Porträt von Pascal Debus

Pascal Debus

Abteilungsleiter, Cognitive Security Technologies (CST)
Fraunhofer AISEC, Garching bei München

Ich habe Physik an der ETH Zürich (MSc, BSc) und Mathematik an der FernUniversität in Hagen (BSc) studiert – nach einem früheren BWL-Studium an der EBS Universität.

Seit Juni 2026 leite ich die Abteilung Cognitive Security Technologies (CST). Dort beschäftigen wir uns mit Forschung an der Schnittstelle von KI, IT-Sicherheit und Quantencomputing. Meine eigenen Forschungsinteressen drehen sich vor allem um folgende Themen:

  • Sicherheit agentischer KI: Was passiert, wenn Sprachmodell-Agenten selbstständig mit Tools, Daten und Zugangsdaten agieren? Und wie können wir solche Systeme testen, benchmarken und sicher begrenzen?
  • AI Governance und Assurance: Sicherheitsanalysen, Assessments und Compliance-Tools für KI-Systeme.
  • QC/QML Security, zum Beispiel Entangled Threats, unser Kill-Chain-Modell für Angriffe auf Quantum-Machine-Learning-Systeme.

Vor CST habe ich die Gruppe Quantum Security Technologies aufgebaut und an der Quantencomputing-Strategie des Instituts mitgearbeitet. Seit 2021 leite ich außerdem die Geschäftsstelle des Bayerischen Kompetenzzentrums für Quantum Security und Data Science (BayQS).

Neben diesen eher forschungsnahen Themen habe ich immer noch viel Spaß an klassischer, praktischer IT-Sicherheit – zum Beispiel an Capture-the-Flag-Challenges und Labs auf OffSec und TryHackMe. Vor meiner Zeit bei Fraunhofer habe ich bei Brainlab Computer-Vision-Software für die bildgestützte Chirurgie entwickelt.

  • Sicherheit agentischer KI
  • KI-Compliance
  • Quantum Machine Learning
  • Anomalieerkennung
  • Quantencomputing

Neuigkeiten

Vorträge · Paper · Presse
  • PresseGastbeitrag im IT Finanzmagazin: KI-Compliance beginnt in der Architektur, nicht im Regelwerk.
  • VortragVortrag Rogue Agents and the Rise of the AI-Powered Defender beim Cybersecurity & AI Meetup von TUM Venture Labs und Giesecke+Devrient, München.
  • PresseInterview und Zitate in der WirtschaftsWoche dazu, was der autonome OpenAI-Angriff auf Hugging Face wirklich über KI-Sicherheit zeigt.
  • VortragKeynote zu Sicherheit trotz, für und mit Quantencomputern beim d-fine Quantum Industry Summit, Frankfurt.
  • VortragVortrag beim e-Crime & Cybersecurity Congress, München.

Vorträge

  1. Rogue Agents and the Rise of the AI-Powered Defender
    Cybersecurity & AI MeetupTUM Venture Labs × Giesecke+Devrient · Munich
    EN
  2. Entangled ThreatsA Unified Kill Chain Model for Quantum Machine Learning Security
    IEEE International Conference on Quantum Computing and Engineering (QCE) 2025Albuquerque, New Mexico
    EN
  3. Sicherheit trotz, für und mit Quantencomputern
    d-fine Quantum Industry SummitFrankfurt am Main
    EN
  4. Security despite, for and with Quantum Computers
    e-Crime & Cybersecurity CongressMunich
    EN
  5. Security despite, for and with Quantum Computers
    Quantum Business Network (QBN)Quantum Leadership SessionVideo
    EN
  6. Reality Check KIWie verlässlich sind aktuelle KI-Systeme?
    IT Messe LeipzigLeipzig
    DE
  7. Quantum Machine Learning and IT SecurityBeyond Shor's Algorithm
    TNG Big TechDay 22MunichVideo
    EN
  8. Sichere KI?Manipulation, Schutz und Zertifizierung von KI-Algorithmen
    GDV-Fachtagung Künstliche IntelligenzGerman Insurance Association (GDV)
    DE

Medien

Artikel & Interviews
WirtschaftsWoche

Ausbruch aus dem Sandkasten

wiwo.de · DE →IT Finanzmagazin

KI-Compliance beginnt in der Architektur, nicht im Regelwerk

it-finanzmagazin.de · DE →

Lehre

Hochschule · Industrie

Seminare

  • SS 2025
    Applications of Quantum Computing in IT Security
    Technische Universität München (TUM)
  • SS 2023
    Applications of Quantum Computing in IT Security
    Technische Universität München (TUM)

Weiterbildung für die Industrie

Übungsgruppenleitung

  • 2012–2015
    ETH Zürich
    Numerische Methoden für Physiker · Lineare Algebra und Numerische Mathematik für Bauingenieure · Analysis III für Ingenieure · Informatik für Mathematiker und Physiker

