Schatten-KI

Was ist Schatten-KI?

Schatten-KI ist der Einsatz von KI-Tools innerhalb einer Organisation ohne Genehmigung, Aufsicht oder Sicherheitsprüfung: Mitarbeitende fügen Unternehmensdaten in Consumer-Chatbots ein, verdrahten ungeprüfte KI-Funktionen in Arbeitsabläufe oder nutzen private Agenten-Abonnements für Arbeitsaufgaben. Sie ist der Nachfolger der Schatten-IT im KI-Zeitalter, wobei Datenabfluss das zentrale Risiko darstellt.

Die wichtigsten Punkte

• Schatten-KI ist meist gut gemeint. Mitarbeitende übernehmen Tools, die sie schneller machen; das Problem ist, dass Unternehmensdaten durch Systeme fließen, die niemand geprüft hat, unter Verbraucher-AGB, die niemand gelesen hat.
• Das Risikoprofil hat drei Ebenen: Daten, die die Organisation verlassen, ungeprüfte KI-Ausgaben, die in Arbeitsergebnisse einfließen, und zunehmend nicht autorisierte Agenten, die Zugangsdaten besitzen und Aktionen ausführen.
• Verbote scheitern zuverlässig. Das Blockieren bekannter KI-Domains verlagert die Nutzung auf private Geräte und unentdeckte Tools, wodurch das Problem unsichtbar statt behoben wird.
• Die funktionierende Lösung ist ein autorisierter Weg: genehmigte Tools mit Enterprise-Datenbedingungen, klare Regeln dazu, welche Daten wohin fließen dürfen, sowie Monitoring – alles im Rahmen eines KI-Governance-Programms, das mit neuen Tools Schritt hält.

So funktioniert es

Schatten-KI folgt derselben Dynamik wie zuvor die Schatten-IT: Die Lücke zwischen dem, was Mitarbeitende brauchen, und dem, was die Organisation bereitstellt, wird vom Konsumentenmarkt gefüllt. Eine Marketerin lässt Kundenlisten durch einen kostenlosen Analyse-Chatbot laufen. Ein Entwickler, dessen Unternehmen keinen zugelassenen Coding-Assistenten hat, schleust proprietären Quellcode in ein privates Tool. Ein Recruiter screent Lebensläufe mit einer Browser-Erweiterung, von der noch nie jemand gehört hat. Jede einzelne Entscheidung ist lokal rational und für die Sicherheitsabteilung unsichtbar. Das Ausmaß ist alles andere als marginal: In einer Umfrage von Microsoft und LinkedIn aus dem Jahr 2024 unter 31.000 Wissensarbeitenden in 31 Märkten gaben 78 % der KI-Nutzenden an, eigene KI-Tools zur Arbeit mitzubringen, bei kleinen und mittleren Unternehmen steigt der Anteil auf 80 % [1].

Die Gefährdung wirkt über mehrere Kanäle gleichzeitig. Daten, die an Consumer-KI-Tools übermittelt werden, können unter Standardbedingungen gespeichert und für Training genutzt werden und verlassen dabei jede Compliance-Grenze, zu deren Einhaltung die Organisation verpflichtet ist – akut relevant unter DSGVO, HIPAA oder Vertraulichkeitsvereinbarungen mit Kunden. Ausgaben fließen in die andere Richtung: ungeprüfter, KI-generierter Text, Code und Analysen gelangen ohne Qualitätskontrolle in Verträge, Codebasen und Entscheidungen und importieren dabei Halluzinationen und Lizenzfragen. Der neueste und schärfste Kanal ist agentisch. Ein Mitarbeiter, der einen nicht autorisierten KI-Agenten mit E-Mail, einem Kalender oder einem Code-Repository verbindet, hat dauerhafte Zugangsdaten an Software vergeben, die das Sicherheitsteam nie geprüft hat, und schafft damit eine Angriffsfläche für Prompt Injection, die niemand überwacht. Die Kosten schlagen sich bereits in Breach-Daten nieder. IBMs Cost of a Data Breach Report 2025 fand heraus, dass eine von fünf betroffenen Organisationen einen Sicherheitsvorfall auf Schatten-KI zurückführte [2], und dass Organisationen mit hohem Schatten-KI-Aufkommen Breach-Kosten hatten, die um 670.000 US-Dollar höher lagen als bei Organisationen mit wenig oder keiner – gegenüber einem weltweiten Durchschnitt von 4,44 Millionen US-Dollar pro Sicherheitsvorfall [3].

Organisationen, die dem zuvorkommen, folgen einem einheitlichen Muster. Zuerst entdecken: Netzwerkprotokolle, Spesenabrechnungen und ehrliche Umfragen zeigen, was Mitarbeitende bereits nutzen, und die Antwort fällt immer umfangreicher aus als erwartet. Dann eine autorisierte Alternative bereitstellen, die gut genug ist, dass die Schatten-Option ihren Reiz verliert – typischerweise Enterprise-Tarife mit Zusicherungen zum Verzicht auf Trainingsdatennutzung und SSO. Anschließend eine praktikable Richtlinie festlegen, die Daten statt Tools klassifiziert: was niemals das Haus verlassen darf, was an genehmigte Tools gehen darf, was überall unbedenklich ist. Erkennung und regelmäßige Überprüfung schließen den Kreislauf, während sich die Tool-Landschaft weiterentwickelt.

