KI-generierte Apps gehen ohne Row-Level Security live
Pässe und über 200.000 private Nachrichten leaken aus KI-gebauten Apps wegen fehlender Supabase Row-Level Security. So prüfst du deine eigene.

159.041 Apps. So viele KI-gebaute Webanwendungen hat ein Forschungsteam aus dem Common-Crawl-Archiv gezogen und auf einen einzigen, langweiligen Fehler geprüft: Ließen sich Datenbankeinträge lesen, ohne sich anzumelden? Bei 7.403 der genauer untersuchten Seiten lautete die Antwort ja. Tabellen mit E-Mail-Adressen waren für jeden lesbar, der danach fragte. Beim weiteren Graben tauchten vollständige Namen und Geburtsdaten auf, Zahlungsdetails, Ticketcodes, interne WhatsApp-Exporte, KI-generierte Zusammenfassungen der E-Mails einer Hausverwaltung, über 200.000 private Chatnachrichten aus einem Lifestyle-Forum und im schlimmsten Fall über tausend Datensätze mit Passnummern, Ablaufdaten und Staatsangehörigkeiten. Die Ursache war in fast jedem Fall fehlende Supabase Row-Level Security, und ausgenutzt werden musste das mit nichts Exotischerem als den Entwicklertools des Browsers.
Bei den Zahlen lohnt sich Genauigkeit, denn die werden ständig falsch zitiert. Von den 159.041 identifizierten Lovable-Projekten nutzten 34.545 Supabase als Datenbank. Davon schickten 24.664 Datenbankeinträge sofort an den Browser, sobald die Seite geladen war, ohne Login und ohne Interaktion. Das allein ist noch kein Bug, denn vieles an Daten soll ja öffentlich sein. Also stellten die Forschenden zusätzliche lesende Anfragen mit genau dem API-Schlüssel, den jede Seite in ihrem eigenen JavaScript mitlieferte, und schauten sich an, was zurückkam. E-Mail-Adressen tauchten in 10.560 Tabellen auf 7.403 Seiten auf, also bei 30 % der genauer untersuchten Seiten. Das ist keine bestätigte Breach-Quote, und die Forschenden betonen das ausdrücklich: Manche Adressen sind öffentliche Kontaktpostfächer oder Testdaten. Die Fälle, die sie manuell geprüft haben, waren aber eindeutig. Echte Kunden. Echte Pässe. Echte private Nachrichten.
Supabase Row-Level Security ist die einzige Schranke
Um zu verstehen, warum das immer wieder passiert, muss man den Deal verstehen, den Supabase mit dir macht. Du bekommst eine Postgres-Datenbank mit einer automatisch generierten REST-API davor, und dein Frontend spricht direkt mit der Datenbank. Es gibt keine Backend-Schicht, die Berechtigungen durchsetzt, keine Express-Middleware, keine Django-Permission-Mixins, nichts. Der Browser hält einen anon-API-Schlüssel, der by design öffentlich ist und in deinem JavaScript-Bundle landet. Ein zweiter Schlüssel, service_role, umgeht alles und darf niemals auf den Client.
Weil der Client direkt mit der Datenbank verbunden ist, muss die Datenbank selbst entscheiden, was jede Anfrage sehen darf. Dafür gibt es Postgres Row-Level Security: Richtlinien pro Tabelle, die filtern, welche Zeilen eine bestimmte Rolle lesen oder ändern darf. Und hier wird es heikel: Ist RLS für eine Tabelle nicht aktiviert, kann der öffentliche anon-Schlüssel jede Zeile darin lesen und schreiben. Punkt. Die Tabelle könnte genauso gut eine statische JSON-Datei auf deinem CDN sein.
create table profiles (
id uuid primary key default gen_random_uuid(),
full_name text,
email text,
date_of_birth date
);
-- This is the line that decides whether the table is public:
alter table profiles enable row level security;
-- Without it, the shipped anon key reads and writes every row.
# The "attack": the same request the app makes, minus the login
curl "https://your-project.supabase.co/rest/v1/profiles?select=*" \
-H "apikey: eyJhbGciOi..." \
-H "Authorization: Bearer eyJhbGciOi..."
