: Command-and-Control (C2)-Infrastrukturen, die integrierte KI-Modelle nutzen, um Telemetriedaten kompromittierter Knotenpunkte schnell zu aggregieren, Netzwerkantworten zu analysieren und dynamisch kontextbezogene Steuerbefehle an das Botnetz zurückzugeben.
Autonome Agenten: In Zielnetzwerke eingeschleuste Schadsoftware, die ein leichtgewichtiges, lokales Modell ausführt und in der Lage ist, vordefinierte Entscheidungen (z. B. Zielauswahl, Ausführungszeitpunkt) autonom zu treffen – ohne Verbindung zum C2-Server.
Das grundlegend Neue ist nicht die Automatisierung – Schadsoftware agiert seit Jahrzehnten automatisiert –, sondern die kognitive Adaptionsfähigkeit. Ein herkömmliches Botnetz scheitert, wenn sich eine Netzwerktopologie unerwartet ändert; ein KI-gestütztes Botnetz kann die modifizierte Routing-Tabelle interpretieren und sein Vorgehen entsprechend anpassen.
Warum OT die Risikobewertung grundlegend verändert
In IT-Umgebungen führt der aggressive Scan eines Subnetzes durch ein Botnetz typischerweise zu einem Alarm oder kurzzeitigen Performance-Einbußen. In einer OT-Umgebung kann dasselbe Verhalten fatale Folgen haben.
Industrial Control Systems (ICS), darunter speicherprogrammierbare Steuerungen (PLC), Remote Terminal Units (RTUs) und sicherheitsgerichtete Steuerungen (SIS), gelten als besonders empfindlich gegenüber Netzwerkanomalien. Ein standardmäßiger IT-Ping-Sweep oder aggressive Netzwerk-Discovery-Tools können den Netzwerk-Stack älterer PLCs zum Absturz bringen, deren Verbindung zum Human-Machine Interface (HMI) trennen und einen gefährlichen Kontrollverlust (Loss of View oder Loss of Control) herbeiführen. (Aggressives Scannen und unkontrollierte Discovery-Aktivitäten können Legacy-Systeme oder unzureichend gehärtete OT-Komponenten destabilisieren, die Kommunikation beeinträchtigen oder betriebliche Alarme auslösen. Das Risiko hängt maßgeblich von der Komponente, der Protokollimplementierung und der Prozessumgebung ab.)
Zudem wurden industrielle Netzwerkprotokolle (Modbus, DNP3, CIP) historisch auf Prozessstabilität und Verfügbarkeit hin ausgelegt, nicht auf Informationssicherheit, und verfügen selten über native Authentifizierungsmechanismen. Gelingt einem Angreifer der Zugriff auf das OT-Netzwerk, benötigt er selten komplexe Zero-Day-Exploits: Es genügt, das jeweilige Protokoll zu beherrschen. Wenn KI es einem Botnetz ermöglicht, die Schnittstelle zwischen IT und OT effektiver zu überwinden, sinkt die technische Hürde für folgenschwere Manipulationen im industriellen Prozess drastisch.
Sobald ein Angreifer ausreichenden Netzwerkzugriff auf ein OT-Segment erlangt, ist für eine Ausnutzung nicht zwingend eine Zero-Day-Schwachstelle erforderlich. In Umgebungen, in denen Industrieprotokolle keine strikte Authentifizierung oder Autorisierung aufweisen, stellt die reine Kommunikationsfähigkeit mit einer Steuerung bereits eine erhebliche Bedrohung dar – vorausgesetzt, der Angreifer versteht das System und den Prozess.
Der Realitätsabgleich: Fähigkeiten vs. Nachweise
Bei der Bewertung des tatsächlichen Schadenspotenzials KI-fähiger Botnetze im OT-Umfeld muss strikt zwischen nachgewiesenen Fakten und theoretischen Modellen unterschieden werden.
Fähigkeit | Definition | Status |
LLM-gestützte Aufklärung | Einsatz von KI durch Angreifer zur schnellen Analyse umfangreicher technischer Dokumentationen und Herstellerhandbücher zur Identifikation von Angriffsflächen. | BESTÄTIGT |
Skalierte Protokollanalyse | Nutzung von KI in C2-Infrastrukturen zur Interpretation nicht standardisierter OT-Gerätekonfigurationen und Identifikation verwundbarer Steuerungen. | BERICHTET |
Adaptive Lateral Movement | Dynamische Anpassung der Ausbreitungstechniken durch Botnetze auf Basis von Host-Rückmeldungen und EDR-Reaktionen ohne menschliches Eingreifen. | IM ENTSTEHEN |
