Shadow AI entsteht, wenn Mitarbeitende KI-Tools ohne Freigabe, ohne verbindliche Regeln oder ohne Prüfung durch das Unternehmen nutzen. Das geschieht selten aus böser Absicht. Häufig möchten Beschäftigte Texte schneller formulieren, Meetings zusammenfassen, Tabellen auswerten oder Ideen entwickeln. Genau darin liegt aber das Risiko: Werden Daten oder Inhalte in ungeprüfte KI-Anwendungen eingegeben, verliert das Unternehmen schnell die Kontrolle über Datenschutz, Vertraulichkeit und Compliance.
Für mittelständische Unternehmen ist deshalb nicht die Frage entscheidend, ob KI genutzt wird. Entscheidend ist, wie sie sicher, transparent und sinnvoll genutzt wird.
Was ist Shadow AI – und warum entsteht sie?
Der Begriff Shadow AI beschreibt den Einsatz von KI-Anwendungen außerhalb der offiziell freigegebenen IT-Landschaft. Dazu können frei zugängliche Chatbots, KI-basierte Übersetzungsdienste, Tools zur Präsentationserstellung, Bildgeneratoren oder Meeting-Assistenten gehören.
Shadow AI ähnelt der bekannten Schatten-IT: Mitarbeitende beschaffen sich selbst Werkzeuge, weil die vorhandenen Lösungen ihre Anforderungen nicht ausreichend erfüllen oder weil offizielle Freigabeprozesse zu langsam sind. KI verschärft dieses Muster, denn viele Anwendungen sind in wenigen Minuten verfügbar und intuitiv bedienbar.
Typische Situationen aus dem Arbeitsalltag sind:
- Ein Vertriebsmitarbeiter lässt eine Kunden-E-Mail inklusive bisheriger Korrespondenz überarbeiten.
- Eine Führungskraft gibt Gesprächsnotizen aus einem Personalgespräch in einen Chatbot ein.
- Ein Mitarbeiter aus dem Controlling lädt eine Tabelle mit Umsatz- und Kundendaten hoch, um Analysen erstellen zu lassen.
- Ein Projektteam nutzt ein KI-Tool, um Vertragsentwürfe oder technische Spezifikationen zusammenzufassen.
Der Nutzen kann auf den ersten Blick hoch sein. Ohne klare Leitplanken werden aus praktischen Abkürzungen jedoch schnell Datenschutz- und Compliance-Risiken.
Welche Risiken bringt Shadow AI für Unternehmen?
Shadow AI ist kein rein technisches Problem. Sie betrifft Prozesse, Verantwortlichkeiten, Datenschutz, Informationssicherheit und die Unternehmenskultur zugleich.
Datenschutz und DSGVO
Besonders kritisch ist die Eingabe personenbezogener Daten in nicht freigegebene KI-Tools. Dazu zählen nicht nur Namen und E-Mail-Adressen, sondern auch Kundenvorgänge, Bewerbungsunterlagen, Beschäftigtendaten, Gesprächsprotokolle, Gesundheitsinformationen oder Vertragsdaten mit Personenbezug.
Sobald solche Daten an einen externen Anbieter übermittelt werden, muss das Unternehmen unter anderem klären, auf welcher Rechtsgrundlage die Verarbeitung erfolgt, wo die Daten gespeichert werden, ob ein Auftragsverarbeitungsvertrag erforderlich ist und ob Daten in Drittstaaten fließen. Die Datenschutzgrundsätze der DSGVO verlangen unter anderem Zweckbindung, Datenminimierung, Transparenz sowie Integrität und Vertraulichkeit. Unternehmen müssen deren Einhaltung außerdem nachweisen können.
Praktisch bedeutet das: Ein Tool ist nicht automatisch datenschutzkonform, nur weil es weit verbreitet ist oder eine kostenlose Version anbietet. Vor der Nutzung sollten Zweck, Datenarten, Anbieterbedingungen, technische Einstellungen und vertragliche Grundlagen geprüft werden.
Vertrauliche Unternehmensinformationen
Auch wenn keine personenbezogenen Daten enthalten sind, können Eingaben problematisch sein. Geschäftsstrategien, Kalkulationen, Produkt-Roadmaps, Quellcode, interne Kennzahlen, Angebotsunterlagen oder Vertragsentwürfe sind häufig Geschäftsgeheimnisse oder unterliegen vertraglichen Vertraulichkeitspflichten.
