noris network Barcamp · 20. Juni 2026

Souveräner RZ-Betrieb KI zum Verstehen. Quantensicher zum Verbinden.

Franz Bettag Imran Khan

Wer ich bin

Franz Bettag Produktions-IT, Security, AI

25 Jahre Consulting und Umsetzung für Enterprise bis Fortune 500: On-Prem, Cloud, Security, AI und Entwicklung in 30+ Sprachen.

2011-2013 Alle 3 großen sozialen Netzwerke

Bezahlte Produktionsarbeit für Plattformen, die damals das öffentliche Internet geprägt haben.

2013 Wall Street

HFT Block-Trade-Optimierung, kritische Performance-Probleme und ein $2M+ Accounting-Fehler.

2013 Nordstrom / HauteLook

Push-Infrastruktur für Flash Sales: 10M+ gleichzeitige Pushes, von Tagen auf Minuten.

2014-2019 kleinanzeigen.de

Solo IT-Mädchen-für-alles neben dem CEO. Plattform neu gebaut, 30M+ monatliche Nutzer, Exit zu eBay.

Warum ich?

Hab ich scho was g'scheits mit KI g'macht?

Q4 2025 eigener AI-Harness für Security Research

Q1 2026 #2 VDP Researcher Deutschland

HackerOne 0 False Positives · Signal 7.0

Keycloak CVE-2026-1190

2x ClickHouse RBAC Bypass

3x Amazon VDP Takeover

Ruby on Rails Finding

Opera SIP / VoIP Takeover

Die Erkenntnis

LLMs sind keine Scanner. LLMs sind Hypothesenmaschinen.

01 Sie lesen schnell.

Code, Logs, Configs, Doku, Tickets, Fehlermuster.

02 Sie kombinieren Kontext.

Nicht perfekt, aber oft gut genug für bessere Prüfpfade.

03 Der Mensch verifiziert.

Beweise, Risiko, Scope und Entscheidung bleiben menschlich.

Einsatzgebiete

Meine Ops-Erfolge seit 24. Februar 2025

Linux Config und Debugging

GitLab Config, Debugging, Updates

Juniper Config und Debugging

Kubernetes Config, Debugging, Updates

UniFi WiFi Debugging

Home Assistant Config, Debug, Updates

Ops-Schleife

Wiederholbare Ops-Arbeit wird automatisierbar

Früher Kritische GitLab- und Kubernetes-Updates im Urlaub waren echter Stress

Irgendwer ist immer im Urlaub oder krank, wahrscheinlich auch noch der Kollege, der den Kunden primär betreut.

Heute Claude Code

/loop läuft auf managed GitLab- und Kubernetes-Instanzen

loop.md persistiert den State des letzten Loops.

Open Weights

Spannend. Aber erstmal im Lab.

Lokale Modelle sind gut für Logs, Configs, Runbooks und reproduzierbare Analyse. Für Produktionszugriff halten sie sich noch nicht zuverlässig genug an Regeln.

Beispiel Qwen 3.6 27B quantized: grob 14-18 GB, je nach Runtime und Kontext.

Für Security Research Bei HuggingFace nach "abliterated" suchen

Mit Open Weights gefunden Opera VoIP Takeover

Nicht für Produktion Lab und Staging zuerst.

Meine Observation

16 GB VRAM sind charakterbildend.

36 GB+ VRAM sind Fürsorge.

Je mehr lokale Modelle ausprobiert werden können, desto schneller wird aus "geht irgendwie" ein echtes Arbeitswerkzeug.