Untersuche Code auf Schwachstellen – mit gezielten Tests, nachvollziehbaren Entscheidungen und Nachweisen, die du jederzeit prüfen kannst.
Für Sicherheitsforschende und Teams, die mit KI-Agenten arbeiten.
fractureai / ForschungsläufeExample Forms 2.4.1 · Prüfung der Berechtigungsgrenzen
Negative Ergebnisse gelten nur für die geprüften Pfade, Konten und Eingaben.
Die Testdaten enthalten private Formulareinträge. Nur Administratoren dürfen sie exportieren; einzelne Einträge dürfen ihr Eigentümer und Administratoren lesen. Prüfe die fünf aufgeführten Hypothesen.
Ein Hunt im Zeitraffer · Erlebe den Ablauf in der interaktiven Vorschau.
In jedem Hunt entstehen Hypothesen, die im Verlauf der Untersuchung geprüft und weiterentwickelt werden. Die beispielhaften Pfade zeigen, wie Ergebnisse den nächsten Versuch bestimmen und welche Verdachtsfälle reproduziert und geprüft werden.
Beispielhafte Untersuchungspfade
Zurück an den Hunter · verfeinern und erneut prüfen
Ein Modellaufruf ist nur ein Teil der Untersuchung. fractureai verwaltet Forschungsaufträge, führt Tests in isolierten Umgebungen aus und erfasst Verbrauch und Kosten. Protokolle und Nachweise bleiben erhalten – auch wenn die Unterhaltung mit dem Agenten längst beendet ist.
Das Modell schlägt vor, was als Nächstes geprüft werden sollte. fractureai sorgt dafür, dass die Untersuchung ausgeführt, dokumentiert und anschließend überprüft werden kann.
Plane Hunts, verteile Aufträge auf Worker und lege Budgets fest. Verbrauch und Kosten bleiben sichtbar. An vorgesehenen Kontrollpunkten kannst du Aufträge pausieren oder neu ausrichten. Die Plattform hält fest, welche Anweisung erteilt und welche bestätigt wurde.
Durchsuche die Abläufe, lies vollständige Tool-Protokolle und öffne die Originaldateien. Über Prüfsummen kannst du kontrollieren, ob ein Nachweis mit der gespeicherten Datei übereinstimmt.
Arbeite im Dashboard oder steuere die Plattform mit Codex und OpenCode über APIs und MCP-Tools. Aufträge und Forschungsprotokolle bleiben gespeichert. So kann dein Agent die Arbeit auch in einer neuen Sitzung fortsetzen.
fractureai
Mit Rechenleistung von AMD-GPUs
Unser Backend läuft auf AMD-GPUs. fractureai organisiert darauf die Hunts, steuert die Aufträge und hält die Untersuchungsschritte samt Nachweisen fest.
Dieser Hinweis beschreibt die von uns eingesetzte Hardware. Er stellt keine Partnerschaft mit AMD und keine Empfehlung durch AMD dar. AMD und das AMD-Pfeillogo sind Marken von Advanced Micro Devices, Inc.
Die GLM-Modelle von Z.ai unterstützen unseren primären Hunter bei der Codeanalyse, beim Entwickeln von Hypothesen und bei der Auswahl der nächsten Tests. fractureai zeichnet die Tool-Aufrufe auf und bewahrt Protokolle und Nachweise für die anschließende Prüfung auf.
Z.ai-Modelle entdecken ↗
Z.aiWir betreiben Modelle vollständig auf eigener Infrastruktur im Rechenzentrum von Karlcom.de. Für unsere Hunts setzen wir außerdem Z.ai-Modelle ein, die in deutschen Rechenzentren gehostet werden.
Wir nennen Z.ai als Anbieter der eingesetzten Modelle. fractureai ist unabhängig; damit wird weder eine Partnerschaft noch ein Sponsoring oder eine Empfehlung durch Z.ai behauptet. Name und Logo von Z.ai gehören dem jeweiligen Rechteinhaber.
Wie kam der Hunter zu diesem Ergebnis? Durchsuche mehrere Hunts, lies die vollständigen Protokolle und öffne die zugehörigen Dateien. So kannst du jeden Befund bis zu seinem Nachweis zurückverfolgen.
Die Originaldaten bleiben erhalten. Eine Zusammenfassung ersetzt sie nicht.
Ob Browser, Codex oder OpenCode: Du greifst auf dieselben gespeicherten Aufträge zu und kannst sie über dieselben Funktionen steuern.
