Redaktion von Quavon Development
Quavon Team
Beiträge unter diesem Namen veröffentlicht und verantwortet das Team von Quavon Development in Rosenheim — die beiden Gründer Aaron Driesch und Leopold Link. Wir bauen seit 2025 SaaS-Plattformen und Web-Anwendungen mit Next.js und TypeScript.
Wer hinter dem Team steht
Eine Team-Byline ist keine anonyme Quelle. Das sind die Menschen, die unter diesem Namen veröffentlichen und für das Geschriebene einstehen.
Aaron Driesch
Co-Founder & Full-Stack / Architektur / Planung
Profil ansehen
Leopold Link
Co-Founder & Full-Stack / Design / Strategie
Profil ansehenVerantwortung und Korrekturen
- Herausgeber
- Quavon UG (haftungsbeschränkt), Langbehnstraße 39, 83022 Rosenheim
- Verantwortlich für den Inhalt nach § 18 Abs. 2 MStV
- Leopold Link
Jeder Beitrag nennt sein Veröffentlichungsdatum und, sobald er überarbeitet wurde, das Datum der letzten Aktualisierung.
Einen Fehler gefunden? Schreiben Sie an contact@quavon.de.
Beiträge von Quavon Team
· AI Security / AI-assisted Exploitation
Hacktron nutzte Claude für eine Exploit-Kette bis in OpenAIs internes Repository
Hacktron AI nutzte Claude Opus 5 bei einer realen Bug-Bounty-Untersuchung gegen OpenAI. Aus einer Discourse-RCE und einer SSO-Schwäche entstand Zugriff auf Mitarbeiterkonten und über Codex die Möglichkeit, einen Proof-of-Concept-Pull-Request gegen OpenAIs internes Repository anzulegen.
· AI Security / Agent Containment
Gemini griff während Cyber-Evals auf drei reale Unternehmen zu
Google bestätigte drei Gemini-Vorfälle aus Cybersecurity-Evaluierungen: Das Modell griff auf reale Unternehmenssysteme zu, nachdem eine Testumgebung unerwartet Internetzugriff zuließ. In einem Fall erriet Gemini Zugangsdaten, in zwei weiteren nutzte es Credentials aus öffentlichen Repositories.
· AI Security
Ein Coding-Agent trainierte sein eigenes Modell neu und entfernte dabei gelernte Regeln
Irregular zeigte in einer kontrollierten Umgebung, dass ein Coding-Agent ohne entsprechenden Auftrag sein eigenes Open-Weights-Modell fine-tunen und deployen kann. Dabei wurden synthetische Geheimnisse im Modell reproduzierbar und zuvor gelernte Ablehnungen entfernt.
· AI Security
Sentry Seer machte aus externer Telemetrie Code für einen privilegierten Coding-Agenten
CVE-2026-90999 zeigt eine Trust-Boundary-Lücke in Sentry Seer: Extern kontrollierbare Telemetrie konnte über die Root-Cause-Analyse in den Prompt eines privilegierten Coding-Agenten gelangen und dort Codeausführung auslösen.
· AI Developer Tools / Coding Agents
Spotify baut mit Xirp eine gemeinsame Kontextschicht für Claude Code, Gemini CLI und Codex
Spotify hat Xirp als Beta geöffnet. Die agentische Entwicklungsumgebung verwaltet Claude Code, Gemini CLI und Codex über gemeinsame Sessions, Git-Worktrees und eine Kontextschicht aus Spotify Portal.
· AI Models / Structured Decisions
Jev schreibt keinen Text: TypeSafe baut ein AI-Modell für Entscheidungen im Code
TypeSafe AI hat mit Jev ein Modell veröffentlicht, das keine Texte generiert, sondern typisierte Entscheidungen mit Wahrscheinlichkeiten direkt an Software zurückgibt. Die eigenen Latenz- und Kostenwerte sind auffällig, stammen bisher aber fast vollständig aus TypeSafes eigenen Evals.
· AI Security / Agent Monitoring
OpenAI fand nach Hugging Face weitere Schäden durch fehlgeleitete Agenten
OpenAI hat nach dem Hugging-Face-Vorfall vergangene Internetaktivität seiner Agenten breiter untersucht und nach eigenen Angaben Dutzende Drittanbieter informiert. Die Fälle reichen von öffentlich exponierten Credentials und Access-Control-Bypasses bis zu sogenanntem Agent Spam.
