Welche Daten stecken in den Anhängen? Über welches Modell und welchen Anbieter laufen sie? Was passiert mit dem Ergebnis? Und wer trägt die Verantwortung, wenn etwas schiefgeht? Ohne diesen Kontext lässt sich die Frage nach Sicherheit nicht beantworten.
Das eigentliche Problem: In vielen Unternehmen stellt diese Fragen niemand. Der Klick ist längst passiert, in einem Tool, das die IT nie gesehen hat. Laut dem Work Trend Index 2024 von Microsoft und LinkedIn bringen 78 % der KI-Nutzer:innen ihre eigenen KI-Tools mit zur Arbeit, in kleinen und mittleren Unternehmen sind es sogar 80 %. Mehr als die Hälfte gibt nur ungern zu, KI für ihre wichtigsten Aufgaben zu nutzen. Das ist Shadow-AI – nicht als Ausnahme, sondern als Normalfall.
Wildwuchs: Wenn jeder alles darf
Am Anfang steht selten eine Entscheidung, sondern Neugier. Jemand probiert privat einen Chatbot aus, merkt, wie viel Zeit er spart, und nutzt ihn ab Montag auch im Job. Kolleg:innen ziehen nach. Ein paar Wochen später gibt es fünf verschiedene Chatbots, drei private API-Keys und ein Browser-Plugin, das E-Mails zusammenfasst.
Böswillig ist daran nichts. Die Menschen wollen ihre Arbeit gut erledigen, und die Tools helfen ihnen dabei. Das Risiko entsteht an anderer Stelle:
- Private Konten: Daten landen bei Anbietern, mit denen es keinen Vertrag, keine Auftragsverarbeitung und keine Regel zur Speicherung gibt.
- Keine Übersicht: Niemand weiß, welche Tools im Einsatz sind, wer sie nutzt und wofür.
- Unbekannte Datenpfade: Ob Kundendaten, Verträge oder Konstruktionspläne das Haus verlassen, lässt sich nicht mehr nachvollziehen.
Und das Risiko wächst. Mit KI-Agenten wird aus einer Antwort eine Handlung. Ein Assistent, der E-Mails nicht nur zusammenfasst, sondern selbst Dokumente öffnet und Nachrichten verschickt, arbeitet mit den Rechten seiner Nutzer:innen. Dann reicht womöglich eine manipulierte Nachricht im Postfach, und Verträge gehen an einen externen Empfänger. Der mögliche Schaden – der Blast Radius – wächst mit jeder Funktion, jeder Berechtigung und jedem Stück Autonomie.
Die Verbots-Falle: Policies, die niemand durchsetzt
Die naheliegende Reaktion auf Wildwuchs ist ein Verbot. Eine Richtlinie wird verfasst und per Rundmail verteilt, vielleicht wird der bekannteste Chatbot im Proxy gesperrt. Auf dem Papier ist das Problem gelöst. In der Praxis passiert etwas anderes. Der Bedarf verschwindet nicht, er wandert: aufs private Smartphone, in den Browser zu Hause, in das neue KI-Feature der SaaS-Anwendung, das niemand auf dem Schirm hatte. Genutzt wird weiterhin – nur jetzt völlig unsichtbar. Das Verbot hat Shadow-AI nicht beseitigt, sondern tiefer in den Schatten gedrängt. Eine Policy ist nur so stark wie ihre Durchsetzung. Verlangt eine Richtlinie, dass „keine vertraulichen Daten in KI-Tools eingegeben werden“, aber kein System erkennt, was vertraulich ist, und keine Technik verhindert, dass es trotzdem passiert, dann schiebt sie die Verantwortung bloß auf die einzelnen Mitarbeitenden. Im Ernstfall schützt sie niemanden. Sie beantwortet höchstens die Frage, wer schuld ist.
An der Realität vorbei reguliert
Auch gut gemeinte Regeln scheitern, wenn sie das Business nicht mitnehmen. Die Muster ähneln sich:
- Freigaben, die länger dauern als das Projekt: Wer für einen KI-Use-Case drei Monate auf ein Go wartet, sucht sich einen anderen Weg.
- Regeln ohne Alternative: Ein „Das dürfen Sie nicht“ ohne „So geht es stattdessen“ lässt Teams mit ihrem Problem allein.
- Pauschale statt differenzierter Vorgaben: Eine Regel für alles behandelt eine Textkorrektur genauso wie die Analyse von Personaldaten – und ist damit für das eine zu streng und für das andere zu lax.
- Governance als Gremium statt als Service: Sicherheit wird als Hürde erlebt, nicht als Unterstützung.
Dazu kommt fehlende Befähigung. Laut Work Trend Index hat nur gut ein Drittel der KI-Nutzer:innen von ihrem Arbeitgeber je ein KI-Training erhalten. Wer keine Orientierung gibt, darf sich nicht wundern, wenn Mitarbeitende ihre eigene finden.
Der Kern des Problems: Sicherheit und Produktivität werden als Gegensätze behandelt. Dabei ist die wirksamste Maßnahme gegen Shadow-AI ein offizielles Angebot, das besser ist als die Schattenlösung.
