Deployen, Konvertieren & Skalieren
Sicherheitsaudit für KI-generierten Code: OWASP, Secrets, RLS
Ein Audit von KI-generiertem Code prüft dieselben OWASP-Risiken wie bei jeder Web-App, legt aber einen besonderen Fokus auf die Fehler, die KI-Tools am häufigsten machen: Secrets im Frontend, fehlende oder zu großzügige Row Level Security, Autorisierungsprüfungen nur in der UI, nicht validierte Eingaben und veraltete oder halluzinierte Abhängigkeiten. Ein strukturiertes Audit kombiniert automatisiertes Scanning mit manuellen Tests der Zugriffskontrolle.
Warum KI-generierter Code einen eigenen Audit-Fokus braucht
KI-Tools optimieren auf Code, der in der Demo funktioniert. Sicherheitskontrollen, die in einer Demo unsichtbar sind, fehlen deshalb am häufigsten.
Typische Muster: API-Aufrufe direkt aus dem Browser mit geheimem Schlüssel, Datenbanktabellen, die jeder mit dem öffentlichen Schlüssel lesen kann, Admin-Funktionen, die in der UI versteckt, aber über die API erreichbar sind, und Server Actions, die einer vom Client gesendeten Nutzer-ID vertrauen. Nichts davon bricht den Happy Path – genau deshalb überleben diese Fehler, bis jemand hinschaut.
Der Audit-Umfang sollte daher das ganze System umfassen, nicht nur das Repository: Hosting-Konfiguration, Datenbankeinstellungen, Storage Buckets, Drittanbieter-Integrationen, Preview-Deployments und die Konten, die all das ändern können. Viele reale Vorfälle in KI-gebauten Apps entstehen durch eine falsch konfigurierte Dashboard-Einstellung, nicht durch eine Codezeile.
Schritt 1: Secrets finden und rotieren
Scannen Sie zuerst das Repository, seine komplette Git-Historie und das gebaute Frontend-Bundle nach Zugangsdaten.
Lassen Sie einen Secret Scanner wie gitleaks oder trufflehog über die gesamte Historie laufen, öffnen Sie dann die Produktionsseite, sehen Sie sich die JavaScript-Bundles an und suchen Sie nach Schlüsselmustern. Alles, was Sie finden, muss rotiert und nicht nur gelöscht werden, denn alte Commits und gecachte Bundles halten es am Leben. Verlagern Sie jedes Secret in einen serverseitigen Speicher und greifen Sie nur aus Servercode darauf zu.
- Das Repository einschließlich Historie scannen.
- Produktions-Bundles und Netzwerkaufrufe untersuchen.
- Jeden offengelegten Schlüssel beim Anbieter rotieren.
- Aufrufe hinter Server-Functions verlagern.
- Secret Scanning in CI und Pre-Commit ergänzen.
Schritt 2: Fehlerhafte Zugriffskontrolle und RLS
Fehlerhafte Zugriffskontrolle ist das größte OWASP-Risiko und der häufigste schwere Fehler in KI-gebauten Apps. Testen Sie sie deshalb manuell mit echten Konten.
Listen Sie bei Supabase jede Tabelle in exponierten Schemas auf und bestätigen Sie, dass RLS aktiviert ist – mit Policies pro Operation, die auf auth.uid() und Mitgliedschaftstabellen beruhen, nicht auf Werten vom Client. Prüfen Sie Storage-Bucket-Policies und alle als security definer deklarierten Funktionen. Prüfen Sie bei Firestore die Security Rules und testen Sie sie mit dem Emulator. Dann probieren Sie es aus: Melden Sie sich als Nutzer A an, zeichnen Sie einen Request auf, ändern Sie die ID auf einen Datensatz von Nutzer B und beobachten Sie, was passiert. Wiederholen Sie das für Updates und Löschungen sowie für jeden Admin-Endpunkt als normaler Nutzer.