Wer solche Informationen in ein ungeprüftes KI-Tool eingibt, kann die Kontrolle über sie verlieren. Das Risiko hängt unter anderem davon ab, welche Nutzungsbedingungen gelten, ob Eingaben gespeichert werden, ob sie für Trainingszwecke genutzt werden können und welche Konfiguration das Unternehmen gewählt hat.
Deshalb braucht es eine einfache, aber eindeutige Regel: Vertrauliche Inhalte gehören nicht in nicht freigegebene KI-Systeme.
Fehlerhafte Ergebnisse, Urheberrecht und Haftung
KI-Ausgaben wirken oft überzeugend, sind aber nicht automatisch richtig. Ein Chatbot kann Quellen erfinden, rechtliche Bewertungen unzutreffend darstellen, Zahlen falsch interpretieren oder veraltete Informationen ausgeben. Werden solche Ergebnisse ungeprüft in Kundenkommunikation, Angebote, Personalentscheidungen oder interne Richtlinien übernommen, kann daraus ein konkreter Schaden entstehen.
Hinzu kommen urheberrechtliche und lizenzrechtliche Fragen. Besonders bei Bildern, Code, Texten und Präsentationsmaterialien sollte klar sein, ob und unter welchen Bedingungen die Ergebnisse kommerziell verwendet werden dürfen.
Eine sichere KI-Nutzung braucht deshalb immer einen menschlichen Prüfschritt. KI kann vorbereiten, strukturieren und Vorschläge machen. Die fachliche Verantwortung bleibt bei der Person und beim Unternehmen.
Warum ein pauschales KI-Verbot nicht funktioniert
Ein vollständiges Verbot von KI-Tools klingt zunächst sicher. In der Praxis führt es aber häufig dazu, dass die Nutzung lediglich unsichtbar wird. Mitarbeitende verwenden dann private Accounts, arbeiten außerhalb klarer Prozesse oder verzichten auf Rückfragen, weil sie Sanktionen befürchten.
Das Ziel sollte daher nicht sein, jede KI-Nutzung zu verhindern. Besser ist ein kontrollierter Rahmen, der sichere Anwendungen ermöglicht und riskante Nutzungen klar begrenzt. Unternehmen gewinnen dadurch Transparenz, Mitarbeitende Orientierung und die Organisation eine belastbare Grundlage für Produktivität und Innovation.
Eine gute KI-Governance verbindet deshalb drei Ziele:
- Nutzen ermöglichen: Sinnvolle Anwendungen sollen schnell und nachvollziehbar eingesetzt werden können.
- Risiken begrenzen: Personenbezogene und vertrauliche Daten müssen geschützt bleiben.
- Verantwortung klären: Es muss eindeutig sein, wer Tools prüft, freigibt, administriert und nutzt.
Shadow AI mit KI-Governance in den Griff bekommen
KI-Governance klingt zunächst nach einem umfangreichen Regelwerk. Für viele mittelständische Unternehmen reicht zu Beginn ein klar strukturierter, pragmatischer Ansatz.
1. KI-Nutzung sichtbar machen
Der erste Schritt ist eine Bestandsaufnahme. Frage nicht nur die IT-Abteilung, sondern beziehe Fachbereiche aktiv ein: Welche KI-Tools werden bereits genutzt? Für welche Aufgaben? Mit welchen Daten? Über private oder geschäftliche Accounts?
Wichtig ist eine offene Haltung. Wenn die Abfrage als Kontrolle oder Fehlersuche wahrgenommen wird, bleiben relevante Anwendungen oft unerwähnt. Ziel ist nicht, Mitarbeitende für Eigeninitiative zu kritisieren, sondern reale Bedarfe zu verstehen und sichere Lösungen bereitzustellen.
2. Zugelassene Tools und Einsatzbereiche definieren
Auf Basis der Bestandsaufnahme sollte das Unternehmen eine Positivliste erstellen. Sie legt fest, welche Tools für welche Zwecke genutzt werden dürfen.
