Direkte Antwort: In seinem GenAI Code Security Report 2025 berichtete Veracode, dass 45 % der KI-generierten Codeproben Sicherheitsmängel einführten – nur 55 % waren sicher – und dass sich diese Quote nicht verbessert hat, obwohl die Modelle größer wurden. Java schnitt am schlechtesten ab (29 % sicher), Python am besten (62 %). Die Lehre ist nicht, KI aufzugeben. Sie lautet: KI-generierter Code muss dieselbe Sicherheitsprüfung und dasselbe Review durchlaufen wie jeder andere Code, denn Generierungstempo ist nicht gleich Sicherheit.
KI-Coding-Werkzeuge sind mittlerweile nahezu allgegenwärtig – die von Veracode zitierte GitHub-Entwicklerumfrage 2024 berichtet, dass 97 % der Entwickler sie bereits genutzt haben. Das macht eine Frage dringlich: Ist der Code, den sie produzieren, sicher genug, um ihm standardmäßig zu vertrauen? Veracodes Studie gibt eine unbequeme, aber nützliche Antwort.
Was Veracode gemessen hat
Veracodes Analyse von 2025 umfasste über 100 große Sprachmodelle, 80 Coding-Aufgaben, vier Programmiersprachen und vier häufige Schwachstellentypen. Das zentrale Ergebnis: Nur 55 % des KI-generierten Codes waren sicher, das heißt 45 % führten einen bekannten Sicherheitsmangel ein.
Zwei Befunde verdienen besondere Beachtung. Erstens konzentriert sich die Unsicherheit nicht auf alte, schwache Modelle – laut Veracode blieb die Sicherheits-Bestehensquote weitgehend konstant, selbst als die Modelle deutlich besser darin wurden, syntaktisch korrekten Code zu erzeugen. Größer und neuer bedeutete nicht sicherer. Zweitens variiert das Risiko stark nach Sprache und Schwachstellenklasse.
| Sprache | Berichtete Sicherheits-Bestehensquote |
|---|---|
| Python | 62 % |
| JavaScript | 57 % |
| C# | 55 % |
| Java | 29 % |
Nach Schwachstellentyp berichtete Veracode, dass Modelle SQL injection meist annehmbar handhabten (etwa 80 % sicher), aber bei Cross-Site-Scripting (XSS) und log injection stark strauchelten und in der großen Mehrheit der Fälle unsicheren Code erzeugten.
Warum sich KI gerade bei Sicherheit schwertut
Der Report führt die Lücke auf drei strukturelle Ursachen zurück, und es lohnt sich, sie zu verstehen, weil sie sich nicht durch ein größeres Modell allein beheben lassen:
- Verunreinigte Trainingsdaten. Modelle lernen aus öffentlichem Code, der sowohl sichere als auch unsichere Muster enthält – beide wirken damit „normal“.
- Fehlender Sicherheitskontext. Ein Modell, das eine Funktion generiert, kennt selten die Vertrauensgrenzen der Anwendung und produziert deshalb Code, der funktioniert, aber Schutzmaßnahmen auslässt.
- Begrenztes Datenfluss-Reasoning. Zu entscheiden, ob eine Variable nicht vertrauenswürdige Eingaben enthält, erfordert eine Analyse, die aktuelle Modelle nicht zuverlässig leisten.
Funktional korrekt und sicher sind unterschiedliche Ziele, und die heutigen Modelle optimieren auf das erste.
Was aus den 45 % nicht folgt
Eine markante Statistik lädt zur Überreaktion ein. Um die Zahl ehrlich zu halten:
- Sie bedeutet nicht, dass 45 % des mit KI geschriebenen Produktivcodes ausnutzbar sind; es handelt sich um einen kontrollierten Test über bestimmte Aufgaben und Schwachstellentypen.
- Sie bedeutet nicht, dass ein einzelnes Werkzeug zu 45 % unsicher ist; die Ergebnisse variieren nach Modell, Prompt und Sprache.
