Palo Alto Networks: Arora sagt, Anthropics Mythos hat mehr für den Cybersecurity-Vertrieb getan als seine eigene 8-Jahres-Pitch, und warnt vor Ökonomie von Frontier Models bei Punktlösungen
Äußerungen auf der Goldman Sachs Communacopia + Technology Conference, 10. September 2026
Nikesh Arora, Chairman und CEO von Palo Alto Networks, nutzte ein Fireside Chat auf der Goldman Sachs Communacopia + Technology Conference, um darzulegen, wie das „Mythos“-Modell von Anthropic Kundengespräche neu geformt hat, warum er der Ansicht ist, dass Large Language Models an der Innovationsspitze in Kernmärkten der Durchsetzung strukturell im Nachteil sind, und warum er skeptisch bleibt, ob Neocloud-Infrastruktur ein nachhaltiges Geschäft für Sicherheitsanbieter darstellt. Die Session, die kurz nach Aroras Rückkehr aus Genf stattfand, bot ungewöhnlich offenherzige Details darüber, wie KI die Wettbewerbskarte in der Cybersicherheit neu mischt und wo Palo Alto seine eigenen Wetten platziert.
Mythos löste einen Nachfrageschock aus, aber das eigentliche Produkt ist das Multi-Model-Harness
Arora erklärte, dass Anthropics Mythos-Tool mehr für den Verkauf von Cybersecurity-Budgets getan habe als seine eigenen acht Jahre Missionierungsarbeit. „Ich habe acht Jahre damit verbracht, die Leute davon zu überzeugen, dass Cybersicherheit wichtig ist. Dario hat es in einer Woche geschafft. Er ist eindeutig besser als ich. Mythos war für mich als Marketing-Werkzeug nützlicher als alles, was ich in acht Jahren getan habe“, sagte er. Seit der Einführung von Mythos hat Palo Alto eingehendes Interesse von rund 2.000 Unternehmen auf CEO-, CIO- und CISO-Ebene verzeichnet, die alle wissen wollten, was das Tool für ihre eigene Exponierung gegenüber Schwachstellen bedeutet.
Das Unternehmen ließ seine eigene Infrastruktur durch das Tool laufen und deckte 1.200 potenzielle Schwachstellen auf, deren Triage drei bis vier Monate dauerte, bis ein stabiler Rhythmus von einer Handvoll echter Befunde pro Monat erreicht war – im Einklang mit dem Niveau vor Mythos. Entscheidend ist, dass Arora offenlegte, dass kein einzelnes Modell die gesamte Schwachstellenoberfläche abdeckte: Etwa 60 % der Funde kamen über Mythos, 30 % über OpenAI-Modelle und 10 % über andere Modelle. Dies zwang Palo Alto dazu, ein Multi-Model-Harness zu bauen, anstatt sich auf ein einzelnes Frontier-Lab zu verlassen. Dieser Zyklus aus Entdeckung und Behebung wird nun zu einem Paketdienst weiterentwickelt, den Palo Alto an Unternehmenskunden verkauft, und bildet den Einstieg in die sich anschließenden Plattform- und SIEM-Gespräche.
Warum Frontier-LLMs Punkt-Sicherheitslösungen laut Arora nicht verdrängen werden
Arora trat entschieden der Auffassung entgegen, die zuvor auf der Bühne angeblich von Nvidias Jensen Huang geäußert wurde, dass Frontier-Modelle eine große kommerzielle Chance innerhalb von Sicherheits-Enforcement-Punkten darstellen. Sein Argument dreht sich um die Unit Economics statt um die Leistungsfähigkeit. Endpoint Security wird mit etwa 30 bis 40 Dollar pro Arbeitsplatz und Jahr bepreist, während ein typischer Laptop täglich rund 160 Megabyte an Datenverkehr erzeugt. „Wenn Sie ein Frontier-LLM einsetzen, um 160 Megabyte am Tag am Rand Ihres Laptops zu inspizieren, wird Sie das schätzungsweise mehr als 40 Dollar im Jahr kosten“, sagte er und fügte hinzu, dass Frontier-Modelle aus dieser Ebene komplett herausgepreist sind, es sei denn, Kunden sind bereit, 4.000 statt 40 Dollar pro Endpunkt zu zahlen.
Er zog zudem eine schärfere technische Trennlinie: LLMs werden auf den Mainstream-Fall trainiert, nicht auf den Sonder- oder Randfall (Edge Case). Er verglich die Lücke damit, dass Waymo explizites Training für Szenarien außerhalb seiner Standardverteilung benötigt. Da Modelle zur Schwachstellenerkennung effektiv auf Basis der Investitionen der Branche in Coding-Assistenten trainiert wurden, sind sie sehr gut darin, schlechten Code zu erkennen, können aber böswillige Absichten nicht von legitimen Tests unterscheiden. Als Beispiel nannte er unternehmenseigene Code-Bestände von Palo Alto zur Simulation von Angriffsvektoren, die ein Modell fälschlicherweise markieren würde. Seine Schlussfolgerung ist nicht, dass KI für die Sicherheit irrelevant ist, sondern dass „durchschnittliche Intelligenz“ mit der Zeit „kostenlos“ wird, während Rechenleistung der knappe, bepreiste Input bleibt. Dies bedeutet, dass Cybersicherheitsanbieter zu Konsumenten von Frontier-Tokens werden, die in ihre eigenen Produkte eingebettet sind, anstatt von ihnen disintermediert zu werden.
