In den letzten Jahren hat die weit verbreitete Nutzung großer Sprachmodelle (LLM) in Unternehmen zugenommen; jedoch hat dies neue Möglichkeiten für Cyberkriminelle geschaffen. Prompt Injection ist eine Art von Angriff, die von böswilligen Akteuren durchgeführt wird, indem sie die Punkte angreifen, an denen LLMs Daten und Anweisungen nicht unterscheiden können. In der OWASP LLM Top 10 2025 Liste wurde Prompt Injection als die kritischste Schwachstelle mit dem Code LLM01 definiert. Dies resultiert aus der Tatsache, dass LLMs noch nicht zuverlässig Anweisungen von Daten unterscheiden können, und verdeutlicht die Schwere dieser Schwachstelle.

Was ist passiert?

Prompt Injection wurde von vielen unabhängigen Quellen als einer der effektivsten und häufigsten Angriffsvektoren in den Jahren 2025 und 2026 identifiziert. Der CrowdStrike Global Threat Report 2026 dokumentierte, dass solche Angriffe 2025 in über 90 Organisationen stattfanden und dass diese Angriffe zur Entwendung von Anmeldedaten und Kryptowährungen verwendet wurden. Beispiele aus der realen Welt zeigen, wie solche Schwachstellen in Systemen wie Slack AI ausgenutzt wurden.

Warum ist es wichtig?

Prompt Injection bedroht direkt die Sicherheit der LLM-Systeme, die von Unternehmen verwendet werden. Solche Angriffe können in kritischen Bereichen wie Kundenservice und Automatisierungssystemen zu unbefugten Handlungen, Datenlecks und Störungen interner Arbeitsabläufe führen. Insbesondere das Vertrauen in die automatisierten Strukturen von LLMs öffnet Cyberkriminellen Türen. Beispielsweise erhöht das Eindringen bösartiger Informationen über RAG (retrieval-augmented generation) Linien die Schwächen solcher Systeme. Akteure, die hochentwickelte Cyberangriffe durchführen, werden durch solche neuen Angriffstechniken raffinierter, was Unternehmen zwingt, ihre Sicherheitsstrategien zu überdenken.

AngriffstypBeschreibungBeispiel Fall
Prompt InjectionBöswillige Anweisungen, die vom Benutzer an das LLM gesendet werdenSlack AI Schwachstelle
ModelllenkungsmanipulationZielgerichtete Angriffe auf schwache ModelleMicrosoft 365 Copilot Angriff
GedächtnisvergiftungHinzufügen schädlicher Anweisungen zum Langzeitgedächtnis-

Zu den Maßnahmen, die gegen solche Angriffe ergriffen werden können, gehören die Einschränkung von Modellberechtigungen, die Segmentierung von unsicheren Inhalten und die Überwachung interner Abläufe. Unternehmen sollten LLMs nicht nur als leistungsstarke Werkzeuge, sondern auch als potenzielle Bedrohungen betrachten und ihre Sicherheitsstrategien stärken.

Was kommt als Nächstes?

In Zukunft wird die Sicherheit von LLM-basierten Systemen an Bedeutung gewinnen. Unternehmen müssen kontinuierlich aktuelle Sicherheitspraktiken verfolgen, um Benutzerdaten zu schützen und die Zuverlässigkeit automatisierter Systeme zu erhöhen. Angesichts der Evolution von Cyberbedrohungen sollten Organisationen auch ihre Erwartungen an LLMs neu bewerten und Strategien zur Behebung von Sicherheitslücken entwickeln.

Zusammenfassend lässt sich sagen, dass Prompt Injection als eine Schwachstelle hervorsticht, die die grundlegende Funktionsweise von KI-Systemen ausnutzt. Es ist von entscheidender Bedeutung, dass Unternehmen die Gewohnheit aufgeben, LLMs als vertrauenswürdige Entscheidungsträger zu betrachten, und beginnen, diese Systeme als potenzielle Bedrohungen zu bewerten.