Künstliche Intelligenz wird zunehmend in sicherheitskritischen Kontexten eingesetzt - von automatisierten Entscheidungen über Assistenzsysteme bis hin zu komplexen, vernetzten Plattformen. Gleichzeitig zeigt sich, dass klassische IT-Sicherheitsmodelle auf KI-Systeme nur begrenzt anwendbar sind. Viele Risiken entstehen nicht durch technische Fehler oder Exploits, sondern durch formal korrektes, aber inhaltlich problematisches Verhalten lernender Systeme.
Dieses Buch vermittelt ein praxisnahes, realistisches Verständnis von KI-Sicherheit. Es zeigt, warum Daten der primäre Angriffsvektor sind, wie Modelle während Training und Inferenz manipuliert werden können und weshalb Risiken häufig erst im Zusammenspiel von Systemen sichtbar werden. Dabei geht es nicht um spektakuläre Hacks, sondern um strukturelle Schwächen, die im normalen Betrieb entstehen.
Ein besonderer Fokus liegt auf operativen Themen: Monitoring und Forensik für KI-Systeme, Incident Response unter Unsicherheit, KI-Red-Teaming als Grenzerkundung sowie technische Vorbereitung auf Audits und Regulierung. Das Buch macht deutlich, wo Absicherung möglich ist - und wo ihre Grenzen liegen.
"KI-Sicherheit in der Praxis" richtet sich an Security-Verantwortliche, Architekten, Entwickler, Auditoren und Entscheider, die KI-Systeme nicht nur einsetzen, sondern verantwortbar betreiben wollen. Es liefert keine einfachen Rezepte, sondern Denkmodelle, Entscheidungsgrundlagen und Werkzeuge für den Umgang mit Unsicherheit.
Sichere KI-Systeme sind nicht fehlerfrei. Sie sind erklärbar, begrenzbar und handhabbar - auch dann, wenn sie sich anders verhalten als erwartet.
