GPT-5.6-Cyber vs GPT-5.6 Sol: Code-Audits 2026

Kurzurteil: Für normale Codequalität, Abhängigkeitsanalyse und Reparaturvorschläge gewinnt GPT-5.6 Sol. GPT-5.6-Cyber ist nur dann die richtige Wahl, wenn Ihr Team eine ausdrückliche Autorisierung, eine isolierte Prüf Umgebung, Protokollierung und fachliche Sicherheitskontrolle besitzt. Der Modellname allein ist kein ausreichender Grund, eine höhere Zugriffsstufe zu beantragen.

OpenAI beschreibt GPT-5.6 Sol als Modell für Coding, Cybersecurity und komplexe Arbeitsabläufe. Für besonders risikoreiche Cyber-Aufgaben setzt OpenAI dagegen auf abgestufte Zugänge, zusätzliche Kontrollen und überprüfte defensive Nutzung. (openai.com)

Dieser Beitrag richtet sich an Open-Source-Maintainer, die Fehlalarme reduzieren müssen, an Unternehmens-Sicherheitsteams, die Audit und Exploit-Validierung trennen wollen, sowie an Verantwortliche für Sicherheitsprodukte, die eine belastbare Modellroute benötigen.

Letzte Aktualisierung: 11.08.2026. Die Angaben wurden gegen die aktuellen OpenAI-Informationen zu GPT-5.6 Sol, OpenAI Daybreak und Trusted Access for Cyber geprüft. Die Verfügbarkeit, Modellnamen und Zugriffsvoraussetzungen können sich während des Rollouts ändern. (openai.com)

Warum der Modellvergleich nicht mit einem Benchmark endet

Ein Code-Audit besteht nicht nur aus dem Finden möglichst vieler verdächtiger Stellen. Entscheidend ist, ob ein Fund reproduzierbar, relevant und sicher bearbeitbar ist. Genau hier entstehen die größten Unterschiede zwischen einem allgemeinen Modell und einem spezialisierten Sicherheitszugang.

1. Ein Fund ist noch keine Schwachstelle

Ein Modell kann eine unsichere Eingabevalidierung markieren. Das beweist noch nicht, dass ein Angreifer daraus einen verwertbaren Angriff ableiten kann. Für die Bewertung benötigen Sie Kontext:

• Welche Daten erreichen die betroffene Funktion?
• Ist der Endpunkt öffentlich erreichbar?
• Welche Berechtigungen sind erforderlich?
• Gibt es eine zusätzliche Validierung?
• Lässt sich das Verhalten in einer Testumgebung reproduzieren?
• Behebt der vorgeschlagene Patch das Problem, ohne andere Abläufe zu beschädigen?

GPT-5.6 Sol eignet sich für diese strukturierte Vorprüfung. OpenAI beschreibt das Modell ausdrücklich als hilfreich für Code-Review, Patch-Entwicklung, Debugging und defensive Tests. Eine vollständige Angriffskette ist damit jedoch nicht automatisch bewiesen. (openai.com)

2. Weniger Ablehnungen sind kein Qualitätsmaß

Sicherheitsmodelle müssen bei dual-use Aufgaben zwischen legitimer Verteidigung und missbräuchlicher Anleitung unterscheiden. Eine niedrigere Ablehnungsrate kann die Arbeit eines autorisierten Teams beschleunigen. Sie kann aber auch dazu führen, dass gefährliche Schritte zu leicht ausführbar werden.

OpenAI nennt für Trusted Access zusätzliche Verifikation, Scope-Kontrollen, Protokollierung und Überwachung. Diese Kontrollen sind nicht dekorativ. Sie bilden die Verantwortungskette zwischen Auftraggeber, Prüfer, Modell und Ausführungsumgebung. (help.openai.com)

3. Private Codebasen brauchen eigene Tests

Öffentliche Benchmarks lassen sich nicht direkt auf Ihr Repository übertragen. Framework-Versionen, interne Bibliotheken, Build-Schritte, Mandantenlogik und Berechtigungsmodelle verändern das Ergebnis. OpenAI weist selbst darauf hin, dass Benchmarks nicht jede Produktkonfiguration, mehrstufige Attacke oder reale Arbeitsweise abbilden. (openai.com)

Für Ihre Entscheidung bedeutet das: Nutzen Sie Benchmarkwerte nur als Orientierung. Die Freigabe sollte auf einem eigenen Testset beruhen. Dieses Testset braucht bekannte Schwachstellen, echte Fehlalarme, absichtlich sichere Gegenbeispiele und eine definierte Patch-Abnahme.

