Microsoft hat mit MAI-Cyber-1-Flash ein neues, hauseigenes Sicherheitsmodell vorgestellt, das in die Verteidigungsplattform MDASH integriert wird. Laut Unternehmensangaben soll die Kombination Leistungssteigerungen und Kosteneinsparungen liefern, die die Schwachstellensuche in Unternehmen grundlegend verändern könnten.
Microsoft steigt mit der Einführung von MAI-Cyber-1-Flash in das zunehmend umkämpfte Feld der KI-gestützten Cybersicherheit ein. Das kompakte Modell wurde speziell dafür entwickelt, Schwachstellen in komplexem Code zu identifizieren. Die Ankündigung, vorgestellt von den Microsoft-KI-Verantwortlichen Mustafa Suleyman und Hayete Gallot, positioniert das neue Modell als zentralen Baustein von MDASH, dem firmeneigenen Multi-Agenten-System zur Identifikation und Behebung von Schwachstellen.
Die Begründung für den Launch sei laut Microsoft einfach: Da KI die Kosten für das Auffinden von Softwarefehlern senkt, skalieren Angreifer ihre Aufklärungsaktivitäten schneller, als klassische, periodische Sicherheitsscans mithalten können. Das Unternehmen argumentiert, das herkömmliche Modell – gelegentlich scannen, irgendwann patchen – reiche nicht mehr aus. Verteidiger benötigten Modelle, die eigens für eine kontinuierliche, hochvolumige Schwachstellensuche konzipiert seien.
Benchmark-Angaben
Laut Unternehmensangaben erreichte das einheitliche MDASH-System, das MAI-Cyber-1-Flash mit dem größeren Modell GPT-5.4 kombiniert, eine Erfolgsquote von 95,95 Prozent im CyberGym-Benchmark, den Microsoft als Industriestandard zur Bewertung beschreibt, wie gut KI-Systeme in großen Codebasen reale Schwachstellen erkennen. Zum Vergleich nennt Microsoft vier nicht namentlich genannte konkurrierende Systeme, die im selben Test zwischen 83,2 und 85,6 Prozent erzielten. Zudem gibt das Unternehmen an, das kombinierte System übertreffe das Mythos-Modell von Anthropic im selben Test um 12 Prozentpunkte – eine unabhängige Überprüfung dieser Zahlen lag zum Zeitpunkt der Veröffentlichung nicht vor.
Gestaffelter Ansatz bei Kosten und Leistung
Kern des Angebots ist eine gestaffelte Architektur: MAI-Cyber-1-Flash soll bis zu 90 Prozent der Sicherheitsaufgaben effizient übernehmen und damit das teurere Modell GPT-5.4 für die verbleibenden 10 Prozent der Fälle freihalten, die tiefergehendes Schlussfolgern erfordern. Diese Arbeitsteilung führe laut Microsoft zu einer Kostensenkung von 50 Prozent gegenüber der bisherigen besten MDASH-Konfiguration, die auf einer Kombination aus GPT-5.4, GPT-5.4 mini und GPT-5.3 Codex beruhte.
Parallel zum neuen Modell startet Microsoft Perception, ein agentenbasiertes Sicherheitssystem aus Teams von KI-Agenten, die kontinuierlich neue Bedrohungsvektoren innerhalb von MDASH überwachen, patchen und schließen sollen. Laut Unternehmensangaben soll Perception künftig auch MAI-Cyber-1-Flash für ein breiteres Spektrum an Sicherheits-Workflows jenseits der Schwachstellenbehebung nutzen.
Modell, Daten, Harness
Microsoft strukturiert seinen Ansatz entlang dreier Säulen. Das Modell selbst, MAI-Cyber-1-Flash, wird als kompaktes, code-lastiges System beschrieben, das aus der MAI-Thinking-1-Modellfamilie abgeleitet und intern auf kuratierten Daten trainiert wurde. Bei den Daten verweist Microsoft auf einen nach eigener Einschätzung entscheidenden Vorteil: Jahrzehnte an Sicherheitstelemetrie, die nach Unternehmensangaben täglich Billionen von Signalen über Identität, Endgeräte, Cloud und Netzwerk liefert, ergänzt um eine Historie realer Exploits und Behebungen. Die dritte Säule, der MDASH-Harness selbst, umfasse Berichten zufolge mehr als 100 von Sicherheitsexperten abgestimmte Agenten, die Schwachstellen finden, validieren und beheben – und direkt in das neue Perception-System einfließen.
Sicherheits- und Governance-Maßnahmen
Microsoft zufolge durchlief MAI-Cyber-1-Flash als erstes eigenes Cyber-Modell des Konzerns während der Entwicklung eine sicherheitsorientierte Kalibrierung, einschließlich einer Bewertung durch das interne AI Red Team von Microsoft, automatisierter sowie expertengeführter Angriffstests und einer unabhängigen Prüfung durch Dritte. Beim Einsatz stellt MDASH Unternehmenskunden laut Microsoft rollenbasierte Zugriffskontrollen, Mandantentrennung, Verschlüsselung, Nachvollziehbarkeit sowie isolierte Ausführungsumgebungen ohne Internetzugang zur Verfügung.
Microsoft verweist zudem auf eine kontinuierliche Feedback-Schleife im Bereich Reinforcement Learning, die sich über die gesamte Sicherheitsorganisation erstreckt: Daten aus dem Microsoft Security Response Center, Angriffs- und Verteidigungstelemetrie über Identität, Endgeräte, Cloud, Daten, Browser und Anwendungen sowie nach Unternehmensangaben mehr als 100 Billionen Sicherheitssignale täglich über 1,6 Millionen Kunden hinweg. Diese Feedback-Schleife – die konkrete Maßnahmen mit messbaren Ergebnissen verknüpft – solle laut Microsoft die iterative Weiterentwicklung der Cyber-Modelle weiter vorantreiben.
Der Launch unterstreicht ein sich verschärfendes Wettrennen großer Technologieanbieter, spezialisierte KI-Modelle direkt in Sicherheitsoperationen einzubetten, während Unternehmen zunehmend unter Druck stehen, KI-gestützten Angriffen mit ebenso schnellen, automatisierten Abwehrmaßnahmen zu begegnen.
Dr. Jakob Jung ist Chefredakteur Security Storage und Channel Germany. Er ist seit mehr als 20 Jahren im IT-Journalismus tätig. Zu seinen beruflichen Stationen gehören Computer Reseller News, Heise Resale, Informationweek, Techtarget (Storage und Datacenter) sowie ChannelBiz. Darüber hinaus ist er für zahlreiche IT-Publikationen freiberuflich tätig, darunter Computerwoche, Channelpartner, IT-Business, Storage-Insider und ZDnet. Seine Themenschwerpunkte sind Channel, Storage, Security, Datacenter, ERP und CRM.
Kontakt – Contact via Mail: jakob.jung@security-storage-und-channel-germany.de