Die Plattform-Thesen: KI verschafft etablierten Anbietern mit konsolidierten Daten Vorteile
Aroras zentrales strategisches Argument ist, dass KI-Fähigkeiten vernetzte, domänenübergreifende Daten erfordern, um für die Verteidigung nützlich zu sein, was strukturell jene Anbieter begünstigt, die bereits über mehrere Enforcement-Punkte hinweg positioniert sind. Er skizzierte einen hypothetischen Angriff, der Laptop, Rechenzentrums-Firewall und Cloud-Datenbank durchquert – jeweils von einem anderen Anbieter verteidigt –, und argumentierte, dass keiner von ihnen die gesamte Angriffskette ohne eine gemeinsame Datenebene rekonstruieren kann. „Irgendjemand muss alle Daten sammeln und sie dann verständlich machen“, sagte er und argumentierte, dass Single-Vendor-Stacks dies nativ lösen, während Multi-Vendor-Umgebungen erfordern, dass Agents sich mit den Agents anderer Anbieter koordinieren, „was schlicht eine komplizierte Lösung ist.“ Seine Einordnung: „KI verschafft etablierten Anbietern mit Plattform-Stacks Vorteile.“
Dies zeigt sich bereits in Verlängerungszyklen. Arora schilderte E-Mail-Datenverkehr, bei dem Kunden einen dritten Netzwerk-Anbieter zugunsten von Palo Alto konsolidieren, einfach weil das Unternehmen bereits zwei von drei Teilen des Stacks hält – ganz ohne aktive Verdrängungskampagne. SOC-Transformationen hingegen neigen dazu, einmalige sechsmonatige Engagements anstelle schrittweiser Entwicklungen zu sein.
Rückenwind beim Netzwerkverkehr verknüpft mit dem breiteren KI-Ausbau
Auf die Auswirkungen des steigenden Agenten-Traffics auf den Firewall-Zyklus angesprochen, wiederholte Arora das Datenblatt aus Palo Altos letztem Earnings Call, wonach der Agenten-Traffic auf seiner SASE-Plattform um das Neunfache gestiegen ist. Er bettete dies jedoch in eine größere These ein: Wenn in den nächsten fünf Jahren 5 Billionen Dollar für den Aufbau von KI-Rechenleistung ausgegeben werden, müssen die Datenvolumina entsprechend steigen, und praktisch der gesamte Unternehmensverkehr unterliegt heute irgendeiner Form der Inspektion – sei es über SASE, Software- oder Hardware-Firewalls. Die Ausnahme, so sagte er, sei der Coding-Traffic. „Wenn im Bereich Coding über 100 Milliarden Dollar an ARR generiert werden, sind die meisten Coding-Instanzen nicht abgesichert. Das müssen wir zuerst in Ordnung bringen. Das ist noch nicht gelöst.“
Kein Anbieter, auch nicht Palo Alto, hat den KI-Sicherheits-Stack bisher gebaut
Arora äußerte sich ungewöhnlich direkt und stellte fest, dass die wertschöpfende Softwareschere für KI-Sicherheit in der gesamten Branche noch nicht existiert. „Kein Anbieter, einschließlich uns, hat den vollständigen Stack“, sagte er und verwies auf die neu angekündigte Muse-Architektur von Meta als Beispiel dafür, wie schnell sich Architekturen für die Sicherheit von Agenten unter den Füßen der Anbieter verändern. Es erfordere drei bis sechs Monate allein, um neue Integrationsschnittstellen zu verstehen, und er wies darauf hin, dass weder Anthropics Claude Code noch OpenAIs Codex derzeit die für Inline-Sicherheit von Drittanbietern erforderlichen Schnittstellen offenlegen. Er zog eine Analogie zur Luftsicherheit: „Sie haben die TSA nicht erfunden, als sie Flugzeuge erfunden haben. Es hat lange gedauert, bis uns die TSA gequält hat. Es wird also eine Weile dauern, bis wir an den Punkt kommen, die KI-Leute zu quälen.“ Palo Alto erwirtschaftet derzeit rund 100 Millionen Dollar mit Prisma AIRS, seinem Echtzeit-KI-Sicherheitsprodukt für Prompt Injection und Modellmanipulation, aber Arora charakterisierte den breiteren adressierbaren Markt (TAM) für Agenten-Sicherheit als noch im Aufbau befindlich. Er warnte, dass von den rund 3.000 im letzten Jahr finanzierten KI-Sicherheits-Startups etwa 2.000 nicht überleben werden.