GPT-5.6 Sol ist der Standard für vier typische Teams

Die meisten Code-Sicherheitsaufgaben beginnen nicht mit einer Exploit-Entwicklung. Sie beginnen mit einer Pull-Request-Prüfung, einer Abhängigkeitswarnung oder einer schwer verständlichen Datenflussanalyse. Für diese Aufgaben ist eine kontrollierbare Standardroute wichtiger als ein maximal permissives Modell.

Normale Entwicklungs teams

Für ein gewöhnliches Produktteam sind folgende Aufgaben typische Kandidaten für GPT-5.6 Sol:

• Code-Gerüche und unsichere Muster erkennen
• Abhängigkeiten und veraltete Komponenten bewerten
• Tests für Grenzfälle ergänzen
• Reparaturvorschläge formulieren
• Änderungen in Pull Requests erklären
• Sicherheitsanforderungen in konkrete Akzeptanzkriterien übersetzen

Das Team sollte nicht versuchen, einen Cyber-Zugang zu erhalten, nur um weniger Ablehnungen zu sehen. Wenn der Auftrag keine autorisierte Validierung von Angriffsverhalten umfasst, bringt die höhere Zugriffsstufe keinen sauberen Governance-Vorteil.

Open-Source-Maintainer

Für Maintainer zählt nicht die Zahl der gemeldeten Probleme. Entscheidend ist die Zahl der verwertbaren Meldungen. Ein Bericht mit unklarer Auswirkung, fehlender Reproduktion und übertriebener Einstufung bindet Zeit und kann die Bearbeitung echter Sicherheitslücken verzögern.

GPT-5.6 Sol passt hier besser in einen Review-Prozess, wenn Sie es auf folgende Ausgaben begrenzen:

1. betroffene Datei und Funktion,
2. vermuteter Datenfluss,
3. minimale Reproduktion,
4. Sicherheitsauswirkung,
5. vorgeschlagener Patch,
6. verbleibende Unsicherheit.

Ein automatischer Bericht sollte niemals direkt als bestätigte Schwachstelle veröffentlicht werden. Der Maintainer braucht eine nachvollziehbare Begründung und einen Patch, der sich in die bestehende Testpipeline integrieren lässt.

Erfahrung aus der Praxis: Ein Modell, das zehn zusätzliche Hinweise erzeugt, kann schlechter sein als ein Modell, das sechs Hinweise liefert, von denen fünf reproduzierbar sind. Für Open-Source-Projekte ist die Review-Zeit oft der knappste Faktor.

Interne AppSec-Teams

Ein Unternehmens-Sicherheitsteam kann die Aufgaben stärker aufteilen. GPT-5.6 Sol übernimmt den breiten Scan und die erste Triage. Ein kontrollierter Sicherheitszugang kommt erst bei Fällen hinzu, die eine autorisierte technische Validierung benötigen.

Wichtig ist die Trennung der Berechtigungen:

• Scan: Lesender Zugriff auf Quellcode und Abhängigkeitsdaten.
• Analyse: Zugriff auf Build-Informationen und Testfälle.
• Reproduktion: Isolierte Umgebung mit synthetischen oder freigegebenen Testdaten.
• Patch: Separater Arbeitszweig ohne direkte Produktionsrechte.
• Freigabe: Menschliche Entscheidung durch eine benannte Sicherheitsrolle.

OpenAI Daybreak beschreibt genau diese defensive Kette aus Finden, Validieren, Beheben und Überprüfen. Der Nutzen entsteht nicht durch das Modell allein, sondern durch die Einbettung in einen kontrollierten Prozess. (openai.com)

Anbieter von Sicherheitsprodukten

Wenn Sie ein Sicherheitsprodukt bauen, darf der Endkunde nicht per Prompt auf eine höhere Berechtigungsstufe umschalten. Die Route muss aus überprüfbaren Merkmalen entstehen:

• bestätigte Kundenautorisierung,
• Asset- und Repository-Umfang,
• Risikoklasse,
• erlaubte Werkzeuge,
• Sandbox-Status,
• menschliche Freigabe,
• Aufbewahrung der Prüfprotokolle.

