Warum Mitarbeitende Teil des Security Stacks werden müssen
Veröffentlichungsdatum:
- 4. September 2026
KI treibt die Cyberabwehr auf Maschinengeschwindigkeit. Die Antwort besteht nicht darin, den Menschen aus der Gleichung zu nehmen, sondern menschliches Urteilsvermögen in eine Sicherheitsfähigkeit zu verwandeln — den Human Layer als Teil des Security Stacks zu behandeln.
Der IBM Cost of a Data Breach Report 2026 nennt dieses Jahr einen „AI tipping point“, und die Zahlen erklären, warum. Frontier-KI-Modelle verkürzen die Zeit zwischen dem Entdecken und dem Ausnutzen einer Schwachstelle, während generative KI die Kosten und das Fachwissen senkt, die für einen Angriff nötig sind. KI-gesteuerte Angriffe nahmen gegenüber dem Vorjahr um 56 % zu und verteuerten eine böswillige Datenpanne um durchschnittlich 1,01 Millionen USD. Gleichzeitig stiegen die weltweiten Durchschnittskosten einer Datenpanne um 12 % auf einen Rekordwert von 4,99 Millionen USD und kehrten damit den Rückgang des Vorjahres um — wir haben uns angesehen, was eine Datenpanne 2026 kostet und warum die Erkennungszeit einen so grossen Teil davon ausmacht, in einem separaten Beitrag.
Das sollte mehr auslösen als eine weitere Runde Investitionen in Sicherheitstechnologie. Es sollte uns dazu bringen, neu zu überdenken, wer — und was — in den Security Stack gehört.
KI macht den Nutzer nicht überflüssig. Sie macht das Urteilsvermögen der Mitarbeitenden wertvoller.
Phishing landet weiterhin bei einer menschlichen Entscheidung
Im vierten Jahr in Folge war Phishing (einschliesslich Smishing und Vishing / Deepfake-Angriffen) der führende initiale Angriffsvektor in der IBM-Studie. Hinzu kommt: Voice- und SMS-Phishing waren an 17 % der Angriffe beteiligt und verursachten mit 5,29 Millionen USD die höchsten durchschnittlichen Kosten aller Angriffsvektoren. Social Engineering, einschliesslich Helpdesk-Impersonation und MFA-Fatigue, machte weitere 13 % aus. Unter den KI-gesteuerten Angriffen entfielen 45 % auf Deepfake- und Impersonation-Angriffe — die grösste Kategorie.
Eine überzeugende Nachricht kann einen E-Mail-Filter passieren. Eine realistische Stimme kann Mitarbeitende direkt am Telefon erreichen. Ein Angreifer kann E-Mail, SMS, Teams und einen Anruf zu einer stimmigen Geschichte verbinden. An diesem Punkt steht eine menschliche Entscheidung: reagieren, verifizieren, ablehnen, löschen — oder melden.
Zu lange hat die Cybersicherheit diesen Moment vor allem als Schwachstelle betrachtet, die es zu verwalten gilt. Doch es gibt eine andere Sichtweise. Mitarbeitende sehen Signale, die technische Systeme womöglich nie sehen: einen verdächtigen Anruf, die ungewöhnliche Anfrage, das seltsame Gespräch oder die Nachricht, die sich schlicht nicht richtig anfühlt.
Wenn diese Beobachtungen erfasst, analysiert und mit dem Security-Betrieb verbunden werden, wird die Belegschaft zu einem aktiven Teil der Cyberabwehr. Die Mitarbeitenden und das Signal, das sie senden, werden Teil der Lösung statt Teil des Problems.
Von Security Awareness zu Behavioral Defense Engineering
Traditionelle Awareness bleibt eine wichtige Wissensgrundlage. Doch Wissen allein ist nicht dasselbe wie sicheres Verhalten unter Druck. Die eigentliche Frage ist, ob jemand einen Angriff erkennt, richtig reagiert und ihn schnell meldet — weshalb Awareness-Trainings allein nicht ausreichen.