Autonome Zielauswahl in der OT | Isolierte Schadsoftware, die mittels integrierter Modelle kritische PLCs identifiziert und eigenständig schädigende Modbus/DNP3-Nutzlasten generiert. | PLAUSIBEL |
Zero-Day-Generierung | KI-gestützte Exploit-Entwicklung wird in freier Wildbahn beobachtet; die vollautonome Entdeckung und Echtzeit-Bewaffnung neuartiger Schwachstellen gegen proprietäre ICS-Firmware ist öffentlich nicht nachgewiesen. | SPEKULATIV |
Hinweis: Wenn Sicherheitsanbieter behaupten, ihr Produkt blockiere „autonome KI-Zero-Day-Generatoren“, adressieren sie eine derzeit rein hypothetische Bedrohung.
Drei realistische Bedrohungsszenarien
Szenario 1: KI-gestützte Asset-Erkennung und Zielerfassung
Dieses Szenario stellt die unmittelbarste und kurzfristig relevanteste Anwendung von KI durch Bedrohungsakteure dar.
Ein Angreifer kompromittiert das Unternehmens-IT-Netzwerk und exfiltriert tausende unstrukturierte Dateien, darunter Netzwerkpläne als PDF, PLC-Logikdateien und Wartungsprotokolle. Anstatt diese Daten manuell über Wochen auszuwerten, analysiert ein LLM das Repository binnen Minuten und erstellt einen detaillierten Plan der OT-Architektur des Ziels. Die KI identifiziert einen exponierten Jump Host, lokalisiert die IP-Adressen der Sicherheitssysteme und liefert dem menschlichen Operator ein präzises Zielpaket für den finalen Angriff.
Szenario 2: Adaptives Eindringen von der IT in die OT
Ein KI-fähiges Botnetz infiltriert das Netzwerk eines Tier-2-Zulieferers. Bei der lateralen Bewegung trifft es auf eine segmentierte Netzwerkarchitektur. Statt fest codierter Ausbreitungsskripte nutzt die C2-Infrastruktur ein Machine-Learning-Modell, um die Active-Directory-Konfiguration und den Netzwerkverkehr zu analysieren. Sie schließt autonom darauf, dass eine bestimmte Engineering Workstation temporären Zugriff über die Firewall in die OT-Zone besitzt. Das Botnetz drosselt seine Beaconing-Aktivitäten zur Umgehung von Verhaltensanalysen, wartet auf die Authentifizierung des Ingenieurs und nutzt die aktive Sitzung, um die IT/OT-Grenze zu überwinden.
Szenario 3: Koordinierte, skalierte Prozessstörung
Anfang 2024 manipulierte die Schadsoftware FrostyGoop Modbus TCP, um ein Fernwärmenetz in der Ukraine zu stören, was eine gezielte manuelle Vorbereitung erforderte. In diesem Szenario rüstet ein Angreifer ein weit verbreitetes IoT-Botnetz mit einem KI-Modul auf, das weltweit nach exponierten Modbus-Ports (502) sucht. Die KI analysiert eigenständig die Holding-Register zehntausender erreichbarer PLCs, ermittelt deren Funktion anhand von I/O-Mustern und setzt zeitgleich Write Multiple Registers-Befehle ab, um spezifische Prozessparameter (z. B. Schwellenwerte in der Wasseraufbereitung) in hunderten unabhängigen Anlagen simultan zu manipulieren.
FrostyGoop verdeutlicht einen entscheidenden, realen Aspekt: Schadsoftware benötigt nicht zwingend hochentwickelte Exploits, um OT-Systeme zu beeinträchtigen. Sobald ein Angreifer über das entsprechende Protokoll mit einer erreichbaren Steuerung kommunizieren kann, genügen einfache Manipulationen auf Protokollebene, um physische Auswirkungen hervorzurufen.
Künftige KI-gestützte Operationen könnten diese Fähigkeit theoretisch mit automatisierter Asset-Klassifizierung und skalierter Zielauswahl kombinieren. Für derartige Kampagnen gegen hunderte nicht verbundene OT-Anlagen existieren bislang jedoch keine öffentlich verifizierten Nachweise.
Konsequenzen für OT-Sicherheitsverantwortliche
