OpenAI hat eine Fallstudie darüber veröffentlicht, wie Cisco seine Sicherheitsteams mit Frontier-Modellen arbeiten lässt. Auffällig sind weniger die Modelle als die Datenvereinbarungen, die den Einsatz erst möglich machen.
Was Cisco mit den OpenAI-Modellen macht
Die Fallstudie trägt den Titel „How Cisco defends at machine speed with OpenAI“, stammt vom 3. November 2026 und steht frei auf der Website von OpenAI. Geschrieben ist sie aus Sicht von OpenAI. Zitiert wird Jeetu Patel, President und Chief Product Officer von Cisco.
Cisco setzt die Modelle in seiner Sicherheitszentrale ein und lässt sie Signale aus der Netzwerktelemetrie zusammenlesen, also Daten darüber, welcher Dienst mit welchem anderen spricht. Zwei Auffälligkeiten, die einzeln harmlos wirken, ergeben zusammen ein Muster.
Was das konkret heißt, lässt sich an einem einfachen Fall zeigen. Ein Dienst, der eine Verbindung zu einem Server im Ausland aufbaut, ist für sich genommen nichts Ungewöhnliches. Kommen ein frisch angelegtes Konto und ein Zugriff außerhalb der Arbeitszeit hinzu, entsteht ein Verdacht. Genau diese Kombination soll das Modell sehen, bevor ein Mensch drei Dashboards nebeneinander geöffnet und die Logs verglichen hat.
Cisco OpenAI: Telemetrie plus Frontier-Modell
Der Reiz liegt in der Kombination aus Netzwerkdaten und einem Modell, das Muster erkennt, die in einzelnen Protokolldateien nicht auffallen, weil es den Kontext der gesamten Infrastruktur mitliest.
Ein Modell, das nur Protokolldateien liest, sieht Angriffe spät. Ein Modell, das den Netzwerkverkehr kennt, sieht, wenn ein Dienst Verbindungen aufbaut, die er nie braucht.
Patel beschreibt den Aufbau so: Kontrollen wandern von einem einzigen Rand nach innen, bis in jeden Microservice, jeden Kubernetes-Container und jeden Cluster. Anwendungsregeln begrenzen jeden Dienst auf die Verbindungen, die er tatsächlich benötigt. Bei einer Untersuchung lassen sich einzelne Teile isolieren, während der Rest des Betriebs weiterläuft und Kunden davon nichts merken.
Der letzte Punkt ist für den Betrieb der wichtigste. Eine Untersuchung, die den halben Shop lahmlegt, wird in vielen Häusern so lange herausgezögert, bis der Schaden größer ist als die Abschaltung.
OpenAI Enterprise Security: die Datenbedingungen
Ohne klare Datenregeln wäre das nicht zustande gekommen. OpenAI nennt drei Punkte: keine Speicherung der Daten, strikte Grenzen zwischen Kundendaten und eine Isolierung, die sich prüfen lässt.
Für Unternehmen ist das der eigentliche Knackpunkt. Ein Sicherheitsmodell, das den gesamten Verkehr sieht, sieht auch Gehaltsabrechnungen, Kundendaten und interne Projekte. Wer so etwas einkauft, will wissen, wo die Daten landen und wer sie später lesen kann. Die Zusage, dass nichts gespeichert wird, ist dabei nur der Anfang, denn entscheidend ist, ob sie sich technisch belegen lässt und ob ein Prüfer sie im Betrieb nachvollziehen kann.
Warum AI Cyber Defense Zeit gewinnen soll
Das Problem, das Cisco verkauft, ist eine Lücke. Angreifer nutzen eine Schwachstelle aus, oft am Tag der Veröffentlichung. Bis der Patch überall installiert ist, vergehen in vielen Häusern Wochen, weil niemand alle Systeme gleichzeitig anfassen kann.
Patel sagt, KI gebe Angreifern Tempo und Reichweite. KI in der Verteidigung sei die Voraussetzung, um sicher zu bleiben. Das ist eine Position, keine Messung. Zahlen zu schnelleren Reaktionen nennt die Fallstudie nicht.
Wer die Aussage prüfen will, stößt schnell an eine Grenze, weil „Machine Speed“ kein Messwert ist, sondern eine Beschreibung des Ziels, an dem sich ein Sicherheitsteam messen lassen soll. Ob ein Unternehmen dadurch schneller patcht, hängt auch davon ab, wie viele Systeme es gibt und wer nachts erreichbar ist.
Für Cisco ist die Geschichte auch ein Produktargument. Wer Telemetrie, Identität und Zugriffsregeln aus einer Hand kauft, muss weniger Systeme miteinander verdrahten und hat im Ernstfall einen Ansprechpartner statt drei.
Daybreak und GPT-6 Astra im Einsatz
Zwei Produkte werden konkret genannt. Daybreak und GPT-6 Astra bezeichnet Patel als „step function improvements“ für die Sicherheitslage von Cisco und seinen Kunden. Dazu kommt das Daybreak Defense Network, das Exposition schneller bewerten soll, also die Frage, welche Systeme überhaupt angreifbar sind. Regeln setzt Cisco dabei in Cisco Cloud Control durch.
Bei agentischen Systemen nennt Patel drei Aufgaben: Agenten vor Angriffen schützen, unerwünschtes Verhalten erkennen und abfangen, nah an der Echtzeit arbeiten. Der letzte Punkt verlangt Sicherheitstelemetrie direkt neben den Observability-Daten, weil ein Agent, der auf ein Problem reagiert, den Zustand des Systems kennen muss, bevor er irgendetwas ändert.
Machine Speed Defense bleibt ein Versprechen
Der Begriff steht im Titel der Fallstudie und beschreibt das Ziel, nicht das Ergebnis, denn unabhängig geprüft ist der Aufbau nicht und ob ein bestimmter Angriff gestoppt wurde, steht nirgends.
Auch Umfang, Preis und die Frage, welches Modell wo läuft, bleiben offen.
Kein Beweis.
Wer die Fallstudie als Beweis liest, liest zu viel hinein. Als Beschreibung einer Architektur taugt sie allemal, und für Sicherheitsteams ist genau das der interessante Teil: Wie legt man Telemetrie, Modell und Zugriffsregeln so zusammen, dass eine Untersuchung nicht den Betrieb kostet?
Was heißt das für ein Unternehmen, das weder Cisco noch OpenAI-Kunde ist? Es bekommt eine Beschreibung, wie ein großer Anbieter diese Teile verbindet, und muss den Rest selbst einkaufen. Die Datenfrage bleibt die erste, die zu klären ist.






