Der Aufstieg von Shadow AI

Es beginnt unschuldig genug. Ein Marketingmanager muss schnell ein Kampagnenbriefing schreiben, also fügt er einige Kundendaten in ChatGPT ein. Ein Entwickler steckt bei einem Fehler fest, also füttert er proprietären Code in einen Online-KI-Debugger.

Das ist Shadow AI: die Nutzung von Tools der künstlichen Intelligenz und Large Language Models (LLMs) durch Mitarbeiter ohne die ausdrückliche Genehmigung, das Wissen oder die Aufsicht der IT-Abteilung.

Im Jahr 2026 ist Shadow AI eines der am schnellsten wachsenden Cybersicherheitsrisiken für Unternehmen. Während diese Tools die Produktivität steigern, öffnen sie auch die Büchse der Pandora in Bezug auf Datenschutz- und Sicherheitsprobleme.

Das Ausmaß des Problems

Aktuelle Studien zeigen, dass über 75 % der Wissensarbeiter KI-Tools in ihrer täglichen Arbeit nutzen. Allerdings hat weniger als die Hälfte der Organisationen eine formelle Richtlinie, die deren Nutzung regelt.

Diese Lücke schafft einen massiven blinden Fleck. Ihre sensiblen Daten – Kundenlisten, Finanzprognosen, Quellcode und Rechtsstrategien – könnten in öffentliche KI-Modelle fließen, wo sie gespeichert, verarbeitet oder sogar verwendet werden könnten, um zukünftige Versionen des Modells zu trainieren.

Hauptrisiken von Shadow AI

1. Datenlecks und IP-Diebstahl

Wenn Sie Informationen in ein öffentliches KI-Tool für Verbraucher eingeben, verlieren Sie oft die Kontrolle über diese Daten.

Der Samsung-Vorfall: 2023 leckten Samsung-Ingenieure versehentlich sensiblen Quellcode, indem sie ihn in ChatGPT einfügten, um nach Fehlern zu suchen. Dieser Code wurde Teil der Trainingsdaten des Modells.
Risiko: Ihre Geschäftsgeheimnisse könnten versehentlich als Antwort auf die Eingabeaufforderung eines Konkurrenten auftauchen.

2. Compliance-Verstöße

Die Nutzung ungeprüfter KI-Tools kann Sie sofort in Konflikt mit Vorschriften wie DSGVO, HIPAA oder CCPA bringen.

Wenn ein Mitarbeiter Patientendaten in ein KI-Tool hochlädt, das Daten auf Servern außerhalb Ihrer genehmigten Gerichtsbarkeit speichert, haben Sie einen Compliance-Verstoß begangen.
Die meisten Nutzungsbedingungen öffentlicher KI bieten nicht die Datenschutzgarantien, die für regulierte Branchen erforderlich sind.

3. Ungenaue Ausgabe (Halluzinationen)

KI-Modelle sind selbstbewusste Lügner. Sie können Code mit Sicherheitslücken generieren oder rechtliche Verträge mit nicht existierender Rechtsprechung schreiben.

Risiko: Wenn Mitarbeiter der KI-Ausgabe blind vertrauen ohne Überprüfung, kann dies zu Sicherheitslücken in Ihrem Produkt oder rechtlichen Haftungen für Ihr Unternehmen führen.

4. Mangelnde Rechenschaftspflicht

Wenn ein KI-Tool eine Entscheidung trifft, die einen Bewerber diskriminiert oder einen Kredit verweigert, wer ist verantwortlich? Wenn "Shadow AI" verwendet wird, weiß die Organisation oft nicht einmal, dass das Tool beteiligt war, was Audit-Trails unmöglich macht.

Wie man Shadow AI verwaltet

KI zu verbieten ist nicht die Antwort. Die Produktivitätsgewinne sind zu signifikant, und Mitarbeiter werden Workarounds finden (Schatten-IT). Stattdessen benötigen Organisationen eine Strategie der Governance und Befähigung.

1. Entdecken und Auditieren

Sie können nicht verwalten, was Sie nicht sehen.

Verwenden Sie CASB-Tools (Cloud Access Security Broker), um den Netzwerkverkehr auf Verbindungen zu beliebten KI-Diensten zu überwachen.
Befragen Sie Mitarbeiter anonym, um zu verstehen, welche Tools sie nutzen und warum.

2. Implementieren Sie eine Acceptable Use Policy (AUP)

Erstellen Sie eine klare, leicht verständliche Richtlinie, die definiert:

Welche Daten sicher mit KI geteilt werden können (z. B. öffentliche Marketingtexte).
Welche Daten strikt tabu sind (z. B. PII, Quellcode, Finanzdaten).
Genehmigte Tools vs. verbotene Tools.

