AI Security Engineer einstellen: Profil, Auswahl, Ablauf

Einen AI Security Engineer stellst du dann gut ein, wenn du vorher klärst, welche KI-Systeme er absichern soll, und im Interview prüfst, ob er Angriffe auf Modelle, Prompts, Agenten und Trainingsdaten wirklich versteht. Klassische Security-Erfahrung allein reicht nicht. Das Verhalten eines KI-Systems kann sich ändern, ohne dass jemand eine Zeile Code anfasst. Hier liest du, was die Rolle bei dir absichert, wie du sie von angrenzenden Rollen abgrenzt, welches Profil du suchst, wie ein belastbarer Auswahlprozess aussieht und wann eine Interim- oder Fractional-Besetzung sinnvoller ist als eine Festanstellung.

Kurz gesagt

• Die Rolle schützt das KI-System selbst: Modelle, Prompts, Agenten, RAG-Pipelines und Trainingsdaten. Netzwerk und Endpunkte deckt sie nicht ab.
• Der Druck kommt von zwei Seiten: Der EU AI Act fordert für Hochrisiko-KI Robustheit und Cybersicherheit über den gesamten Lebenszyklus, und KI ist inzwischen selbst ein Angriffsziel.
• Das ideale Profil gibt es selten fertig. Meist kommen gute Kandidaten aus AppSec, Red Teaming, Cloud Security oder ML Engineering und haben sich in die jeweils andere Hälfte eingearbeitet.
• Im Interview trennen dich praktische Szenarien vom Lebenslauf: Prompt Injection, Datenvergiftung, Agentenrechte und die ehrliche Antwort auf die Frage, was sich aus einem trainierten Modell nicht mehr löschen lässt.
• Ohne fertiges Programm lohnt oft der Start interim oder fractional, mit sauberer Übergabe an eine feste Besetzung.

Inhaltsverzeichnis

• Warum die Rolle jetzt auf deinen Stellenplan gehört
• Was ein AI Security Engineer bei dir absichert
• Abgrenzung zu angrenzenden Rollen
• Das Anforderungsprofil: Muss, Soll, Bonus
• Woher die passenden Talente kommen
• Gehalt und Budget realistisch planen
• Der Auswahlprozess in sechs Schritten
• Festanstellung, interim oder fractional?
• Unsere Sicht: Prüfe das Urteilsvermögen, nicht nur das Wissen
• So unterstützen wir dich bei der Besetzung
• Häufige Fragen
• Quellen

Warum die Rolle jetzt auf deinen Stellenplan gehört

Viele Unternehmen haben 2024 und 2025 Copilots, Chatbots und erste Agenten eingeführt. Die Absicherung lief dabei oft nebenher, verteilt auf Security-Team, Data-Team und Fachbereich. Mit dem Jahr 2026 hat sich das verschoben.

Regulatorik. Nach dem Umsetzungszeitplan der EU-Kommission gilt seit dem 2. August 2026 der Großteil der Regeln des AI Act, und die Durchsetzung für die anwendbaren Pflichten hat begonnen. Für Hochrisiko-KI verlangt Artikel 15 zu Genauigkeit, Robustheit und Cybersicherheit ein angemessenes Sicherheitsniveau über den gesamten Lebenszyklus, inklusive Widerstandsfähigkeit gegen Manipulationsversuche Dritter. Ob dein System als Hochrisiko gilt und welche Fristen konkret für dich laufen, klärst du mit deiner Rechtsabteilung oder einer auf KI-Recht spezialisierten Kanzlei. Ein Engineer setzt die technische Seite um, die rechtliche Einstufung ersetzt er nicht.

Bedrohungslage. Die ENISA Threat Landscape 2025 beschreibt, dass KI nicht mehr nur Angriffe wie Phishing automatisiert, sondern selbst ins Visier gerät, etwa über die Lieferkette von Modellen und Daten. Wer manipulierte Daten oder Konfigurationen einschleust, umgeht die klassische Codeprüfung.