- RLS auf jeder exponierten Tabelle aktiviert.
- Getrennte Policies für select, insert, update, delete.
- Keine Policies, die für authentifizierte Nutzer bei privaten Daten einfach „true“ zurückgeben.
- Service Role Keys niemals im Client-Code.
- Admin-Prüfungen auf dem Server erzwungen.
Schritt 3: Injection, XSS und Eingabevalidierung
Prüfen Sie jede Stelle, an der Nutzereingaben eine Abfrage, eine Shell, HTML oder einen LLM-Prompt erreichen.
Suchen Sie nach per String zusammengesetztem SQL, rohem HTML-Rendering (dangerouslySetInnerHTML oder Entsprechungen), Datei-Uploads ohne Typ- und Größenprüfung und URL-Abrufen, die Server-Side Request Forgery ermöglichen. Validieren Sie Eingaben serverseitig mit Schemas. Behandeln Sie bei KI-Funktionen den Modell-Output als nicht vertrauenswürdig: Rendern Sie ihn niemals als rohes HTML und lassen Sie ihn keine privilegierten Aktionen ohne serverseitige Prüfung auslösen, denn Prompt Injection kann ihn steuern.
Schritt 4: Abhängigkeiten und Konfiguration
Prüfen Sie Abhängigkeiten auf bekannte Schwachstellen und auf Pakete, die gar nicht dort sein sollten.
KI-Tools fügen manchmal verwaiste Pakete hinzu oder erfinden Paketnamen, die Angreifer später registrieren. Führen Sie npm audit oder das Pendant Ihres Ökosystems aus, entfernen Sie ungenutzte Abhängigkeiten und prüfen Sie unbekannte Pakete manuell. Prüfen Sie die Konfiguration: Security Header, CORS-Regeln, Cookie-Flags, Debug-Modi, ausführliche Fehlermeldungen und öffentlich zugängliche Preview-Deployments.
Schritt 5: Das Audit wiederholbar machen
Ein einmaliges Audit veraltet mit jedem neuen Prompt. Bauen Sie die Prüfungen deshalb in den Workflow ein.
Ergänzen Sie Secret-, Dependency- und statische Analyse-Scans in der CI, schreiben Sie automatisierte Tests, die nutzerübergreifende Zugriffe versuchen, und nehmen Sie Sicherheitsregeln in die Anweisungsdatei für Agenten auf, die Ihr Team nutzt (CLAUDE.md, AGENTS.md, Cursor oder Windsurf Rules). Werkzeuge wie der Security-Review-Befehl von Claude Code oder der Security Scan von Lovable helfen, aber ein Mensch mit Angreifer-Denkweise sollte sensible Änderungen trotzdem prüfen. Teams, die nach ISO 27001 oder vergleichbaren Rahmenwerken arbeiten, sollten diese Kontrollen als Teil ihres sicheren Entwicklungsprozesses dokumentieren.
Häufige Fragen
Ist KI-generierter Code unsicherer als von Menschen geschriebener Code?
Nicht grundsätzlich, aber er entsteht oft ohne Sicherheitsanforderungen im Prompt und ohne Review. Das führt zu vorhersehbaren Lücken wie fehlender Autorisierung und offengelegten Secrets.
Was ist Row Level Security und warum ist sie wichtig?
RLS ist eine Postgres-Funktion, die Supabase intensiv nutzt, um einzuschränken, auf welche Zeilen ein Nutzer zugreifen kann. Da der Anon Key von Supabase öffentlich ist, schützen tatsächlich die RLS-Policies Ihre Daten.
Kann ich mich allein auf automatisierte Scanner verlassen?
Nein. Scanner finden Secrets und verwundbare Abhängigkeiten zuverlässig, aber fehlerhafte Zugriffskontrolle erfordert meist manuelle Tests mit echten Konten und ein Verständnis der Geschäftsregeln.
