Shadow AI verhindern: Technische und organisatorische Maßnahmen für Unternehmen

ChatGPT, Claude, Gemini, Copilot und zahlreiche kleinere KI-Dienste sind für Mitarbeiter nur wenige Mausklicks entfernt. Genau darin liegt für Unternehmen ein Problem: Während die offizielle IT noch über Datenschutz, Verträge und Freigaben diskutiert, haben Mitarbeiter möglicherweise längst begonnen, KI für E-Mails, Dokumente, Quellcode, Excel-Auswertungen oder Kundendaten einzusetzen.

Diese nicht genehmigte Nutzung von KI-Systemen wird häufig als Shadow AI bezeichnet.

Für Unternehmen ist Shadow AI nicht nur ein Datenschutzthema. Unkontrollierte KI-Nutzung kann Geschäftsgeheimnisse, personenbezogene Daten, Zugangsdaten, Quellcode und interne Dokumente nach außen tragen.

Ein generelles Verbot von ChatGPT und anderen KI-Diensten löst das Problem allerdings selten.

Wer Shadow AI wirksam verhindern oder zumindest stark reduzieren möchte, braucht eine Kombination aus technischen Kontrollen, klaren Regeln, sicheren Alternativen und geschulten Mitarbeitern.

Was ist Shadow AI?

Shadow AI bezeichnet den Einsatz von KI-Anwendungen innerhalb eines Unternehmens, ohne dass diese Anwendungen offiziell geprüft, freigegeben oder durch die zuständigen Stellen kontrolliert werden.

Shadow AI ist damit eine moderne Variante der bereits bekannten Shadow IT. Die grundlegenden Risiken und typischen Auslöser haben wir bereits ausführlich in Shadow AI im Unternehmen: Wenn Mitarbeiter heimlich ChatGPT nutzen (Zum Artikel) beschrieben. Dieser Beitrag setzt genau dort an und zeigt die konkrete technische und organisatorische Umsetzung.

Ein typisches Beispiel:

Ein Mitarbeiter muss eine umfangreiche Kunden-E-Mail formulieren. Das Unternehmen stellt offiziell kein KI-System bereit. Also öffnet der Mitarbeiter privat ChatGPT oder einen anderen KI-Dienst und kopiert die ursprüngliche Kundenanfrage in das Eingabefeld.

Innerhalb von Sekunden wurde möglicherweise ein komplettes Kundendokument an einen externen Dienst übertragen.

Ähnliche Situationen entstehen täglich:

• Entwickler lassen proprietären Quellcode analysieren.
• Mitarbeiter laden Excel-Dateien mit Kundendaten hoch.
• Personalabteilungen lassen Bewerbungen zusammenfassen.
• Administratoren kopieren Logdateien oder Konfigurationen in einen Chatbot.
• Vertriebsmitarbeiter lassen Angebote und Verträge optimieren.
• Supportmitarbeiter übermitteln Kundentickets an öffentliche KI-Dienste.
• Beschäftigte installieren Browser-Erweiterungen mit integrierter KI.
• Mitarbeiter verwenden private KI-Accounts für dienstliche Aufgaben.

Das Problem ist dabei nicht zwangsläufig die KI selbst.

Das Problem ist die fehlende Kontrolle darüber, welche Daten wohin übertragen und wie sie anschließend verarbeitet werden.

Warum Shadow AI für Unternehmen gefährlich ist

Bei klassischen SaaS-Anwendungen kann die IT normalerweise prüfen, welcher Dienst eingesetzt wird, wer darauf zugreifen darf und welche Daten verarbeitet werden.

Shadow AI umgeht diesen Prozess. Dadurch entstehen mehrere Risiken gleichzeitig.

1. Verlust vertraulicher Unternehmensdaten

Mitarbeiter erkennen häufig nicht, welche Informationen tatsächlich vertraulich sind.

Ein scheinbar harmloser Prompt kann enthalten:

• interne Servernamen
• IP-Adressen
• Kundennamen
• Vertragsinformationen
• Umsatzzahlen
• Quellcode
• Passwörter oder API-Keys
• interne URLs
• Ticketsystem-Daten
• Sicherheitskonfigurationen

Besonders problematisch sind komplette Datei-Uploads. Eine Excel-Datei kann beispielsweise neben den eigentlich benötigten Daten zahlreiche weitere Tabellenblätter und Metadaten enthalten.

