BREAKING
+++ Anthropic mietet 191 MW bei Riot in Texas — 9,1-Mrd.-Dollar-Lease bis 2048 +++ OpenAI startet GPT-5.6-Cyber im Daybreak-Programm — 95 % Antwortquote für geprüfte Forscher +++ Claude hebt Riemann-Zeta-Schranke von 41,6 auf 67,2 Prozent — Lean-verifiziert +++ OpenAI schließt 7-Mrd.-Dollar-Aktienrückkauf von Mitarbeitern ab — Bewertung 852 Mrd. +++ Meta veröffentlicht Muse Glimmer: 30B-Agentenmodell für Consumer-GPUs unter Apache 2.0 +++ tl;dv-Leck: über 181.000 Meetings von 84.000 Nutzern waren abfragbar ++++++ Anthropic mietet 191 MW bei Riot in Texas — 9,1-Mrd.-Dollar-Lease bis 2048 +++ OpenAI startet GPT-5.6-Cyber im Daybreak-Programm — 95 % Antwortquote für geprüfte Forscher +++ Claude hebt Riemann-Zeta-Schranke von 41,6 auf 67,2 Prozent — Lean-verifiziert +++ OpenAI schließt 7-Mrd.-Dollar-Aktienrückkauf von Mitarbeitern ab — Bewertung 852 Mrd. +++ Meta veröffentlicht Muse Glimmer: 30B-Agentenmodell für Consumer-GPUs unter Apache 2.0 +++ tl;dv-Leck: über 181.000 Meetings von 84.000 Nutzern waren abfragbar +++
Stand 08:00
AI IN LIFE AI IN LIFENEWS
DAILY
Datenschutz

KI-Notetaker tl;dv: Leck legte über 181.000 Meetings offen

Ein Forscher macht ein gravierendes tl;dv-Leck öffentlich: 181.874 Meeting-Datensätze von über 80.000 Nutzern waren abfragbar — inklusive Behörden-Calls.

KI-Notetaker tl;dv: Leck legte über 181.000 Meetings offen

Symbolbild · KI-generiert (AI IN LIFE)

Auf einen Blick

  • 181.874 Meeting-Datensätze von über 80.000 Nutzern waren abfragbar
  • Ursache: fehlende Tenant-Isolation in der Cloud-Firestore-Datenbank
  • Über 1.000 Meetings mit öffentlich einsehbaren Transkripten und Teilnehmer-Mails
  • Betroffen waren auch .gov-Meetings aus 23 Ländern
  • Entdeckt Ende Januar 2026; laut Dark Reading blieb die Lücke monatelang offen

Der Sicherheitsforscher „BobDaHacker“ hat seine vollständige Analyse einer gravierenden Schwachstelle beim KI-Meeting-Notetaker tl;dv veröffentlicht — und die Details sind unangenehm: 181.874 Meeting-Datensätze von mehr als 80.000 Nutzern ließen sich über das Google-Firebase-Backend des Dienstes abfragen, darunter Zeitstempel, Aufnahmestatus und E-Mail-Adressen der Organisatoren.

Die Ursache ist banal: fehlende Mandanten-Isolation in der „meetings“-Collection der Cloud-Firestore-Datenbank. Jeder angemeldete Nutzer konnte fremde Datensätze lesen. Bei über 1.000 Meetings waren Transkripte und Teilnehmer-Adressen öffentlich einsehbar; in Tests gelang es laut dem Forscher in rund 80 Prozent der Fälle, laufenden privaten Calls beizutreten.

Besonders brisant: Unter den betroffenen Meetings fanden sich Termine mit .gov-Adressen aus 23 Ländern — also Regierungs- und Behördenkommunikation. Dark Reading berichtete bereits Anfang August, dass die Lücke trotz mehrfacher Kontaktversuche seit der Entdeckung Ende Januar offen geblieben war.

Der Fall reiht sich in eine wachsende Serie von Sicherheitsproblemen bei KI-Produktivitätstools ein, die tief in Kalender, Konferenzen und interne Kommunikation integriert sind — und deren Backend-Konfiguration mit dem Wachstum nicht Schritt hält. Die nötige Korrektur wären wenige Zeilen Firestore-Security-Rules gewesen.

Einordnung: Wer KI-Notetaker im Unternehmen einsetzt, holt sich einen Dritten in jede vertrauliche Besprechung. Vor dem Rollout gehören Auftragsverarbeitung, Datenresidenz und die Frage „Wer kann diese Transkripte technisch lesen?“ auf den Tisch — DSGVO-seitig ist ein solches Leck ein meldepflichtiger Vorfall.

◈ KI-GENERIERTER BERICHT · QUELLEN VERLINKT

Häufige Fragen

Was genau war einsehbar?

Meeting-Metadaten wie Zeitstempel, Aufnahmestatus und Organisator-Mails; bei über 1.000 Meetings zusätzlich Transkripte, teils war der Beitritt zu laufenden Calls möglich.

Wie konnte das passieren?

Die Firestore-Datenbank hatte keine Mandanten-Trennung — jeder eingeloggte Nutzer konnte fremde Datensätze abfragen. Wenige Zeilen Security-Rules hätten genügt.

Was sollten Unternehmen jetzt tun?

Prüfen, ob tl;dv im Einsatz ist, Datenschutz-Team einbinden, Zugriffe und betroffene Meetings klären — und generell KI-Notetaker vor dem Rollout sicherheitstechnisch bewerten.