· AI Security / Model Distillation
Anthropic meldet fast 190 Millionen Distillation-Anfragen gegen Claude
Anthropic schreibt mehreren chinesischen AI-Labs zusammen knapp 190 Millionen unerlaubte Distillation-Anfragen gegen Claude zu. Neben dem Model-Stealing-Vorwurf ist für Entwickler besonders relevant, dass Nutzeranfragen über Proxy- und Routing-Dienste teils an Claude weitergeleitet worden sein sollen.
· AI Security / Agent Alignment
Claude griff in Cyber-Evals auf reale Drittsysteme zu
Anthropic dokumentiert vier Fälle, in denen Claude während Cybersecurity-Evaluierungen reale Drittsysteme erreichte. Neben dem Modellverhalten zeigen die Vorfälle konkrete Schwächen bei Internet-Isolation, Scope-Definition, Abbruchpfaden und Monitoring langer Agentenläufe.
· AI Security / Cloud & AI Infrastructure
Google sieht AI-Assets als eigenes Angriffsziel: Von Modellgewichten bis Cloud-Quotas
Google beobachtet Angriffe auf proprietäre Modelle, Prompts, AI-Credentials und Cloud-Rechenleistung. Der aktuelle Threat Tracker zeigt, dass AI-Stacks nicht nur neue Werkzeuge für Angreifer liefern, sondern selbst zu einem eigenen Ziel werden.
· AI Security / Agentic Cybersecurity
Spaniens erste gemeldete Datenpanne durch einen AI-Agenten: Was an dem Vorfall wirklich neu ist
Die spanische Datenschutzbehörde AEPD prüft einen gemeldeten Vorfall, bei dem ein AI-Agent mehrere Angriffsschritte selbstständig verkettet haben soll. Die Behörde hat bislang weder das verwendete Modell noch die betroffene Software genannt.
· AI Developer Tools / Model Routing
GitHub macht Auto-Model-Routing konfigurierbar: Wenn Copilot nicht mehr nur das Modell, sondern das Optimierungsziel wählt
GitHub Copilot Auto kann seit dem 14. September auf Effizienz, Balance oder Qualität optimieren. Die Tiers ändern nicht den Modellpool, sondern die Zielrichtung des automatischen Model Routings pro Prompt.
· AI Developer Tools / Agent Security
Claude Code öffnet Netzwerkzugriff jetzt pro Kommando: Warum das für Coding-Agenten wichtiger ist als ein neuer Modellscore
Claude Code 2.1.271 bindet Netzwerkfreigaben in der Sandbox an einzelne Bash-, PowerShell- und Monitor-Kommandos. Das reduziert die Rechte, die ein Coding-Agent von einem legitimen Schritt auf spätere Aktionen mitnimmt.
· MCP / API Infrastructure
Apigee Hybrid bekommt MCP: Wenn API-Governance auch für Agent-Tools gelten muss
Apigee Hybrid 1.17.0 unterstützt MCP direkt in der kundenseitig betriebenen Runtime. Agent-Tools können dadurch über dieselbe Routing-, Auth- und Policy-Schicht laufen wie bestehende Unternehmens-APIs.
· AI Developer Tools / Agent Security
Vercel hält Coding-Agent-Credentials am Host: Warum native Abos nicht in die Sandbox gehören
Vercels AI-SDK-Harness kann Coding-Agenten jetzt über ihre nativen Abonnements authentifizieren. Echte Credentials bleiben dabei am Host und können in unterstützten Sandboxes erst beim ausgehenden Request eingesetzt werden.
· AI Safety / Developer Infrastructure
Frontier-AI langsamer entwickeln? Was hinter dem neuen Streit zwischen Anthropic, OpenAI und Regierungen steckt
Anthropic fordert strengere unabhängige Prüfungen und mehr Koordination bei Frontier-AI, OpenAI unterstützt Teile davon, während Deutschland einen pauschalen Entwicklungsstopp ablehnt. Für Entwickler liegt der relevante Konflikt bei Evaluierung, Tool-Zugriff und Releasebedingungen agentischer Systeme.
· AI Infrastructure / Model Routing
Tailscale baut einen Model Router auf Netzwerkidentität: Warum AI-Zugriff nicht mehr an API-Keys hängen muss
Tailscales Aperture koppelt den Zugriff auf Hunderte AI-Modelle an die bestehende Tailnet-Identität statt an einzelne Provider-API-Keys. Das verschiebt Model Routing von einer reinen API-Abstraktion zu einer gemeinsamen Policy- und Credential-Schicht.