Ein Beispiel:
| Einsatzbereich | Mögliche Freigabe | Voraussetzung |
| Ideenfindung und Textentwürfe | Ja | Keine vertraulichen oder personenbezogenen Eingaben |
| Zusammenfassung öffentlicher Inhalte | Ja | Quellen und Ergebnisse prüfen |
| Übersetzung allgemeiner Texte | Ja | Keine Kunden-, Vertrags- oder Personaldaten |
| Analyse von Kunden- oder Beschäftigtendaten | Nur nach Einzelfallprüfung | Datenschutz- und Sicherheitsprüfung |
| Personalentscheidungen | Grundsätzlich kritisch | Klare rechtliche und organisatorische Prüfung |
Eine solche Übersicht macht Regeln konkret. Mitarbeitende müssen nicht bei jeder Nutzung juristische Detailfragen klären, sondern erhalten eine alltagstaugliche Orientierung.
3. Datenklassen und klare No-Gos festlegen
Eine KI-Richtlinie sollte verständlich definieren, welche Daten niemals in nicht freigegebene Anwendungen eingegeben werden dürfen. Dazu gehören in der Regel:
- personenbezogene Daten von Kunden, Beschäftigten, Bewerbenden oder Geschäftspartnern,
- Geschäftsgeheimnisse und interne Kennzahlen,
- Vertrags-, Angebots- und Projektdokumente,
- Zugangsdaten, technische Konfigurationen und Sicherheitsinformationen,
- nicht veröffentlichter Quellcode oder Produktinformationen.
Wenn KI für sensible Prozesse eingesetzt werden soll, braucht es eine gesonderte Prüfung. Dabei geht es unter anderem um die Rechtsgrundlage, Datenflüsse, Zugriffskonzepte, Löschfristen, Risiken für Betroffene und mögliche vertragliche Regelungen mit dem Anbieter.
Der Datenschutzgrundsatz der Datenminimierung verlangt, dass personenbezogene Daten auf das für den jeweiligen Zweck notwendige Maß beschränkt werden. Für KI-Anwendungen heißt das oft: Daten anonymisieren, pseudonymisieren oder den Anwendungsfall so gestalten, dass sensible Informationen gar nicht erst eingegeben werden.
4. Technische und vertragliche Schutzmaßnahmen prüfen
Bei freizugebenden KI-Tools sollte die Prüfung nicht bei den Funktionen enden. Relevant sind unter anderem:
- Welche Daten verarbeitet der Anbieter?
- Wo befinden sich die Server und welche Drittanbieter sind eingebunden?
- Werden Eingaben oder Ausgaben zum Training von Modellen verwendet?
- Lässt sich diese Nutzung vertraglich und technisch ausschließen?
- Gibt es Rollen-, Rechte- und Zugriffskonzepte?
- Können Mitarbeitende ausschließlich über geschäftliche Konten arbeiten?
- Ist ein Auftragsverarbeitungsvertrag erforderlich?
- Wie werden Löschfristen, Exportmöglichkeiten und Sicherheitsvorfälle geregelt?
Die Antworten müssen nicht in jedem Fall zu einem Ausschluss führen. Sie entscheiden aber darüber, ob ein Tool für einen bestimmten Einsatzzweck geeignet ist und welche Schutzmaßnahmen erforderlich sind.
5. Mitarbeitende qualifizieren und Verantwortung verankern
Eine Richtlinie allein verhindert keine Shadow AI. Mitarbeitende müssen verstehen, warum bestimmte Daten geschützt werden, wo die Grenzen liegen und wie sichere Alternativen genutzt werden.
Schulungen sollten deshalb konkrete Alltagssituationen abdecken: Darf ich diese E-Mail in einen Chatbot kopieren? Wie anonymisiere ich einen Fall? Wie erkenne ich ein problematisches KI-Ergebnis? Wann muss ich die IT, den Datenschutz oder die Führungskraft einbeziehen?
Die Pflicht, angemessene KI-Kompetenz im Unternehmen sicherzustellen, gilt für Anbieter und Betreiber von KI-Systemen bereits seit dem 2. Februar 2025 nach Artikel 4 der europäischen KI-Verordnung. Die konkrete Ausgestaltung ist nicht standardisiert; sie sollte sich an eingesetzten Systemen, Rollen und Risiken orientieren.