2. Datenschutzprobleme durch personenbezogene Daten

Sobald personenbezogene Daten in ein externes KI-System übertragen werden, muss geprüft werden, ob diese Verarbeitung datenschutzrechtlich zulässig ist.

Artikel 5 DSGVO verlangt unter anderem Zweckbindung, Datenminimierung sowie eine angemessene Sicherheit und Vertraulichkeit personenbezogener Daten. Unternehmen müssen die Einhaltung dieser Grundsätze außerdem nachweisen können.

Ein Mitarbeiter kann diese Prüfung bei einem spontan verwendeten Online-KI-Dienst normalerweise nicht selbst durchführen. Genau deshalb sollte nicht jeder beliebige KI-Dienst für Unternehmensdaten verwendet werden dürfen.

3. Geschäftsgeheimnisse können offengelegt werden

Noch bevor personenbezogene Daten betroffen sind, kann Shadow AI wirtschaftlich gefährlich werden.

Quellcode, Produktstrategien, Preislisten, Vertragsdetails, technische Dokumentationen oder geplante Projekte gehören möglicherweise zu den wertvollsten Informationen eines Unternehmens.

Das BSI empfiehlt Unternehmen ausdrücklich, ihre besonders wichtigen Daten zu identifizieren, zu klassifizieren und entsprechend stärker zu schützen. Diese Daten sollten deshalb nicht unkontrolliert in öffentliche KI-Dienste kopiert werden können.

4. Unbekannte KI-Anbieter werden Teil der Lieferkette

Ein KI-Dienst ist letztlich ein externer Dienstleister. Unternehmen sollten deshalb unter anderem prüfen:

• Wo sitzt der Anbieter?
• Wo werden Daten verarbeitet?
• Welche Unterauftragnehmer werden eingesetzt?
• Wie lange werden Eingaben gespeichert?
• Werden Eingaben für Training oder Produktverbesserung verwendet?
• Existiert ein Auftragsverarbeitungsvertrag?
• Welche Sicherheitszertifizierungen liegen vor?
• Können Administratoren Benutzer zentral verwalten?
• Gibt es Audit- und Compliance-Funktionen?
• Unterstützt der Dienst SSO?
• Kann die Nutzung protokolliert werden?
• Welche Möglichkeiten zur Datenlöschung bestehen?

Bei einem privaten Benutzerkonto fehlen viele dieser Kontrollmöglichkeiten.

5. Unternehmen wissen nicht, welche KI tatsächlich eingesetzt wird

Ohne Monitoring entsteht ein weiteres Problem: Die IT kann nicht schützen, was sie nicht kennt.

Neben den bekannten Plattformen existieren inzwischen tausende spezialisierte KI-Dienste für Übersetzungen, Präsentationen, Programmierung, Bildgenerierung, Protokollierung, Recherche, Marketing oder Dokumentenanalyse.

Deshalb reicht es nicht, lediglich einige bekannte Domains zu blockieren.

Shadow AI einfach verbieten? Warum das meistens nicht funktioniert

Eine naheliegende Reaktion lautet: „Dann sperren wir einfach ChatGPT.“

Technisch ist das durchaus möglich. Ein Unternehmen könnte beispielsweise bekannte KI-Domains über Firewall, DNS-Filter, Secure Web Gateway, Proxy, CASB oder Endpoint Security blockieren.

Damit ist Shadow AI jedoch nicht verschwunden. Mitarbeiter können weiterhin:

• andere KI-Dienste verwenden,
• private Smartphones einsetzen,
• mobile Datenverbindungen nutzen,
• Browser-Erweiterungen installieren,
• persönliche Geräte verwenden,
• Daten zu Hause verarbeiten oder
• noch unbekannte KI-Plattformen nutzen.

Ein vollständiges technisches Verbot ist deshalb in vielen Umgebungen nur schwer durchsetzbar.

Viel sinnvoller ist ein anderer Ansatz: Nicht KI verbieten, sondern unsichere KI-Nutzung durch sichere und einfach nutzbare Alternativen überflüssig machen.