Schau dir den curl-Befehl noch einmal an. Im engeren Sinn ist das kein Exploit. Es ist dieselbe Anfrage, die das legitime Frontend stellt, nur ohne Benutzersitzung wiederholt. Der API-Schlüssel wurde nicht gestohlen, er wurde veröffentlicht und jedem Besucher als Teil des Codes der Seite ausgeliefert. Das Einzige, was zwischen dieser Anfrage und den Pässen deiner Kunden steht, ist eine Postgres-Einstellung, die niemand eingeschaltet hat. Deshalb sage ich immer wieder: Die Lovable-Lecks wurden nicht „gehackt“. Sie waren nur nicht verschlossen.
Warum KI-App-Generatoren defekte Zugriffskontrolle ausliefern
Die naheliegende Frage: Warum aktiviert der Generator RLS nicht einfach? Weil aus seiner Sicht nichts kaputt ist. Die App funktioniert. Die Vorschau lädt, die Datensätze erscheinen, die Demo beeindruckt den Gründer, der sie herbeigepromptet hat. Fehlende Zugriffskontrolle ist ein stiller Fehler: Eine App ohne RLS verhält sich genauso wie eine korrekt abgesicherte, bis jemand Unbefugtes auftaucht. Für „Ein Fremder in einem anderen Land liest deine Nachrichten-Tabelle“ gibt es keinen Stacktrace. Ein Generator, der auf „läuft es?“ optimiert ist, wird systematisch zu wenig in „wer sonst kann es ausführen?“ investieren.
Dazu kommt ein Spezifikationsproblem. „Bau mir eine Buchungsplattform für mein Restaurant“ enthält null Informationen darüber, wer die Reservierungstabelle lesen dürfen soll. Ein menschlicher Entwickler füllt diese Lücke mit Konventionen, Narben aus früheren Projekten und unangenehmen Fragen im Kickoff. Ein LLM füllt sie mit der statistisch häufigsten Fortsetzung, und der häufigste Supabase-Tutorial-Code im Netz hat RLS deaktiviert, weil Tutorials es abschalten, um den Happy Path kurz zu halten. Das ist die Lücke zwischen Spezifikation und Implementierung, die immer das tut, was sie tut: Der Fehler sitzt genau dort, wo der Prompt geschwiegen hat.
Dann gibt es die Frage der Standardeinstellungen, und Supabase trägt daran einen Anteil. Jahrelang hatten neue Tabellen, die über das Dashboard angelegt wurden, RLS ausgeschaltet, sofern man nicht wusste, dass man es aktivieren muss. Das war ein bewusster Onboarding-Kompromiss, denn nichts bremst den Schwung eines Tutorials so sehr wie leere Abfrageergebnisse. Nach anhaltender Kritik hat Supabase neue Projekte in Richtung RLS-by-default bewegt, bestehende Projekte behielten aber ihren ursprünglichen Zustand. Legt man das auf einen Generator, der auf Jahre von Code vor dieser Umstellung trainiert wurde, erhält man eine Pipeline, die zuverlässig exponierte Tabellen produziert.
Schließlich der menschliche Faktor. Lovables Versprechen lautet, dass keinerlei technisches Wissen nötig ist, und in den Nutzungsbedingungen liegt die Verantwortung für die Anwendung und ihre Daten klar beim Kunden. In dieser Lücke entstanden die 7.403 undichten Apps. Ein nicht-technischer Gründer kann nicht prüfen, was er nicht lesen kann. Er weiß nicht, dass RLS existiert, nicht, dass der anon-Schlüssel öffentlich ist, und der fröhliche Moment „Deine App ist live!“ gibt ihm keinen Anlass zu fragen. Das Marketing sagte, das Flugzeug fliege von selbst. Im Kleingedruckten stand, dass sie die Piloten sind.
Ein kaputtes Muster, Tausende identische Ziele
Was das wirklich gefährlich macht, ist nicht eine einzelne undichte App, sondern die Gleichförmigkeit. KI-Generatoren erzeugen wiederkehrende Integrationsmuster: dasselbe Client-Setup, dieselben Tabellenkonventionen, dieselbe Supabase-Projekt-URL im selben JavaScript-Bundle. Das drückt die Kosten für Angreifer enorm. Schreib ein Skript, das eine mit Lovable gebaute Seite erkennt, die Supabase-URL und den anon-Schlüssel extrahiert, die exponierten Tabellen auflistet und gegen jede select=* ausführt, und es funktioniert gegen Tausende Apps mit kaum Änderungen. Defekte Zugriffskontrolle steht seit Jahren ganz oben in den OWASP Top 10. Neu ist die industrielle Größenordnung, in der identische Instanzen davon jetzt produziert und abgeerntet werden können.
