Pseudo-Zufallszahlen werden von deterministischen Algorithmen erzeugt: Bei gleichem Startwert (Seed) entsteht stets dieselbe Folge. Echte Zufallszahlen stammen aus physikalischen Prozessen wie thermischem Rauschen oder Quanteneffekten und lassen sich auch bei vollständiger Kenntnis der Vergangenheit nicht reproduzieren. Dieses Werkzeug nutzt einen kryptografisch sicheren Pseudo-Zufallszahlengenerator (CSPRNG), der aus dem Entropie-Pool des Betriebssystems gespeist wird – dieser wird wiederum von Hardwarequellen versorgt und gilt in der Praxis als unvorhersehbar.

Die Technische Richtlinie BSI TR-02102-1 verlangt für kryptografische Anwendungen entweder einen geprüften physikalischen Zufallszahlengenerator (Klassen PTG.2/PTG.3 nach AIS 31) oder einen deterministischen Generator (DRG.3/DRG.4), der mit ausreichend Entropie geseedet ist. Math.random() erfüllt diese Anforderungen nicht. Für die Erzeugung von Schlüsseln, Tokens oder Passwörtern empfiehlt das BSI ausdrücklich Generatoren, die statistischen Standardtests (z. B. nach NIST SP 800-22) standhalten.

Der Mersenne Twister (MT19937) ist ein weit verbreiteter Pseudo-Zufallszahlengenerator mit einer extrem langen Periode von 2^19937 − 1 und guten statistischen Eigenschaften – er steckt in Python, R und vielen Statistikpaketen. Für wissenschaftliche Simulationen ist er gut geeignet. Für Kryptografie ist er jedoch ungeeignet: Aus 624 aufeinanderfolgenden Ausgaben lässt sich der interne Zustand vollständig rekonstruieren, sodass alle zukünftigen Werte vorhersagbar werden. Für sicherheitsrelevante Anwendungen sind ChaCha20-basierte CSPRNGs oder Hardware-Generatoren erforderlich.

Math.random() ist in JavaScript-Engines als schneller, nicht kryptografischer Pseudo-Zufallszahlengenerator implementiert, historisch auf Basis von Algorithmen wie xorshift128+. Ein Angreifer kann den internen Zustand bereits nach wenigen beobachteten Ausgaben rekonstruieren und so vergangene wie zukünftige Werte vorhersagen. MDN warnt ausdrücklich davor, Math.random() für sicherheitsrelevante Zwecke einzusetzen. Verwenden Sie für Tokens, Schlüssel, Passwörter und manipulationssichere Ziehungen stets crypto.getRandomValues.

Ja. Der Generator nutzt Rejection Sampling, sodass jede ganze Zahl in [min, max] dieselbe Wahrscheinlichkeit 1 / (max − min + 1) erhält. Ein naiver Modulo-Ansatz auf 32-Bit-Werten führt zu einer geringen Verzerrung, wenn der Bereich 2^32 nicht ohne Rest teilt; Rejection Sampling vermeidet dies. Bei vielen Ziehungen konvergiert das Histogramm gegen eine Gleichverteilung, und Chi-Quadrat-Tests auf die Ausgabe von crypto.getRandomValues zeigen keine statistisch signifikante Abweichung.

Nein. Offizielle Lottoziehungen wie bei WestLotto erfolgen mit zertifizierten mechanischen Ziehungsgeräten unter notarieller Aufsicht. Für rechtlich regulierte Verlosungen sind in Deutschland nach Glücksspielstaatsvertrag dokumentierte Verfahren und meist eine unabhängige Aufsicht erforderlich. Dieses Werkzeug ist ideal für private Tippgemeinschaften, Wichtelrunden, Klassenzimmer-Auswahlen oder informelle Verlosungen – für preisrelevante oder rechtlich bindende Ziehungen sollten Sie ein zertifiziertes Verfahren wählen.

Nicht in diesem Werkzeug. crypto.getRandomValues legt absichtlich keinen Seed offen, da Reproduzierbarkeit den Sicherheitszweck untergräbt. Für reproduzierbare Folgen (z. B. in Regressionstests oder geteilten Simulationen) sollten Sie einen geseedeten Generator wie Mulberry32 oder PCG einsetzen und den Seed dokumentieren. Für nachvollziehbare Ziehungen empfiehlt es sich, Eingaben, Zeitstempel und die vollständige Ausgabeliste festzuhalten, statt die Ziehung nachträglich zu wiederholen.