Cycode verlagert die Verteidigung der Lieferkette auf die Rechner der Entwickler, während Agenten-Tools sich ausbreiten
Cycode hat am 30. September Workstation Protection für Entwickler angekündigt: einen Filter für Paketinstallationen, der auf dem Rechner selbst läuft und schädliche Releases blockiert, bevor sie installiert werden. Das geht aus einer Firmenmitteilung hervor, die Radical Data Science veröffentlicht hat.
Cycode hat am 30. September Workstation Protection für Entwickler angekündigt. Der Filter für Paketinstallationen läuft auf dem Rechner selbst und blockiert schädliche Releases, bevor sie installiert werden. Das geht aus einer Firmenmitteilung hervor, die Radical Data Science veröffentlicht hat.
Das Angebot ist eng umrissen und konkret. Cycode ADLC Protection fängt jede Paketinstallation ab, gleicht sie mit einem laufend aktualisierten Threat-Intelligence-Feed ab und lehnt Versionen ab, die zu kurz veröffentlicht sind, um geprüft worden zu sein. Beide Kontrollen laufen auf dem Gerät. Die Alterssperre greift also unabhängig davon, welche Version des Paketmanagers ein Entwickler oder ein Agent verwendet, und auch dann, wenn vor Ort nie eine Konfiguration angewendet wurde.
Dieses letzte Detail wiegt schwerer, als die Funktionsliste vermuten lässt. Die meisten Policy-Tools setzen einen verwalteten Laptop mit MDM-Profil und gesperrtem Paketmanager voraus. Coding-Agenten brechen diese Annahme jeden Tag: Sie holen Abhängigkeiten in einem Terminal, das das Sicherheitsteam nie zu sehen bekommt, und nutzen dabei Zugangsdaten, die das Tool vom Benutzer geerbt hat.
Warum der Arbeitsplatz zum Ziel wurde
Zur Begründung des Starts nennt die Ankündigung drei Vorfälle. Bei Keyv im August 2026 setzte ein gekapertes Maintainer-Konto einen Preinstall-Wurm in 800+ Paketen und 1.300+ Versionen ab, der mehr als zwei Milliarden monatliche Installationen abdeckte und Cloud- und CI-Zugangsdaten erbeutete. Bei LiteLLM im März 2026 wurden zwei schädliche Pakete in einer Bibliothek mit 95.000.000 monatlichen Downloads veröffentlicht, was Credential-Diebstahl, laterale Bewegung in Kubernetes und eine dauerhafte Hintertür nach sich zog. Shai-Hulud 2.0 im November 2025 war ein selbstreplizierender npm-Wurm, der rund 350 Maintainer erreichte und Geheimnisse in mehr als 25.000 vom Angreifer angelegte GitHub-Repositories ausschleuste.
Diese Zahlen stammen aus Cycodes eigener Darstellung. Sie sind also die Sicht des Anbieters auf die Bedrohung, kein unabhängiges Audit. Das Muster, das sie beschreiben, ist unstrittig: Übernahme eines Maintainer-Kontos plus vertrauenswürdiger Paketname plus Install-Hook ist ein billiger Angriff, der in großem Maßstab funktioniert.
„Risiko dringt in den agentischen Entwicklungslebenszyklus (ADLC) unserer Kunden ein, bevor auch nur eine Zeile Code generiert wird. Entwickler binden KI-Tools an, die niemand freigegeben hat, Agenten installieren Pakete, die niemand geprüft hat, und Geheimnisse gelangen in Prompts und Dateizugriffe, die niemand sieht“, sagte Seth Robbins, President von Cycode.
Was in der Argumentation des Anbieters fehlt, ist eine Zahl. Cycode sagt nicht, was der Workstation-Agent kostet, wie viele Kunden ihn einsetzen und wie hoch die Falsch-Positiv-Rate in einem großen Monorepo ausfällt, in dem eine Cooldown-Policy einen legitimen Hotfix blockieren könnte. Genau diese Fragen stellt ein Plattformteam, bevor es kernelnahe Software auf jedem Entwickler-Laptop installiert.
Dieselbe Idee, ausgeliefert als kleine Tools
Cycode ist nicht allein mit der Entscheidung, die Shell des Agenten als Ort für die Durchsetzung von Regeln zu wählen. Ein GitHub-Projekt namens Paldron, am 30. September veröffentlicht, geht ähnlich vor, nur ohne kommerzielle Hülle: Es sitzt vor den Befehlen, die ein Agent aufruft, entscheidet, ob sie laufen dürfen, und führt sie unter Landlock und seccomp auf Linux aus.
Das README ist ungewöhnlich offen über die Grenzen. Policy-Gate und Output-Scan funktionieren auf Linux x86_64 und arm64, auf macOS und unter Windows, doch die Kernel-Isolation gibt es nur unter Linux. Auf macOS deckt das Tool Netzwerk und Credential-Vaults ab, während Dateien auf Policy und Scanning angewiesen sind. Unter Windows schlägt es fehlgeschlossen fehl, wenn Isolation verlangt wird. Der Autor merkt außerdem an, dass der Dateiscan niemals stdout sieht. Ein Lauf, der Geheimnisse aus der Umgebung ausgibt, kommt also still durch, solange keine optionale semantische Prüfung eingeschaltet ist.
Dieser Vorbehalt ist das ganze Problem im Kleinen. Ein Agent, der cat .env ausführen kann, kann ein Geheimnis preisgeben, ohne eine einzige Datei zu schreiben. Eine Sandbox, die nur Schreibvorgänge prüft, übersieht das.
