Google macht mit Zahlen deutlich, wie stark künstliche Intelligenz den Sicherheitsprozess in Chrome verändert: In den beiden jüngsten Releases Chrome 149 und Chrome 150 wurden laut Unternehmen insgesamt 1.072 Sicherheitslücken behoben. Damit liegt die Summe höher als die Anzahl gefixten Schwachstellen in den vorherigen 23 Chrome-Meilensteinen zusammen.
Der entscheidende Punkt: Google beschreibt, dass KI-Modelle inzwischen über den gesamten Ablauf der Schwachstellenbehandlung genutzt werden. Das betrifft nicht nur die Analyse, sondern auch Schritte wie das Erstellen möglicher Patches und das Ableiten von Tests. Gleichzeitig zeigt Google, dass schnellere Fixes neue Anforderungen an Release- und Update-Prozesse stellen.
1.072 behobene Sicherheitslücken in zwei Chrome-Versionen
Google berichtet, dass die Sicherheitsarbeit in Chrome 149 und Chrome 150 zusammen 1.072 gemeldete oder identifizierte Sicherheitsprobleme adressiert hat. Diese Größenordnung ist laut Unternehmen eine deutliche Steigerung gegenüber früheren Quartieren: Der Vergleich umfasst die gefixten Lücken über die vorherigen 23 Chrome-Meilensteine.
Das Unternehmen stellt damit nicht nur eine höhere Trefferquote in den Vordergrund, sondern auch einen strukturierten Prozess, der KI in verschiedene Phasen integriert. Ziel ist, potenzielle Schwächen früher zu erkennen, genauer einzuordnen und schneller in Code-Änderungen umzusetzen.
Wo KI im Vulnerability-Management wirklich eingesetzt wird
Google beschreibt, dass es in seinem Prozess Large Language Models (LLMs) in mehreren Schritten einsetzt. Dazu zählen:
- Entdeckung von Schwachstellen
- Reproduktion von Berichten, damit Fehler reproduzierbar werden
- Einschätzung der Schwere (Severity)
- Zuweisung von Bugs an zuständige Entwickler
- Generieren von Patch-Kandidaten (mehrere Vorschläge)
- Erstellung von Tests, die die Änderung absichern sollen
Wichtig ist: Google betont, dass diese KI-Workflows existierende Security-Tests nicht einfach ersetzen sollen. Stattdessen unterstützen die mehrstufigen Abläufe dabei, bekannte Methoden wie Fuzzing effizienter zu ergänzen. Gerade komplexe Schwachstellen lassen sich laut Google weiterhin besonders gut durch klassische Testverfahren finden.
Von Security-Fuzzing bis Big Sleep: Google baut KI-Agenten weiter aus
Google arbeitet laut eigenen Angaben bereits seit längerer Zeit an KI-gestützten Sicherheitsfunktionen. Ein früherer Schritt war die Nutzung von LLMs zur Verbesserung des Security-Fuzzings im Jahr 2023. Fuzzing dient dazu, Programme gezielt mit vielen Eingaben zu testen, um unerwartetes Verhalten aufzudecken.
Im Anschluss arbeitete Google gemeinsam mit Project Zero an Naptime. Dabei erhielten KI-Modelle spezielle Werkzeuge für die Schwachstellenforschung. Später folgte eine Zusammenarbeit mit Google DeepMind und Project Zero an Big Sleep: Ein KI-basierter Agent, der gezielt nach Schwächen suchen sollte.
Als Ergebnis nennt Google Beispiele aus verschiedenen Komponenten: Big Sleep fand laut Bericht Sicherheitslücken im V8-JavaScript-Engine-Bereich sowie in Grafik-Komponenten von Chrome.
Gemini-Agent für breitere Code-Suche und weniger Fehlalarme
Für die frühen Monate 2026 nennt Google außerdem den Aufbau eines Gemini-basierten Agent-Systems. Dieses sollte das größere Chrome-Codebase nach Schwachstellen durchsuchen. Gleichzeitig legt Google den Fokus auf eine praktische Anforderung: Fehlalarme (False Positives) sollen reduziert werden.
Das ist entscheidend, weil zu viele unbestätigte Meldungen den Aufwand im Engineering-Team erhöhen können. Wenn KI die Priorisierung besser trifft, steigt die Wahrscheinlichkeit, dass Zeit in relevante Sicherheitsprobleme fließt.
Beispiel aus der Praxis: Sandbox Escape nach 13 Jahren
Google nennt eine konkrete Schwachstelle, die ein KI-System gefunden haben soll: eine Chrome-Sandbox-Escape, die laut Bericht seit mehr als 13 Jahren im Code verblieben war.
Bei Ausnutzung hätte ein Angreifer in der Lage sein können, aus der Sandbox eines kompromittierten Renderers auszubrechen. Zusätzlich nennt Google, dass der Angreifer den Browser dazu bringen könnte, lokale Dateien auszulesen.
Solche Beispiele zeigen, worauf Google mit KI unterstützt Chrome strategisch abzielt: nicht nur schnellere Entdeckung, sondern auch die Fähigkeit, Schwächen zu finden, die möglicherweise über lange Zeit unentdeckt blieben.