Technische Maßnahmen gegen Shadow AI

1. Freigegebene KI-Dienste definieren

Der wichtigste Schritt ist eine offizielle AI Allowlist. Das Unternehmen legt fest, welche KI-Dienste eingesetzt werden dürfen. Beispielsweise:

Kategorie	Regel
Freigegebene Unternehmens-KI	Nutzung erlaubt
Freigegebene KI mit Einschränkungen	Nur für nicht vertrauliche Daten
Ungeprüfte KI-Dienste	Nutzung nicht erlaubt
Private KI-Accounts	Für Unternehmensdaten nicht erlaubt
Lokale KI	Je nach internem Sicherheitskonzept erlaubt

Damit entsteht eine klare Grundlage für alle weiteren technischen Kontrollen.

2. Unternehmensaccounts statt privater Accounts verwenden

Freigegebene KI-Systeme sollten möglichst über zentral verwaltete Unternehmenskonten bereitgestellt werden. Idealerweise unterstützt die Plattform:

• Single Sign-on
• zentrale Benutzerverwaltung
• Rollen und Berechtigungen
• MFA
• Audit Logs
• zentrale Abrechnung
• Deaktivierung ausgeschiedener Mitarbeiter
• definierte Aufbewahrungsfristen
• administrative Datenschutzoptionen

Damit erhält die IT wieder Kontrolle über die eingesetzten Systeme.

3. SSO und Identity Provider einsetzen

Wo möglich, sollte KI-Nutzung an die Unternehmensidentität gekoppelt werden. Typische Plattformen dafür sind beispielsweise:

• Microsoft Entra ID
• Okta
• Keycloak
• Google Workspace Identity

Dadurch lässt sich beispielsweise festlegen: Mitarbeitergruppe A darf KI verwenden, Gruppe B nicht.

Zusätzlich können Conditional-Access-Regeln eingesetzt werden. Eine KI-Plattform könnte beispielsweise ausschließlich von verwalteten Geräten und nach erfolgreicher MFA-Anmeldung erreichbar sein.

4. Secure Web Gateway, Proxy oder CASB einsetzen

Eine zentrale Webkontrolle gehört zu den wirksamsten technischen Maßnahmen gegen Shadow AI. Je nach Infrastruktur kommen dafür Lösungen aus den Bereichen Secure Web Gateway, CASB, SSE, SASE, DNS Security oder klassischer Unternehmensproxy infrage.

Dabei sollte nicht nur nach einzelnen Domains gefiltert werden. Moderne Systeme können SaaS- und GenAI-Dienste nach Kategorien erkennen und deren Nutzung protokollieren oder einschränken.

Das Ziel lautet: Unbekannte KI-Dienste erkennen, bevor sensible Daten dort landen.

5. Data Loss Prevention einsetzen

Eine der wichtigsten Technologien gegen Shadow AI ist DLP – Data Loss Prevention. DLP-Systeme können verhindern, dass bestimmte Informationen über Webformulare, Datei-Uploads oder andere Kanäle nach außen übertragen werden.

Erkannt werden können beispielsweise:

• Kreditkartennummern
• personenbezogene Daten
• interne Dokumentklassifizierungen
• Kundennummern
• personenbezogene Identifikatoren
• vertrauliche Dateitypen
• Quellcode
• bestimmte Schlüsselwörter

Eine gute DLP-Strategie verhindert damit nicht zwingend die KI-Nutzung selbst. Sie verhindert vielmehr, dass kritische Unternehmensdaten in nicht erlaubte KI-Dienste gelangen.

6. Daten konsequent klassifizieren

DLP funktioniert wesentlich besser, wenn Unternehmen bereits wissen, welche Daten wie sensibel sind. Eine einfache Klassifizierung kann bereits aus vier Stufen bestehen:

Öffentlich – Informationen, die ohnehin veröffentlicht werden dürfen.

Intern – Informationen für Mitarbeiter, deren Veröffentlichung jedoch keinen gravierenden Schaden verursachen würde.

Vertraulich – Kundendaten, interne Kalkulationen, Verträge oder technische Informationen.

Streng vertraulich – Geschäftsgeheimnisse, Zugangsdaten, sicherheitskritische Informationen oder besonders sensible personenbezogene Daten.

Diese Klassifizierung kann anschließend unmittelbar mit der KI-Richtlinie verbunden werden.

