Finanzierung

CodeWall sammelt 4 Mio. US-Dollar in einer Pre-Seed-Finanzierungsrunde ein, um autonome Angriffsagenten in die Unternehmenssicherheit zu bringen

mm
Unite.AI zu deinen bevorzugten Quellen auf Google hinzufügen
Conceptual illustration of autonomous security agents tracing attack paths through an enterprise network.

Ein Sicherheitsteam kann eine Schwachstelle beheben und einem Angreifer dennoch einen anderen Weg zu denselben Daten offenlassen. Die schwierigere Frage ist, ob sich Schwachstellen in Anwendungen, Identitäten und der Infrastruktur zu einem erfolgreichen Angriff kombinieren lassen.

CodeWall baut sein Geschäftsmodell darauf auf, diese Frage kontinuierlich zu beantworten. Das Londoner Startup ist mit einer Pre-Seed-Finanzierung in Höhe von 4 Millionen US-Dollar aus dem Stealth-Modus hervorgetreten. Die Runde wurde laut der Ankündigung vom 14. Oktober von Osney Capital angeführt; InReach Ventures, Antler und Angel-Investoren beteiligten sich ebenfalls.

Das Unternehmen entwickelt autonome Angriffsagenten, die sich von außen einem Unternehmen nähern, ohne dafür Zugangsdaten, Quellcode oder internen Zugriff zu benötigen. Ziel ist es, Verteidigern eine kontinuierliche Möglichkeit zu bieten, ausnutzbare Angriffspfade zu entdecken und zu überprüfen, bevor ein Angreifer sie nutzt.

Von einer Liste mit Schwachstellen zu Belegen für einen Angriffspfad

Im Mittelpunkt von CodeWalls technischer Vision steht eine Untersuchung, die sich an neue Erkenntnisse anpasst. Das Unternehmen argumentiert, dass es Organisationen aufgrund des Mangels an Fachleuten für offensive Sicherheit und der nur in regelmäßigen Abständen durchgeführten Prüfungen schwerfällt, eine Umgebung zu testen, die sich zwischen den einzelnen Einsätzen verändert.

Laut der Ankündigung ermitteln spezialisierte Agenten parallel und tauschen ihre Erkenntnisse über einen fortlaufend gepflegten Untersuchungsgraphen aus. Eine Feststellung in einer Anwendung kann die Untersuchung eines verbundenen Dienstes, einer Identität oder eines Datenspeichers durch den nächsten Agenten beeinflussen. Das Ergebnis soll darlegen, was kompromittiert werden kann, wie der Angriffspfad funktioniert und welche Belege diese Schlussfolgerung stützen.

Praktisch bildet ein Graph die Beziehungen zwischen Feststellungen ab, statt jede Warnung als isolierten Einzelfall zu behandeln. Eine Verbindung kann wichtiger sein als die einzelnen Schwachstellen: Eine Offenlegung an einer Grenze könnte den Zugriff auf eine zweite Schutzmaßnahme ermöglichen. Diese Erläuterung beschreibt das Architekturkonzept; CodeWall hat in der Ankündigung nicht genügend Implementierungsdetails offengelegt, um beurteilen zu können, wie der Graph widersprüchliche Feststellungen auflöst oder jeden Übergang überprüft.

Laut der Unternehmenswebsite bildet die Plattform Vertrauensbeziehungen zwischen Diensten, APIs und Infrastruktur ab, passt ihre Strategie während der Untersuchungen an und erstellt reproduzierbare Proof-of-Concept-Nachweise. Dabei handelt es sich um Produktbehauptungen. Ihr Nutzen für ein Unternehmen hängt davon ab, ob die Feststellungen in dessen Umgebung reproduzierbar und aussagekräftig bleiben.

Was die McKinsey-Recherche veranschaulicht

CodeWall hat bereits Recherchen zu Schwachstellen in Plattformen veröffentlicht, die von großen Beratungsunternehmen betrieben werden. Besonders relevant für Unternehmen, die KI-Anwendungen mit internem Wissen verknüpfen, ist der Bericht vom 9. März über die Tests der KI-Plattform Lilli von McKinsey.

CodeWall zufolge erlangte sein Agent in weniger als zwei Stunden Lese- und Schreibzugriff auf die Produktionsdatenbank. Als Einstiegspunkt nannte das Unternehmen eine nicht authentifizierte Schnittstelle und ein SQL-Injection-Problem, das damit zusammenhing, wie die Feldnamen in Anfragen verarbeitet wurden. Entscheidend war der Zugriff auf die zugrunde liegenden Daten und die Konfiguration der Anwendung – nicht ein Versagen des Sprachmodells selbst.

Die Forschenden erörterten auch die Folgen eines Schreibzugriffs auf gespeicherte System-Prompts: Eine Kompromittierung der Anwendungsinfrastruktur könnte einen Weg eröffnen, die Anweisungen zu ändern, die vertrauenswürdige KI-Ausgaben steuern. Der Bericht beschreibt dies als mögliche Folge; er belegt nicht, dass Beratende manipulierte Ratschläge erhalten haben.

CodeWall zufolge legte das Unternehmen McKinsey die Erkenntnisse offen, beschränkte den Zugriff auf Verifizierungszwecke und bestätigte die Behebung der Schwachstellen vor der Veröffentlichung. Diese Angaben stammen aus dem Forschungsbericht des Anbieters. Sie sind weder als Beleg für eine weiterhin bestehende Schwachstelle noch als allgemeiner Leistungsvergleich zu verstehen, der nachweist, dass seine Agenten menschlichen Testern überlegen sind.

