Analyse von Karrieren in der Agentic-AI-Sicherheit: Kontrollen zuerst

In der Stellenausschreibung steht „AI Agent Builder“. Im Vorstellungsgespräch wird gefragt, was passiert, wenn dieser Agent die falsche Datei liest, das falsche Tool aufruft oder weiterläuft, nachdem sich sein Ziel geändert hat. In genau dieser Lücke entsteht ein echter Karrierepfad – und er ist enger, technischer und nützlicher als allgemeines Prompt Engineering. Wenn Agenten von Chatfenstern in die Ausführung von Arbeitsprozessen wechseln, werden die Menschen wichtig, die diese Ausführung begrenzen können.

Der neue Schutzgraben ist Ausführungskontrolle

Microsofts Work Trend Index 2026 beschreibt den Wandel klar: Agenten übernehmen Ausführung, während Menschen Arbeit steuern, Entscheidungen treffen und Verantwortung für Ergebnisse tragen. Microsoft gibt an, Billionen anonymisierter Produktivitätssignale aus Microsoft 365 analysiert und 20.000 KI-nutzende Beschäftigte in 10 Ländern befragt zu haben. Dadurch ist der Bericht eher ein Signal aus der Arbeitswelt als nur eine Anekdote eines einzelnen Anbieters. Für Lernende ist die Konsequenz einfach: Einen Agenten dazu zu bringen, eine ausgefeilte Antwort zu liefern, ist nicht dasselbe, wie festzulegen, was er tun darf.

MarketsandMarkets ordnet denselben Übergang in einen Marktrahmen ein. Der Bericht zum Agentic AI Security Market prognostiziert ein Wachstum von 1,65 Milliarden US-Dollar im Jahr 2026 auf 13,52 Milliarden US-Dollar bis 2032, mit einer jährlichen Wachstumsrate von 42,0 %. Prognosen in einer jungen Kategorie sollte man skeptisch betrachten, aber die Kategorien im Bericht sind nützlich, weil sie die Arbeit benennen: Prompt-Sicherheitstools, Guardrail-Frameworks, Tools für KI-Penetrationstests und Red Teaming sowie Sicherheit auf der Bereitstellungsebene.

Dieser Entscheidungsbaum zeigt, warum die Berufsbezeichnung weniger wichtig ist als der Arbeitsablauf. Prompting ist eine Eingabefähigkeit. Agentic Security ist eine Systemfähigkeit, weil die Person Berechtigungen, Tool-Nutzung, Kontext, Protokolle, Tests und Fehlermodi über einen laufenden Prozess hinweg verstehen muss.

Es wird wirklich eingestellt, aber der Markt verzeiht wenig

LinkedIns Economic Graph ist eine nützliche Bremse für den Hype. Im AI Labor Market Update vom Januar 2026 sagt LinkedIn, dass seine Sicht auf mehr als 1,3 Milliarden Mitgliedern basiert und dass breite wirtschaftliche Bedingungen den Großteil der Schwankungen bei Neueinstellungen in den USA seit 2022 erklären. Außerdem berichtet LinkedIn, dass die LinkedIn Hiring Rate 2025 um 23 % unter dem Niveau vor der Pandemie lag. Das erinnert daran: KI-Nachfrage existiert innerhalb eines kühleren Arbeitsmarkts, nicht außerhalb davon.

Dasselbe LinkedIn-Update sagt, dass Einstellungen auf Einstiegsniveau im Vergleich zu erfahrenen Rollen seit 2023 relativ stabil geblieben sind und in den letzten zwei Jahren im Durchschnitt 3 Prozentpunkte über Einstellungen für Manager- und Senior-Positionen lagen. Das bedeutet nicht, dass Berufseinsteigerinnen und Berufseinsteiger sich auf Schlagwörter verlassen können. Es bedeutet, dass sich die Messlatte in Richtung sichtbarer Nachweise verschiebt: ein kleiner Agenten-Workflow mit Tool-Beschränkungen, eine Testsuite für unsichere Aktionen oder ein Bericht, der zeigt, wie du Datenoffenlegung und Rollback behandelt hast.