Trusted Access for Cyber ist laut OpenAI nicht automatisch für kundennahe oder nachgelagerte Produktverkehre freigegeben. Für ein Sicherheitsprodukt ist deshalb eine vorherige Abstimmung über den konkreten Workflow erforderlich. (help.openai.com)

GPT-5.6-Cyber gehört in einen kontrollierten Validierungspfad

Die Bezeichnung GPT-5.6-Cyber darf nicht als „bessere Version für jeden Scan“ verstanden werden. Der relevante Unterschied liegt in der vorgesehenen Nutzung: höhere Sensibilität, autorisierte Sicherheitsarbeit und zusätzliche Kontrollen.

OpenAI hat für seine Cyberprogramme ein gestuftes Zugangsmodell beschrieben. GPT-5.5-Cyber wird dort mit autorisiertem Red Teaming, Penetrationstests und Exploit-Validierung verbunden. Für GPT-5.6-Cyber müssen Sie die konkrete Verfügbarkeit und die Ihnen gewährte Zugriffsstufe separat prüfen; aus dem Namen folgt kein pauschaler Anspruch auf alle Funktionen. (help.openai.com)

Für ein Unternehmen ist GPT-5.6-Cyber erst dann sinnvoll, wenn alle folgenden Punkte erfüllt sind:

• Die zu prüfenden Systeme gehören Ihnen oder sind schriftlich freigegeben.
• Die Testziele und Grenzen sind dokumentiert.
• Quellcode, Zugangsdaten und Testdaten sind getrennt.
• Die Validierung läuft in einer isolierten Umgebung.
• Ausführbare Aktionen besitzen explizite Freigaben.
• Jede Modellaktion wird protokolliert.
• Ein Sicherheitsfachmann prüft die Ergebnisse.
• Es gibt einen Rückweg, falls die Validierung unkontrolliert verläuft.

Fehlt nur ein Kernpunkt, sollte die Route auf GPT-5.6 Sol zurückfallen. Das ist keine technische Schwäche, sondern eine saubere Zuständigkeitsgrenze.

Ein belastbarer Ablauf für die Modellwahl

Schritt 1: Auftrag und Eigentum prüfen

Notieren Sie Repository, System, Auftraggeber, Prüfzeitraum und erlaubte Aktionen. Bei Drittanbieter-Code brauchen Sie eine nachweisbare Autorisierung. Ein allgemeiner Auftrag wie „prüfe alles auf Schwachstellen“ reicht für risikoreiche Validierung nicht aus.

Schritt 2: Aufgabe in Operationen zerlegen

Trennen Sie Code-Review, Abhängigkeitsanalyse, Triage, Reproduktion, Patch-Erstellung und Exploit-Validierung. Ein einzelner Prompt für alle Phasen vermischt Berechtigungen und erschwert die Nachkontrolle.

Schritt 3: Risiko bewerten

Bewerten Sie mindestens Datenzugriff, externe Erreichbarkeit, Berechtigungsniveau und mögliche Auswirkungen. Eine Funktion zur lokalen Dateiverarbeitung braucht eine andere Prüfroute als ein öffentlich erreichbarer Authentifizierungsdienst.

Schritt 4: Umgebung isolieren

Nutzen Sie für reproduzierbare Validierung eine Sandbox mit begrenztem Netzwerk, synthetischen Geheimnissen und einem zurücksetzbaren Dateisystem. Produktionszugänge, echte Kundendaten und dauerhafte Tokens gehören nicht in diese Umgebung.

Schritt 5: Modell routen

Verwenden Sie GPT-5.6 Sol für Analyse, Triage und Patch-Vorschläge. Routen Sie nur autorisierte, klar abgegrenzte Validierungsaufgaben an GPT-5.6-Cyber oder eine vergleichbare höhere Sicherheitsstufe.

Schritt 6: Ergebnis doppelt prüfen

Ein Fund benötigt mindestens eine zweite Prüfung: durch einen Test, einen unabhängigen Reviewer oder eine reproduzierbare Demonstration in der Sandbox. Die Modellantwort selbst ist kein Beweis.