7. Browser und Browser-Erweiterungen kontrollieren

Shadow AI findet längst nicht mehr ausschließlich auf Websites statt. Immer mehr Erweiterungen integrieren KI direkt in den Browser. Sie können beispielsweise:

• Webseiten analysieren,
• E-Mails lesen,
• Texte umformulieren,
• Formulare automatisch ausfüllen,
• Dokumente zusammenfassen.

Unternehmensbrowser sollten deshalb zentral verwaltet werden. Für Browser-Erweiterungen empfiehlt sich grundsätzlich eine Allowlist statt einer unbegrenzten Installation beliebiger Extensions.

8. Endgeräte zentral verwalten

Auf verwalteten Unternehmensgeräten können zusätzliche Kontrollen eingerichtet werden. Dazu gehören beispielsweise:

• MDM
• Endpoint Management
• Application Control
• Endpoint DLP
• EDR/XDR
• Software-Inventarisierung
• Browser Policies

Damit lässt sich erkennen, wenn neue KI-Anwendungen oder KI-Clients auf Unternehmensgeräten installiert werden.

9. KI-Nutzung im SIEM sichtbar machen

Unternehmen mit zentralem Security Monitoring sollten KI-Dienste ebenfalls berücksichtigen. Proxy-, Firewall-, DNS-, CASB- und Endpoint-Daten können beispielsweise an ein SIEM übertragen werden. Interessante Ereignisse wären:

• erstmaliger Zugriff auf einen unbekannten KI-Dienst
• ungewöhnlich große Uploads
• Nutzung privater KI-Accounts
• massenhafter Zugriff auf GenAI-Dienste
• Datenübertragung aus besonders geschützten Bereichen
• Installation neuer KI-Browser-Erweiterungen

Wichtig ist dabei: Das Monitoring sollte der Informationssicherheit dienen und nicht heimlich zur Leistungsüberwachung von Mitarbeitern eingesetzt werden.

Werden technische Einrichtungen eingeführt, die dazu bestimmt sind, Verhalten oder Leistung von Arbeitnehmern zu überwachen, können in Deutschland Mitbestimmungsrechte nach § 87 BetrVG relevant werden. Auch § 90 BetrVG nennt inzwischen ausdrücklich den Einsatz künstlicher Intelligenz bei Arbeitsverfahren und Arbeitsabläufen.

Datenschutzbeauftragte und – soweit vorhanden – Betriebsrat beziehungsweise Personalvertretung sollten daher frühzeitig eingebunden werden.

10. Ein zentrales AI Gateway einsetzen

Für größere Unternehmen kann ein AI Gateway eine interessante Lösung sein. Mitarbeiter greifen dabei nicht direkt auf unterschiedliche KI-APIs zu. Stattdessen läuft die Kommunikation über einen kontrollierten Unternehmensdienst:

Mitarbeiter → AI Gateway → freigegebenes KI-Modell

Das Gateway kann beispielsweise:

• Authentifizierung durchführen,
• Modelle freigeben,
• API-Keys zentral verwalten,
• Eingaben protokollieren,
• sensible Daten erkennen,
• personenbezogene Informationen entfernen,
• Kosten begrenzen,
• Rate Limits setzen,
• verschiedene Modelle bereitstellen.

Gerade für Entwickler ist dieser Ansatz interessant. Statt zehn unterschiedliche KI-APIs mit zehn verschiedenen API-Keys zu verwenden, existiert ein zentral kontrollierter Zugang.

Dasselbe Least-Privilege-Prinzip gilt auch für KI-Agenten, die über ein solches Gateway oder direkt auf Unternehmenssysteme zugreifen dürfen. Wie sich Rechte für KI-Agenten sauber begrenzen lassen, erklären wir in KI-Agent-Berechtigungen: Regeln & Least Privilege (Zum Artikel).

11. Lokale KI für besonders sensible Daten anbieten

Eine weitere Möglichkeit ist der Betrieb lokaler KI-Modelle. Technologien wie Ollama oder andere selbst betriebene Inferenzplattformen ermöglichen es, bestimmte Sprachmodelle innerhalb der eigenen Infrastruktur auszuführen.

Das bedeutet nicht automatisch, dass lokale KI sicher ist. Auch dort müssen unter anderem Zugriffskontrolle, Patchmanagement, Modellherkunft, Logging, Netzwerksegmentierung, Berechtigungen und Datenschutz berücksichtigt werden.

