FakeGit: Wenn AI-Agenten zum Sicherheitsrisiko werden
Eine groß angelegte Kampagne hat gezeigt, wie anfällig AI-Agenten für Manipulation sind. Laut Island wurden rund 7.600 bösartige GitHub-Repositories entdeckt, die Teil der FakeGit-Operation sind. Der Höhepunkt lag im April 2026.
Das Bemerkenswerte: Über 800 dieser Repositories tarnen sich als AI Skills oder Model Context Protocol (MCP) Server. Diese Täuschung ist gezielt – denn AI-Agenten, die auf GitHub nach verfügbaren Tools und Integrationen suchen, werden diese Fakes als legitime Ressourcen identifizieren und empfehlen.
Die Infrastruktur hinter der Kampagne
Die Repositories sind mit etwa 6.600 verdächtigen Accounts verknüpft, von denen rund 1.400 explizit um AI-Tools, Agenten oder Workflows konstruiert wurden. Das zeigt: Die Angreifer haben ihre Targets genau im Blick.
Die Reichweite ist breit. Die Fake-Repositories bieten sich als Integrationen an – von Gmail über WhatsApp bis zu anderen Services. Kleinere Unternehmen und Enterprise-Umgebungen sind gleichermaßen betroffen.
Das Problem: Fehlende Verifizierung
Was die FakeGit-Kampagne illustriert, ist ein fundamentales Sicherheitsproblem: AI-Agenten nutzen oft automatisierte Methoden, um externe Tools und Libraries zu finden und einzubinden. Sie bewerten Repositories nach Popularität, Dokumentation oder scheinbarer Aktivität – nicht nach gründlicher Sicherheitsprüfung.
Auch wenn GitHub selbst Schutzmaßnahmen hat, können gut ausgefeilte Fakes mit realistischen Beschreibungen, regelmäßigen Commits und Startern schnell als vertrauenswürdig erscheinen. Eine echte Verifizierung findet oft erst statt, wenn der Code bereits ausgeführt wird.
Was Unternehmen tun sollten
Für Teams, die AI-Agenten einsetzen: Kontrolle bleibt essentiell. Auch wenn Agenten autonom arbeiten, sollten sie bei der Empfehlung neuer Dependencies eskaliert werden. Whitelist-Ansätze für vertrauenswürdige Repositories, regelmäßige Audits und Multi-Faktor-Gating bei Integrationen sind praktische Maßnahmen.
Die FakeGit-Kampagne ist kein Einzelfall – sie zeigt, dass der Automatisierungstrend bei AI auch neue Angriffsflächen schafft. Sicherheit und Autonomie erfordern hier ein Gleichgewicht.