Harness liefert KI‑Agenten zum Scannen, Triagieren und Patchen von Schwachstellen mit Maschinen­geschwindigkeit

Harness, das in San Francisco ansässige Unternehmen für Software‑Delivery‑Plattformen, hat am 19. August 2026 ein Paket von KI‑Sicherheitsagenten eingeführt — KI‑SAST, agentische Triagierung und Behebung, einen dedizierten Zero‑Day‑Agent und virtuelles Patchen — entwickelt, um die Lücke zwischen dem Finden einer Schwachstelle und dem Ausliefern eines Fixes von Wochen auf Stunden zu verkürzen.

Das Argument beruht auf einer Asymmetrie, die Verteidiger immer weiter verlieren. In Harness’ technischem Beitrag, der die Einführung detailliert, verweist das Unternehmen auf den Edgescan 2026 Vulnerability Statistics Report, der im Durchschnitt 55 Tage für die Behebung einer Schwachstelle angibt, gegenüber Angreifertimelines (erfasst vom Zero Day Clock), die die erste Ausnutzung bereits sechs Stunden nach Bekanntmachung erreichen können. Selbst nachdem ein Fix geschrieben wurde, zeigt der DORA‑Report 2025, dass der Zeitraum von Commit bis Produktion mehr als eine Woche beträgt. Verteidiger schließen ein Zeitfenster von Stunden mit einem Prozess, der Wochen dauert.

Frontier‑Modelle drücken nun auf beiden Seiten dieser Lücke. LLM‑basiertes Scannen liefert deutlich mehr Befunde als traditionelle statische Analyse — Partner im Anthropic‑Projekt Glasswing, das Sicherheitspartnern Zugriff auf das Claude‑Mythos‑Preview‑Modell zum Aufspüren von Schwachstellen in kritischer Software gewährt, sahen im Test etwa das Zehnfache an entdeckten Schwachstellen. Doch Sichtbarkeit ohne Verarbeitung bedeutet nur einen größeren Rückstand: Comcast, ein Glasswing‑Teilnehmer, stellte fest, dass 44 % seiner kritischen und hochkritischen LLM‑Befunde Fehlalarme waren und nur 36 % der kritischen sowie 33 % der hochkritischen Befunde als ausnutzbar bestätigt wurden.

“Wir befinden uns an einem Punkt, an dem dieselben KI‑Modelle, die unseren Kunden helfen, Software schneller auszuliefern, von Angreifern genutzt werden, um Schwachstellen schneller zu finden und auszunutzen”, sagte Rahul Sood, General Manager für Anwendungssicherheit bei Harness, in der Unternehmensankündigung. “Der einzige Weg, diese Lücke zu schließen, besteht darin, Sicherheit zu einem erstklassigen Bestandteil der Lieferpipeline zu machen.”

Was die Agenten tatsächlich tun

Die Scan‑Ebene teilt bewusst den Unterschied zwischen deterministischer und probabilistischer Analyse, eine bemerkenswerte Designentscheidung angesichts der aktuellen Begeisterung der Branche, LLMs auf Codebasen anzuwenden. Harness’ KI‑SAST kombiniert eine deterministische Datenfluss‑Engine mit einer KI‑Vertrauens‑Schicht, die jeden Befund als bestätigtes Risiko, potenzielles Risiko oder kontextuell sicher klassifiziert. Das eigene Benchmarking des Unternehmens gegenüber dem OWASP‑Java‑Korpus behauptet, dass die Schicht Fehlalarme um 79 % (von 454 auf 95) reduziert und die Präzision von 74 % auf 93 % erhöht hat, bei gleichzeitig 91 % Recall. Beim insecure direct object reference (einer Klasse von fehlerhafter Zugriffskontrolle, die durch Datenfluss‑Analyse strukturell nicht erkennbar ist, da kein fehlerhaftes Eingabe‑Muster vorliegt) gibt Harness an, 71 % Recall bei 99 % Präzision über ein Korpus von 390 Fällen in Go, Java und Python zu erreichen. Das sind vom Anbieter selbst gemeldete Benchmarks, aber das zugrundeliegende Argument ist stichhaltig: ein probabilistischer Scanner, der bei zweimaligem Scannen desselben Codes unterschiedliche Befunde liefert und pro Scan nach Token abrechnet, passt schlecht zu einer kontinuierlichen CI/CD‑Gate‑Strategie. Stattdessen positioniert Harness das LLM‑Scanning für einmalige Suchen und bietet LLM‑Scan‑Orchestrierung für Teams an, die ihre eigenen LLM‑Scanner nativ in der Pipeline betreiben wollen.