Für besonders sensible Anwendungsfälle kann eine interne KI-Plattform dennoch eine sinnvolle Ergänzung sein. Das BSI weist bei generativer KI ausdrücklich darauf hin, dass neben KI-spezifischen Maßnahmen weiterhin klassische Sicherheitsmechanismen wie Zugriffskontrollen und die Isolation von Systemumgebungen wichtig bleiben. Wie eine solche lokale Ollama- und Open-WebUI-Installation konkret datenschutzfreundlich und DSGVO-konform gehärtet wird, zeigen wir ausführlich in Lokale KI im Unternehmen: Ollama und Open WebUI datenschutzfreundlich einsetzen (Zum Artikel).

Organisatorische Maßnahmen gegen Shadow AI

Technische Maßnahmen allein reichen nicht. Mitarbeiter müssen wissen, was erlaubt ist und warum bestimmte Dinge verboten sind.

1. Eine klare KI-Richtlinie erstellen

Jedes Unternehmen, das KI verwendet oder dessen Mitarbeiter Zugang zum Internet besitzen, sollte inzwischen über eine KI-Richtlinie nachdenken. Wie eine solche Richtlinie konkret aufgebaut sein kann, zeigen wir ausführlich in KI-Richtlinie im Unternehmen (Zum Artikel). Darin sollte mindestens geregelt werden:

• Welche KI-Dienste dürfen verwendet werden?
• Welche Accounts müssen verwendet werden?
• Welche Daten dürfen eingegeben werden?
• Welche Daten sind grundsätzlich verboten?
• Dürfen Dateien hochgeladen werden?
• Darf Quellcode analysiert werden?
• Darf KI für Kundenkommunikation eingesetzt werden?
• Müssen Ergebnisse kontrolliert werden?
• Wie werden neue KI-Dienste beantragt?
• Wer beantwortet Fragen?

Eine 80-seitige Compliance-Richtlinie, die niemand liest, hilft dabei wenig. Besser ist eine verständliche Regelung, die Mitarbeiter innerhalb weniger Minuten verstehen können.

2. Ein einfaches Ampelmodell einführen

Für viele Unternehmen funktioniert ein Ampelmodell besonders gut.

Grün – erlaubt. Beispielsweise: öffentlich verfügbare Informationen, allgemeine Textkorrekturen, Brainstorming, Ideenfindung, generische Formulierungen, Inhalte ohne Unternehmensbezug.

Gelb – nur mit freigegebener Unternehmens-KI. Beispielsweise: interne Dokumente, interne Prozesse, anonymisierte Daten, Programmcode, technische Dokumentationen, interne Besprechungsnotizen.

Rot – nicht in externe KI-Systeme eingeben. Beispielsweise: Passwörter, API-Keys, private Schlüssel, hochsensible personenbezogene Daten, Geschäftsgeheimnisse, nicht anonymisierte Kundendaten, vertrauliche Vertragsinformationen, sicherheitskritische Zugangsinformationen.

Damit können Mitarbeiter eine Situation wesentlich schneller einschätzen.

3. Einen einfachen Freigabeprozess schaffen

Ein häufiger Grund für Shadow IT und Shadow AI ist Bürokratie. Wenn die Prüfung eines neuen Tools sechs Wochen dauert, während ein Mitarbeiter seine Aufgabe heute erledigen muss, entsteht ein starker Anreiz, das Tool einfach selbst zu verwenden.

Deshalb sollte es einen einfachen Prozess geben:

Mitarbeiter entdeckt KI-Tool → stellt Antrag → IT/Datenschutz prüft → Freigabe oder Ablehnung.

Bei kleinen Unternehmen kann dafür bereits ein Formular oder ein Ticket im bestehenden Ticketsystem ausreichen.

4. KI-Inventar führen

Freigegebene KI-Anwendungen sollten dokumentiert werden. Das Inventar könnte beispielsweise folgende Informationen enthalten:

Information	Beispiel
KI-Anwendung	Unternehmens-Chatbot
Verantwortliche Abteilung	Marketing
Zweck	Texterstellung
Datenkategorie	Intern
Anbieter	Anbieter X
Vertrag geprüft	Ja
Datenschutz geprüft	Ja
Freigabe bis	31.12.2027

Ein solches Verzeichnis verhindert, dass niemand mehr weiß, welche KI-Systeme im Unternehmen überhaupt eingesetzt werden.