Behördliche Erwartungen. Das BSI empfiehlt in seinem Management-Blitzlicht zu generativer KI unter anderem ein Demand Management für KI: den Ist-Stand erfassen und eine Übersicht der genutzten KI-Systeme erstellen. Genau diese Inventur ist oft die erste Aufgabe eines neuen AI Security Engineers. Wenn du die Einführung selbst noch strukturierst, hilft dir ein Aktionsplan zur KI-Integration im Unternehmen, damit Sicherheitsanforderungen von Anfang an in der Roadmap stehen.

Was ein AI Security Engineer bei dir absichert

Die Rolle sitzt zwischen Security, Data und Produkt. Typische Verantwortungsbereiche:

• Threat Modeling für KI-Anwendungen: Wo kommen Eingaben her, welche Tools darf ein Agent aufrufen, welche Daten fließen in Kontext und Antworten?
• Schutz vor Prompt Injection und Jailbreaks: Eingabe- und Ausgabefilter, Trennung von Instruktionen und Daten, Tests gegen indirekte Injection über Dokumente, E-Mails oder Webseiten. Das BSI hat dafür eine Checkliste zur Härtung von LLM-Systemen gegen Evasion-Angriffe veröffentlicht.
• Absicherung der Daten- und Modell-Lieferkette: Herkunft von Trainings- und Fine-Tuning-Daten, Prüfung externer Modelle, Schutz vor Datenvergiftung.
• Agenten und Berechtigungen: Least Privilege für Tool-Zugriffe, Freigabeschritte bei kritischen Aktionen, Protokollierung.
• Red Teaming und Tests: Regelmäßige Angriffe auf die eigenen Systeme, bevor es andere tun, plus Regressionstests nach Modellwechseln.
• Monitoring im Betrieb: Auffälliges Verhalten, Datenabfluss über Antworten und Missbrauch von Schnittstellen erkennen.
• Übersetzung ins Management: Risiken so erklären, dass CIO, CISO und Geschäftsführung entscheiden können.

Den letzten Punkt unterschätzen viele. Ein Engineer, der Risiken nur technisch beschreiben kann, bleibt ein guter Spezialist. Wer sie in Geschäftsrisiken übersetzt, wird zur Schlüsselrolle. Ein ausführliches Stellenprofil mit Aufgaben und Skills findest du in unserem Beitrag zum Stellenprofil AI Security Engineer.

Abgrenzung zu angrenzenden Rollen

Bevor du ausschreibst, prüfe, ob du wirklich einen AI Security Engineer brauchst oder eine Nachbarrolle. Die Verwechslung ist der häufigste Grund, warum Suchen ins Leere laufen.

In kleineren Teams übernimmt der AI Security Engineer Teile der Governance mit. Ab mehreren produktiven KI-Systemen lohnt die Trennung. Wie Governance-Rollen und Kontrollfunktionen zusammenspielen, beschreiben wir im Beitrag zu Model Risk Management für KI. Wo die menschliche Aufsicht technisch verankert wird, erklärt unser Artikel zu Human Oversight nach Art. 14 AI Act.

Das Anforderungsprofil: Muss, Soll, Bonus

Eine Ausschreibung mit 25 Pflichtpunkten findet niemanden. Teile die Anforderungen ehrlich auf.

Muss

• Mehrjährige Praxis in Security Engineering, AppSec, Penetration Testing oder Cloud Security
• Solides Verständnis, wie LLM-Anwendungen gebaut sind: Prompts, Kontextfenster, RAG, Tool-Aufrufe, Agenten
• Vertrautheit mit den Risikokategorien der OWASP-Projekte zu GenAI Security, etwa Prompt Injection, unsichere Ausgabeverarbeitung und übermäßige Agentenrechte
• Programmierkenntnisse, meist Python, um Tests und Schutzmaßnahmen selbst zu bauen
• Fähigkeit, Risiken verständlich für Nicht-Techniker zu formulieren

