Die künstliche Intelligenz hat soeben einen symbolischen Meilenstein auf dem Gebiet der historischen Kryptoanalyse erreicht. Dank der Rechenkapazitäten des Modells GPT-6 Astra konnte ein deutsches Militärtelegramm vom 27. November 1918, das über ein Jahrhundert lang als unentschlüsselbar galt, endlich geknackt werden. Die Nachricht, die mit dem ADFGVX-Verfahren verschlüsselt war – dem damals sichersten Feldchiffre des Ersten Weltkriegs –, umfasste 170 Zeichen und beschrieb alliierte Schiffsbewegungen im Hafen von Sewastopol. Die Richtigkeit dieser Entschlüsselung wurde empirisch durch einen Abgleich mit digitalisierten Logbüchern der Royal Navy bestätigt, die die exakte Anwesenheit der britischen Schiffe zum genannten Datum belegen.

Der Schlüssel zur Lösung dieses Rätsels lag in der Entdeckung des Transpositions-Schlüssels TRUPPENVERSCHIEBUNG, eines 19-buchstabigen deutschen Begriffs. Das jahrzehntelange Scheitern von Kryptoanalytikern erklärte sich primär durch eine zeitliche Diskrepanz: In den Archivtabellen wurde die offizielle Verwendung dieses Schlüsselworts erst ab dem 9. Dezember 1918 geführt, also zwölf Tage nach Versand der Nachricht. Durch das Testen statistischer Hypothesen auf Basis von Buchstabenhäufigkeiten und Sprachstrukturen konnte der Algorithmus diese chronologische Anomalie überwinden. Auch wenn sich noch etwa ein Dutzend ähnlicher Nachrichten den Forschern widersetzen, verdeutlicht dieser Erfolg die Effizienz großer Sprachmodelle bei der Identifizierung komplexer Textmuster, die unter manuellen Verschlüsselungsmethoden verborgen sind.

Dieser Fortschritt befeuert die Debatte über die Anfälligkeit heutiger Sicherheitssysteme, insbesondere jener, die dezentrale Netzwerke wie Bitcoin schützen. Dennoch lässt sich die Methode, die zur Entschlüsselung historischer Codes verwendet wurde, nicht auf moderne Standards übertragen. Die Architektur der ersten Kryptowährung basiert auf dem SHA-256-Hashing und der elliptischen Kurve secp256k1, die auf 256-Bit-Private-Keys setzen, welche absolut zufällig generiert werden. Mit einem Suchraum von rund 1,16 × 10⁷⁷ Kombinationen, die keinerlei sprachliche oder statistische Muster aufweisen, bleiben diese Algorithmen für die Mustererkennungsfähigkeiten von Deep-Learning-Modellen völlig unempfindlich.

Die wahren Herausforderungen für das digitale Finanzökosystem gehen weniger von den Fortschritten konversationsbasierter KIs aus, sondern vielmehr von künftigen Entwicklungen im Bereich der Quanteninformatik. Während jüngste Tests die Machbarkeit der Entschlüsselung sehr kurzer 15-Bit-Schlüssel auf experimentellen Quantenarchitekturen demonstriert haben, liegt die tatsächliche Bedrohung für ECDSA-Signaturen in der theoretischen Anwendung des Shor-Algorithmus im großen Maßstab. Genau dieser technologische Zeitplan, der mit der Quantenresistenz verknüpft ist, steht heute im Fokus von Entwicklern und Finanzinstituten – weit mehr als die Weiterentwicklung von Modellen zur Verarbeitung natürlicher Sprache.