5. Mitarbeiter regelmäßig schulen

Mitarbeiter müssen verstehen, warum bestimmte Regeln existieren. Ein wirkungsvolles KI-Security-Training sollte deshalb nicht nur sagen: „Keine Kundendaten in ChatGPT eingeben.“ Es sollte zeigen, wie schnell ein Fehler passieren kann.

Zum Beispiel: „Analysiere bitte diese Logdatei und finde den Fehler.“ Klingt harmlos. Die Logdatei enthält aber möglicherweise:

• Benutzernamen
• interne Hostnamen
• IP-Adressen
• Session-IDs
• interne URLs
• E-Mail-Adressen
• Tokens

Genau solche Beispiele schaffen Verständnis.

Der EU AI Act verlangt von Anbietern und Betreibern von KI-Systemen Maßnahmen zur Förderung ausreichender KI-Kompetenz bei Mitarbeitern und anderen Personen, die in ihrem Auftrag KI-Systeme verwenden. Seit dem 2. August 2026 gelten beziehungsweise werden weitere zentrale Bestimmungen des AI Acts durchgesetzt. Was diese KI-Kompetenz-Pflicht konkret bedeutet, erklären wir in KI-Kompetenz 2026: Pflicht, Zertifikat & EU AI Act erklärt (Zum Artikel).

KI-Schulungen sind damit nicht nur ein Security-Thema, sondern zunehmend Bestandteil einer strukturierten AI Governance.

6. Management muss selbst nach den Regeln handeln

Eine KI-Richtlinie funktioniert nicht, wenn Geschäftsführung und Führungskräfte selbst weiterhin vertrauliche Dokumente in private KI-Accounts hochladen. Informationssicherheit muss deshalb von der Unternehmensleitung unterstützt werden.

Auch das BSI betrachtet Cyber-Sicherheit ausdrücklich als strategisches Thema und Leitungsaufgabe.

7. Einen Ansprechpartner für KI schaffen

Mitarbeiter sollten wissen, an wen sie sich wenden können. Das kann beispielsweise sein:

• IT-Abteilung
• Informationssicherheitsbeauftragter
• Datenschutzbeauftragter
• AI Officer
• internes AI-Governance-Team

Die konkrete Organisation hängt von der Unternehmensgröße ab. Wichtig ist weniger der Titel als die Tatsache, dass es überhaupt einen definierten Prozess gibt.

Shadow AI und NIS2

Für Unternehmen, die unter die deutsche NIS2-Regulierung fallen, bekommt das Thema zusätzliche Bedeutung.

Das deutsche NIS-2-Umsetzungsgesetz ist am 6. Dezember 2025 in Kraft getreten. Das BSI weist seitdem unter anderem auf die entsprechenden Registrierungs- und Meldepflichten hin.

Die zugrunde liegende NIS2-Richtlinie fordert einen risikobasierten Ansatz für Cybersicherheit und nennt unter anderem:

• Risikoanalyse
• Incident Handling
• Sicherheit der Lieferkette
• sichere Beschaffung und Wartung von IT-Systemen
• Cyberhygiene
• Schulungen
• Zugriffskontrolle
• Asset Management
• gegebenenfalls Multi-Faktor-Authentifizierung

Nicht freigegebene KI-Dienste sollten deshalb bei betroffenen Organisationen auch im Cyber-Risikomanagement berücksichtigt werden.

Welche Abteilungen sollten gemeinsam gegen Shadow AI vorgehen?

Shadow AI ist kein reines IT-Problem. Mindestens folgende Bereiche können betroffen sein:

• IT: technische Freigaben, Identity Management, Geräteverwaltung und Netzwerkzugriffe.
• Informationssicherheit: Risikoanalyse, Monitoring und Sicherheitsanforderungen.
• Datenschutz: Prüfung personenbezogener Daten und externer Dienstleister.
• Rechtsabteilung: Verträge, Haftung, Urheberrecht und Geschäftsgeheimnisse.
• Einkauf: Beschaffung und Vertragsmanagement.
• Personalabteilung: Schulungen und interne Richtlinien.
• Betriebsrat: gegebenenfalls Mitbestimmung bei technischen Systemen und KI-Einsatz.
• Geschäftsführung: Risikoverantwortung und strategische Vorgaben.