Wir nennen die systematische Verbesserung des Verhaltens „Behavioral Defense Engineering“ oder BDE. Die Idee ist, messbares Risikoverhalten durch realistische, personalisierte Übungen über mehrere Angriffskanäle hinweg zu verbessern und gleichzeitig Reaktionen und Meldungen der Mitarbeitenden in nutzbare Sicherheitssignale zu verwandeln.
Eine randomisierte Feldstudie mit der Hochschule Luzern – Wirtschaft (HSLU), teilweise finanziert von Innosuisse, stützt diesen Ansatz. Von 539 Mitarbeitenden, die nach dem Zufallsprinzip einer Kontrollgruppe, einer Trainingsgruppe, einer Gruppe mit konventionellem Phishing und einer Gruppe mit KI-Spearphishing zugeteilt wurden, zeigten die realistischen, personalisierten Übungen die grösste Verhaltensänderung: Die Klickrate auf eine bösartige Website sank von 20,4 % in der Kontrollgruppe auf 8,9 % — 56 % weniger — und die Eingabe von Zugangsdaten ging um rund 60 % zurück, von 9,8 % auf 3,9 %.
Der zweite Befund der Studie wiegt mindestens ebenso schwer. Training veränderte die Risikoeinstellung, beeinflusste das Verhalten aber am wenigsten, während realistische Exposition das Verhalten am stärksten veränderte und die Einstellung kaum berührte. Das sind unterschiedliche Wirkmechanismen, und die Autoren erwarten, dass ein Programm, das beide kombiniert, additiv oder stärker wirkt. Genau das ist das Argument dafür, Awareness im System zu behalten, statt sie zu ersetzen.
So entsteht ein anderer Sicherheitskreislauf.
Ein Mitarbeitender meldet eine verdächtige Nachricht. KI analysiert sie und kann mehrere Meldungen zu einem einzigen Fall gruppieren. Das Signal wird in SOC- oder SOAR-Prozesse übergeben, wo automatisierte Massnahmen Absender blockieren, schädliche Nachrichten entfernen oder andere Eindämmungsmassnahmen auslösen können. Gleichzeitig erhält der Mitarbeitende sofort Feedback — und wie diese Meldung erfolgt und was sie enthält, macht einen grossen Unterschied. Ein realer Angriff kann dann in eine sichere Übung verwandelt werden, sogar sofort. Und verwandte Szenarien lassen sich später über Phishing, Smishing, Vishing oder andere Kanäle einsetzen.
Das Ergebnis ist nicht einfach „mehr Training“. Es ist ein System, in dem Mitarbeitende, KI und der Security-Betrieb kontinuierlich aus Angriffen lernen.
Maschinengeschwindigkeit braucht menschliche Signale
Die Ergebnisse von IBM unterstreichen, warum Geschwindigkeit zählt. Organisationen, die KI und Automatisierung in der Sicherheit umfassend einsetzen, senkten die Kosten einer Datenpanne um durchschnittlich 1,93 Millionen USD und verkürzten die Zeit bis zur Erkennung und Eindämmung um 65 Tage gegenüber Organisationen, die diese Technologien nicht nutzen. Dennoch berichteten nur 36 % der betroffenen Organisationen von einem umfassenden Einsatz über den gesamten Sicherheitslebenszyklus, und die Verbreitung bleibt uneinheitlich.
Maschinengeschwindigkeit in der Abwehr darf jedoch nicht bedeuten, dass nur Maschinen abwehren.
Behavioral Defense Engineering ist darauf ausgelegt, den Human Layer mit der übrigen Sicherheitsarchitektur zu verbinden. Mit API-first- und AI-first-Prinzipien und Bereitstellungsoptionen, die auch On-Premises-Umgebungen unterstützen, können Meldungen von Mitarbeitenden, Verhaltensanalysen, Simulationen und Feedback Teil bestehender SOC-Workflows werden, statt eine weitere isolierte Awareness-Plattform zu sein.