Das Aufkommen adaptiver KI-Bedrohungen belegt eindeutig, dass traditionelle signaturbasierte Schutzmaßnahmen unzureichend sind. Wenn ein Botnetz seine Werkzeuge autonom anpassen und Angriffsmuster verschleiern kann, um sich im regulären Grundrauschen des Datenverkehrs zu verbergen, verlieren statische Indicators of Compromise (IOCs) innerhalb von Minuten ihre Gültigkeit.
Die Abwehr KI-gestützter Bedrohungen erfordert ein hochgradig kontextbezogenes OT-Netzwerk-Monitoring. Sicherheitsteams müssen den Fokus verlagern: Statt zu fragen: „Ist diese Datei als schadhaft bekannt?“, muss die Kernfrage lauten: „Entspricht es dem Normalbetrieb, wenn diese Engineering Workstation um 02:00 Uhr nachts ein Firmware-Update an diese PLC sendet?“
Gemeinsame Leitlinien von CISA, dem ACSC der ASD und internationalen Partnern vom Dezember 2025 empfehlen Push-basierte Architekturen, bei denen Betriebsdaten aus der OT exportiert werden, ohne externen KI-Systemen dauerhaften eingehenden Zugriff zu gewähren. Die Richtlinie fordert zudem die Beibehaltung menschlicher Kontrollinstanzen (Human-in-the-Loop) bei aktiven Steuerungsfunktionen durch KI in OT-Infrastrukturen.
Bedrohungsmodell: KI-gestützte OT-Kompromittierung
Zur Operationalisierung dieser Erkenntnisse sollten Sicherheitsteams das folgende Bedrohungsmodell anwenden:
Bedrohungsakteur: Staatlich gesteuert / Fortgeschrittene Cyberkriminalität (APTs)
↳ KI-Fähigkeit: Automatisierte Analyse proprietären Protokollverkehrs via C2-LLM
↳ Kompromittiertes Asset: Dual-homed Engineering Workstation
↳ Angriffspfad: Laterale Bewegung von der IT in die OT; unautorisierte Modbus-Schreibbefehle
↳ OT-Auswirkung: Prozessunterbrechung / Gefährdung der Betriebssicherheit
↳ Erkennungspotenzial: Abweichungen von der OT-Netzwerk-Baseline (Anomalieerkennung)
↳ Sicherheitsmaßnahme: Protokollbezogenes OT-Network Security Monitoring (NSM)
Empfohlene Maßnahmen für OT-Sicherheitsteams
Unternehmen, die sich ohne Reaktion auf Marketing-Hype fundiert gegen diese Bedrohung wappnen wollen, sollten in den nächsten 12 bis 24 Monaten folgende Maßnahmen priorisieren:
Governance-Strukturen etablieren, die Prozesse für Erkennung, Eindämmung und Incident Response verbindlich definieren.
Verteidigungsfähige Architekturen und Netztrennung durchsetzen: Sie können sich nicht darauf verlassen, ein KI-fähiges Botnetz erst nach dem Eindringen in die OT zu erkennen. Segmentieren Sie IT und OT strikt nach anerkannten Standards (z. B. Zonen und Conduits nach IEC 62443), erzwingen Sie Multi-Faktor-Authentifizierung (MFA) für alle Fernzugriffe und überwachen Sie sämtliche IT/OT-Übergänge lückenlos.
Protokollbezogene Verhaltensanalyse implementieren: Investieren Sie in OT-spezifische Network Detection and Response (NDR)-Systeme, die industrielle Protokolle (Modbus, DNP3, S7) tiefgehend analysieren. Eine präzise Baseline des Normalbetriebs ist zwingend erforderlich, um subtile Anomalien adaptiver Botnetze zu identifizieren.
Identitäts- und Zugriffsmanagement prüfen: KI eignet sich ideal zur Auswertung von Berechtigungsstrukturen, um den Weg des geringsten Widerstands zu finden. Beschränken Sie dauerhafte Privilegien, etablieren Sie Just-in-Time (JIT)-Zugriffe für Techniker und überwachen Sie Dienstkonten streng.
Aktuelle Compliance-Ressourcen nutzen: Stellen Sie sicher, dass Ihre Sicherheitsarchitektur den aktuellen regulatorischen Vorgaben (z. B. NIS-2, BSI IT-Sicherheitsgesetz / KRITIS) entspricht. Die OT-Sicherheitsleitfäden unter https://shieldworkz.com/regulatory-playbooks bieten eine fundierte Grundlage zur Ausrichtung technischer Maßnahmen an internationalen Standards.
OT-spezifische Incident-Response-Pläne entwickeln: Gelangt ein adaptives Botnetz in das Sicherheitsnetzwerk, greifen Standard-IT-Playbooks zu kurz. Etablieren und testen Sie Notfallkonzepte und Entscheidungsmatrizen, die Schichtleitern im Ernstfall eine sichere Trennung oder Notabschaltung physischer Prozesse erlauben.