Genau diese Zusammenarbeit unterscheidet echte AI Governance von einer einfachen ChatGPT-Sperre.

30-Tage-Plan gegen Shadow AI

Unternehmen müssen nicht sofort ein millionenschweres AI-Security-Projekt starten. Ein pragmatischer Einstieg kann innerhalb weniger Wochen erfolgen.

Woche 1: Bestand aufnehmen

Ermitteln:

• Welche KI-Dienste werden bereits verwendet?
• Welche Abteilungen nutzen KI?
• Welche Daten werden verarbeitet?
• Gibt es private Accounts?
• Welche Browser-Erweiterungen sind installiert?

Woche 2: Regeln und freigegebene Systeme definieren

Festlegen:

• erlaubte KI-Dienste
• verbotene Daten
• Datenklassifizierung
• Verantwortlichkeiten
• Freigabeprozess für neue Tools

Woche 3: Technische Kontrollen aktivieren

Je nach Infrastruktur:

• SSO
• MFA
• DNS Filtering
• Proxy
• CASB/SSE
• DLP
• Browser Policies
• Application Control
• SIEM-Regeln

Woche 4: Mitarbeiter informieren und schulen

Anschließend:

• KI-Richtlinie veröffentlichen
• kurze Schulung durchführen
• Ansprechpartner benennen
• Feedback sammeln
• neue KI-Anwendungen regelmäßig prüfen

Damit entsteht bereits eine solide Grundlage.

Die beste Shadow-AI-Strategie: Erlauben statt nur verbieten

Unternehmen sollten eine Realität akzeptieren: Mitarbeiter verwenden KI, weil sie damit Aufgaben schneller erledigen können.

Wer sämtliche KI-Systeme verbietet, beseitigt deshalb nicht automatisch die Nachfrage. Im schlechtesten Fall verlagert sich die Nutzung lediglich aus dem kontrollierten Unternehmensnetz auf private Geräte und Accounts.

Die nachhaltigere Strategie lautet daher: Sichere KI einfach verfügbar machen. Wenn ein Mitarbeiter einen offiziell freigegebenen Unternehmenszugang besitzt, ist der Anreiz wesentlich geringer, einen unbekannten kostenlosen KI-Dienst zu verwenden.

Damit verändert sich die Aufgabe der IT. Nicht: „Wie verhindern wir jede Nutzung künstlicher Intelligenz?“ Sondern: „Wie ermöglichen wir unseren Mitarbeitern KI, ohne die Kontrolle über Unternehmensdaten zu verlieren?“

Genau das sollte das Ziel moderner AI Governance sein.

Checkliste: Shadow AI im Unternehmen verhindern

Unternehmen sollten mindestens folgende Punkte prüfen:

• Freigegebene KI-Dienste definieren
• Private KI-Accounts für Unternehmensdaten untersagen
• KI-Richtlinie erstellen
• Daten klassifizieren
• DLP-Regeln konfigurieren
• SSO und MFA verwenden
• Browser-Erweiterungen kontrollieren
• Secure Web Gateway beziehungsweise Proxy prüfen
• CASB/SSE bei Bedarf einsetzen
• KI-Nutzung im Security Monitoring berücksichtigen
• AI-Gateway für API-Nutzung prüfen
• KI-Inventar führen
• Anbieter vor Freigabe prüfen
• Mitarbeiter regelmäßig schulen
• Datenschutz frühzeitig einbeziehen
• Betriebsrat gegebenenfalls beteiligen
• Freigabeprozess für neue KI-Tools schaffen
• Lokale beziehungsweise private KI für sensible Anwendungsfälle prüfen
• Regelungen regelmäßig aktualisieren

Häufige Fragen zu Shadow AI

Was ist Shadow AI?

Shadow AI bezeichnet die Verwendung nicht offiziell freigegebener KI-Systeme innerhalb eines Unternehmens. Mitarbeiter können beispielsweise private ChatGPT-Accounts, KI-Webseiten, Browser-Erweiterungen oder andere KI-Dienste für dienstliche Aufgaben verwenden, ohne dass IT, Datenschutz oder Informationssicherheit davon wissen.

Kann man ChatGPT im Unternehmen komplett sperren?

Bekannte KI-Dienste können über DNS, Firewall, Proxy oder Secure Web Gateways blockiert werden. Ein vollständiges Verhindern sämtlicher KI-Nutzung ist jedoch deutlich schwieriger, da Mitarbeiter andere Dienste, private Geräte oder Mobilfunkverbindungen einsetzen können.