3. Bieten Sie Alternativen auf Unternehmensniveau

Mitarbeiter nutzen Shadow AI, weil es ihnen hilft, schneller zu arbeiten. Geben Sie ihnen sichere, genehmigte Alternativen.

Kaufen Sie Unternehmenslizenzen für Tools wie ChatGPT Enterprise oder Microsoft Copilot, die Datenschutzgarantien bieten (Daten werden nicht für das Training verwendet).
Stellen Sie private, selbst gehostete LLMs für hochsensible Aufgaben bereit.

4. Kontinuierliche Bildung

Schulen Sie Mitarbeiter über die spezifischen Risiken von KI.

Bringen Sie ihnen bei, dass "kostenlose" Tools oft mit Ihren Daten bezahlen.
Zeigen Sie ihnen, wie man Daten bereinigt (Namen, Daten, Orte entfernen), bevor man KI-Tools nutzt.

Schritt für Schritt: Nicht genehmigte KI-Nutzung aufdecken

Bevor Sie Regeln durchsetzen können, brauchen Sie einen belastbaren Überblick über die tatsächlich genutzten Dienste. In der Praxis bewähren sich vier Quellen:

SSO- und Identity-Auswertung: Prüfen Sie in Ihrem Identity-Provider (z. B. Entra ID, Okta oder Google Workspace) die registrierten Drittanbieter-Anwendungen und OAuth-Berechtigungen. Viele Beschäftigte melden sich bei KI-Tools per Knopfdruck über ihr Geschäftskonto an – diese Verknüpfungen stehen direkt im Audit-Log des IdP und lassen sich protokolliert wiederrufen.
CASB- und Proxy-Protokolle: Ein Cloud Access Security Broker klassifiziert Cloud-Dienste automatisch und zeigt, welche Abteilungen welche KI-Plattformen nutzen. Ohne CASB reichen Firewall- und Proxy-Logs: Filtern Sie nach Verbindungen zu den Domains der großen Anbieter und ihren API-Endpunkten, und bemessen Sie Häufungen über Zeitraum und Abteilung.
Spesenabrechnungen: Durchsuchen Sie Karten- und Kontoabrechnungen nach Abbuchungen von KI-Anbietern. Ein monatlicher Kleinbetrag auf einer Teamausgabe ist oft der früheste Hinweis auf ein inoffizielles Abo, das noch keine Netzspuren hinterlassen hat.
Genehmigte und verwaltete Browserprofile: Führen Sie eine Inventur der Browser-Erweiterungen durch, die Mitarbeitende zusätzlich installieren dürfen oder tatsächlich installiert haben. Einige KI-Assistenten lassen sich als Erweiterung einbinden und verlangen dann Lesezugriff auf Seiten, die interne Tools darstellen.

Ergänzen Sie diese Quellen um eine anonyme Kurzabfrage: In wenigen Minuten erfahren Sie, welche Tools aus Sicht der Beschäftigten unersetzlich sind – und wo eine genehmigte Alternative bislang fehlt. Wer die eigene Belegschaft als Quelle nutzt, statt auf Verbote zu setzen, sammelt brauchbare Daten für die nächste Entscheidung. Für die spätere Aufdeckung zurückliegender Nutzungen helfen ergänzende Methoden wie in Was ist Threat Hunting in der Cybersicherheit?.

Erlauben, einschränken oder blockieren: Entscheidungskriterien

Nicht jedes KI-Tool ist gleich riskant. Eine bewährte Methodik bewertet drei Kriterien:

Datenklasse: Welche Informationen fließen in das Tool, und wie ist diese Klasse im Datenklassifizierungskonzept eingestuft (öffentlich, intern, vertraulich, streng vertraulich)?
Anbieterreife: Verfügt der Anbieter über einen aktuellen SOC-2- oder ISO-27001-Nachweis, eine Datenverarbeitungsvereinbarung nach Art. 28 DSGVO, dokumentierte Datenresidenz in der EU und ein Opt-out gegen die Nutzung der Eingaben für das Modelltraining?
Rückholbarkeit: Lassen sich Konten, Verläufe und hochgeladene Dateien über eine Admin-Konsole zentral verwalten, exportieren und löschen?

