Reverse-Engineering-KI REA erreicht 300.000 GitHub-Stars
Der Open-Source-Ansatz REA hat binnen kurzer Zeit mehr als 290.000 GitHub-Sterne erreicht und zeigt, wie KI-Agenten bestehende Werkzeuge der Softwareanalyse nutzen. REA entwickelt keine eigene Dekompilierungstechnik, sondern verbindet professionelle Reverse-Engineering-Programme wie Ghidra, IDA oder Hopper mit KI-Entwicklungsagenten wie Claude Code oder Codex. Entwickler können damit KI-Agenten anweisen, Funktionen, Aufrufbeziehungen oder Protokolle in bereits kompilierten Anwendungen zu untersuchen und Codevorschläge zu erzeugen. Am 17. Oktober lag die Zahl der GitHub-Sterne laut Projektseite über 290.000. In Demonstrationen wurde REA unter anderem genutzt, um Teile von Notion, Spielmechaniken oder Bluetooth-Protokolle smarter Geräte zu analysieren. Ein Entwickler baute über die Untersuchung eines WeChat-Miniprogramms eine Computersteuerung für ein smartes Toilettenprodukt, ein anderes Projekt erstellte eine Oberfläche für eine KI-Anwendung. Solche Ergebnisse betreffen meist einzelne Module oder Schnittstellen, nicht die vollständige Nachbildung kommerzieller Software. Testberichte relativieren die Erwartungen. Ein Entwickler fand bei einem bekannten Kompressionstool korrekte Ergebnisse, stellte aber bei einem Quellcode-Programm in einem Test fest, dass REA in 22 von 50 geprüften Funktionen fehlende Aufrufbeziehungen unentdeckt ließ und die Ergebnisse dennoch als vollständig kennzeichnete. In weiteren Tests nutzten lokale Modelle REA zunächst nicht, sondern verarbeiteten Binärdateien als Text oder lieferten ungeprüfte Antworten. Projektautor Morluto räumte ein, dass das ursprüngliche Prototypdesign für die Werkzeugaufrufe nicht überall passe; der programmatische Zugriff auf professionelle Reverse-Engineering-Werkzeuge bleibe aber ein sinnvoller Ansatz. Parallel kursieren KI-Rebuilds wie ArtCraft von Brandon Thomas, die Adobe- und Microsoft-Werkzeuge als quelloffene Alternativen nachahmen sollen. Thomas betont eine saubere Nachentwicklung ohne direkte Dekompilierung der Originalprodukte. Ein Test des Magazins Creative Bloq zeigte jedoch erhebliche Schwächen: automatische Bildauswahl unzuverlässig, Verarbeitung großer Videoformate langsam, viele Profi-Funktionen fehlten. Diese Projekte stehen wie REA im Spannungsfeld zwischen praktischer Nutzbarkeit und rechtlichen Fragen, etwa zur Originalität und zu Urheberrechten, wenn KI gleichzeitig Code analysiert und neue Software erzeugt. Die Entwicklung hat auch die bestehende Reverse-Engineering-Community belastet. Die Plattform decomp.dev schaltete ihre öffentliche Projektsuche ab, weil KI schnell, aber häufig unzureichend geprüfte oder wenig originelle Dekompilierungen erzeugte. Zusätzlich warnen Sicherheitsexperten vor Betrug: Ein nachgeahmtes REA-Paket wurde von mehreren Virenscannern als Trojaner eingestuft. Insgesamt zeigt sich, dass KI-Agenten professionelle Analyseschritte koordinieren und Softwarekomponenten schneller untersuchen können. Eine verlässliche, automatisierte Nachbildung ganzer Anwendungen, besonders komplexer, geschützter Programme, ist damit aber nicht gleichbedeutend. REA beschleunigt bestimmte Arbeitsabläufe, macht aber auch Grenzen in Genauigkeit, Werkzeugnutzung, Qualitätssicherung und rechtlicher Einordnung deutlich.