Schritt 7: Patch und Rest risikobewerten

Nach der Reparatur prüfen Sie nicht nur, ob der ursprüngliche Test fehlschlägt. Kontrollieren Sie auch Regressionen, Berechtigungsänderungen, Logging und Nebenwirkungen. Ein Patch kann die gemeldete Stelle schließen und gleichzeitig eine neue Umgehung erzeugen.

Schritt 8: Protokoll abschließen

Speichern Sie Auftrag, Scope, Modellroute, Prompt-Version, Werkzeuge, Ergebnisse, Freigaben und Patchstatus. Ohne diesen Datensatz können Sie später weder die Entscheidung erklären noch die Qualität des Systems messen.

Entscheidungsbedingungen für die vier Teamtypen

Nutzen Sie diese Bedingungen als operative Rückfallebene:

• Wenn Sie Codequalität, Abhängigkeiten, Tests oder Reparaturhinweise prüfen, dann wählen Sie GPT-5.6 Sol.
• Wenn Sie eine gemeldete Schwachstelle in einer isolierten Umgebung reproduzieren müssen, dann wählen Sie nur nach Autorisierungsprüfung eine höhere Cyber-Stufe.
• Wenn Sie einen Patch für ein Open-Source-Projekt vorbereiten, dann priorisieren Sie GPT-5.6 Sol mit menschlicher Maintainer-Abnahme.
• Wenn Ihr Sicherheitsprodukt Kunden selbst die Modellroute bestimmen lässt, dann stoppen Sie diese Architektur und verlagern die Entscheidung in eine serverseitige Policy-Schicht.
• Wenn Audit-Logs, Sandbox oder Sicherheitsverantwortliche fehlen, dann bleiben Sie beim eingeschränkten Modell.
• Wenn das Modell eine Schwachstelle behauptet, aber keine reproduzierbare Ursache liefert, dann behandeln Sie den Fund als Hypothese, nicht als bestätigte Lücke.

Zwei Tabellen für die Auswahl im Arbeitsalltag

Aufgabe	Primäre Modellroute	Erforderliche Kontrolle	Ergebnis
Code-Gerüche und sichere Reviews	GPT-5.6 Sol	Pull-Request-Review	Kommentierte Befunde
Abhängigkeitsrisiken	GPT-5.6 Sol	Versions- und Paketprüfung	Priorisierte Risiken
Testergänzung	GPT-5.6 Sol	CI/CD-Ausführung	Ausführbare Tests
Patch-Vorschlag	GPT-5.6 Sol	Reviewer und Regressionstests	Änderungsentwurf
Schwachstellen-Triage	GPT-5.6 Sol oder kontrollierte Cyber-Stufe	Risiko- und Scope-Prüfung	Reproduzierbare Hypothese
Exploit-Validierung	GPT-5.6-Cyber nur bei Freigabe	Sandbox, Logging, Sicherheitsfachkraft	Begrenzter Validierungsnachweis

Bedingung	Entscheidung	Warum
Kein schriftlicher Auftrag	GPT-5.6 Sol	Die Verantwortung für höhere Fähigkeiten ist nicht geklärt
Kein isoliertes Testnetz	GPT-5.6 Sol	Ausführbare Tests können reale Systeme beeinflussen
Kein menschlicher Sicherheitsprüfer	GPT-5.6 Sol	Fehlalarme und Fehlinterpretationen bleiben unkontrolliert
Autorisierung und Sandbox vorhanden	Kontrollierte Cyber-Route möglich	Höhere Validierung kann fachlich begrenzt werden
Kundenverkehr im Produktworkflow	Vorherige Zugriffsprüfung	Trusted Access ist nicht automatisch für jeden Downstream-Verkehr vorgesehen
Open-Source-Projekt mit knapper Review-Zeit	GPT-5.6 Sol	Patchqualität und geringe Fehlalarmrate sind wichtiger als maximale Fundzahl

Die offiziellen GPT-5.6-Unterlagen nennen für GPT-5.6 Sol unter anderem den Einsatz in Cybersecurity und berichten über deutliche Verbesserungen in Cyber-Benchmarks. OpenAI nennt außerdem mehr als 700.000 A100-äquivalente GPU-Stunden für automatisiertes Red Teaming. Diese Zahlen beschreiben Modell- und Sicherheitsentwicklung, nicht die Erfolgsrate in Ihrem privaten Repository. (openai.com)

OpenAI berichtet für einen CyberGym-Test zudem einen Wert von 85,6 % für ein Daybreak-Sicherheitsmodell gegenüber 81,8 % für GPT-5.5. Solche Ergebnisse sind als Laborwerte einzuordnen. Sie ersetzen weder Ihre Fehlalarmmessung noch eine Prüfung von Datenschutz, DSGVO-Anforderungen und internen Zugriffspflichten. (openai.com)

Wichtig für die Auswertung: Messen Sie mindestens Präzision der Befunde, Reproduzierbarkeit, Patch-Akzeptanz, Zeit bis zur Triage und Zahl der manuellen Nachprüfungen. Ein einzelner Benchmarkwert beantwortet keine dieser Fragen vollständig.