KI-fähige Botnetze agieren nicht wie fiktive, eigenmächtige Schadprogramme. Sie sind hocheffiziente, präzise optimierte Weiterentwicklungen bekannter Bedrohungsmuster. Sie senken die Einstiegshürde für Angriffe auf industrielle Steuerungssysteme und verkürzen die Zeitspanne zwischen Erstkompromittierung der IT und Störung der OT. Durch den Fokus auf fundamentale OT-Sicherheitsprinzipien – wie Netzsegmentierung, kontinuierliche Anomalieerkennung und striktes Identitätsmanagement – können KRITIS-Betreiber und Industrieunternehmen sicherstellen, dass selbst hochadaptive Netzwerke die physischen Betriebsabläufe nicht gefährden.
Bewertungen nach IEC 62443, NIS-2, TS 50701 oder NERC CIP in unter einem Tag? Nutzen Sie das branchenweit führende OT-Security-Assessment-Tool. Ihre erste Bewertung ist vollständig kostenfrei.
Quellen- und Nachweisübersicht
Aussage / Erkenntnis | Nachweis | Quelle | Datum | Konfidenz |
KI-Modellen fehlt es an Nachvollziehbarkeit; LLMs dürfen nicht primär für sicherheitskritische Entscheidungen eingesetzt werden. | Gemeinsame Leitlinien von CISA und NCSC zu KI in der OT warnen aufgrund von Unvorhersehbarkeit explizit davor, sich bei der funktionalen Sicherheit auf LLMs zu stützen. | CISA | Dez. 2025 | BESTÄTIGT |
OT-Umgebungen müssen Push-Architekturen etablieren, um KI-Risiken zu minimieren. | CISA-Richtlinien empfehlen den rein ausgehenden Datenexport aus OT-Netzwerken, anstatt externen KI-Systemen dauerhaften eingehenden Zugriff zu gewähren. | CISA | Dez. 2025 | BESTÄTIGT |
Zero Trust in der OT erfordert den Umgang mit unvollständiger Sichtbarkeit aufgrund von Legacy-Systemen. | Die CISA-Zero-Trust-Roadmap für die OT konstatiert, dass proprietäre Protokolle und Segmentierungen die Inventarisierung verlangsamen; sie betont Anomalieerkennung gegenüber absolutem Zero Trust. | CISA / Industrial Cyber | Apr. 2026 | BESTÄTIGT |
Regulatorische Playbooks bieten Orientierung für zeitgemäße OT-Sicherheitsarchitekturen. | Dokumentierte Risikobewertungen und Compliance-Mapping-Frameworks für OT-Umgebungen. | Shieldworkz | Okt. 2026 | BESTÄTIGT |
KI generiert Zero-Day-Exploits gegen proprietäre ICS-Firmware vollautonom in Echtzeit. | Es existieren keine Sicherheitswarnungen, ICS-CERT-Meldungen oder verifizierten Herstellerberichte, die eine solche Fähigkeit an OT-Systemen in realen Umgebungen belegen. | Keine verifizierten öffentlichen Nachweise ermittelt. | – | SPEKULATIV |
Der potenzielle Vorteil von KI liegt nicht in der grundlegenden Anpassungsfähigkeit. Schadsoftware nutzt bereits seit Jahrzehnten bedingte Logik und Umgebungserkennung (Environmental Discovery). Der entscheidende Faktor ist vielmehr die Fähigkeit, heterogene Informationen zu interpretieren und komplexere Entscheidungen autonom zu treffen – ohne auf einen Operator angewiesen zu sein.
Wöchentlich erhalten
Ressourcen & Nachrichten
Erfahren Sie, wie unsere branchenführenden OT-Security-Lösungen kritische Sicherheitsherausforderungen gemäß KRITIS-Anforderungen bewältigen
Dies könnte Ihnen auch gefallen.

Manufacturing Ransomware Statistics 2026: Latest Data on Sectors, Groups and Attack Paths

Team Shieldworkz

SBOM for OT and ICS: What the Latest lwIP Advisories Teach Us About Component Visibility

Team Shieldworkz

OT Tabletop Exercise Scenarios for 2027: 5 Drills Built from Real Incidents

Team Shieldworkz

FERC genehmigt NERC CIP-015-2: Was sich für Ihr INSM-Programm ändert

Team Shieldworkz

Was der Cyberangriff auf Equinor über die Resilienz kritischer Energieinfrastrukturen offenbart

Prayukth K V

Cyber-Sicherheit für Kühlstellenregler: Das CISA/FBI-Advisory, die aktuellen Entwicklungen und eine Checkliste zur OT-Härtung in der Kühlkette

Team Shieldworkz

