Ein KI-Tool macht aus einer Beschreibung in Alltagssprache an einem Nachmittag eine funktionierende Web-App. Eine Hamburger Sicherheitsfirma sagt: Bei einer beunruhigend hohen Zahl dieser Apps stand die Haustür offen. Ein Forum hatte mehr als 200.000 lesbare Chatnachrichten, ein Dienstleister zeigte Passnummern.
Die Studie landete am 14. November auf Hacker News und hatte dort am Morgen des 15. November schon mehr als 700 Punkte. Hier steht, was sie wirklich gefunden hat, was sie nicht beweist, und eine Checkliste zum Absichern, falls du eine App mit einem KI-Baukasten gebaut hast (oder gerade bauen willst).
Was die Forscher gemacht haben
Crissy Field, eine deutsche Firma für Anwendungssicherheit, hat mit dem Handelsblatt zusammengearbeitet, das am 2. November 2026 über die ersten Ergebnisse berichtete. Laut dem eigenen Bericht der Firma nutzte sie das offene Webarchiv Common Crawl, um 159.041 Projekte zu finden, die mit dem KI-App-Baukasten Lovable gebaut und zwischen Dezember 2025 und September 2026 veröffentlicht wurden.
Danach konzentrierten sich die Forscher auf Supabase, einen Datenbankdienst, der ihrer Einschätzung nach unter Lovable-Projekten am weitesten verbreitet ist. Von den 159.041 Projekten nutzten ihn 34.545.
Sie schauten sich an, was jede Seite beim Laden auslieferte, und schickten dann zusätzliche reine Leseanfragen mit demselben API-Schlüssel.
Die Zahlen, genau gelesen
Schlagzeilen werfen diese Zahlen durcheinander, deshalb hier der Reihe nach:
| Schritt | Anzahl |
|---|---|
| Untersuchte Lovable-Projekte | 159,041 |
| Davon mit Supabase | 34,545 |
| Seiten, die beim Laden ohne Login Datenbankeinträge schickten | 24,664 |
| Davon Seiten mit Einträgen, die E-Mail-Adressen enthielten | 7.403 (etwa 30 %) |
Zwei Einschränkungen stammen direkt aus dem Bericht. Dass beim Laden Einträge geschickt werden, ist für sich genommen „kein Sicherheitsproblem“, denn die Daten können absichtlich öffentlich sein. Und die 30 % sollten „daher nicht als bestätigte Datenleck-Quote gelesen werden“, weil E-Mails öffentliche Kontaktadressen oder Testdaten sein können.
Die Stichprobe ist außerdem nicht repräsentativ für alle Lovable-Apps. Ob offengelegte Daten missbraucht wurden, konnten die Forscher nicht sagen.
Was offen herumlag
Der Bericht nennt konkrete Fälle, jeweils von einem einzelnen Betreiber und nicht aus dem gesamten Pool:
- Ein deutsches Lifestyle-Forum legte mehr als 80.000 Profile (Namen, E-Mails, Geburtsdaten, Geschlecht) und mehr als 200.000 Chatnachrichten offen.
- Veranstalter und Restaurants legten Zehntausende Datensätze zu Ticket- und Essensverkäufen offen, darunter Telefonnummern, Adressen, Zahlungsinformationen und Ticketcodes.
- Ein Dienstleister legte mehr als 1.000 Datensätze mit Ausweisdaten offen: Passnummern, Ablaufdaten und Staatsangehörigkeiten.
- Außerdem: Verträge, Rechnungen, Fotoalben, interne WhatsApp-Kommunikation und 280.000 E-Mails, die an die Kunden eines Anbieters gingen.
Die Forscher haben nur Teile der Datensätze abgerufen, die tatsächlichen Mengen könnten also größer sein. Wie man an die Daten kommt, haben sie nicht veröffentlicht.
Warum das passiert
Der Bericht macht Fehler bei der Zugriffskontrolle verantwortlich und hält fest, dass sie „in jeder Anwendung passieren können, ob von Menschen geschrieben oder mit KI gebaut“. Techzine nennt als Ursache schlecht konfigurierte Supabase-Datenbanken.
Der Haken ist die Wiederholung. Lovables Datenbank-Integrationen folgen wiederkehrenden Mustern, sodass eine Fehlkonfiguration, die bei einer App funktioniert, bei vielen funktionieren kann.
