Analyse zur Entdeckung von KI-Schwachstellen: Kontinuierliche Triage

Das alte Schwachstellenprogramm hatte einen Kalender. Am Freitag scannen, am Montag triagieren, patchen, wenn das Change Board aufhört, Apache wie ein Familienerbstück zu behandeln. KI lässt diesen Rhythmus charmant antik wirken, als würde man seinen Incident-Response-Plan an einen Drucker faxen, der ebenfalls brennt.

Googles neueste Warnung lautet nicht, dass jeder Exploit jetzt im Roboterkostüm auftaucht. Sie lautet, dass Entdeckung, Validierung und Ausnutzung in dasselbe operative Zeitfenster zusammengedrückt werden. Für Entwicklerinnen und Entwickler verändert das die Aufgabe: Es geht nicht mehr darum, gelegentlich Bugs zu finden, sondern laufend zu entscheiden, welche Schwachstellen wichtig sind, bevor jemand anders diese Entscheidung für einen trifft.

Der Scanner verliert seinen Wochenendjob

Google beschrieb diese Verschiebung in seiner Cloud-Analyse „Vulnerability Discovery and Exploitation Trends in the AI Era“, während The Record berichtete, dass laut Google die Offenlegungen von Schwachstellen auf 10.000 pro Monat gestiegen sind, weil KI die Ausnutzung antreibt. CERT-EU formuliert den operativen Schmerz noch deutlicher und sagt, dass laut Googles M-Trends 2026 die durchschnittliche Zeit bis zur Ausnutzung neu offengelegter Schwachstellen auf geschätzte minus sieben Tage gefallen ist. Übersetzung aus dem Sicherheitsdialekt: Die Ausnutzung beginnt oft, bevor es einen Patch gibt, was unhöflich, effizient und extrem typisch für diese Branche ist.

Security Solutions Media berichtet, dass Mandiants Agentic Vulnerability Discovery Harness, kurz AVDH, spezialisierte KI-Agenten nutzt, um Quellcode zu analysieren, Bedrohungsmodelle zu entwickeln, Daten- und Ausführungspfade nachzuverfolgen und potenzielle Schwachstellen zu testen. Außerdem berichtet es, dass Mandiant AVDH über 10 Monate hinweg eingesetzt hat, um zig Millionen Codezeilen zu analysieren und Tausende Analyse-Pipelines auszuführen. Das ist kein Ersatz für menschliches Sicherheitsurteil; es ist ein sehr schneller Praktikant ohne Schlafzyklus und mit einem verdächtigen Interesse an Randfällen.

@title Agentische Schwachstellenprüfung
@source Security Solutions Media

  Source code
     │
     ▼
  Threat models
     │
     ▼
  Data execution paths
     │
     ▼
  Potential vulnerabilities

@caption AVDH zerlegt die Prüfung in modellierte Forschungsschritte.

Warum die Warteschlange nicht mehr periodisch ist

CERT-EU sagt, dass KI-gestützte Werkzeuge die Ökonomie der Schwachstellenentdeckung verändern und den traditionellen Patch-Zyklus aufbrechen. Das bedeutet nicht, dass jede CVE eine Sirene und einen Krisenraum verdient, denn so brennen Teams aus und beginnen, Jira-Tickets nach Phasen der Trauer zu benennen. Es bedeutet, dass Schwachstellenmanagement näher an kontinuierliche Triage heranrücken muss, bei der Ausnutzbarkeit, Exponierung, Bedeutung des Assets und verfügbare Abhilfen erneut geprüft werden, sobald sich die Faktenlage ändert.

Die praktische Lektion für Builder lautet: Scanning ist ein Input, nicht das gesamte Programm. Wenn KI dabei hilft, mehr vermutete Schwachstellen zu finden, brauchen Teams Validierungs-Pipelines, die erreichbare, ausnutzbare Probleme von theoretischem Lint-Konfetti trennen. Auch die Patch-Priorisierung muss an die Architektur gekoppelt sein: öffentlich erreichbarer Code, Privileggrenzen, Identitätssysteme und kritische Infrastrukturpfade sollten nicht höflich hinter risikoarmer Backlog-Archäologie warten.

Auch Bedrohungsakteure haben die Nachricht bekommen

Die Google Threat Intelligence Group berichtete im Mai 2026, dass sie einen Übergang von frühen KI-gestützten Operationen hin zum industriellen Einsatz generativer Modelle in gegnerischen Workflows beobachtet hat. Im selben Bericht sagte GTIG, dass sie erstmals einen Bedrohungsakteur identifiziert hat, der einen Zero-Day-Exploit nutzte, von dem Google annimmt, dass er mit KI entwickelt wurde. Google sagte, der kriminelle Bedrohungsakteur habe geplant, ihn in einem massenhaften Ausnutzungsereignis einzusetzen. Das ist der Teil des Films, in dem das Schwachstellenmanagement-Team leise seine Wochenendpläne löscht.

Die Motivation ist nicht rätselhaft. Bedrohungsakteure nutzen KI dort, wo sie Kosten senkt, Analysen beschleunigt oder hilft, repetitive Arbeit zu skalieren. Verteidiger können dasselbe tun, aber mit besserem Geschmack und idealerweise weniger Vorladungen: kontinuierliche Codeprüfung, Ausnutzbarkeitschecks, Regressionstests für Fixes und schnellere Weiterleitung von der Entdeckung zur zuständigen Person.

Was das konkret für dich bedeutet

Googles Chrome-Sicherheitsteam sagt, dass Chrome Gemini AI nutzt, um Schwachstellenentdeckung, Triage und Patching zu automatisieren und Updates zu beschleunigen, damit sie modernen Sicherheitsrisiken entsprechen. Das ist die deutlichste Vorschau darauf, wohin ausgereifte Programme gehen: nicht ein heldenhafter Quartalsscan, sondern eine Schleife, die Schwachstellen findet, validiert, behebt und aus ihnen lernt, während das Produkt weiter ausgeliefert wird. Patch Notes werden weniger zu Papierkram und mehr zu Fortsetzungsliteratur über das Überleben.

Für einzelne Nutzerinnen und Nutzer bleibt der langweilige Rat ärgerlich korrekt: automatische Updates aktivieren, Browser neu starten, wenn sie einen daran erinnern, und Update-Hinweise nicht wie Spam vom Betriebssystem behandeln. Für Builder und Sicherheitsteams ist der Schritt struktureller: inventarisieren, was man betreibt, wissen, welche Codepfade exponiert sind, Ausnutzbarkeitsvalidierung in die Pipeline einbauen und Patch-Priorität zu einer lebendigen Entscheidung machen. Die Zukunft des Schwachstellenmanagements ist keine Panik in Maschinengeschwindigkeit. Sie ist disziplinierte Triage in Maschinengeschwindigkeit, während Menschen weiterhin dafür verantwortlich sind zu wissen, was wirklich zählt.