Publikationen

2026

  • The Watermark Shortcut: How Provenance Marking Sabotages Audio Deepfake Detection
    N. M. Müller, P. Debus
    IEEE Signal Processing LettersDOI
  • Anomaly Detection with Quantum SVR in the NISQ Era: Limits of Robustness to Noise and Adversarial Attacks
    K. Tscharke, M. Wendlinger, S. Issel, P. Debus
    ICAART 2026
  • An End-to-End Multi-Stage Kill-Chain Attack on Quantum Neural Networks: Demonstration on Trapped-Ion Hardware
    C. Brügmann, D. Herr, D. O. de Mello, P. Debus, M. Wendlinger, K. Tscharke, et al.
    arXiv preprint
  • A Multiclass Quantum Aligned Centroid Kernel
    K. Tscharke, P. Debus
    arXiv preprint

2025

  • Entangled Threats: A Unified Kill Chain Model for Quantum Machine Learning Security
    P. Debus, M. Wendlinger, K. Tscharke, D. Herr, C. Brügmann, D. O. de Mello, et al.
    IEEE QCE 2025DOI
  • Old Rules in a New Game: Mapping Uncertainty Quantification to Quantum Machine Learning
    M. Wendlinger, K. Tscharke, P. Debus
    IEEE QCE 2025DOI
  • Quantum Autoencoder for Multivariate Time Series Anomaly Detection
    K. Tscharke, M. Wendlinger, A. Ahouzi, P. Bhardwaj, K. Amoi-Taleghani, et al.
    IEEE QCE 2025DOI
  • Towards Classical Software Verification using Quantum Computers
    S. Issel, K. Tscharke, P. Debus
    QCNC 2025DOI
  • Quantum Support Vector Regression for Robust Anomaly Detection
    K. Tscharke, M. Wendlinger, S. Issel, P. Debus
    arXiv preprint

2024

  • A Comparative Analysis of Adversarial Robustness for Quantum and Classical Machine Learning Models
    M. Wendlinger, K. Tscharke, P. Debus
    IEEE QCE 2024DOI
  • QUACK: Quantum Aligned Centroid Kernel
    K. Tscharke, S. Issel, P. Debus
    IEEE QCE 2024DOI
  • Quantum Machine Learning Playground
    P. Debus, S. Issel, K. Tscharke
    IEEE Computer Graphics and Applications 44(5)DOI
  • Towards Efficient Quantum Anomaly Detection: One-Class SVMs Using Variable Subsampling and Randomized Measurements
    M. Kölle, A. Ahouzi, P. Debus, R. Müller, D. Schuman, C. Linnhoff-Popien
    ICAART 2024DOI

2023

  • Semisupervised Anomaly Detection using Support Vector Regression with Quantum Kernel
    K. Tscharke, S. Issel, P. Debus
    IEEE QCE 2023DOI
  • Protecting Publicly Available Data With Machine Learning Shortcuts
    N. M. Müller, M. Burgert, P. Debus, J. Williams, P. Sperl, K. Böttinger
    arXiv preprintDOI

2022

  • Fairness in Regression: Analysing a Job Candidates Ranking System
    K. Markert, A. Ahouzi, P. Debus
    INFORMATIK 2022DOI

2021

  • Deep Reinforcement Learning for Backup Strategies against Adversaries
    P. Debus, N. M. Müller, K. Böttinger
    arXiv preprintDOI

2019

  • On GDPR Compliance of Companies’ Privacy Policies
    N. M. Müller, D. Kowatsch, P. Debus, D. Mirdita, K. Böttinger
    Text, Speech, and Dialogue (TSD 2019)DOI
  • Distributed Anomaly Detection of Single Mote Attacks in RPL Networks
    N. M. Müller, P. Debus, D. Kowatsch, K. Böttinger
    ICETE / SECRYPT 2019DOI

Vorträge & Beratung

Ich spreche auf Konferenzen und Firmenveranstaltungen, auf Deutsch oder Englisch. Unabhängig von meiner Tätigkeit am Fraunhofer AISEC biete ich außerdem freiberufliche Beratung zu Themen wie datengetriebenen Webanwendungen, Dashboards und ML-gestützten Tools an, vom ersten Prototyp bis zum laufenden Produkt.

Schreiben Sie mir über das Kontaktformular oder vernetzen Sie sich auf LinkedIn.

Unabhängige Projekte liegen außerhalb des Bereichs IT-Sicherheit.

  • Vorträge & KeynotesKI, agentische Systeme und Quantencomputing, vor Ort oder remote
  • ML- & datengetriebene AnwendungenAus Modellen und Datenpipelines nutzbare Produkte machen
  • Projekt- & EntwicklungsberatungProjektmanagement und Software-Engineering-Praxis