Die KI-Richtlinie: Das zentrale Dokument für den Arbeitsalltag
Eine praxistaugliche KI-Richtlinie muss nicht kompliziert sein. Wichtig ist, dass sie für alle verständlich, leicht auffindbar und verbindlich ist. Sie sollte mindestens regeln:
- Zweck und Geltungsbereich der KI-Nutzung,
- zugelassene und nicht zugelassene Tools,
- erlaubte und verbotene Datenarten,
- Anforderungen an Prüfung und Freigabe neuer Anwendungen,
- Verantwortlichkeiten von IT, Datenschutz, Informationssicherheit, Fachbereichen und Führungskräften,
- Vorgaben zur Qualitätskontrolle von KI-Ergebnissen,
- Meldewege für Unsicherheiten, Fehler oder Sicherheitsvorfälle,
- Schulungs- und Sensibilisierungsmaßnahmen.
Entscheidend ist dabei die Verbindung zur Realität. Eine Richtlinie, die nur allgemeine Verbote enthält, wird im Tagesgeschäft umgangen. Gute Regeln geben Mitarbeitenden dagegen schnelle Antworten und ermöglichen sichere Entscheidungen.
Praxisbeispiel: Vom Schatten-Tool zur kontrollierten KI-Nutzung
Ein mittelständisches Dienstleistungsunternehmen stellt fest, dass verschiedene Teams externe Chatbots nutzen. Der Vertrieb formuliert Angebote, die Personalabteilung bereitet Stellenausschreibungen vor und Projektleitende fassen Gesprächsnotizen zusammen.
Statt alle Tools sofort zu sperren, geht das Unternehmen schrittweise vor. Zunächst werden die Einsatzfälle erfasst. Anschließend wird ein geschäftlich administrierter KI-Dienst geprüft und für ausgewählte Anwendungen freigegeben. Die neue KI-Richtlinie untersagt die Eingabe von Kunden-, Personal- und Vertragsdaten. Für allgemeine Textentwürfe, Ideensammlungen und die Bearbeitung anonymisierter Inhalte wird die Nutzung ausdrücklich erlaubt.
Ergänzend erhalten die Mitarbeitenden eine Kurzschulung mit konkreten Beispielen. Nach wenigen Wochen ist die Nutzung transparenter: Das Unternehmen weiß, welche Anwendungsfälle wirklich relevant sind, Mitarbeitende haben eine sichere Alternative und riskante Schattenlösungen verlieren an Bedeutung.heckliste: Die ersten fünf Schritte gegen Shadow AIWenn Du Shadow AI strukturiert angehen möchtest, helfen diese fünf Schritte:
Checkliste: Die ersten fünf Schritte gegen Shadow AI
- Bestehende Nutzung erfassen: Führe eine offene Bestandsaufnahme in allen Bereichen durch.
- Risiken bewerten: Prüfe Datenarten, Einsatzbereiche, Anbieter, Vertragslage und technische Einstellungen.
- Freigegebene Alternativen schaffen: Stelle geprüfte Tools und geschäftlich verwaltete Accounts bereit.
- KI-Richtlinie veröffentlichen: Formuliere klare Regeln zu Tools, Daten, Verantwortlichkeiten und Freigaben.
- Kompetenz aufbauen: Schulen Mitarbeitende regelmäßig und verankere einen festen Ansprechpartner für Fragen.
Fazit: Kontrolle schaffen, ohne Potenziale zu verschenken
Shadow AI entsteht meist dort, wo Mitarbeitende produktiver arbeiten wollen, aber sichere und klar geregelte Werkzeuge fehlen. Die richtige Antwort ist deshalb nicht der reflexhafte Bann von KI, sondern eine wirksame KI-Governance.
Mit einer transparenten Bestandsaufnahme, geprüften Anwendungen, verständlichen Regeln und regelmäßiger Qualifizierung schützt Du personenbezogene Daten und vertrauliche Unternehmensinformationen. Gleichzeitig schaffst Du den Rahmen, in dem KI einen echten Beitrag zu effizienteren Prozessen und besserer Zusammenarbeit leisten kann.
advantegy unterstützt mittelständische Unternehmen dabei, KI-Nutzung, Datenschutz, Informationssicherheit und Prozesse sinnvoll zusammenzuführen – von der Bestandsaufnahme über die KI-Richtlinie bis zur Mitarbeitersensibilisierung.
