Der Audit erkennt KI-typische Defektklassen (Platzhalter-Secrets, Header-only-Auth, client-gesteuerte Autorisierung, fehlende Validierung, Security-TODOs, halluzinierte Abhängigkeiten, Debug-Endpunkte, verschluckte Fehler, Stubs) datei- und zeilengenau.
Evidenz-Record 6c99bf9121a94979a8fd1a81066b72b9
Verifizierter Lauf: AI-Generated Code Audit
Synthetische Labor-Evidenz — keine echten Kundendaten. Dieser Record ist der öffentliche Beleg für die an ihn gebundenen Claims.
Integrität und Hash-Kette
| record_sha256 | 3d6b967be677fa8a6050cf0607426283716ac48952107ca0da02a9bb94c3254a |
|---|---|
| prev_record_sha256 (Kettenvorgänger) | 27160f123da04bd6abc5f51490937b69 ffc634f4288fa081de85c7c8946f6d702498390d2c17029b649a3bf9e94fda5b |
| Position in der verifizierten Kette | 121 von 256 |
| Kette vollständig verifiziert | Hash-Kette verifiziert |
| Datenstand der Veröffentlichung |
Zuordnung
| Produkt | AI-Generated Code Audit v0.1.0 |
|---|---|
| Skill | AI-Generated Code Audit v0.1.0 |
| Zeitstempel (UTC) | |
| Git-Commit | 4b086f7fda… auf work/critic-keys-and-targets |
| Worktree beim Lauf | sauberer Worktree |
| Arbeitsbaum-Hinweis | Der Arbeitsbaum war beim Lauf sauber — VALIDATED-Evidenz war grundsätzlich möglich. |
Reproduktion
python -m factory.cli run-product --product ai-code-audit --target synthetic-ai-generated-app --record
Der Befehl reproduziert den Lauf innerhalb des Repositorys. Er wird hier nur als Text angezeigt und von der Website nicht ausgeführt.
Messwerte der unabhängigen Validierung
Berechnet vom Validator aus Golden-Dataset und unabhängigem Re-Run.
| precision | 1,000 |
|---|---|
| recall | 1,000 |
| task_success_rate | 1,000 |
| error_rate | 0,000 |
| deterministic_checks_passed | ja |
| findings_total | 25 |
| blocking_findings | 16 |
Performance und Kosten
| execution_time_ms | 858 ms |
|---|---|
| prompt_tokens | 0 |
| completion_tokens | 0 |
| llm_calls | 0 |
| total_cost_usd | 0,00 € |
| container_compute_usd | 0,00 € |
Unit Economics
| price_eur | 290,00 € |
|---|---|
| measured_cost_eur | 0,00 € |
| gross_margin_percent | 100,0 % |
- Compute price assumption: 0.06 EUR per CPU-hour.
- LLM input price assumption: 0.3 EUR per 1M tokens.
- LLM output price assumption: 1.2 EUR per 1M tokens.
- Costs are measured runtime and measured provider usage, not supplier invoices.
- No support, sales, hosting or human-review cost is included unless stated.
Kritiker-Signaturen
Unabhängige Kritikerrollen bestätigen den Bericht; die Signatur bindet die Freigabe an den Inhalts-Hash.
| Kritiker | Verdikt | Algorithmus | Signiert am | Signatur (gekürzt) |
|---|---|---|---|---|
| technical_critic | APPROVE | ed25519 | 2026-11-03T11:20:22Z | 4d0fab5a93d85a55… |
| security_critic | APPROVE | ed25519 | 2026-11-03T11:20:22Z | ecf761952acf7730… |
| business_critic | APPROVE | ed25519 | 2026-11-03T11:20:22Z | 83f09513984ec34b… |
| evidence_critic | APPROVE | ed25519 | 2026-11-03T11:20:22Z | 4d8a5a3fcca7f7f0… |
Artefakte und Bericht
Alle Artefakte sind SHA-256-gebunden; die Website lädt keine Dateien nach, sondern nennt die Repository-Pfade aus dem Datenvertrag.
evidence/artifacts/6c99bf9121a94979a8fd1a81066b72b9/input.jsonevidence/artifacts/6c99bf9121a94979a8fd1a81066b72b9/product.manifest.jsonevidence/artifacts/6c99bf9121a94979a8fd1a81066b72b9/skill.manifest.jsonevidence/artifacts/6c99bf9121a94979a8fd1a81066b72b9/findings.jsonevidence/artifacts/6c99bf9121a94979a8fd1a81066b72b9/output.jsonevidence/artifacts/6c99bf9121a94979a8fd1a81066b72b9/report.mdBerichtevidence/artifacts/6c99bf9121a94979a8fd1a81066b72b9/critic_reviews.jsonevidence/artifacts/6c99bf9121a94979a8fd1a81066b72b9/validation.jsonevidence/logs/6c99bf9121a94979a8fd1a81066b72b9.log
Hinweis: Die Website lädt keine Artefakte nach; die Pfade sind relativ zum Repository und hash-gebunden im Record. Der Bericht selbst wird nicht als HTML eingebettet.
Bekannte Limitations
Grenzen dieses konkreten Records, wie im Record hinterlegt — sie gelten zusätzlich zu den Produkt-/Skill-Limitations.
- Rein statische Heuristiken/Muster; keine semantische Analyse, kein LLM, keine Datenflussanalyse – False Positives/Negatives sind möglich.
- Halluzinierte Abhängigkeiten werden gegen synthetisch kuratierte Dependency-Facts (Snapshot 2026-10-28) geprüft, nicht gegen eine Live- Registry; private/neue Pakete können als unbekannt gelten.
- Kein Ersatz für manuellen Code-Review, SAST mit Semantik, Pentest oder Zertifizierung; jede Entscheidung erfordert menschliche Freigabe.
- Die aktuelle Evidenz basiert ausschließlich auf dem synthetischen Lab-Target synthetic-ai-generated-app, nicht auf echtem Kunden-Code.
- Der Risiko-Score ist ein technisches Signal und keine Garantie über Sicherheit oder Produktqualität.
- Rein statische Heuristiken/Muster; keine semantische Analyse, kein LLM, keine Codeausführung, kein Datenfluss-Tracking.
- Heuristische Regeln (AI-ASYNC-001, AI-CATCH-001, AI-CONFIG-002, AI-DUP-001, AI-TEST-001, AI-TEST-002) haben niedrigere Confidence und können False Positives/Negatives enthalten; deterministische Regeln sind im Summary getrennt ausgewiesen.
- Halluzinierte Abhängigkeiten werden gegen synthetisch kuratierte Dependency-Facts (Snapshot 2026-10-28) geprüft, nicht gegen eine Live- Registry; neue oder private Pakete können daher als unbekannt gelten.
- Kein Ersatz für manuellen Code-Review, SAST mit Datenflussanalyse, Pentest oder Zertifizierung.
- Das Golden-Dataset ist synthetisch; keine echten Secrets, Domains, Kunden- oder Personendaten.
Durch diesen Record belegte Claims
Claims, die in der Gatekeeper-Ausgabe auf diesen Record verweisen. Jeder Claim ist an den oben genannten Hash gebunden.
Der Audit trennt heuristische von deterministischen Regeln transparent: jede Regel deklariert Kind, Confidence, Kategorie und Blocking-Status, der Risiko-Score wird aus einer dokumentierten Formel berechnet.
Jeder Audit-Lauf ist deterministisch, wird unabhängig re-validiert und ist über einen hash-verketteten Evidence-Record mit Ed25519-Signaturen, Artefakt-Hashes und Contract-Digests reproduzierbar.