Mehr Kontext für KI: SECURITY.md und Threat-Modeling
Neben der reinen Modellleistung betont Google auch den Nutzen von besserer Dokumentation. Das Unternehmen fordert Entwickler auf, SECURITY.md-Dateien bereitzustellen. Diese sollen beschreiben, wo Vertrauensgrenzen liegen und wie Bedrohungsmodelle aufgebaut sind.
Für die KI-gestützten Systeme kann das laut Google helfen, besser zu erkennen, welche Operationen sicherheitsrelevant sind. In der Praxis bedeutet das: Ohne Kontext bleiben Interpretationen oft ungenauer. Mit klaren Informationen lassen sich Entscheidungen wie Priorisierung und Patch-Vorschläge verbessern.
Automatisierte Triage: weniger Aufwand, schnellere Entscheidungen
Ein weiterer Hebel liegt in der Verarbeitung eingehender Meldungen. Google berichtet von einer deutlichen Steigerung bei Beiträgen über das Chrome Vulnerability Reward Program. Bis März 2026 habe das Unternehmen mehr Sicherheitsberichte erhalten als im gesamten Jahr 2025.
Damit die Teams nicht im Nachrichtenfluss untergehen, passt Google den Ablauf an. Es priorisiert Berichte stärker, die inhaltlich zusätzlichen Nutzen bieten—also Erkenntnisse, die Google mit den eigenen automatisierten Tools noch nicht ausreichend findet oder verarbeitet.
Außerdem nennt Google Automatisierung in der Triage, unter anderem:
- Filtern von Spam und Duplikaten
- Reproduzieren von Proof-of-Concept-Ausnutzungen
- Zuweisen von Severity-Ratings
- Routing der Meldung an die passenden Entwicklerteams
Google schätzt, dass dieser automatisierte Prozess hunderte Stunden Entwicklerzeit pro Monat spart. Das Ziel ist nicht nur Effizienz, sondern auch bessere Reaktionsgeschwindigkeit.
Von Patch-Kandidaten zu bestätigten Fixes
Nach der Bestätigung einer Schwachstelle erzeugen die Fixing-Agenten mehrere potenzielle Patches. In einem weiteren Schritt bewertet ein anderes KI-System die vorgeschlagenen Änderungen und erstellt zusätzliche Informationen, damit Entwickler die Ergebnisse besser prüfen können.
Google berichtet, dass solche Systeme im Mai Berichten zufolge in mehr als 20 Fällen verhindert hätten, dass Schwachstellen in die Produktion gelangten. Darunter war laut Unternehmen auch ein Problem, das als kritisch eingestuft wurde.
Diese Arbeitsweise zeigt, wie Google KI als Sicherheits-„Co-Pilot“ versteht: mit mehreren Kandidaten und einer zusätzlichen Prüfschicht, statt nur eine einzige Lösung vorzuschlagen.
Update-Geschwindigkeit: Wenn Fixes zu früh sichtbar werden
So wirksam KI beim Finden und Beheben sein kann, stellt die schnelle Sicherheitskorrektur gleichzeitig eine neue Herausforderung: Sobald eine Änderung im öffentlichen Quellcode von Chrome festgeschrieben ist, können Angreifer diese untersuchen und versuchen, die Schwachstelle vor dem Nutzer-Update zu umgehen.
Aus diesem Grund arbeitet Google daran, den sogenannten Patch Gap zu verkürzen. Konkret plant das Unternehmen, Chrome auf einen Zwei-Wochen-Release-Zyklus umzustellen, ergänzt durch wochentliche Sicherheitsupdates. Zusätzlich pilotiert Google zwei Sicherheitsreleases pro Woche.
Dynamic Patching und automatischer Neustart im Hintergrund
Um Unterbrechungen für Nutzer zu reduzieren, entwickelt Google „dynamic patching“. Die Idee: Chrome soll Updates anwenden können, ohne dass der Browser vollständig neu gestartet werden muss.
Ab Chrome 150 auf macOS kann der Browser laut Google automatisch neu starten, wenn ein Update ansteht—und zwar während es im Hintergrund läuft, solange keine Fenster geöffnet sind.
Langfristig möchte Google Chrome kontinuierlich aktualisieren, unter anderem durch dynamisches Patchen, automatische Neustarts in Zeiten der Inaktivität und eine verbesserte Wiederherstellung von Sitzungen.
Fazit: KI unterstützt Chrome – aber Prozesse bleiben der Schlüssel
Mit den aktuellen Zahlen macht Google deutlich, dass KI unterstützt Chrome nicht nur als Schlagwort funktioniert, sondern als messbarer Bestandteil im Sicherheitsprozess. Von der Suche über die Bewertung bis hin zu Tests und Patch-Generierung fließen LLMs in mehrere Phasen ein.
Gleichzeitig wird klar: Die beste Entdeckung bringt wenig, wenn Updates zu spät bei den Nutzern ankommen. Deshalb kombiniert Google die KI-gestützte Schwachstellenarbeit mit schnelleren Release-Zyklen und technischen Ansätzen wie dynamic patching und automatischen Neustarts. So entsteht ein Gesamtbild aus mehr Automatisierung, besserer Priorisierung und schnellerer Verfügbarkeit der Fixes.
