Anthropic Mythos: US-Signale verschärfen Banken‑Compliance und Supplier‑Risiken

Washington sendet ein widersprüchliches Signal: Während US-Finanzverantwortliche Banken zu Tests mit Anthropics Mythos ermuntern bzw. deren Einsatz diskutieren, stuft das Verteidigungsministerium den Anbieter parallel als Supply-Chain-Risiko ein. Für DACH-Banken bedeutet das: AI-Supplier-Risk gehört ab sofort auf die Vorstandstagesordnung – mit klaren Leitplanken für Beschaffung, Modellrisiko und Compliance.

Der Marktkontext ist klar: Anthropic öffnete Mythos im Preview nur für ausgewählte Partner, weil das Modell nach übereinstimmenden Berichten Sicherheitslücken in Betriebssystemen und Browsern identifizieren und ausnutzen kann. Medienberichte verweisen zugleich auf regulatorische Diskussionen in den USA und UK. Die Ausgangsmeldung stammt von TechCrunch (Link), mit Bezug auf Bloomberg und weitere Primärberichte.

Washingtons Doppelsignal: Ermutigung zum Testen vs. Supply-Chain-Risiko

Laut Bloomberg diskutierten US-Treasury-Secretary Scott Bessent und Fed-Chef Jerome Powell mit Bankvorständen über Mythos – mit Fokus auf dessen Fähigkeit, Schwachstellen im Finanzsektor sichtbar zu machen und potenziell zu exploiten (Bloomberg Television, 10. April 2026: Video). Parallel berichtete TechCrunch über die Einstufung Anthropics als Supply-Chain-Risiko durch das US-Verteidigungsministerium und die juristische Auseinandersetzung des Unternehmens mit der Regierung (TechCrunch). Diese Gleichzeitigkeit – operatives Interesse an Tests und sicherheitspolitische Einstufung – ist der Kern des Compliance-Dilemmas für Banken.

Dass weitere Großbanken neben dem gelisteten Partnerzugang evaluieren, unterstreicht die Marktdynamik. Auch britische Aufseher diskutieren laut Financial Times die Risiken von Mythos (FT). Für europäische Institute ist damit klar: Die geopolitische Gemengelage beeinflusst Third-Party-Risk-Bewertungen unmittelbar – unabhängig vom eigenen Einsatzszenario.

Mythos als Angriffsbeschleuniger: Systemische Exponierung nimmt zu

Die Risikoqualität von Mythos wird in mehreren Berichten konsistent beschrieben: Das Modell kann – auf Anweisung – Schwachstellen in gängigen Betriebssystemen und Browsern identifizieren und ausnutzen (Bloomberg Television, 10. April 2026). In fragmentierten, komplexen Finanz- und ERP-Landschaften vervielfacht das den potenziellen Angriffsflächen-Effekt. SAPinsider verweist auf drei strukturierende Datenpunkte für 2026: 48% der Organisationen nutzen oder implementieren AI im Finanzbereich; 31% nennen Cybersecurity-Risiken als unmittelbaren Druckfaktor; über 40% arbeiten mit Multi-ERP-Setups mit erhöhter Komplexität (SAPinsider).

• Vulnerability Discovery at Scale: Modellgestützte Suche verkürzt das Zeitfenster zwischen Schwachstellen-Offenlegung und Exploit signifikant.
• Operationalisierung von Exploits: Guidance-fähige Modelle senken die Hürde für weniger spezialisierte Angreifer.
• Erhöhte Third-Party-Exposition: Je stärker Kernprozesse von externen AI-Anbietern abhängen, desto größer das Kaskadenrisiko.
• Audit- und Forensikdruck: Kürzere Reaktionszeiten erfordern Telemetrie, Logging und abgestimmte Notfallprozesse.

Für Banken ist entscheidend, dass die potenzielle Effektivität solcher Modelle selbst bei rein defensiven Absichten das Bedrohungsmodell verschiebt – und damit Mindestanforderungen an Beschaffung, Testing und Betrieb.