- Sie bedeutet nicht, dass von Menschen geschriebener Code fehlerfrei ist; sie bedeutet, dass KI die Notwendigkeit eines Sicherheits-Reviews nicht beseitigt.
- Es ist Anbieterforschung eines Unternehmens für Anwendungssicherheit. Die Methodik ist plausibel und die Richtung deckt sich mit anderen Studien, doch die genaue Zahl ist spezifisch für Veracodes Testaufbau.
Die haltbare Lesart ist richtungsweisend und deutlich: Ein großer Anteil des KI-generierten Codes enthält Sicherheitsmängel, und dieser Anteil schrumpft nicht von allein.
Was Engineering-Teams tun sollten
Nichts davon spricht gegen KI-Unterstützung. Es spricht dafür, KI-Ausgaben als nicht-vertrauenswürdig-bis-verifiziert zu behandeln – genau so, wie reife Teams jeden Code behandeln, der ins Repository gelangt.
- Alles scannen. SAST (und, wo relevant, DAST) auf KI-generiertem Code vor dem Merge ausführen, nicht erst nach einem Vorfall.
- Ein menschliches Review-Gate behalten. Reviews für sicherheitsrelevante Änderungen verlangen; das Generierungsvolumen darf die Aufsicht nicht aushöhlen.
- Die Schwachstellen im Blick behalten. Der Ausgabeverarbeitung (XSS), dem Logging und jeder Sprache, die Ihr Team ausliefert und die schlecht abschnitt, zusätzliche Prüfung widmen.
- Abhängigkeiten verwalten. KI kann Pakete vorschlagen, die veraltet sind oder gar nicht existieren; verifizieren und auf feste Versionen pinnen.
- Dokumentieren. Prüfpfade für KI-unterstützte Änderungen und deren Reviews aufbewahren.
Das ist dieselbe Disziplin, die hinter der Pilot-Methodik dieser Website und den harten Sicherheits-Gates der Scorecard für den KI-Coding-Piloten steht. Sie ergänzt außerdem die agentenbezogenen Kontrollen unserer an OWASP ausgerichteten Checkliste: Jener Beitrag handelt davon, was ein Agent tun kann; dieser handelt vom Code, den er schreibt.
Wo eine verwaltete Plattform hilft
Ad-hoc-KI-Nutzung auf einzelnen Laptops macht „alles scannen und reviewen“ schwer durchsetzbar. Eine Plattform, die KI-Arbeit über verwaltete Umgebungen und einen Review-Workflow leitet, macht Sicherheits-Gates zum Standard statt zur Hoffnung. MonkeyCodes öffentliche Materialien beschreiben ein automatisiertes Code-Review und einen Task-and-Review-Workflow rund um KI-Änderungen; betrachten Sie das als Infrastruktur, um diese Kontrollen durchzusetzen, und prüfen Sie die aktuellen Fähigkeiten in der Produktdokumentation.
Fazit
Veracodes 45 % sind ein heilsamer Realitätscheck: KI schreibt viel Code, und ein großer Teil davon ist standardmäßig nicht sicher – egal, wie leistungsfähig sich das Modell anfühlt. Die Antwort ist weder Verbot noch blindes Vertrauen. Sie besteht darin, KI-generierten Code durch dieselbe Prüfung und dasselbe Review zu schicken wie alles andere, die bekannten Schwachstellen zu beobachten und diese Gates durch Workflow statt durch Willenskraft durchzusetzen.
Quellengrenze: Die 45-%-Zahl, die Bestehensquoten nach Sprache und die Beobachtung, dass sich die Sicherheit mit der Modellgröße nicht verbessert hat, stammen aus Veracodes GenAI Code Security Report 2025 und dem begleitenden Blog, geprüft am 20. Juli 2026. Veracode ist ein Anbieter für Anwendungssicherheit; die Statistiken spiegeln seine Testmethodik wider und sind richtungsweisende Belege, keine universelle Messung jedes Werkzeugs oder jeder Codebasis.