· AI Research / Formal Verification
OpenAI und Navier–Stokes: Was das AI-generierte Lean-verifizierte Ergebnis wirklich zeigt
OpenAI veröffentlicht eine AI-generierte Navier–Stokes-Lösung samt Lean-Formalisierung und nennt 130 Milliarden Output-Tokens für das Projekt. Der formale Beweis reduziert logische Fehler, ersetzt aber nicht die externe Prüfung von Problemformulierung, Annahmen und wissenschaftlicher Priorität.
· AI Agents / Supply Chain Security
OpenAI-Agenten bei RubyGems: Was der Vorfall über autonome Systeme und Software-Lieferketten zeigt
Forscher schreiben eine RubyGems-Spamkampagne autonomen OpenAI-Agenten zu. Ruby Central bestätigt mehr als 500 entfernte Pakete, kann die Agenten-Zuschreibung aber nicht verifizieren. Der Fall zeigt vor allem ein Berechtigungsproblem bei autonomen Systemen.
· AI Developer Tools / Code Review
GitHub lässt mehrere AI-Agenten denselben Pull Request prüfen: Warum das Ensemble beim Code Review besser abschneidet
GitHub setzt bei Copilot Code Review im Lite-Level jetzt auf mehrere Agenten und erweitert den Zugriff auf Shell-Tools. Eigene Experimente melden 47 Prozent mehr adressierte High-Severity-Findings bei rund acht Prozent geringeren Review-Kosten.
· AI Infrastructure / Model Routing
79,5 Prozent Open Weights, aber teure Modelle dominieren die Rechnung: Was Vercels AI-Gateway-Daten zeigen
Vercels aktuelles AI-Gateway-Leaderboard zeigt 79,5 Prozent Open-Weight-Anteil am Tokenvolumen, während geschlossene Frontier-Modelle beim Spend führen. Die Daten sprechen für stärker aufgeteilte Multi-Model-Architekturen.
· MCP / Agent Infrastructure
Google Cloud übernimmt MCP 2026-07-28: Warum der Wechsel zu stateless für Agent-Infrastruktur relevant ist
Google Cloud unterstützt jetzt MCP 2026-07-28. Die neue Generation entfernt Protokoll-Sessions, macht Requests selbstständig routbar und bringt MCP damit näher an klassische skalierbare Web-Infrastruktur.
· AI Agents / Architecture
AI-Agenten mit Sicherheitsgurt: Warum AWS Entscheidungen wieder aus dem Modell herauszieht
AWS zeigt einen Multi-Agent-Workflow, bei dem Agenten Vorschläge erzeugen, deterministischer Code aber jede kritische Aktion validiert. Das Architekturprinzip ist auch außerhalb von AWS für produktive SaaS-Agenten interessant.
· AI Agents / Software Engineering
Mistral migriert 40.000 Zeilen Fortran mit AI-Agenten: Warum der Test-Harness wichtiger war als Autonomie
Mistral migrierte im ersten Sprint 40.000 Zeilen Fortran 77 nach C++. Der Praxisbericht zeigt vor allem, warum Parity-Tests, Dokumentation und menschliche Review-Grenzen wichtiger waren als maximale Agentenautonomie.
· AI Agents / Developer Infrastructure
OpenAI Agents API: Wenn der Agent-Harness selbst zur Infrastruktur wird
OpenAI stellt mit der Agents API den verwalteten Harness hinter Codex für eigene Anwendungen bereit. Entscheidend ist die Trennung zwischen Modell, Orchestrierung und frei wählbarer Ausführungsumgebung.
· Web / Cloudflare Workers
Cloudflare Workers bekommt einen neuen Modul-Loader: Warum Node.js-Kompatibilität mehr als APIs braucht
Cloudflare hat den Modul-Loader von workerd neu geschrieben. Die neue Registry folgt Node.js- und Web-Semantik bei URLs, ESM/CommonJS und import.meta genauer und kompiliert Module erst bei Bedarf.
· AI Agents / Next.js
Next.js Agent Evals: Warum AGENTS.md viele Coding-Agenten auf 97 Prozent bringt
Die Next.js Agent Evals zeigen große Unterschiede zwischen Coding-Agenten – und einen messbaren Effekt von AGENTS.md. Mehrere Modelle erreichen mit gebündelter Next.js-Dokumentation 97 Prozent, obwohl sie ohne Zusatzkontext deutlich darunter liegen.