Welche Daten sollten niemals in öffentliche KI-Systeme eingegeben werden?

Besonders kritisch sind Passwörter, API-Keys, private Schlüssel, Geschäftsgeheimnisse, vertrauliche Vertragsinformationen sowie sensible personenbezogene oder nicht anonymisierte Kundendaten.

Reicht eine KI-Richtlinie aus?

Nein. Eine Richtlinie ist wichtig, sollte aber durch technische Maßnahmen wie Identitätsmanagement, DLP, Browserkontrollen, Logging und gegebenenfalls Webfilter ergänzt werden.

Reicht DLP aus, um Shadow AI zu verhindern?

Ebenfalls nein. DLP kann den Abfluss bestimmter Daten verhindern oder erkennen, kontrolliert aber nicht sämtliche Formen der KI-Nutzung. DLP sollte deshalb Teil einer größeren AI-Governance- und Security-Strategie sein.

Müssen Mitarbeiter im Umgang mit KI geschult werden?

Schulungen sind aus Sicherheitsgründen dringend zu empfehlen. Zusätzlich sieht Artikel 4 des EU AI Acts Maßnahmen zur Förderung ausreichender KI-Kompetenz für Personal und weitere Personen vor, die im Auftrag von Anbietern oder Betreibern mit KI-Systemen arbeiten.

Fazit: Shadow AI verhindern bedeutet Kontrolle zurückgewinnen

Shadow AI wird für Unternehmen in den kommenden Jahren eine ähnliche Herausforderung wie Shadow IT – wahrscheinlich sogar eine größere. Denn für die Nutzung eines KI-Dienstes müssen Mitarbeiter häufig nicht einmal Software installieren. Ein Browser genügt.

Deshalb funktioniert eine Strategie nach dem Prinzip „Wir sperren ChatGPT und das Problem ist gelöst“ nicht dauerhaft. Unternehmen benötigen stattdessen mehrere Schutzebenen:

Technische Kontrollen schützen Daten und machen unbekannte Dienste sichtbar. Organisatorische Regeln definieren, was erlaubt ist. Freigegebene KI-Systeme schaffen sichere Alternativen. Schulungen helfen Mitarbeitern, Risiken selbst zu erkennen. Und eine AI Governance sorgt dafür, dass neue KI-Anwendungen nicht unkontrolliert Teil der Unternehmens-IT werden.

Das Ziel sollte dabei nicht sein, künstliche Intelligenz aus dem Unternehmen fernzuhalten. Das Ziel ist, sie kontrolliert, nachvollziehbar und sicher einzusetzen.

Wer seinen Mitarbeitern geeignete KI-Werkzeuge bereitstellt und gleichzeitig sensible Daten technisch schützt, bekämpft Shadow AI an der eigentlichen Ursache – statt ständig nur dem nächsten KI-Dienst hinterherzusperren.

Quellen und weiterführende Informationen

Der Beitrag berücksichtigt den Rechts- und Informationsstand vom 10. September 2026. Zu den verwendeten Primärquellen gehören die Europäische Kommission zum aktuellen Durchsetzungsstand des EU AI Acts, die konsolidierte Fassung der KI-Verordnung bei EUR-Lex, die DSGVO, Informationen des BSI zu Cyber-Sicherheit und generativer KI, das deutsche Betriebsverfassungsgesetz sowie das deutsche NIS-2-Umsetzungsgesetz.

Hinweis: Dieser Artikel stellt keine individuelle Rechts- oder Datenschutzberatung dar.

Weiterführende Themen und Quellen

Shadow AI im Unternehmen: Wenn Mitarbeiter heimlich ChatGPT nutzen (Zum Artikel)

KI-Richtlinie im Unternehmen (Zum Artikel)

KI-Agent-Berechtigungen: Regeln & Least Privilege (Zum Artikel)

KI-Kompetenz 2026: Pflicht, Zertifikat & EU AI Act erklärt (Zum Artikel)

EU AI Act für kleine Unternehmen: Was KMU jetzt wissen müssen (Zum Artikel)

Lokale KI im Unternehmen: Ollama und Open WebUI datenschutzfreundlich einsetzen (Zum Artikel)