Claude Code Skills Risiko richtig einschätzen
Automatisch aus dem Podcast erstellt. Ungeprüft.
8 Min. Lesezeit • 13.09.2026
Claude Code Skills können produktiv sein, bringen aber je nach Einsatz auch Risiken mit. Der im Podcast besprochene Vorfall zeigt, wie problematisch es werden kann, wenn Teams ungeprüfte Bibliotheken installieren oder bereits freigegebene Skills später verändert werden.
In Episode 39 diskutiert Dennis Westermann, KI-Berater aus Oldenburg, mit Co-Host Axel genau dieses Problem neben ChatGPT 6, Gemini und dem generellen Toolvergleich. Der Sicherheitsaspekt sticht dabei heraus, weil sich aus dem geschilderten Fall konkrete Vorsichtsmaßnahmen für Unternehmen ableiten lassen.
Was sind Claude Code Skills überhaupt?
Claude Code Skills sind Erweiterungen oder Bibliotheken, die Aufgaben in Claude Code ergänzen oder automatisieren sollen. Genau deshalb sind sie attraktiv: Sie sparen Zeit, versprechen mehr Komfort und lassen sich offenbar schnell in Arbeitsabläufe einbauen.
Im Gespräch wird aber deutlich, dass Bequemlichkeit und Kontrolle nicht dasselbe sind. Wenn ein Skill tief in einen Agenten- oder Coding-Workflow eingreift, kann er nicht nur helfen, sondern auch Datenflüsse beeinflussen. Das ist der Kern des Problems.
Dennis beschreibt Claude im Werkzeugvergleich klar als sein bevorzugtes System für Coding-Aufgaben. Gleichzeitig ist das kein Freifahrtschein für jede Erweiterung rund um Claude Code. Wer das Tool produktiv nutzt, sollte also zwischen dem Modell selbst und fremden Zusatzbausteinen unterscheiden.
Wie konnte ein Skill 20.000 E-Mail-Adressen abziehen?
Laut Transkript geschah das über einen zunächst harmlos wirkenden Skill, der sogar von Cisco und NVIDIA geprüft worden sein soll und über eine Meta-Kampagne zehntausende Installationen sammelte. Danach wurden die Anweisungen offenbar heimlich geändert, sodass betroffene Agenten private E-Mail-Adressen verschickten.
Genau diese nachträgliche Veränderung macht den Fall brisant. Das Risiko lag also nicht nur in der ersten Installation, sondern in der späteren Manipulation. Für Teams ist das eine wichtige Erkenntnis: Auch ein einmal freigegebener Skill bleibt ein bewegliches Risiko.
Dennis zieht daraus eine klare Konsequenz: Skills für Claude, ChatGPT oder Gemini solle man lieber selbst bauen, statt ungeprüfte Bibliotheken zu installieren. Im Kontext des Gesprächs ist das keine Technikfeindlichkeit, sondern eine Vorsichtsregel für produktive Umgebungen.
Der Fall lässt sich als Beispiel für ein Supply-Chain- oder Ökosystemrisiko in KI-Workflows lesen, ohne dass damit jede Erweiterung automatisch unsicher wäre. Das passt auch zu früheren Diskussionen über Fehlverhalten und Kontrollprobleme bei KI-Systemen, etwa beim Perplexity-Skandal und ChatGPT-Fails. Das Muster ist ähnlich: Nicht nur die Modellleistung zählt, sondern auch die Integrität des gesamten Ökosystems.
Sind Claude, ChatGPT und Gemini gleich riskant?
Nein, im Gespräch werden die Tools eher nach Stärken als nach einem pauschalen Sieger eingeordnet. Dennis sieht Claude als Arbeitspferd fürs Coding, ChatGPT als stark im Alltag und Gemini als besonders schnell.
Das Wichtige daran: Das Risiko entsteht in diesem Fall nicht primär durch den Modellnamen, sondern durch den Umgang mit Erweiterungen, Skills und installierten Bibliotheken. Ein unsauberer Workflow kann deshalb auch bei einem starken Modell zum Problem werden.
Axel und Dennis verlieren sich deshalb nicht in einem bloßen Leistungsvergleich. Dennis fasst seinen Rat pragmatisch zusammen: Für ein Tool entscheiden und einfach loslegen. Das lässt sich als Gegenpol zum ewigen Modellvergleich lesen: lieber einen kontrollierten, nachvollziehbaren Setup bauen als ständig neue Fremdbausteine nachzuladen.
Wer kleinere Aufgaben kostengünstig lösen will, findet im Transkript zudem den Hinweis auf DeepSeek als Alternative. Dazu passt auch der frühere Blick auf DeepSeek R1 im praktischen Einsatz. Entscheidend bleibt aber unabhängig vom Modell: Wer produktive Daten verarbeitet, braucht klare Freigaben und minimale Angriffsflächen.