Typische Fehlentscheidungen bei der Einführung

Das Cyber-Modell für jeden Pull Request verwenden

Das erhöht nicht automatisch die Sicherheit. Es kann Kosten, Prüfzeiten und Governance-Aufwand vergrößern. Für wiederkehrende Routineaufgaben ist eine stabile Standardroute leichter zu überwachen.

Ein Modell ohne Rechte- und Werkzeugtrennung einsetzen

Wenn ein Agent Quellcode lesen, Tests ausführen, Netzwerkzugriff verwenden und Änderungen direkt veröffentlichen darf, ist die Modellwahl nur ein Teil des Risikos. Die Werkzeugkette braucht eigene Freigaben.

Ablehnungen mit falschen Prompts umgehen

Ein Team, das seine Aufgabe nur anders formuliert, um Schutzmechanismen zu umgehen, löst kein Governance-Problem. Es verschiebt es in eine schwerer nachvollziehbare Zone. Formulieren Sie stattdessen den Auftrag defensiv, begrenzen Sie den Scope und nutzen Sie den vorgesehenen Zugangsprozess.

Private Ergebnisse als bestätigt behandeln

Gerade bei komplexen Repositories können plausible Erklärungen falsch sein. Jede Meldung braucht eine technische Gegenprobe. Das gilt auch dann, wenn das Modell sehr sicher klingt.

FAQ zur Code-Audit-Auswahl

Braucht ein Code-Sicherheitsscan wirklich GPT-5.6-Cyber?

In den meisten Fällen nein. Für Codequalität, sichere Code-Reviews, Abhängigkeitsrisiken, Testergänzungen und Reparaturvorschläge genügt GPT-5.6 Sol als kontrollierbarer Standard. GPT-5.6-Cyber wird erst interessant, wenn ein autorisiertes Team die Ausnutzbarkeit einer Schwachstelle in einer isolierten Umgebung prüfen muss und dafür Freigaben, Protokollierung sowie fachliche Nachkontrolle besitzt.

Kann GPT-5.6 Sol ein vollständiges Code-Audit durchführen?

GPT-5.6 Sol kann viele typische Aufgaben eines Code-Audits unterstützen: Datenflussanalyse, Erkennung verdächtiger Muster, Abhängigkeitsprüfung, Testentwürfe und Patch-Vorschläge. Es ersetzt jedoch weder ein reproduzierbares Prüfverfahren noch eine menschliche Freigabe. Besonders bei Authentifizierung, Berechtigungen und komplexen Angriffsketten sollten Ergebnisse mit Tests, Logs und einem zweiten Prüfer bestätigt werden.

Darf ein normales Entwicklerteam das Cyber-Modell verwenden?

Nicht allein deshalb, weil es weniger häufig ablehnt. Entscheidend sind Zuständigkeit, dokumentierte Autorisierung, technische Isolation und eine verantwortliche Sicherheitsfachkraft. Fehlt eine dieser Voraussetzungen, sollte das Team beim eingeschränkten Modell bleiben. Der Versuch, über Prompts eine höhere Berechtigungsstufe zu erzwingen, erhöht das Missbrauchs- und Haftungsrisiko, ohne die Prüfqualität zuverlässig zu verbessern.

Wie lässt sich ein Sicherheitsmodell automatisch nach Aufgaben routen?

Routen Sie zunächst nach Operation statt nach Teamwunsch. Codequalität, Abhängigkeiten, sichere Reviews und Patch-Hinweise gehen an GPT-5.6 Sol. Reproduzierbare Validierung geht nur nach Autorisierungsprüfung, Risikoklassifizierung und Sandbox-Freigabe an eine höhere Sicherheitsstufe. Jede Entscheidung sollte mit Auftrag, Repository, Benutzer, Modell, Werkzeugen und Ergebnis protokolliert werden.

