LLM- & KI-Pentest
Tiefgehender Sicherheitstest Ihrer KI-Anwendung — manuell und werkzeuggestützt.
- Prompt & Indirect Prompt Injection
- Jailbreaks & Guardrail-Bypass
- Sensitive Information / System-Prompt-Leak
- Insecure Output Handling
Prompt Injection, Excessive Agency, Tool-Missbrauch, Datenlecks: Klassische Pentests übersehen die Angriffsfläche moderner KI-Systeme — besonders bei Agenten, die eigenständig handeln. Ich teste LLMs, KI-Agenten und MCP-Server, wie echte Angreifer es tun — und baue verwundbare Agentensysteme selbst, um sie zu brechen.
Fünf Bausteine — von der offensiven Schwachstellensuche über agentische KI-Systeme bis zur Konformität nach EU AI Act.
Tiefgehender Sicherheitstest Ihrer KI-Anwendung — manuell und werkzeuggestützt.
Sicherheitstests für tool-nutzende KI-Agenten und Model-Context-Protocol-Server — wenn ein Agent handeln kann, lässt er sich kapern.
Adversariale Tests gegen LLMs, autonome Agenten und RAG-Pipelines unter realen Angriffsbedingungen.
Einordnung und Vorbereitung Ihrer KI-Projekte auf die regulatorischen Anforderungen.
Ich befähige Ihre Entwicklungs- und Security-Teams, KI-Bedrohungen selbst zu erkennen.
Die meisten Security-Dienstleister behandeln KI als Nebenthema. Mein Fokus liegt ausschließlich auf der Sicherheit von KI-Agenten, LLMs und MCP-Systemen — kombiniert mit klassischem Offensive-Security-Handwerk. Genau diese Tiefe brauchen Unternehmen, die KI produktiv einsetzen.
Verständliche Analysen zu Angriffen, Verteidigung und Regulierung.
Eigener MCP-Server, eigener Agenten-Host, 52 Messläufe. Ergebnis: Nicht das Modell wehrt den Angriff ab, sondern der Host — 7/10 gegen 0/10 bei identischer Nutzlast. Und eine Injektion braucht zweierlei: einen Auslöser, der eintritt, und einen Ton, der nicht auffällt. Drei von vier Zellen sind null. Labor zum Nachspielen auf GitHub.
Weiterlesen →Sieben Angriffe auf das Model Context Protocol, beschrieben vom BSI-Expertenkreis KI-Sicherheit — und der Befund, den erst die Prüfschwerpunkte verraten.
Weiterlesen →Vier von 802.000 Bytes einer Modelldatei geändert — und die Zugangskontrolle ist blind. Warum ein Backdoor im Modell jeden Qualitätstest übersteht.
Weiterlesen →HackTheBox-AI-Challenge: Ein Decision Tree autorisiert nur bei einem versteckten Pfad. Per Model Extraction lese ich seine Logik aus und rekonstruiere den „authorize"-Pfad.
Weiterlesen →Live-Demos zu Prompt Injection, LLM-Red-Teaming und Tool-Walkthroughs. Abonnieren und keine neue Schwachstellen-Analyse verpassen.
Kostenloses Erstgespräch — beschreiben Sie kurz Ihr KI-System, ich melde mich.