Wie sollte man Claude Code Skills sicher einsetzen?
Claude Code Skills sollten nur mit klarer Prüfung, enger Rechtevergabe und möglichst eigener Entwicklung eingesetzt werden. Genau das ist die praktische Lehre aus dem besprochenen Fall.
Ein sicherer Einsatz beginnt schon vor der Installation. Teams sollten prüfen, ob ein Skill wirklich nötig ist oder ob sich die Funktion intern nachbauen lässt. Denn jede zusätzliche Bibliothek erweitert die Angriffsfläche.
Ebenso wichtig ist die Frage, auf welche Daten ein Agent überhaupt zugreifen darf. Wenn ein Skill mit E-Mails, Kundendaten oder internen Postfächern arbeitet, steigt die Sensibilität sofort. Dann reicht „geprüft“ als Vertrauenssignal allein nicht aus, wenn spätere Änderungen möglich sind.
Aus dem Transkript folgt kein technischer Maßnahmenkatalog im Detail. Aber die Stoßrichtung ist eindeutig: weniger blinder App-Store-Komfort, mehr Kontrolle über den eigenen Stack.
Was bedeutet das für Unternehmen?
Für KMU heißt das vor allem: KI-Tools nicht nur nach Funktionslisten bewerten, sondern auch nach Betriebsrisiko. Der im Podcast diskutierte Fall zeigt, wie schnell produktive Agenten problematisch werden können, wenn ungeprüfte Skills Zugriff auf sensible Kommunikation haben.
Sinnvoll ist ein einfacher Dreischritt. Erstens ein Kern-Tool auswählen, statt parallel Claude, ChatGPT, Gemini und mehrere Add-ons unkontrolliert zu mischen. Zweitens nur die Erweiterungen zulassen, die wirklich gebraucht werden. Drittens kritische Skills lieber intern bauen oder sehr eng prüfen lassen.
Gerade kleinere Unternehmen profitieren von dieser Disziplin. Sie haben oft keine großen Security-Teams, dafür aber viele sensible Daten in E-Mail-Postfächern, CRM-Systemen oder geteilten Dokumenten. Genau dort können schlecht kontrollierte Agenten den größten Schaden anrichten.
Der Fall zeigt außerdem: Geschwindigkeit ist nicht alles. Wer KI im Alltag produktiv nutzen will, sollte lieber etwas langsamer einführen und dafür nachvollziehbar, dokumentiert und mit klaren Zuständigkeiten.
Kurz gesagt: Die Modellwahl ist wichtig, aber Rechte, Skills und Kontrolle sind für den sicheren Betrieb oft entscheidender.
Häufige Fragen zu Claude Code Skills
Was sind Claude Code Skills?
Claude Code Skills sind Zusatzbausteine oder Bibliotheken, die Funktionen in Claude Code erweitern sollen. Sie können Abläufe beschleunigen oder automatisieren. Das Risiko entsteht dann, wenn solche Erweiterungen ohne genaue Prüfung installiert werden und Zugriff auf sensible Daten oder Agenten-Aktionen bekommen.
Sind Claude Code Skills grundsätzlich unsicher?
Nein, grundsätzlich unsicher sind sie nicht. Das Problem liegt laut der besprochenen Folge vor allem bei ungeprüften oder später veränderten Skills. Unternehmen sollten deshalb nicht jeden Skill pauschal ablehnen, sondern Nutzen, Berechtigungen und Änderungsrisiken vor dem Einsatz genau prüfen.
Warum war der Fall mit den E-Mail-Adressen so brisant?
Brisant war der Fall, weil ein zunächst geprüft wirkender Skill nachträglich seine Anweisungen geändert haben soll. Dadurch verschickten betroffene Agenten private E-Mail-Adressen. Das zeigt, dass das Risiko nicht nur beim Installationszeitpunkt liegt, sondern auch in späteren Änderungen eines bereits eingeführten Zusatztools.
Sollte man Skills für Claude, ChatGPT oder Gemini lieber selbst bauen?
Nach Dennis’ Einschätzung ja, zumindest dann, wenn die Skills in sensible Prozesse eingreifen. Selbst gebaute oder intern kontrollierte Erweiterungen sind meist besser nachvollziehbar als fremde Bibliotheken. Für Unternehmen bedeutet das mehr Aufwand am Anfang, aber oft deutlich mehr Sicherheit im laufenden Betrieb.
In Episode 39 ordnen Dennis und Axel den Vorfall rund um Claude Code Skills im größeren KI-Toolvergleich ein. Wenn du KI sicher und praxisnah in deinem Unternehmen einführen willst, findest du hier Unterstützung zur KI-Beratung für Unternehmen.
🎧 Jetzt die komplette Folge hören:
Hör die ganze Episode auf MangoblauAI, Spotify oder Apple Podcasts – oder überall, wo es Podcasts gibt.