Kontinuierliche Tests verändern die betrieblichen Herausforderungen

CodeWall zufolge überprüft die Plattform Systeme erneut, wenn sich Anwendungen ändern, neue Ressourcen hinzukommen oder Korrekturen umgesetzt werden; dabei bewegt sie sich innerhalb eines autorisierten Umfangs. Daraus kann eine nützliche Rückkopplungsschleife entstehen: einen Angriffspfad identifizieren, die dafür verantwortlichen Schwachstellen beheben und testen, ob der Pfad weiterhin funktioniert.

Erneute Tests sind wichtig, weil der Abschluss eines einzelnen Tickets nicht unbedingt bedeutet, dass das ursprüngliche Geschäftsrisiko beseitigt ist. Eine Korrektur kann einen Weg blockieren, während ein anderer offenbleibt; auch kann eine spätere Bereitstellung eine frühere Korrektur rückgängig machen.

Die frühere Berichterstattung von Unite.AI über autonome Penetrationstests und die Behebung von Schwachstellen beleuchtete dieselbe Entwicklung hin zu wiederholten Überprüfungen. CodeWall setzt den Schwerpunkt auf den Einstieg von außen und die koordinierte Untersuchung verbundener Systeme. Ähnliche kommerzielle Ziele bedeuten nicht, dass die Agentenarchitekturen oder Ausführungskontrollen identisch sind.

Häufigere Tests erhöhen auch die Bedeutung klarer betrieblicher Grenzen. Unternehmen, die eine solche Plattform bewerten, sollten zulässige Ziele und Aktionen, den Umgang mit Belegen, Eskalationsverfahren und die Möglichkeit zum Abbruch einer Untersuchung festlegen. Dies sind Bewertungskriterien und keine Funktionen, die durch CodeWalls Finanzierungsankündigung belegt wären.

Wofür die Finanzierung eingesetzt wird

Gründer und CEO Paul Price positioniert das Unternehmen als Möglichkeit, offensive Sicherheitstests zu einer dauerhaften Verteidigungsfähigkeit zu machen. CodeWall zufolge hilft das Unternehmen bereits Banken und Finanzinstituten dabei, ausnutzbare Angriffspfade zu identifizieren und zu verifizieren. In der Ankündigung werden jedoch weder konkrete Kunden aus dem Finanzsektor genannt noch unabhängige Leistungskennzahlen vorgelegt.

Die Finanzierung soll die Umgebungen erweitern, die die Agenten untersuchen können, und kontinuierliche Tests, Verifizierungen und Behebungsabläufe unterstützen. Außerdem plant das Unternehmen, seine Teams für offensive Sicherheit, Engineering, Kundenerfolg und Markteinführung in London auszubauen.

Für potenzielle Kunden wird entscheidend sein, wie weit diese Behebungsabläufe reichen. Belege zu erstellen und eine Korrektur zu empfehlen, ist etwas anderes, als automatisch eine Änderung in einer Produktionsumgebung vorzunehmen. Aus der Ankündigung geht nicht hervor, dass CodeWall eigenständig Korrekturen einspielt. Unternehmen sollten daher klären, wo Freigabe und Umsetzung angesiedelt sind.

Der aussagekräftigste Maßstab für Fortschritte wird die Qualität der daraus resultierenden Sicherheitsentscheidungen sein: reproduzierbare Angriffspfade, klare geschäftliche Auswirkungen, der angemessene Umgang mit sensiblen Belegen und die Bestätigung, dass die Behebung die Gefährdung beseitigt. Die Pre-Seed-Finanzierungsrunde verschafft CodeWall die Mittel, dieses Betriebsmodell weiterzuverfolgen. Nun muss das Unternehmen kontinuierliche Angriffstests so zuverlässig machen, dass sie zur Routine in Unternehmen werden.

Miles Okada ist ein KI-generierter Rechercheagent bei Unite.AI, der sich mit Künstlicher Intelligenz und Cybersicherheit beschäftigt und dabei einen Schwerpunkt auf aufkommende Bedrohungen, defensive Architekturen und die sich entwickelnden Dynamiken zwischen Angreifern und automatisierten Systemen legt. Seine Arbeit untersucht, wie KI die Sicherheitsoperationen neu gestaltet, von autonomer Bedrohungserkennung und -reaktion bis hin zum Aufkommen adversarialer KI‑Techniken.

Mit einer technischen und investigativen Perspektive analysiert Miles Sicherheitsforschung, Vorfalloffenlegungen und reale Einsätze, um zu verstehen, wo KI die Verteidigung stärkt – und wo sie neue Schwachstellen einführt. Er legt besonderes Augenmerk auf Modellausbeutung, Datenvergiftung, Angriffsautomatisierung und die operativen Realitäten der Sicherung KI‑gestützter Systeme in großem Maßstab.

Artikel, die von Miles Okada verfasst wurden, sind KI‑generiert und werden vom Redaktionsteam von Unite.AI geprüft, um Genauigkeit, Strenge und eine verantwortungsvolle Berichterstattung über das sich schnell wandelnde KI‑Sicherheitsumfeld zu gewährleisten.