Soll

• Erfahrung mit Threat Modeling und Red Teaming von KI-Systemen
• Kenntnis von Frameworks wie dem NIST AI Risk Management Framework zur Strukturierung von Rollen, Lebenszyklus und Risikoregister
• Praxis mit Cloud-KI-Plattformen und deren Berechtigungsmodellen
• Grundwissen zu Datenschutz und Datenherkunft

Bonus

• Erfahrung mit Adversarial Machine Learning oder Machine Unlearning
• Beiträge zu Open-Source-Security-Tools oder veröffentlichte Findings
• Branchenerfahrung in regulierten Umfeldern wie Finanzen, Gesundheit oder Industrie

Ein Studium in Informatik oder Cyber Security ist üblich, aber kein verlässliches Signal. Was zählt, ist nachweisbare Arbeit an realen Systemen.

Woher die passenden Talente kommen

Der Markt für erfahrene AI Security Engineers ist klein, weil die Rolle jung ist. Die meisten starken Kandidaten haben einen von vier Wegen hinter sich:

1. AppSec-Engineers, die in KI gewechselt sind. Stark in Methodik und Tests, müssen KI-spezifische Angriffsflächen oft noch vertiefen.
2. Red Teamer und Pentester. Denken wie Angreifer und finden kreative Wege, brauchen aber manchmal Unterstützung beim Bau dauerhafter Schutzmaßnahmen.
3. Cloud-Security-Spezialisten. Kennen Identitäten, Berechtigungen und Plattformen, oft der beste Einstieg für Agenten-Sicherheit.
4. ML Engineers mit Security-Interesse. Verstehen Modelle und Daten tief, müssen Security-Prozesse und Bedrohungsdenken nachziehen.

Welcher Hintergrund passt, hängt von deinem Bestand ab. Baust du eigene Modelle oder feinjustierst sie, brauchst du mehr ML-Tiefe. Nutzt du vor allem Modelle externer Anbieter in Agenten und RAG-Anwendungen, zählen Berechtigungen, Integrationen und Tests mehr.

Bei den Kanälen hast du drei Typen: Stellenbörsen, eigenes Active Sourcing und spezialisierte Personalberatungen mit Direktansprache. Stellenbörsen erreichen vor allem aktiv Suchende. Die erfahrenen Leute in dieser Nische sind meist in festen Projekten gebunden und reagieren nur auf eine gezielte, fachlich fundierte Ansprache.

Gehalt und Budget realistisch planen

AI Security Engineers liegen typischerweise über klassischen Security-Engineering-Rollen, weil zwei knappe Kompetenzen zusammenkommen. Die Spanne hängt stark ab von:

• Seniorität und Verantwortung: Baut die Person ein Programm auf oder arbeitet sie in einem bestehenden?
• Branche: Regulierte Branchen zahlen für Erfahrung mit Prüfungen und Audits mehr.
• Standort und Remote-Anteil: Metropolregionen wie München, Frankfurt oder Berlin liegen meist höher.
• Technische Tiefe: Eigene Modellentwicklung und Adversarial ML werden höher bewertet als reine Integrationssicherheit.

Aktuelle Zahlen nach Erfahrungsstufe und die wichtigsten Verhandlungshebel haben wir im Beitrag zum Gehalt von AI Security Engineers in Deutschland zusammengestellt. Wenn du die Rolle im Kontext eines ganzen Teams planst, hilft dir unser Leitfaden zum Stellenplan für dein AI Team bei Reihenfolge und Budget.

Plane neben dem Gehalt auch Budget für Tools, Weiterbildung und Testumgebungen ein. Ein Engineer ohne Zugang zu Staging-Systemen und Logs kann nur Folien schreiben.