Die zentrale Plattform: richtiger Schritt, noch nicht das Ziel
Viele Unternehmen ziehen daraus die richtige Konsequenz und schaffen einen zentralen Zugang: eine gemeinsame Oberfläche wie OpenWebUI, Anmeldung per Single Sign-On, dahinter ein AI-Gateway, das sowohl leistungsstarke Frontier-Modelle als auch lokale Modelle anbindet. Damit ist viel gewonnen. Die Nutzung wird sichtbar, Konten werden zentral verwaltet, die Datenpfade sind bekannt. Doch zentraler Zugang ist noch kein gesteuerter Betrieb. Kann jede Person über die Plattform jedes Modell mit beliebigen Daten nutzen, skaliert ungeprüfte Nutzung nur schneller. Drei Dinge fehlen in diesem Stadium meist noch:
- Freigabe: Welche Use-Cases sind erlaubt, für wen und mit welchen Daten?
- Evaluierung: Liefert das Modell für diesen Zweck verlässlich gute Ergebnisse?
- Audit Trail: Lässt sich im Nachhinein belegen, wer was mit welchem Modell gemacht hat?
Eine KI-Plattform ist deshalb kein IT-Projekt, das mit dem Go-Live endet. Sie ist ein Produkt – mit Nutzer:innen, deren Bedürfnissen und einer Roadmap, die mit beiden wächst.
Was eine Plattform ausmacht, die befähigt
Der Schritt zum gesteuerten Betrieb gelingt, wenn Regeln nicht mehr nur auf dem Papier stehen, sondern in der Plattform selbst. Das Prinzip ist einfach: Die Oberfläche stellt die Nutzung bereit, das Gateway erzwingt die Regeln. Mitarbeitende müssen keine Richtlinie auswendig kennen – der richtige Weg ist der einfachste. Profile statt Pauschalregeln. Statt einer Regel für alles gibt es Profile, die sich nach der Sensibilität der Daten richten, etwa auf einer Skala von D0 (öffentlich) bis D3 (streng vertraulich). Jedes Profil hat eine fest vorgegebene Route:
Route nach Aufgabe, nicht nach Hype. Nicht jede Aufgabe braucht das größte Modell. Lokale Modelle sind stark bei eng umrissenen, wiederholbaren Aufgaben wie Extraktion und Klassifikation und bei sensiblen internen Daten. Frontier-Modelle spielen ihre Stärke bei offener, komplexer Wissensarbeit aus. Welches Modell wofür taugt, entscheidet ein eigener Satz an Testfällen – nicht das Marketing des Anbieters.
Ein Kontrollpunkt für jeden KI-Zugriff. Ob Mitarbeitende im Browser, eigene Apps wie Teams-Bots, KI-Agenten oder Assistenten mit Gedächtnis: Alle erreichen KI über definierte Gateways. Davor steht die Identität, danach das Protokoll. Agenten dürfen nur freigegebene Tools mit klar begrenzten Rechten nutzen, und keine externe Aktion passiert ohne explizite Freigabe.
Use-Cases mit klarem Abschlusscheck. Bevor ein KI-Use-Case produktiv geht, beantwortet er fünf Fragen:
- Zweck: Was ist erlaubt – und ausdrücklich nicht?
- Verantwortung: Wer entscheidet, betreibt und stoppt den Fall?
- Daten und Rollen: Wer darf welche Daten über welche Route nutzen?
- Verhalten: Welche Tests müssen vor jedem Release bestehen?
- Nachweis und Change: Wie werden Version, Wirkung und Abweichungen geprüft?
Wird daraus ein wiederverwendbares Muster, muss nicht jeder neue Use-Case bei null beginnen. Das macht Freigaben schnell – und schnelle Freigaben nehmen der Schattenlösung den Grund.
Evidenz statt Bauchgefühl. Auf der höchsten Stufe wird der Betrieb prüfbar: Jeder Use-Case hat einen Owner, eine versionierte Konfiguration, dokumentierte Tests und einen nachvollziehbaren Änderungsverlauf. So entsteht ein KI-Managementsystem (AIMS), etwa nach ISO/IEC 42001, das Audits nicht fürchten muss.
Fazit: Vom Verbieten zum Ermöglichen
Shadow-AI ist kein Fehlverhalten, das man wegregulieren kann. Sie ist ein Signal: Mitarbeitende haben einen echten Bedarf, und das Unternehmen deckt ihn noch nicht. Wer darauf mit Verboten antwortet, verliert die Kontrolle. Wer mit einem guten Angebot antwortet, gewinnt sie zurück.
Der Weg dorthin lässt sich in vier Schritten denken:
- Finden: Sichtbar machen, welche KI-Tools heute tatsächlich genutzt werden und welche Daten wohin fließen.
- Bündeln: Einen zentralen, komfortablen Zugang schaffen, mit Single Sign-On, Rollen und den passenden Modellen.
- Steuern: Regeln im Gateway erzwingen, Use-Cases freigeben, Modelle evaluieren und protokollieren.
- Belegen: Den Betrieb so dokumentieren, dass Wirksamkeit und Änderungen jederzeit prüfbar sind.
KI kann viel. Sicherheit entscheidet, wie weit. Und gut gemachte Sicherheit sorgt dafür, dass die Antwort auf „Würden Sie auf Senden klicken?“ endlich lauten kann: Ja – weil die Plattform den Rest erledigt.
Sie möchten wissen, wo Ihr Unternehmen auf diesem Weg steht? Dann informieren Sie sich einfach direkt hier zu unserer "Secure AI-Platform", oder melden Sie sich direkt bei uns – wir schauen uns das gerne gemeinsam mit Ihnen an.
