Ist es sicher, Code in eine KI einzufügen? (Secrets, geistiges Eigentum, Kundendaten)

Die kurze Antwort: Code in eine KI einzufügen ist nützlich, aber riskant, wenn Sie einen Schritt überspringen. KI-Hilfe beim Programmieren ist real. Doch Ihr Quellcode trägt drei versteckte Ladungen, über die zu behebende Logik hinaus. Erstens Secrets: fest einkodierte API-Schlüssel, Cloud-Zugangsdaten, Datenbank-Passwörter, Tokens, private Schlüssel. Zweitens geschützte Logik, die Ihr Unternehmen noch nicht veröffentlicht hat. Drittens manchmal echte Kundendaten, verborgen in Kommentaren, Fixtures oder Testdateien. Fügen Sie all das in eine Verbraucher-KI ein, dann kann es gespeichert, von einem Menschen geprüft oder zum Training eines Modells genutzt werden. Die Lösung ist einfach: Entfernen Sie die Secrets und Zugangsdaten, bevor der Code Ihr Gerät verlässt.

Drei Dinge verbergen sich in Ihrem Code

Code ist mehr als Logik. Er trägt oft sehr reale Werte. Secrets sind die schärfsten davon. Hier sind die Typen, die am häufigsten fest einkodiert im Code verbleiben.

• API-Schlüssel und Zugriffs-Tokens (OpenAI, Stripe, Slack, GitHub, GitLab).
• Cloud-Zugangsdaten für AWS, Google Cloud oder Azure.
• Datenbank-Passwörter und Verbindungszeichenfolgen.
• Private Schlüssel und JWTs (signierte Sitzungs-Tokens).

Wie verbreitet sind fest einkodierte Secrets

Fest einkodierte Secrets sind sehr verbreitet. GitGuardian durchsucht öffentlichen Code nach geleakten Zugangsdaten. Der Bericht State of Secrets Sprawl 2024 zeigt das Ausmaß. Er fand mehr als 12,7 Millionen neue Secrets, die 2023 in öffentlichen GitHub-Commits offengelegt wurden. Das war ein Anstieg von 28 % gegenüber dem Vorjahr. Etwa 1 von 10 Commit-Autoren leakte in jenem Jahr eine Zugangsberechtigung. Und rund 7 von 1.000 Commits enthielten mindestens ein Secret.

Ein Detail sticht für KI-Nutzer heraus. GitGuardian verzeichnete einen Anstieg von etwa 1.212× im Jahresvergleich bei geleakten OpenAI-API-Schlüsseln. Sie wurden der am häufigsten erkannte Secret-Typ. Das sind öffentliche GitHub-Leaks, keine in KI-Tools gemessenen Secrets. Doch der Rückschluss lässt sich kaum vermeiden. Dieselben fest einkodierten Schlüssel im Code sind die, die Menschen in einen Chatbot einfügen.

Die Samsung-Lektion

Der bekannteste Fall ist Samsung. 2023 fügten Ingenieure der Halbleitersparte Berichten zufolge vertrauliches Material in ChatGPT ein. Dazu gehörten Quellcode und interne Notizen. Es geschah über mehrere Vorfälle hinweg, innerhalb weniger Wochen nach der Freigabe des Tools. Bloomberg brachte die Geschichte ins Rollen, und CNBC berichtete ebenfalls darüber.

Samsung ging daraufhin dazu über, generative KI auf Firmengeräten einzuschränken. Die Sorge war struktureller Natur, kein öffentliches Datenleck. Alles, was in einen externen Dienst getippt wird, könnte auf Servern Dritter gespeichert werden. Und es könnte später schwer abzurufen oder zu löschen sein. Kein Leak an die Öffentlichkeit wurde gemeldet. Das Risiko war die Speicherung außerhalb der Kontrolle des Unternehmens.

Was OWASP sagt

Sicherheitsstandard-Gremien nehmen dies ernst. OWASP ist eine gemeinnützige Organisation, die weit verbreitete Software-Sicherheitsstandards festlegt. Sie pflegt eine Top 10 for LLM Applications. Auf dieser Liste ist die „Offenlegung sensibler Informationen“ (LLM06) ein benanntes Risiko. OWASP fasst es als vertrauliche oder geschützte Informationen auf, die über ein LLM-System an die Oberfläche gelangen. Sie warnt, dass dies rechtliche Folgen oder den Verlust von Wettbewerbsvorteilen nach sich ziehen kann. Die Lektion gilt zuerst für das, was Sie dem Modell zuführen.

Die Lösung: anonymisieren, bevor Sie einfügen

Hier kommt der gute Teil. Sie müssen nicht aufhören, KI an Ihrem Code zu nutzen. Sie entfernen nur, was nicht mitreisen soll. Stellen Sie Ihre Frage zur Logik, zum Bug, zum Muster. Halten Sie die aktiven Secrets und Zugangsdaten aus dem Einfügen heraus. Das Modell hilft genauso gut ohne sie.

1. 1Durchsuchen Sie den Ausschnitt nach Secrets: Schlüssel, Tokens, Passwörter, private Schlüssel.
2. 2Ersetzen Sie jedes durch ein umkehrbares Token, im Browser.
3. 3Fügen Sie nur den anonymisierten Code in die KI ein.
4. 4Stellen Sie die echten Werte in der Antwort lokal wieder her.

Das funktioniert, weil die meisten Secrets Mustern folgen. Ein AWS-Schlüssel, ein GitHub-Token, ein Stripe-Schlüssel, ein JWT — jedes hat eine erkennbare Form. Ein Detektor kann sie erkennen, bevor Sie auf Senden drücken. Das ist der Unterschied zwischen nützlicher KI-Hilfe und einem versehentlichen Leck.

Genau das leistet ONYRI Sanitize. Die Engine erkennt Cloud-Schlüssel und Tokens — AWS, GitHub, GitLab, Stripe, OpenAI, Anthropic, GCP, Azure, Slack, JWT — direkt in Ihrem Browser. Sie ersetzt sie durch umkehrbare Tokens, bevor irgendetwas gesendet wird. Erkennung und Mapping bleiben clientseitig. Nur anonymisierter Code erreicht das Modell. Die KI sieht Tokens, niemals Ihre aktiven Secrets. Sie erhalten die Debugging-Hilfe, ohne das Risiko, das Samsung zum Rückzug bewog und das OWASP benennt.