Der Auswahlprozess in sechs Schritten

1. Bestandsaufnahme vor der Ausschreibung. Liste deine KI-Systeme, ihre Daten, ihre Nutzer und ihren Risikograd. Daraus ergibt sich, ob du Aufbau oder Betrieb suchst.
2. Rollenprofil schärfen. Definiere drei bis fünf Ergebnisse, die nach zwölf Monaten stehen sollen, etwa ein KI-Inventar, ein Threat Model für jede produktive Anwendung und ein wiederholbarer Red-Teaming-Prozess.
3. Gezielte Ansprache. Sprich Menschen aus den vier Herkunftsprofilen direkt an und nenne konkret, welche Systeme sie absichern werden. Vage Ausschreibungen ziehen vage Bewerbungen an.
4. Fachinterview mit Szenarien. Keine Wissensabfrage, sondern echte Fälle aus deinem Umfeld, siehe unten.
5. Praxisaufgabe mit Augenmaß. Ein bis zwei Stunden, zum Beispiel ein Threat Model für einen beschriebenen Agenten. Keine unbezahlten Wochenendprojekte.
6. Eignung und Zusammenarbeit prüfen. Wie geht die Person mit Widerspruch aus dem Produktteam um? Kann sie ein Release stoppen und das gut begründen?

Das Gespräch mit Geschäftsführung oder Betriebsrat solltest du früh einplanen, wenn die Rolle auch interne KI-Tools für Beschäftigte absichert. Welche Rollen bei der Mitbestimmung zuerst gefragt sind, liest du in unserem Beitrag zur KI-Einführung mit dem Betriebsrat.

Interviewfragen, die wirklich trennen

• „Ein Kunde lädt ein PDF in unseren Assistenten hoch, darin versteckte Anweisungen. Was passiert, und wie verhinderst du es?" Gute Antworten trennen direkte und indirekte Injection und setzen auf mehrere Schichten statt auf einen Filter.
• „Unser Agent darf E-Mails versenden und Tickets anlegen. Wie begrenzt du den Schaden einer erfolgreichen Manipulation?" Achte auf Least Privilege, Freigabeschritte und Protokollierung.
• „Ein Datensatz mit personenbezogenen Daten ist ins Fine-Tuning geraten. Was tust du?" Hier lohnt Ehrlichkeit: Wie die Sammlung von AI-Security-Interviewfragen auf GitHub festhält, lässt sich der Einfluss einzelner Daten aus trainierten Gewichten oft nicht sauber entfernen. Starke Kandidaten sprechen über Datenherkunft, RAG zur Trennung von Wissen und Gewichten, Machine-Unlearning-Ansätze und notfalls Neutraining.
• „Wie erklärst du unserem Vorstand in drei Sätzen, warum wir den Release verschieben?" Prüft die Übersetzungsfähigkeit.
• „Wie setzt du selbst KI in deiner Arbeit ein, und wo vertraust du ihr nicht?" Zeigt, ob jemand KI souverän nutzt und ihre Ergebnisse kritisch beurteilt.

Misstrauisch solltest du bei Kandidaten werden, die eine Lösung als Wundermittel präsentieren. In diesem Feld gibt es keine vollständige Sicherheit, nur gut begründete Schichten.

Festanstellung, interim oder fractional?

Die Frage nach dem Modell entscheidet oft mehr als die nach dem Gehalt.

In der Praxis bewährt sich oft eine Kombination: Eine erfahrene Person baut interim oder fractional das Fundament auf, parallel läuft die Suche nach einer festen Besetzung, und die Übergabe ist Teil des Mandats. So entsteht keine Lücke, wenn das Projekt in den Betrieb übergeht.

Unsere Sicht: Prüfe das Urteilsvermögen, nicht nur das Wissen

Wir sehen bei Suchen nach AI Security Engineers immer wieder dasselbe Muster: Ausschreibungen listen Tools und Frameworks, im Gespräch zeigt sich dann, dass Wissen allein wenig über die Arbeit verrät. Frameworks lassen sich in Wochen lernen. Was sich schwer lernen lässt, ist das Urteil, wann ein System sicher genug ist und wann nicht.

Deshalb achten wir in jeder Rolle darauf, dass ein Talent zwischen Fachwissen und Technologie zu Hause ist, KI souverän einsetzt, ihre Ergebnisse beurteilt und für das Resultat einsteht. Bei einem AI Security Engineer ist das der Kern der Rolle. Wer einen Release stoppt, muss das begründen und dazu stehen können.