Beispiel

Ein mittelgroßes Softwareunternehmen ohne genehmigte KI-Tools entdeckt bei einer routinemäßigen DLP-Überprüfung ausgehenden Traffic zu einem Dutzend KI-Diensten. Bei genauerer Untersuchung stellt sich heraus: Ingenieure nutzen drei verschiedene Coding-Assistenten über private Konten, ein Vertriebsteam fasst Anrufaufzeichnungen über einen kostenlosen Transkriptions-Bot zusammen, und ein Operations-Manager hat einen autonomen Agenten mit dem gemeinsamen Postfach verbunden, um Lieferantenanfragen automatisch zu beantworten. Nichts davon ist böswillig, und vieles ist tatsächlich produktiv. Das Unternehmen reagiert, indem es einen Enterprise-Coding-Assistenten und ein genehmigtes Meeting-Tool lizenziert, ein einseitiges Regelwerk für Daten veröffentlicht und Sicherheitsprüfungen für alles vorschreibt, das Zugangsdaten hält. Der Agent im Postfach ist das Einzige, das sofort abgeschaltet wird, weil er handeln konnte, nicht nur Daten preisgeben. Sechs Monate später ist der Schatten-Traffic auf ein Minimum gesunken, und im Prüfprozess wurden zwei Tools genehmigt, die Mitarbeitende selbst zutage gefördert hatten.

Häufige Missverständnisse

Das Missverständnis ist, Schatten-KI sei ein Disziplinproblem, das sich mit einem Verbot lösen lässt. Es als Fehlverhalten zu behandeln, missversteht das Signal: Weitverbreitete nicht autorisierte Nutzung ist ein Beleg für unerfüllten Bedarf und für echte Produktivität, die Mitarbeitende bereits gefunden haben. Ein Verbot verwirft diesen Wert und treibt die Nutzung in den Untergrund, wo keine Richtlinie mehr greift. Organisationen, die gut damit umgehen, behandeln Schatten-KI als kostenlose Marktforschung darüber, welche Tools ihre Mitarbeitenden tatsächlich brauchen, und decken den Bedarf dann über einen Kanal, den sie absichern können.

FAQ

Wie unterscheidet sich Schatten-KI von Schatten-IT? Dasselbe organisatorische Versagen, höherer Einsatz. Eine Schatten-SaaS-App speichert Daten; ein Schatten-KI-Tool kann darauf trainieren, sie an andere Nutzer reproduzieren und Ausgaben erzeugen, die ungeprüft in die Arbeit zurückfließen. Agentische Tools fügen eine dritte Dimension hinzu, die Schatten-IT nie hatte: nicht autorisierte Software, die mit den Zugangsdaten eines Mitarbeiters autonom handelt.

Ist Schatten-KI jemals akzeptabel? In Organisationen ganz ohne Richtlinie ist sie schlicht der Standardzustand, was ein Argument dafür ist, die Richtlinie zu schreiben, statt den Mitarbeitenden die Schuld zu geben. Unter einem vernünftigen Governance-Programm wird die akzeptable Version zu einem schnellen Genehmigungsweg: Risikoarme Anwendungsfälle erhalten ein schnelles Ja, risikoreiche werden geprüft, und nichts muss sich verstecken.

Wie erkennt man Schatten-KI in einem Unternehmen? Kombinieren Sie Netzwerk- und DLP-Monitoring für bekannte KI-Endpunkte, Inventare von Browser-Erweiterungen und Spesendaten, und ergänzen Sie die ergiebigste Methode: Nachfragen. Amnestie-artige Umfragen, bei denen das Zugeben der Nutzung Hilfe statt Bestrafung auslöst, fördern Tools zutage, die nie mit dem Unternehmensnetzwerk in Berührung kommen, weil sie auf privaten Telefonen laufen.

Quellen

1. Microsoft Work Trend Index. "78 % der KI-Nutzenden bringen eigene KI-Tools zur Arbeit mit; bei kleinen und mittleren Unternehmen sind es 80 %, laut einer Umfrage unter 31.000 Wissensarbeitenden in 31 Märkten." https://www.microsoft.com/en-us/worklab/work-trend-index/ai-at-work-is-here-now-comes-the-hard-part. Abgerufen im August 2026.
2. IBM. "20 % der von einem Sicherheitsvorfall betroffenen Organisationen berichteten von einem Vorfall, der auf Schatten-KI zurückzuführen war, Cost of a Data Breach Report 2025." https://newsroom.ibm.com/2025-07-30-ibm-report-13-of-organizations-reported-breaches-of-ai-models-or-applications,-97-of-which-reported-lacking-proper-ai-access-controls. Abgerufen im August 2026.
3. IBM. "Hohes Schatten-KI-Aufkommen erhöhte die Kosten eines Sicherheitsvorfalls um 670.000 US-Dollar gegenüber einem weltweiten Durchschnitt von 4,44 Millionen US-Dollar, Cost of a Data Breach Report 2025." https://newsroom.ibm.com/2025-07-30-ibm-report-13-of-organizations-reported-breaches-of-ai-models-or-applications,-97-of-which-reported-lacking-proper-ai-access-controls. Abgerufen im August 2026.