Hier wird auch Titel-Wildwuchs teuer. AI Engineer kann Modellintegration, Anwendungsentwicklung, Automatisierung, MLOps oder Sicherheitskontrollen rund um Agenten bedeuten. Eine Führungskraft, die für Agentensicherheit auswählt, sucht nicht nach jemandem, der jeden Framework-Namen aufzählen kann. Sie sucht nach Belegen dafür, dass du verhindern kannst, dass ein nützliches System zu einem unkontrollierten System wird.

Die Arbeit liegt näher an Security Engineering als an Prompt-Handwerk

Ein arXiv-Paper zu agentischer KI und beruflicher Verdrängung beschreibt agentische Systeme als fähig, ganze berufliche Arbeitsabläufe abzuschließen, statt nur einzelne Aufgaben zu erledigen. Das Paper hebt mehrstufiges Denken, Tool-Aufrufe und autonome Entscheidungsfindung als Merkmale hervor, die den Einfluss von Agenten auf den Arbeitsmarkt vergrößern. Genau diese Merkmale erzeugen das Sicherheitsproblem: Sobald Software entscheiden und handeln kann, ist Sicherheit nicht mehr nur Inhaltsmoderation.

Für Lernende weist das auf eine bessere Portfolio-Aufgabe hin. Baue einen Agenten, der eine begrenzte Geschäftsaufgabe erledigt, und zeige dann die Kontrollen. Auf welche Dateien darf er zugreifen, welche Tools darf er aufrufen, was passiert, wenn das Ziel mit einer Richtlinie kollidiert, wie werden Aktionen protokolliert, und wie kann ein Mensch einen schlechten Lauf unterbrechen oder rückgängig machen? Das ist überzeugender als ein Zertifikats-Screenshot, auf dem steht, dass du ein Modul zu Prompt-Mustern abgeschlossen hast.

Mit 25 ist die Einschränkung meistens fehlender Nachweis. Vielleicht musst du Kursarbeit in Artefakte verwandeln: Diagramme, Bedrohungsmodelle, kleine Demos und Postmortems zu Fehlerfällen. Mit 45 ist die Einschränkung oft Zeit und Übersetzung. Dein Vorteil kann Fachurteil sein: zu wissen, welche Aktionen in Finanzen, Gesundheitswesen, Recht, Support oder Operations wirklich eine Freigabe brauchen, bevor Automatisierung sie berührt.

Wie du dein Lernen jetzt ausrichten solltest

Microsofts Work Trend Index argumentiert, dass Menschen mehr Raum bekommen, Arbeit zu steuern und Verantwortung für Ergebnisse zu übernehmen, während Agenten Ausführung übernehmen. Das klingt optimistisch, aber nur, wenn Organisationen den Systemen vertrauen können, die diese Ausführung übernehmen. Vertrauen ist hier kein Gefühl. Es ist ein Workflow mit Grenzen, Tests, Audit-Trails und Eskalationswegen.

Bewerte Trainingsprogramme deshalb danach, was du danach bauen kannst. Ein nützlicher Kurs sollte dich in die Lage versetzen, einen kontrollierten Agenten-Workflow zu entwerfen, ihn gegen unsichere Prompts oder Tool-Aufrufe zu testen, Berechtigungen zu dokumentieren und zu erklären, was passiert, wenn er scheitert. Ein schwacher Kurs wird den Großteil seiner Zeit damit verbringen, gewöhnliche Automatisierung in Agentic AI umzubenennen und Prompt-Formulierungen als den ganzen Beruf zu behandeln.

Der nächste Karriere-Schutzgraben wird wahrscheinlich nicht das breite Label AI Engineer sein. Wahrscheinlicher ist eine verteidigbare Spezialisierung: Agentensicherheit, Ausführungskontrollen, Vermeidung von Fehlfunktionen, Red Teaming oder Governance für Systeme, die handeln. Achte in Stellenbeschreibungen auf diese Verben, nicht nur auf den Titel. Wenn Arbeitgeber anfangen zu fragen, wer Agenten innerhalb der Linien halten kann, wird die beste Antwort ein Projekt sein, das deine Linien klar zeigt.