Der nächste Security Stack besteht daher nicht nur aus EDR, Firewalls, Identity-Systemen, SIEM, SOAR und KI-Agenten. Er umfasst auch die Menschen, welche die Nachricht empfangen, den Anruf entgegennehmen und bemerken, dass etwas nicht stimmt.
Das Ziel sollte nicht sein, Mitarbeitende als das Problem zu verwalten. Es sollte sein, das Umfeld so zu gestalten, dass sie Teil der Lösung werden können.
Awareness schafft Wissen. Behavioral Defense Engineering macht aus Urteilsvermögen und Handeln Verteidigung. Und im Zeitalter der KI entscheidet Geschwindigkeit.
FAQ: der Human Layer im Security Stack
Was ist der Human Layer im Security Stack?
Der Human Layer ist die Summe der Entscheidungen, die Mitarbeitende treffen, wenn ein Angriff sie direkt erreicht — reagieren, verifizieren, ablehnen, löschen oder melden. Er wird Teil des Security Stacks, wenn diese Entscheidungen und Meldungen als Signale erfasst und mit dem Security-Betrieb verbunden werden, statt nur als Trainingsergebnis behandelt zu werden.
Ist der Mensch das schwächste Glied in der Cybersicherheit?
Nein. Diese Sichtweise beschreibt ein Programm, das Mitarbeitenden nie eine Möglichkeit gegeben hat, beizutragen. Mitarbeitende sehen Dinge, die technische Kontrollen nicht sehen — einen seltsamen Anruf, eine unpassende Anfrage — und sobald das Melden einfach ist und honoriert wird, werden sie zur schnellsten Erkennungsebene, die ein Unternehmen hat.
Was ist Behavioral Defense Engineering (BDE)?
Behavioral Defense Engineering (BDE) ist die systematische Verbesserung messbaren Risikoverhaltens. Es verbindet realistische, personalisierte Übungen über mehrere Angriffskanäle mit einem Kreislauf, der Reaktionen und Meldungen der Mitarbeitenden in Sicherheitssignale für SOC- und SOAR-Prozesse verwandelt. Awareness-Training ist ein Bestandteil von BDE und nicht etwas, das BDE ersetzt.
Worin unterscheidet sich Behavioral Defense Engineering von Security-Awareness-Training?
Awareness-Training verändert, was Menschen wissen. BDE verändert, was sie unter Druck tun — und misst es. Beide wirken über unterschiedliche Mechanismen: In einer randomisierten Studie mit 539 Mitarbeitenden veränderte Training die Risikoeinstellung, beeinflusste das Verhalten aber am wenigsten, während realistische Übungen das Verhalten am stärksten veränderten und die Einstellung kaum berührten. Ein Programm braucht beides.
Wie gelangen Meldungen von Mitarbeitenden ins SOC?
Ein Mitarbeitender meldet eine verdächtige Nachricht. KI analysiert sie und gruppiert zusammengehörige Meldungen zu einem Fall. Das Signal fliesst in bestehende SOC- oder SOAR-Prozesse, wo automatisierte Massnahmen Absender blockieren, schädliche Nachrichten entfernen oder eine Eindämmung auslösen können. Der Mitarbeitende erhält sofort Feedback, und der reale Angriff kann in eine sichere Übung verwandelt werden.
Quellen
IBM, Cost of a Data Breach Report 2026 – The AI tipping point.
Pugnetti, C. und Stacho, P. (2025). Improving Cyber Risk Behavior through AI-Enabled Spearphishing – A Comparative Analysis. Institute of Financial Services Zug IFZ, Hochschule Luzern – Wirtschaft (HSLU), und Cyberdise AG. Teilweise finanziert von Innosuisse, Förderbeitrag Innocheck 73275.1 INNO-ICT.
CYBERDISE, Pressemitteilung zu Behavioral Defense Engineering, Juni 2026.
CYBERDISE, BDE Security-Engineer-Use-Case-Materialien.