Unser Rat an dich: Stelle lieber wenige, gründlich geprüfte Kandidaten gegenüber als einen langen Stapel von Lebensläufen. Sprich mit jeder Person persönlich über echte Szenarien aus deinem Haus. Und denke die Nachfolge von Anfang an mit, denn in dieser Rolle steckt nach einem Jahr viel Wissen über deine Systeme, das du nicht verlieren willst.

— Ingmar

So unterstützen wir dich bei der Besetzung

Polydigital besetzt Data-, AI- und Security-Rollen in der DACH-Region in Festanstellung, interim oder fractional. Du erhältst wenige, gründlich geprüfte Profile, jedes Talent wird persönlich interviewt, und in der Endauswahl durchläuft jedes Talent eine EFPA-zertifizierte Eignungsdiagnostik, die ein zertifizierter Berater bei uns auswertet. Auf Wunsch beraten wir dich vorab zum Rollenzuschnitt.

→ Data- und AI-Experten finden → Security-Experten und CISO finden

Häufige Fragen

Was macht ein AI Security Engineer genau?

Er sichert KI-Systeme technisch ab: Modelle, Prompts, Agenten, RAG-Pipelines und die Daten dahinter. Dazu gehören Threat Modeling, Schutz vor Prompt Injection und Datenvergiftung, Red Teaming und Monitoring im Betrieb. Außerdem übersetzt er technische KI-Risiken in Entscheidungen für das Management.

Brauche ich einen AI Security Engineer, wenn wir nur Modelle externer Anbieter nutzen?

In vielen Fällen ja. Die größten Risiken entstehen oft nicht im Modell, sondern in der Anbindung: welche Daten in den Kontext fließen, welche Tools ein Agent aufrufen darf und wie Ausgaben weiterverarbeitet werden. Bei wenigen, unkritischen Anwendungen kann eine Fractional-Besetzung zunächst reichen.

Wie lange dauert es, einen AI Security Engineer einzustellen?

Das hängt von Seniorität, Standort und Modell ab. Weil der Kreis erfahrener Kandidaten klein ist und die meisten nicht aktiv suchen, solltest du für eine Festanstellung mit Direktansprache planen und Kündigungsfristen einrechnen. Steht eine Frist an, überbrückt eine Interim-Besetzung die Zeit bis zum Start.

Welche Qualifikationen sind wichtiger: Security oder Machine Learning?

Für die meisten Unternehmen wiegt solide Security-Praxis schwerer, ergänzt um gutes Verständnis von LLM-Anwendungen. Wer eigene Modelle trainiert oder feinjustiert, braucht zusätzlich mehr ML-Tiefe. Entscheidend ist, dass die Person beide Welten verbindet und Risiken realistisch einschätzt.

Ersetzt ein AI Security Engineer einen AI Governance Officer?

Nein, die Rollen ergänzen sich. Der Engineer setzt Schutzmaßnahmen technisch um, der Governance Officer verantwortet Richtlinien, Risikoregister und regulatorische Dokumentation. In kleinen Teams überschneiden sich die Aufgaben anfangs, ab mehreren produktiven KI-Systemen lohnt die Trennung.

Quellen

• EU AI Act Service Desk: Umsetzungszeitplan des AI Act
• EU AI Act Service Desk: Artikel 15, Genauigkeit, Robustheit und Cybersicherheit
• ENISA Threat Landscape 2025
• BSI: Sichere generative KI in Organisationen und Unternehmen
• BSI: Evasion-Attacks auf LLMs, Checkliste zur Härtung
• OWASP GenAI Security Project
• AI Security Interview Questions auf GitHub

Empfehlungen

• Stellenprofil AI Security Engineer: Aufgaben, Skills, Gehalt
• AI Security Engineer Gehalt in Deutschland: Zahlen, Hebel, Perspektiven
• AI Enablement Lead einstellen: Profil, Gehalt und Auswahl