GRC- und Supplier-Risk-Leitplanken für Banken

Das Dilemma ist beherrschbar, wenn Governance und Beschaffung nachgezogen werden. Auf Vorstandsebene sollten folgende Leitplanken verbindlich gemacht werden:

• Third-Party Risk Management (TPRM) mit geopolitischem Layer: Bewertung von Lieferketten-Sanktionen, Regierungsauflagen und Gerichtsverfahren des Anbieters als eigener Risiko-Faktor.
• Model Risk Management (MRM): Dokumentierte Use-Case-Grenzen, Red-Teaming, adversarielle Tests gegen bankenspezifische Bedrohungen, verpflichtende Kill-Switch-/Roll-Back-Mechanismen.
• Vertragliche Kontrollen: Audit-Rechte, Verpflichtung zu sicherheitsrelevanten Disclosures, Patch-/Mitigation-SLAs, Transparenz zu Subprozessoren und Hosting-Standorten.
• Daten- und Zugriffsarchitektur: Strikte Segmentierung, Least Privilege, secrets management, vollständige Protokollierung und Echtzeit-Monitoring.
• Resilienz-Design: Provider-Diversifikation, Exit-Strategie, Notfallhandbuch inkl. Kommunikations- und Aufsichts-Routing.

Begleitend sollten Banken „Purple Team“-Übungen mit modellgestützten Angriffs- und Verteidigungsszenarien durchführen – abgestimmt mit interner Revision und CISO-Funktion. Medienberichte zu Mythos liefern hierfür realistische Übungsannahmen (siehe Bloomberg Television).

Was bedeutet das für den EU AI Act?

Für DACH-Institute ist der AI Act der zentrale Bezugsrahmen. Seit Februar 2025 gelten Verbote bestimmter Praktiken sowie KI-Literacy-Pflichten. Seit August 2025 greifen GPAI-Regeln, Governance-Anforderungen und Sanktionsrahmen. Ab August 2026 tritt der Hauptteil in Kraft (u.a. Hochrisiko-KI, Biometrie, HR-Anwendungen). Ab August 2027 läuft die Compliance-Frist für bestehende GPAI-Modelle nach Art. 6(1). Verstöße können mit bis zu 35 Mio. Euro bzw. 7% des weltweiten Jahresumsatzes (verbotene Praktiken) und bis zu 15 Mio. Euro bzw. 3% (Hochrisiko-Verstöße) sanktioniert werden.

Für Mythos-ähnliche Modelle heißt das: Auch wenn der primäre Use Case „Security Testing“ ist, müssen Institute als Inverkehrbringer bzw. Nutzer klären, ob GPAI-Pflichten greifen, welche Transparenzen gegenüber Aufsichten erforderlich sind und wie Modellupdates auditierbar bleiben. Die Risikobewertung darf sich nicht auf technische Kontrollen beschränken, sondern muss die Lieferkette und Export-/Sanktionslagen berücksichtigen.

DSGVO bleibt parallel verbindlich: Bei personenbezogenen Daten sind Art. 22 (automatisierte Entscheidungen) und Art. 35 (DSFA) zu adressieren; bei US-Hosting oder US-Subprozessoren ist der Drittlandtransfer inkl. Transfer Impact Assessment zu prüfen.

So What? Vorstandspflicht zur aktiven Steuerung

Das US-Signal zu Mythos verschiebt die Beweislast: Wer AI-Modelle mit potenzieller Exploit-Fähigkeit prüft oder einsetzt, muss eine dokumentierte, geopolitisch informierte Steuerung nachweisen – sonst wächst das Aufsichts- und Reputationsrisiko. Für DACH-Banken entsteht ein enges Zeitfenster, um TPRM und MRM an die neue Risikolage anzupassen, bevor der Hauptteil des AI Act greift. Gleichzeitig eröffnet kontrolliertes Testen – mit strengen Leitplanken – die Chance, Verteidigungsfähigkeiten messbar zu verbessern. Ohne sauberes Governance-Design wird derselbe Hebel zum Haftungs- und Audit-Risiko. Weitere Analysen finden sich in unserem Executive Briefing.

Fazit: Testen ja, aber nur unter Hochsicherheits-Governance

Führe Mythos-ähnliche Modelle ausschließlich in isolierten Testumgebungen mit bankenspezifischem Red-Teaming ein; etabliere vertragliche Audit- und Abschaltrechte, Multi-Provider-Strategie und lückenloses Monitoring. Ordne jeden Pilot unter AI-Act- und DSGVO-Perspektive ein, inkl. DSFA und TIA bei Drittlandtransfers. Berichte in kurzen Zyklen an den Risikoausschuss. Das Ziel ist zweigleisig: Verteidigung stärken und gleichzeitig die Lieferketten-Exponierung minimieren.