Parallele Sitzungen und das Problem der Übergabe
Zwei Berichte von Entwicklern, beide am 30. September veröffentlicht, beschreiben, wie der Arbeitsalltag mit diesen Tools inzwischen aussieht. Auf adri0.com schildert ein Entwickler, wie er bis zu fünf Claude-Sitzungen gleichzeitig laufen lässt, jede in einem eigenen Git-Worktree, jede mit einem GitHub-Issue versehen und mit der Bitte, einen Pull Request zu öffnen. Um den Schadensradius zu begrenzen, laufen die Sitzungen unter einem separaten Benutzerkonto ohne Adminrechte, damit sie die Dateien des Hauptbenutzers nicht lesen können.
Derselbe Beitrag spricht offen über die Reibung: Weil der Agent die GitHub CLI unter dem Login des Entwicklers nutzt, erscheinen seine Antworten unter dessen eigenem Namen, „als würde ich mit mir selbst reden“.
Bloom, eine Mac-App aus dem belgischen Studio Spatie, macht dasselbe Muster zum Produkt. Jeder Workspace bekommt einen eigenen Git-Worktree und Branch, Agenten können Subagenten im selben Worktree starten, und ein Workspace fasst bis zu zehn Agenten gleichzeitig. Die App nutzt die bereits installierte Claude-Code- oder Codex-CLI und den vorhandenen Login. Cursor und OpenCode werden noch nicht unterstützt.
Schwieriger ist, was zwischen den Agenten passiert. Ein Beitrag auf codeaholicguy.com vom 30. September beschreibt den Einsatz von Jev, einem Modell von TypeSafe, um eine lange Sitzung zu typisierten Entscheidungen zu verdichten, bevor sie an den nächsten Agenten geht. Der Autor zitiert TypeSafe mit 70 bis 500 ms von Ende zu Ende und schreibt, höhere Confidence bedeute höhere Genauigkeit. Dann schiebt er schlicht nach: „Ich habe diese Zahlen nicht sorgfältig nachgemessen, man sollte sie als Aussagen von TypeSafe behandeln.“
Was die Anbieter nicht messen
Trotz aller Werkzeuge bleibt die Beleglage zur Zuverlässigkeit dünn und stammt überwiegend aus Selbstauskünften. Ein Rails-Entwickler beschreibt auf caio.ca nach der Rails World die Aussagen aus DHHs Keynote im Detail: fast 95% Erfolg bei einem früheren, einfacheren Rails-Agenten-Test, eine schwierigere Feature-Ticket-Folie, die bei dem gezeigten Aufwand bei 35% endet, und 53% der Läufe, die das beste Modell bei einer Reihe von 20 Tickets mit maximalem Aufwand bestand, mit mehr Zeit und mehr Kosten.
Derselbe Beitrag erzählt DHHs Basecamp-5-Geschichte: Die vom Agenten erzeugten Pull Requests sahen einzeln vernünftig aus, zusammen betrachtet hinterließen sie jedoch eine Architektur wie „Schweizer Käse“.
Andernorts läuft die Automatisierungsdebatte den Schutzmaßnahmen voraus. RNZ berichtete am 30. September, ein Papier für die Konferenz der Post Primary Teachers' Association lege dar, die Qualifications Authority setze KI ein, um die NCEA-Co-requisite-Tests zu benoten, mit einer Übereinstimmung über 80% gegenüber menschlichen Prüfern, und die Zahl der menschlichen Kontrollprüfer sei von 100 im Jahr 2024 auf 34 in diesem Jahr gefallen. Das Papier warnte, die Übereinstimmung zwischen KI und Mensch sei bei komplexer Arbeit deutlich schwächer als zwischen Mensch und Mensch, und empfahl ein hybrides Modell, in dem Lehrkräfte die Kontrolle behalten.
Das ist eine andere Domäne, doch die Form der Argumentation ist identisch mit der, die sich gerade auf den Laptops der Entwickler abspielt: Das Werkzeug ist real, die Einsparung ist real, und die Frage der Verantwortlichkeit ist nicht geklärt.
Noch ein Datenpunkt vom anderen Ende des Markts. Ein Blogger auf sublimecoding.com, der ein Set von Agenten-Skills für Content-Distribution verkauft und offenlegt, dass er daran verdient, führte am 2026-09-20 eine eigene Prüfung durch und fand Werbeeinträge für 4 von 145 veröffentlichten Beiträgen. Der Agent fand die Lücke. Zu entscheiden, was daraus folgt, blieb seine Aufgabe.
Quellen
9- 01Cycode Extends its ADLC Security Capabilities to Developers' WorkstationsEN
- 02Paldron: policy gate and sandboxed exec for agent commandsEN
- 03Notes on Working with Coding AgentsEN
- 04Bloom: Run coding agents in parallel on your MacEN
- 05AI coding agent session compaction with JevEN
- 06Pencils Down, Eyes Open: A Rails Developer After Rails WorldEN
- 07'AI should assist teachers, not replace them': Union warns of risks of AI markingEN
- 08I Built the Distribution Tools My Blog NeededEN
- 09Gemini fully replaces Google Assistant on AndroidEN
Alle Zahlen und Zitate in diesem Text stammen aus den unten genannten Quellen.
Die Materialien wurden vom Redaktionsteam mit Unterstützung von KI erstellt.
Kommentare
0- Noch keine Kommentare — seien Sie der Erste.