Die Chance der Neocloud-Sicherheit ist kleiner, als das Narrativ nahelegt
Arora äußerte sich bemerkenswert zurückhaltend hinsichtlich des Aufbaus der Neocloud-Infrastruktur als Sicherheitschance. Multi-Tenant-Rechenzentren erfordern Firewalls zur Segmentierung, aber er schätzte, dass nur 10 % bis 15 % der neu entstehenden Rechenzentrumskapazitäten mandantenfähig (multi-tenant) sind, während die überwiegende Mehrheit für einen einzigen Zweck und einen einzigen Mieter ausgelegt ist. Er verwies auf Anthropics Praxis, die gesamte Kapazität von Rechenzentren direkt zu kaufen und die Konnektivität zwischen den Standorten ohne Firewalls von Drittanbietern selbst zu verwalten. Ähnlich skeptisch äußerte er sich zu unternehmenseigenen, souveränen KI-Rechenzentren und argumentierte, dass das für ihren ordnungsgemäßen Betrieb erforderliche Talent überwiegend bei den Frontier-Labs liegt. „Ich glaube, 92 % der Leute werden keinen kriegen – es ist so, als müsste der Lehrer jetzt seine Hausaufgaben überarbeiten“, und er warnte, dass DIY-Infrastruktur-Wetten verfrüht seien, angesichts dessen, wie ungesichert die zugrundeliegende Technologie nach wie vor ist. Seine breiteren öffentlichen Kommentare zur Neocloud-Ökonomie waren scharf genug, um in den sozialen Medien Gegenwind hervorzurufen; er verwies auf Kritik von sogenannten „Nebius-Liebhabern“, nachdem er argumentiert hatte, dass die Finanzierung kapitalintensiver Rechenzentrumsbauten mit Eigenkapital schlechte Ökonomie ist, selbst wenn es im Moment funktioniert.
M&A-Framework: Einstieg in den „Token Flow“
Arora lieferte seine bislang klarste Formulierung der Logik hinter der Akquisitionsstrategie von Palo Alto, einschließlich des Observability-Deals mit Chronosphere. Sicherheit macht typischerweise 2 % bis 5 % der zugrundeliegenden IT-Ausgaben aus; wenn also die KI-Ausgaben von Unternehmen in Richtung von 1 Billion Dollar an jährlichen wiederkehrenden Umsätzen skalieren, ist die Eroberung auch nur einer kleinen Take-Rate extrem wertvoll. „Ich muss einfach etwas finden, um in den Token Flow zu kommen“, sagte er und nutzte das Datenvolumen als seinen Indikator für die Token-Exponierung. Er benannte Observability, SOC und Endpunktinspektion als die drei größten Datengeschäfte und erklärte, dass die Übernahmen von Palo Alto bewusst darauf ausgelegt sind, die Datenerfassung einmal zu besitzen und über mehrere Anwendungsfälle hinweg zu monetarisieren – einschließlich interner IT-Daten über sein Cortex-nahes Konsolenprodukt. Seit 2018 hat Palo Alto 47 Akquisitionen abgeschlossen und bringt inzwischen rund 70 Produktversionen pro Jahr auf den Markt, verglichen mit keiner nennenswerten Produktinnovation zwischen 2015 und Aroras Ankunft im Jahr 2018.
Burggraben-Metriken und Branchenkonsolidierung
Auf die Frage, was Palo Alto vor einer Disruption in einem sich verändernden Markt schützt, verwies Arora auf Skalen-Metriken statt auf reine Software: 180 Millionen eingesetzte Sensoren weltweit und 19 Petabyte an täglichen Daten, die über Google Cloud verarbeitet werden. Beide Faktoren würden von einem Wettbewerber erfordern, physisch zu verdrängen, bevor Marktanteile gewonnen werden können. Er wies darauf hin, dass die Marktkapitalisierung der Cybersicherheitsbranche von 40 Milliarden Dollar im Jahr 2012 – als Symantec einen Marktanteil von rund 30 % hielt – auf heute 670 Milliarden Dollar gewachsen ist, wobei Palo Alto inzwischen fast 300 Milliarden Dollar dieses Wertes ausmacht. Dies stützt seine Ansicht, dass sich die Branche weiterhin um Plattformanbieter konzentriert, anstatt sich zu fragmentieren. Er führte zudem ein Argument der operativen Effizienz an und schätzte, dass Palo Alto sein Geschäft dank KI-getriebener Produktivitätsgewinne um 500 bis 600 Basispunkte effizienter führen kann als kleinere Wettbewerber, wodurch profitable Skaleneffekte selbst zu einem Wettbewerbsvorteil werden.