Fazit: Erst die Verantwortung, dann das Modell

Für die meisten Teams ist GPT-5.6 Sol die vernünftige Ausgangswahl. Es deckt Code-Reviews, Abhängigkeitsanalyse, Testergänzung, Triage und Reparaturvorschläge ab, ohne dass Sie den gesamten Sicherheitsprozess auf eine höhere Berechtigungsstufe umstellen müssen.

GPT-5.6-Cyber ist kein allgemeines Qualitäts-Upgrade. Es ist eine Option für Teams mit klarer Autorisierung, isolierter Umgebung, dokumentierten Grenzen und fachlicher Verantwortung. Wenn diese Voraussetzungen fehlen, bleibt der eingeschränkte Weg die bessere Entscheidung.

Wenn Sie für die Prüfung kurzfristig eine kontrollierte Mac-Umgebung benötigen, kann vmzig gegenüber einem lokalen Arbeitsplatz Vorteile bieten: Sie müssen keine zusätzliche Hardware beschaffen, vermeiden die Bindung an einen einzelnen Entwicklerrechner und können eine getrennte Testumgebung für Audit-Werkzeuge aufsetzen. Gegenüber einer dauerhaft betriebenen eigenen Infrastruktur bleiben jedoch laufende Mietkosten, Datenübertragung und die Abhängigkeit von einer externen Umgebung bestehen. Für langfristige, gleichbleibende Sicherheitslasten oder Anforderungen an physische Schnittstellen ist ein eigener Mac weiterhin die passendere Lösung. Für zeitlich begrenzte Audits, Modellvergleiche und isolierte Entwicklungsarbeiten ist das Mieten eines Mac über vmzig dagegen oft der sauberere Weg, bevor Sie eine dauerhafte Beschaffung entscheiden.

Häufige Fragen

Braucht ein Code-Sicherheitsscan wirklich GPT-5.6-Cyber?

In den meisten Fällen nein. Für Codequalität, sichere Code-Reviews, Abhängigkeitsrisiken, Testergänzungen und Reparaturvorschläge genügt GPT-5.6 Sol als kontrollierbarer Standard. GPT-5.6-Cyber wird erst interessant, wenn ein autorisiertes Team die Ausnutzbarkeit einer Schwachstelle in einer isolierten Umgebung prüfen muss und dafür Freigaben, Protokollierung sowie fachliche Nachkontrolle besitzt.

Kann GPT-5.6 Sol ein vollständiges Code-Audit durchführen?

GPT-5.6 Sol kann viele typische Aufgaben eines Code-Audits unterstützen: Datenflussanalyse, Erkennung verdächtiger Muster, Abhängigkeitsprüfung, Testentwürfe und Patch-Vorschläge. Es ersetzt jedoch weder ein reproduzierbares Prüfverfahren noch eine menschliche Freigabe. Besonders bei Authentifizierung, Berechtigungen und komplexen Angriffsketten sollten Ergebnisse mit Tests, Logs und einem zweiten Prüfer bestätigt werden.

Darf ein normales Entwicklerteam das Cyber-Modell verwenden?

Nicht allein deshalb, weil es weniger häufig ablehnt. Entscheidend sind Zuständigkeit, dokumentierte Autorisierung, technische Isolation und eine verantwortliche Sicherheitsfachkraft. Fehlt eine dieser Voraussetzungen, sollte das Team beim eingeschränkten Modell bleiben. Der Versuch, über Prompts eine höhere Berechtigungsstufe zu erzwingen, erhöht das Missbrauchs- und Haftungsrisiko, ohne die Prüfqualität zuverlässig zu verbessern.

Wie lässt sich ein Sicherheitsmodell automatisch nach Aufgaben routen?

Routen Sie zunächst nach Operation statt nach Teamwunsch. Codequalität, Abhängigkeiten, sichere Reviews und Patch-Hinweise gehen an GPT-5.6 Sol. Reproduzierbare Validierung geht nur nach Autorisierungsprüfung, Risikoklassifizierung und Sandbox-Freigabe an eine höhere Sicherheitsstufe. Jede Entscheidung sollte mit Auftrag, Repository, Benutzer, Modell, Werkzeugen und Ergebnis protokolliert werden.