Microsoft hat in einem der sensibelsten Bereiche der künstlichen Intelligenz einen Schritt nach vorn gemacht: Cybersicherheit für realen Code. Das Unternehmen hat MAI-Cyber-1-Flash vorgestellt, sein erstes Cyber-Modell, das in MDASH integriert ist, eine Multi-Agenten-Plattform zur Identifizierung, Validierung und Behebung von Software-Schwachstellen. Das Versprechen dreht sich nicht nur um Rechenleistung, sondern auch um Effizienz: Spitzenleistung zu 50 % geringeren Kosten im Vergleich zur derzeit besten Konfiguration in MDASH.
Die Ankündigung zielt direkt auf ein Problem, das jedes Sicherheitsteam sofort erkennt: Auch Angreifer nutzen KI, die Menge des zu prüfenden Codes wächst unaufhörlich, und der alte Zyklus, gelegentlich zu scannen und später zu patchen, wirkt zunehmend ebenso bequem wie riskant. Was nützt es, eine Lücke zu finden, wenn der Prozess zu ihrer Schließung zu spät kommt? Genau dort will Microsoft dieses System positionieren, mit einer KI, die kontinuierlich auf komplexen Codebasen arbeiten kann.
Ein kompaktes Modell für Sicherheit, die nicht schläft
Der Kern von MAI-Cyber-1-Flash liegt darin, dass es nicht immer das größte Modell im Raum sein will, sondern das passendste für die meisten Aufgaben. Microsoft beschreibt es als kompaktes, stark auf Code und Sicherheit ausgerichtetes Modell, das aus der MAI-Thinking-1-Linie abgeleitet und intern mit hochwertigen Daten trainiert wurde. Seine Rolle innerhalb von MDASH besteht darin, bis zu 90 % der üblichen Arbeit zu übernehmen, während größere und teurere Modelle wie GPT-5.4 für jene 10 % besonders schwieriger Fälle reserviert bleiben.
Diese Lastverteilung ist interessanter, als sie auf den ersten Blick scheint. In der Cybersicherheit ist der Preis pro Token kein technisches Detail mehr, sondern wird zu einer operativen Grenze, wenn Bedrohungen dauerhaft analysiert werden müssen. Laut Microsoft erreicht die Kombination aus MDASH und MAI-Cyber-1-Flash 96 % in CyberGym, einem Benchmark, der auf das Schlussfolgern über große Codebasen zur Erkennung realer Schwachstellen ausgelegt ist, und liegt damit 12 Punkte vor Mythos. Außerdem heißt es, dass das System in dieser Bewertung auch vor Gemini und GPT liegt.
Die praktische Lesart ist ziemlich klar: Es geht nicht darum, das schwergewichtigste Modell auf alles loszulassen, als wäre jeder Schraube mit demselben Hammer beizukommen, sondern mehrere Modelle je nach Schwierigkeit der jeweiligen Aufgabe zu orchestrieren. Ganz im Stil der Copilot-Ära, nur mit weniger Demo-Glanz und mehr dem Eindruck eines SOC, das im Schichtbetrieb arbeitet.
MDASH, Perception und der Wert historischer Daten
MAI-Cyber-1-Flash kommt nicht als isoliertes Bauteil. Microsoft integriert es in MDASH, sein Multi-Agenten-System zur Identifizierung und Behebung von Schwachstellen, das von Sicherheitsspezialisten abgestimmt wurde und auf mehr als 100 Agenten basiert, die unterschiedliche führende Modelle nutzen. Die Aufgabe dieser Agenten besteht darin, Fehler zu finden, sie zu überprüfen und bei ihrer Behebung zu helfen, eine Kette, die in modernen Teams nicht mehr allein von punktuellen manuellen Prüfungen abhängen kann.
Das Unternehmen fasst seinen Ansatz in drei Säulen zusammen: Modell, Daten und Orchestrierungsumgebung. Das Modell liefert spezialisiertes Reasoning über Code; die Daten stammen aus Jahrzehnten des Aufbaus von Sicherheitssystemen sowie aus täglichen Signalen zu Identität, Endpunkten, Cloud und Netzwerk; und das Harness, MDASH, organisiert die Arbeit der Agenten, damit die Analyse nicht bei einer hübschen Warnmeldung stehen bleibt, die am Ende niemand abschließt. Microsoft nennt mehr als 100 Billionen Sicherheitssignale pro Tag und die operative Erfahrung von 1,6 Millionen Kunden, eine Größenordnung, die außerhalb der großen Cloud-Anbieter schwer zu replizieren ist.
Daneben erscheint Perception, ein neues System für agentische Sicherheit, das Agententeams für verschiedene Arbeitsabläufe innerhalb von MDASH bereitstellt. Sein Ziel ist es, Bedrohungsvektoren kontinuierlich zu überwachen, zu patchen und zu schließen, und Microsoft stellt in Aussicht, MAI-Cyber-1-Flash künftig auch für weitere Sicherheitsaufgaben jenseits von Software-Schwachstellen einzusetzen.
Sicherheit by Design und eine lernende Schleife
Der andere sensible Punkt der Ankündigung ist Vertrauen. Ein Modell, das Schwachstellen finden kann, braucht auch Grenzen, Kontrollen und eine sehr sorgfältige Einführung, denn niemand möchte, dass ein defensives Werkzeug am Ende zu sehr einem Schweizer Taschenmesser in den falschen Händen ähnelt. Microsoft erklärt, MAI-Cyber-1-Flash sei mit einer sicherheitszentrierten Kalibrierung entwickelt worden, einschließlich Bewertungen durch das AI Red Team des Unternehmens, automatisierter und von Experten geleiteter adversarial Tests sowie einer unabhängigen Bewertung durch Dritte.
Die Unternehmensschicht kommt über MDASH hinzu, mit rollenbasierten Kontrollen, Mandantenisolierung, Verschlüsselung, Auditierung und isolierten Ausführungsumgebungen ohne Internetzugang. Das sind weniger spektakuläre Details als eine Benchmark-Zahl, in Unternehmensumgebungen wiegen sie jedoch deutlich schwerer als jede Grafik mit bunten Balken. Das Versprechen lautet, Verteidigern starke Fähigkeiten bereitzustellen, ohne auf Governance, Kontrolle und Nachvollziehbarkeit zu verzichten.
Microsoft beschreibt Cybersicherheit außerdem als kontinuierliche Lernschleife. Jede Untersuchung, Warnung, Eindämmung, Blockierung oder jeder Patch liefert Signale darüber, was funktioniert hat und was nicht. Indem das Unternehmen Schwachstellen, Angriffe, Abwehrmaßnahmen und Ergebnisse miteinander verknüpft, will es Modelle speisen, die sich im Laufe der Zeit verbessern und als immer erfahrenere Verteidiger agieren. Der Ansatz passt zur neuen Realität: Wenn KI Angreifer beschleunigt, braucht die Verteidigung mehr als Patches nach Kalender.