Im nachgelagerten Schritt priorisiert der Triage‑Agent Befunde, indem er CVSS, EPSS und Erreichbarkeits‑Analyse kombiniert: Harness verfolgt nun Aufrufpfade bis zur konkreten verwundbaren Funktion, sodass eine Abhängigkeit nur dann markiert wird, wenn genau diese Funktion erreichbar ist. Der Remediation‑Agent erstellt anschließend einen Fix, validiert ihn in der Pipeline, um fehlerhafte Builds zu vermeiden, und eröffnet einen von Menschen geprüften Pull‑Request. Entwickler behalten die Merge‑Berechtigung.

Der Zero‑Day‑Agent ist das Element, das direkt das Sechs‑Stunden‑Problem adressiert. Er überwacht neu veröffentlichte Zero‑Days, identifiziert jedes betroffene Artefakt und jede Pipeline in der Umgebung eines Kunden (die vom Unternehmen genannte Blast‑Radius‑Abbildung reduziert sich von Tagen auf Sekunden) und erzeugt einen validierten Fix, der zur Prüfung bereitsteht, wobei die Triage‑Warteschlange vollständig übersprungen wird. Virtuelles Patchen deckt das verbleibende Zeitfenster ab: wenn API‑Tests eine Schwachstelle entdecken, deployt Harness eine Schutzregel auf seiner Web‑Anwendungs‑ und API‑Schutzschicht ohne Code‑Änderungen, schützt die Produktion innerhalb von Minuten, während der permanente Fix geschrieben wird, und entfernt den Patch, sobald der Fix ausgerollt ist.

Alle sechs Fähigkeiten stehen jetzt innerhalb der Harness‑Plattform zur Verfügung, wobei die Remediation‑ und Zero‑Day‑Agenten auf der bestehenden Governance der Pipeline aufsetzen: Richtlinien‑Gates, Genehmigungen und die Kette der Verwahrung für jedes Artefakt.

Harness’ Aufbau zum agentischen AppSec

Die Einführung erweitert einen Sicherheitsbogen, der begann, als Harness im Februar 2025 mit dem API‑Sicherheitsunternehmen Traceable fusionierte, ein Deal, der den Mitbegründer von Traceable, Sanjay Nagaraj, die Leitung des Anwendungs‑Sicherheitsgeschäfts des kombinierten Unternehmens übertrug. Im Juli 2026 brachte das Unternehmen Agent DLC heraus, eine Governance‑Schicht für den KI‑Agent‑Entwicklungslebenszyklus: primitive Scans, ein KI‑Bill‑of‑Materials, Agenten‑Erkennung und eine KI‑Firewall, die Richtlinien gegen Prompt‑Injection und Werkzeug‑Missbrauch zur Laufzeit durchsetzt. Tage später erweiterte es seine Kong‑Partnerschaft, um KI‑Entdeckung und -Schutz in Kong’s AI Gateway zu integrieren und jedes Modell, jeden MCP‑Server und jedes Tool, das darüber geleitet wird, zu inventarisieren.

Unite.AI hat dieselbe Beschleunigung auf der Angriffsseite verfolgt, von Claude, der einen Cyber‑Benchmark in drei reale Intrusionen verwandelte bis zu IBMs Erkenntnis, dass KI bei einem von vier bösartigen Verstößen eine Rolle spielte, und auf der Verteidigungsseite, OpenAIs Daybreak‑Cyber‑Verteidigungs‑Modelle, die auf Amazon Bedrock landen. Harness’ Wette ist, dass die Fix‑Pipeline, nicht nur die Erkennung, der nächste Ort ist, an dem maschinelle Geschwindigkeit ankommen muss.

Ob Agenten, die ihre eigenen Fixes schreiben, das Vertrauen von Unternehmen gewinnen, wird von der Validierungs‑Hülle um sie herum abhängen, eine Lehre, die bestätigt wurde, als Copilot Autofix eine Shell‑Injection in Snowflakes CI/CD‑Pipeline auslöste. Harness’ Antwort ist architektonisch: Die Agenten schlagen vor, die Pipeline validiert und ein Mensch merged.