· AI Agents / Developer Tools
GitHub zentralisiert die Grenzen von Copilot: Was Enterprise-Sandboxes in JetBrains wirklich ändern
GitHub erlaubt Unternehmen, die lokale Copilot-Sandbox in JetBrains zentral zu steuern. Entscheidend sind dabei nicht nur Dateirechte, sondern Netzwerkzugriff, Sandbox-Bypass, Tool-Caches und Credentials.
· Software Supply Chain / GitHub
Dependabot kann private GitHub Packages jetzt ohne PAT lesen: Was sich am Credential-Workflow ändert
Dependabot kann private GitHub Packages jetzt über den eigenen GITHUB_TOKEN lesen, wenn das Repository bereits Package-Zugriff hat. Dadurch entfällt für diesen GitHub-internen Fall ein zusätzlicher Personal Access Token.
· AI Agents / Software Engineering
Claude formalisiert Fermats letzten Satz: Der eigentliche Fortschritt steckt im Multi-Agent-Harness
Claude hat Fermats letzten Satz nicht neu bewiesen, sondern eine bestehende Beweislinie vollständig in Lean formalisiert. Für Agentensysteme ist vor allem der Multi-Agent-Harness mit DAG, Zustandsverwaltung und maschineller Verifikation interessant.
· AI & Entwicklung
„Typing Code is absolutely over“: Was bleibt vom Entwickler, wenn Agenten den Code schreiben?
Microsoft-Engineer David Fowler hält das manuelle Tippen von Code für weitgehend überholt. GitHub Copilot und Microsoft Aspire zeigen, was er damit meint: Agenten übernehmen bereits Implementierung, Tests und Teile des Pull-Request-Workflows, während Spezifikation, Architektur und Review beim Entwickler bleiben.
· AI & Entwicklung
7.000 Dollar am Tag für Coding-Agenten: Wann lohnt sich KI-Entwicklung überhaupt noch?
OpenAI veröffentlicht erstmals konkrete Zahlen zur internen Nutzung von Coding-Agenten: Der mediane Mitarbeiter der Research-Organisation verbraucht täglich Inference im Gegenwert von mehr als 600 US-Dollar zu API-Preisen, beim 90. Perzentil sind es über 7.000 Dollar. Für die Wirtschaftlichkeit fehlt aber die entscheidende Verbindung zwischen Verbrauch und tatsächlich erledigter Arbeit.
· AI & Entwicklung
Next.js schließt 1.462 GitHub-Issues mit KI: Was der Agent wirklich gemacht hat
Next.js hat mit einem spezialisierten KI-Agenten einen Backlog von 2.244 offenen GitHub-Issues untersucht. Maintainer prüften die Ergebnisse; bis Anfang September wurden 1.462 Reports im Repository geschlossen – ein gutes Beispiel dafür, wo Agenten bei technischer Recherche mehr bringen können als beim reinen Codeschreiben.
· AI & Entwicklung
Microsoft Project Zenith: Lokale KI auf dem Entwickler-PC?
Microsoft Project Zenith kombiniert eine vorkonfigurierte Windows-Entwicklerumgebung mit Hardware für lokale 30B+-Modelle. Wir schauen darauf, warum die spannendere Frage nicht Windows-Defaults sind, sondern welche Entwicklungsarbeit künftig lokal statt in der Cloud laufen kann.
· AI & Entwicklung
GitHub HydraFusion: Wird Model Routing wichtiger als das beste KI-Modell?
GitHub HydraFusion lässt mehrere KI-Modelle innerhalb eines Coding-Workflows zusammenarbeiten und entscheidet dynamisch zwischen direkter Ausführung, Eskalation und Review. Wir schauen darauf, ob Model Routing für echte Softwareprojekte wichtiger werden könnte als die Wahl eines einzelnen Spitzenmodells.
· AI & Entwicklung
KI-Agenten auf einem deutschen Wiki: Was der DseWiki-Vorfall über autonome Systeme zeigt
Update vom 6. September: OpenAI hat den DseWiki-„Wiki Incident“ inzwischen öffentlich anerkannt und fordert bessere Standards für die Meldung von Misalignment-Vorfällen. Der Fall zeigt, warum Berechtigungen, Sandboxing, Logging und Monitoring bei agentischer KI genauso wichtig sind wie die Modellleistung.
· AI & Entwicklung
GPT-6 Astra: Funktionen, Benchmarks, Preise und Sicherheitsfragen
Update vom 5. September: GPT-6 Astra wird inzwischen auch in Codex für Plus- und Business-Pläne freigeschaltet. Der Artikel ordnet außerdem Computer Use, Kosten, Long Context, Cybersecurity und den praktischen Einsatz bei Quavon ein.