„Zeige die fehlgeschlagenen Parser-Tests des letzten Laufs, rufe ihre Nachweise ab und erkläre, was sich geändert hat.“
Die Suche liefert zunächst überschaubare Ergebnisse. Bei Bedarf kann dein Agent die vollständigen Ereignisdaten und Dateien gezielt nachladen.
fracture_control({"id": "<managed-job-id>", "action": "pause", "idempotency_key": "review-parser-run"})Beispielanfrage: Die Plattform erfasst den Befehl und seine Bestätigung getrennt.
Was fractureai leistet, wo die Grenzen liegen und warum ein Modell allein nicht jede Untersuchung abdeckt.
Für eine konkrete Frage kann das völlig ausreichen. Bei längeren Untersuchungen musst du aber auch Tests ausführen, Ergebnisse vergleichen, Kosten verfolgen und Nachweise sichern. fractureai hält diese Arbeit zusammen, damit du eine Untersuchung über einzelne Chats hinaus fortsetzen und ihre Ergebnisse nachvollziehen kannst.
fractureai nutzt Modell-APIs und einen Agenten, der wiederholt analysiert, Tools aufruft und Ergebnisse auswertet. Zur Plattform gehören außerdem gespeicherte Forschungsaufträge, isolierte Testumgebungen, Auftragssteuerung und durchsuchbare Nachweise. Entscheidend ist, ob dir diese Funktionen bei deiner Untersuchung helfen. Eine überzeugend formulierte Modellantwort allein gilt noch nicht als verifizierter Befund.
Am Anfang steht eine prüfbare Vermutung. Ein Test kann sie stützen, widerlegen oder die Frage offenlassen. Erhärtet sich der Verdacht, folgen Reproduktion und Prüfung anhand der gespeicherten Anfragen, Antworten, Quellcode-Stellen und Dateien. Auch dann muss ein Mensch bewerten, wie weit das Problem reicht, welche Auswirkungen es hat und wie damit umzugehen ist.
Nein. Modelle können Fehler übersehen, Code falsch verstehen und Fehlalarme auslösen. fractureai unterstützt die Untersuchung, garantiert aber weder eine vollständige Prüfung noch fehlerfreien Code. Die Verantwortung bleibt bei den Forschenden: Sie müssen zur Untersuchung berechtigt sein, die Nachweise bewerten und entscheiden, welche Befunde gemeldet werden.
fractureai legt den Schwerpunkt auf nachvollziehbare Untersuchungen, die sich durch Agenten steuern lassen. Dazu gehören klare Auftragssteuerung, vollständige Tool-Protokolle und Nachweise, die unabhängig vom Chat abrufbar bleiben. Andere Werkzeuge bieten zum Teil ähnliche Funktionen. Ein sinnvoller Vergleich prüft deshalb am eigenen Code: Lassen sich Ergebnisse reproduzieren? Wie viele Fehlalarme entstehen? Welche Nachweise bleiben erhalten – und zu welchen Kosten?
Die Demo zeigt einen beispielhaften Hunt zu Zugriffsrechten: Der Hunter entwickelt Hypothesen, schließt einige durch Tests aus und reproduziert einen begründeten Verdacht. Der Ablauf ist im Zeitraffer dargestellt. Token-Verbrauch, Kosten und Ergebnis gehören zu diesem Beispiel. Sie sind kein Benchmark, kein Preisangebot und keine Zusage für künftige Hunts.
Ja. Über APIs und MCP-Tools können berechtigte Agenten Aufträge verwalten, Hunts steuern und Nachweise abrufen. Sie greifen dabei auf dieselben Daten und Funktionen zu wie das Dashboard. Die Plattform unterscheidet zwischen einer erteilten Anweisung und der Bestätigung durch den Worker. So kann dein Agent prüfen, ob die gewünschte Aktion tatsächlich ausgeführt wurde.
Du legst für Hunts Budgets fest und kannst den erfassten Verbrauch nachvollziehen. Die Token-Kosten hängen vom Modell und der Aufgabe ab; auch mit einem festen Budget ist ein Fund nicht garantiert. In den Protokollen können sensibler Code und sensible Ausgaben stehen. Deshalb ist der Zugriff beschränkt. Anbieter, Berechtigungen und Aufbewahrungsregeln müssen passend zur jeweiligen Installation konfiguriert werden.
Die Registrierung ist noch nicht geöffnet. Sobald die E-Mail-Liste verfügbar ist, kannst du dich über den Start informieren lassen. Dafür bestätigst du deine Anmeldung in einem separaten Schritt. Ein Benutzerkonto wird dabei noch nicht erstellt.
Die Registrierung ist noch nicht geöffnet.
Bald kannst du dich per E-Mail über den Start informieren lassen.