Manche Praktiker wehren sich dagegen, das überhaupt „Breach“ zu nennen: Die Seiten selbst haben den Schlüssel ausgeliefert und die Daten bereitgestellt, also ist die Nutzung nicht unbefugt. Das Veröffentlichen war das Leck. Terminologisch haben sie technisch gesehen einen Punkt. Aber das ist Haarspalterei, die nur bei der Schuldzuweisung zählt, und sie bedeutet nichts für die Person, deren Passnummer in der JSON-Antwort eines Fremden gelandet ist. Niemand hat dieser Architektur zugestimmt.
Die App funktionierte perfekt. Genau das war das Problem, denn sie funktionierte perfekt für alle.
Die rechtlichen Folgen treffen dort, wo sie immer landen: bei demjenigen, der die App ausgeliefert hat. Nach der DSGVO ist der App-Betreiber der Verantwortliche. Und diese Forschung kam aus Deutschland, betraf eine schwedische Plattform und die Ausweisdokumente von EU-Bürgern. Passnummern plus Namen plus Staatsangehörigkeiten sind ein Starterkit für Identitätsdiebstahl, 200.000 private Nachrichten ein Reservoir für Erpressung und Phishing. Ob Aufsichtsbehörden Verfahren eröffnen, ist offen. Aber wenn du als Gründer eine Kundendatenbank vibe-codiert und dann liegen gelassen hast, ist „die KI war’s“ keine Verteidigung, die irgendeine Datenschutzbehörde akzeptieren wird.

Wie du generierte Supabase-Konfigurationen vor dem Launch prüfst
Wenn du eine KI-generierte App auf Supabase ausgeliefert hast oder übernommen hast, hier ist das Audit, das ich durchführe. Es dauert einen Nachmittag. Mach es, bevor echte Kundendaten auch nur in die Nähe des Systems kommen.
- Exponierte Tabellen inventarisieren. Führe die unten stehende RLS-Abfrage im SQL-Editor aus. Jede Tabelle im Schema
publicohne RLS ist über den ausgelieferten anon-Schlüssel weltweit lesbar und beschreibbar. - Jede Richtlinie lesen. RLS zu aktivieren bringt nichts, wenn die Richtlinie
using (true)lautet. Generatoren lieben allesdurchlassende Richtlinien, weil sie während der Entwicklung Fehler zum Schweigen bringen. - Die App als Fremder durchspielen. Kopiere den anon-Schlüssel aus dem deployten JavaScript und rufe jeden REST-Endpunkt ohne Sitzung auf. Jede zurückkommende Zeile ist öffentlich. War das deine Absicht?
- Storage-Buckets prüfen. Ein als öffentlich markierter Bucket macht jede Datei darin zu einer abrufbaren URL. Fotoalben und Ausweisscans haben dort nichts zu suchen.
service_roleim Client-Bundle suchen. Dass der anon-Schlüssel ausgeliefert wird, ist in Ordnung. Dass der Service-Schlüssel ausgeliefert wird, ist eine Katastrophe. Dein deployter API-Client ist ein Tresor für Zugangsdaten, prüfe ihn.
-- Tables exposed via the API with RLS disabled (each one is public)
select schemaname, tablename
from pg_tables
where schemaname = 'public'
and rowsecurity = false;
-- The subtler failure: RLS enabled, but what do the policies allow?
select schemaname, tablename, policyname, cmd, qual
from pg_policies
where schemaname = 'public';
Die zweite Abfrage wird interessant. Du wirst Tabellen mit aktiviertem RLS, aber ohne jede Richtlinie finden. Das schließt zwar standardmäßig ab, bedeutet aber meist, dass ein Feature still kaputtgegangen ist und jemand es „repariert“ hat, indem er woanders etwas gelockert hat. Und du wirst Richtlinien wie diese finden, die ich inzwischen in genug generierten Codebasen gesehen habe, um sie auf den ersten Blick zu erkennen:
-- The policy generators emit when a query fails during development:
create policy "allow all" on messages for all using (true);
-- It silences the error and publishes the table. Reject it on sight.