Daraus ergeben sich drei Stufen: Freigeben (alle Kriterien erfüllt, meist über Enterprise-Lizenzen mit Trainings-Opt-out), Einschränken (nutzbar, aber ohne vertrauliche Daten oder nur in einem isolierten Konto-Zweig) oder Blockieren (kein Nachweis, keine vertragliche Grundlage). Dokumentieren Sie jede Entscheidung mit Datum und Begründung – das entlastet später bei Audits und macht nachvollziehbar, warum ein bestimmter Anbieter abgelehnt wurde.

Fallbeispiel: Ein Beratungsbericht landet in einem kostenlosen KI-Tool

Ein mittelständischer IT-Dienstleister mit etwa 180 Beschäftigten bemerkte nach einer IdP-Auswertung, dass ein Berater wöchentlich Projektberichte in ein kostenloses KI-Tool einfügte, um sie zu kürzen. In den Berichten standen namentlich genannte Ansprechpartner und vereinbarte Servicelevel – personenbezogene Daten eines Kunden aus der Finanzbranche.

Die Folgearbeiten innerhalb von zwei Wochen bestanden aus:

Bewertung einer etwaigen meldepflichtigen Verletzung nach Art. 33 DSGVO mit Datenschutzbeauftragtem und externem Datenschutzanwalt
Auskunftsersuchen an den Tool-Anbieter, ob die Eingaben gelöscht wurden – die Antwort traf erst nach drei Nachfragen ein und blieb lückenhaft
Umstellung der betroffenen Teams auf Enterprise-Lizenzen mit Trainings-Opt-out und zentraler Protokollierung
Ergänzung einer Datenklassifizierungsregel in der Nutzungsrichtlinie, damit zukünftige Fälle bereits im Vorfeld ausgeschlossen sind

Auffällig war: Technisch war der Vorfall unaufgeregt, vertraglich und rechtlich aber teuer – bekannt wurde er nur, weil der Berater offen bei der Abfrage mitwirkte.

Was kostet KI-Governance konkret?

Grobe Budgetrahmen für die Planung: In einem Unternehmen mit bis zu 50 Beschäftigten genügen in der Regel vier bis sechs Personentage für Richtlinie, Tool-Bewertung und eine Schulung. In mittleren Organisationen mit 250 bis 500 Beschäftigten kommen ein CASB-Modul (in vielen Secure-Service-Edge-Suiten bereits enthalten, sonst oft 5.000 bis 30.000 Euro zusätzliche Jahreskosten) und rund 10 bis 15 Personentage für Erstbewertung und Abstimmung hinzu. Enterprise-KI-Lizenzen bewegen sich meist in einer Größenordnung von etwa 20 bis 60 Euro pro Nutzer und Monat – sie ersetzen typischerweise die inoffiziellen Einzelabos, die bisher aus Teambudgets bezahlt wurden.

Häufige Fehler und eine kompakte Checkliste

Typische Stolpersteine in der Praxis: ein plakatives Totalverbot, das die Nutzung auf private Geräte verlagert; ein Genehmigungsprozess mit mehrwöchiger Wartezeit, der die Akzeptanz untergräbt; eine veraltete Tool-Liste ohne jährliche Revision; eine einmalige Schulung ohne Auffrischung. Kompakter Einstieg:

OAuth-Apps im Identity-Provider monatlich prüfen und unbekannte Berechtigungen entziehen
Aus Spesen- und Proxy-Daten ergänzen, welche Abos und Verbindungen zusätzlich bestehen
Kurzfristig zwei oder drei KI-Anbieter nach obigen Kriterien bewerten und dokumentieren
Das Ergebnis bei der nächsten Inhalte-Schulung konkret und an Beispielen vermitteln
Nach sechs Monaten die Liste und die Architekturentscheidungen erneut prüfen

Fazit

Shadow AI ist kein Bösewicht; es ist ein Symptom einer Belegschaft, die begierig auf Innovation ist. Das Ziel von Sicherheitsverantwortlichen im Jahr 2026 sollte nicht sein, KI zu blockieren, sondern die Leitplanken zu bauen, die eine sichere Nutzung ermöglichen.

Indem Sie KI aus dem Schatten in eine geregelte Umgebung holen, können Sie ihre Kraft nutzen, ohne die Geheimnisse Ihrer Organisation zu kompromittieren.

Benötigen Sie Hilfe beim Entwurf einer KI-Sicherheitsrichtlinie? Kontaktieren Sie Cyberlord für ein Beratungsgespräch. Wir helfen Organisationen, sichere, konforme KI-Governance-Rahmenwerke aufzubauen.

Überblick

Wichtige Entscheidungen, Risiken und Umsetzungsmaßnahmen zu diesem Thema.

Der Aufstieg von Shadow AI: Risiken nicht genehmigter KI-Tools am Arbeitsplatz