Der Bericht verweist auch auf eine Lücke zwischen Lovables Marketing, das betont, dass kein technisches Wissen nötig sei, und den AGB, die die Verantwortung für die App und ihre Daten den Kunden zuschieben. Laut Bericht hat das Handelsblatt Lovable mit den Ergebnissen konfrontiert. Keine der für diesen Artikel genutzten Seiten beschreibt eine Antwort, schau also in Lovables eigenen Kanälen nach einer Stellungnahme.
Checkliste: KI-gebaute Apps absichern
Die Supabase-Doku beschreibt Row Level Security (RLS, Sicherheit auf Zeilenebene) als „granulare Autorisierungsregeln, die innerhalb der Datenbank laufen“. Sie warnt auch, dass eine Tabelle in einem offenen Schema ohne RLS „von jeder Rolle mit einem Grant darauf gelesen und beschrieben werden kann“.
Diese Schritte stammen aus der Doku von Supabase und Lovable. Führe SQL nur in einem Projekt aus, das dir gehört, am besten zuerst in einer Testkopie.
- Schalte RLS für jede Tabelle ein, die Nutzerdaten enthält:
alter table public.reports enable row level security;
Mit aktiviertem RLS und ohne Policies ist laut Supabase über die API mit einem Publishable Key keinerlei Datenzugriff möglich.
- Kürze die Grants. Supabase weist darauf hin, dass in bestehenden Projekten neue Tabellen in
publicmit allen Rechten füranon,authenticatedundservice_rolestarten. Das Beispiel dazu:
revoke all on table public.reports from anon, authenticated;
grant select, insert, update, delete on table public.reports to authenticated;
- Schreib Policies pro Nutzer. Mit dem Beispiel von Supabase darf ein angemeldeter Nutzer nur sein eigenes Profil lesen:
create policy "Users can view their own profile."
on profiles for select
to authenticated
using ( (select auth.uid()) = user_id );
Vermeide to anon using ( true ), außer die Daten sollen öffentlich sein.
- Halte geheime Schlüssel aus dem Browser fern. Supabase sagt: „Nutze niemals einen Secret Key im Browser und gib ihn nie an Kunden weiter.“ Die Lovable-Doku ergänzt, dass du Schlüssel nicht fest in den Frontend-Code schreiben sollst: Speichere sie in Secrets und ruf externe APIs aus serverseitigem Code auf.
- Nutze die Scans von Lovable. Laut Lovable-Doku läuft der Quick security scan bei jeder Veröffentlichung und markiert Tabellen ohne Row Level Security sowie Regeln, die jeden durchlassen. Der Deep security scan prüft zusätzlich den Anwendungscode. Policies findest du unter More, dann Database, dann Manage, dann Policies. Ob diese Scans auch ein separat verbundenes Supabase-Projekt abdecken, sagt die Doku nicht, prüfe RLS also direkt in Supabase.
- Kenne die Grenzen deines Tarifs. Lovables Scan nach sensiblen Daten, der zum Beispiel Passdaten erkennt, braucht einen Enterprise-Tarif und prüft keine externen oder selbst gehosteten Ressourcen.
- Prüfe nach großen Änderungen erneut und lass einen Menschen draufschauen, bevor echte Kundendaten reinkommen. Laut Bericht sind automatische Prüfungen „kein Ersatz für eine professionelle Sicherheitsbewertung“. Auch die Lovable-Doku sagt, dass ihre Tools keine vollständige Sicherheit garantieren können.
Wenn du eine kleine App genutzt hast, die betroffen sein könnte
Der Bericht nennt keine betroffenen Apps, also lässt sich aus der Studie nicht ablesen, ob eine bestimmte Seite offen war. Er sagt aber, dass solche offenen Daten für Phishing, Ticketbetrug oder Identitätsdiebstahl genutzt werden könnten. Wenn dir ein Unternehmen mitteilt, dass deine Daten offenlagen, ist unser Ratgeber was du in den ersten 24 Stunden nach einer Datenleck-Benachrichtigung tun solltest der richtige Startpunkt, und alle Konten finden, die deinen Benutzernamen verwenden hilft dir zu sehen, wo deine Daten sonst noch liegen könnten.
Wie es weitergeht
Stand 15. November 2026 ist die Studie erst wenige Tage alt. Offen ist, wie viele betroffene Apps inzwischen repariert wurden und ob Lovable reagiert. Lovables neuere eigene Datenbankfunktionen hat die Studie nicht untersucht, sie bleiben also ungetestet.
Quellen
Links zuletzt geprüft am 15. November 2026.





Kommentar schreiben