-- What a real policy looks like:
create policy "users read their own messages"
on messages for select
to authenticated
using (auth.uid() = sender_id or auth.uid() = recipient_id);
Das Muster using (true) verdient besondere Aufmerksamkeit, denn es ist das generierte Pendant dazu, einen Authentifizierungscheck auszukommentieren, damit ein Test grün wird. Es entsteht, weil der Generator einen Berechtigungsfehler bekam, richtig erkannte, dass eine Richtlinie fehlt, und die faulste denkbare schrieb. Wenn du sie findest, zieh die Richtlinie nicht nur enger, sondern frag dich, warum die Tabelle in diesem Codepfad überhaupt erreichbar war. Und wiederhole das gesamte Audit nach jeder größeren Neugenerierung. KI-Builder schreiben dein Schema bereitwillig um, und die strengen Richtlinien von gestern überleben den heutigen Prompt „zeig im Dashboard alle Nutzer an“ nicht.
Sicherheitsscanner helfen, aber die Standardeinstellungen entscheiden
Zu Lovables Ehrenrettung: Das Sicherheitsteam hat auf die Forschung direkt reagiert. Es nennt unzureichendes RLS als Grundursache, scannt jede App automatisch vor der Veröffentlichung, bietet einen tieferen SAST-Scan an und lässt Nutzer Befunde mit einem Klick beheben, Auto-Fix aktivieren oder die Veröffentlichung bei kritischen Befunden komplett blockieren, kostenlos und für alle Nutzer. Das ist ein vernünftiges Werkzeugset und mehr, als die meisten App-Builder ausliefern.
Aber bedenke, was ein Scanner vor der Veröffentlichung impliziert: Der Generator hat den Fehler zuerst produziert, und jetzt existiert ein zweites System, um ihn abzufangen. Die Trefferquote des Scanners misst, wie oft die Standardausgabe unsicher ist. Ich habe schon geschrieben, wie KI-Sicherheitsscanner unsere technischen Schulden eintreiben. Sie sind nützlich, behandeln aber Symptome. Die dauerhafte Lösung ist eine Generierung mit Deny-by-Default: Jede Tabelle wird mit aktiviertem RLS angelegt, jede bekommt eine explizite Richtlinie, selbst wenn diese zunächst „alles verbieten“ lautet, bis der Nutzer mehr freischaltet. Der unsichere Zustand sollte der sein, der Aufwand erfordert. Heute ist es umgekehrt, und dass 24.664 Apps beim Laden der Seite Datenbankeinträge streamen, ist der Preis dieser Umkehrung.

Das Fazit für alle, die KI-gebaute Apps ausliefern
KI hat defekte Zugriffskontrolle nicht erfunden. IDOR und fehlende Autorisierung stehen schon lange in den Schwachstellenlisten, bevor jemand eine App herbeigepromptet hat. Was die KI verändert hat, sind das Volumen und die Akteure: Sie hat einen bekannten Fehlermechanismus industrialisiert und den Deploy-Button Menschen in die Hand gegeben, die eine RLS-Richtlinie nicht von einer CSS-Regel unterscheiden können. Die 30 % aus dieser Forschung sind kein Skandal um eine einzelne Plattform. Sie sind eine Vorschau auf jedes Ökosystem, in dem generierter Code auf eine öffentliche Datenbank mit einem Opt-in-Sicherheitsmodell trifft.
Behandle also jede KI-generierte App wie ungeprüften Fremdcode, denn genau das ist sie. Führ die Abfragen von oben vor dem Launch und nach jeder größeren Änderung aus. Wenn die App regulierte oder Identitätsdaten halten wird und niemand im Haus eine Postgres-Richtlinie lesen kann, bezahl jemanden, der es kann. Ein Nachmittag Expertenprüfung ist billiger, als einem Regulierer Passnummern zu erklären. No-Code hat die Syntax entfernt. Die Verantwortung hat es nicht entfernt, und das wird es auch nie.


