Beschäftigte arbeiten mit KI-Tools, die ihr Arbeitgeber nie bereitgestellt hat. Sperrlisten behandeln nur das Symptom. Wer Shadow AI in den Griff bekommen will, muss sie lesen wie Nutzerfeedback.
Shadow AI ist binnen eines Jahres vom Randthema zum Sicherheitsfaktor geworden. Für den aktuellen Cost of a Data Breach Report von IBM hat das Ponemon Institute Datenpannen bei 602 Unternehmen ausgewertet, die sich zwischen März 2025 und Februar 2026 ereignet haben. 43 Prozent dieser Unternehmen verzeichneten Sicherheitsvorfälle, an denen nicht-freigegebene KI beteiligt war. Gleichzeitig hatten 68 Prozent der betroffenen Unternehmen keine Governance-Richtlinie für den Einsatz von KI.
Wie verbreitet „Schattennutzung“ in Deutschland ist, zeigt ein Kurzbericht des Instituts der deutschen Wirtschaft (IW) vom 19. September. Für die repräsentative Befragung gaben knapp 5.000 Beschäftigte im März und April 2026 Auskunft. 29,1 Prozent derjenigen, die KI beruflich einsetzen, nutzen dabei Anwendungen, die ihr Arbeitgeber nicht bereitgestellt hat. Das muss nicht zwingend heimlich oder regelwidrig sein;jedenfalls aber passiert es außerhalb der betrieblichen Kontrolle.
Schulung ohne Werkzeug erzeugt Schattennutzung
Aufschlussreich ist, wo Shadow AI am häufigsten vorkommt. In Betrieben, die den Aufbau von KI-Kompetenzen stark fördern, greifen 44,5 Prozent der KI-Nutzenden zu nicht bereitgestellten Tools. Wo Beschäftigte kein Engagement ihres Arbeitgebers wahrnehmen, sind es 21,3 Prozent. Die IW-Autorinnen sprechen von einer Bereitstellungslücke: Die Nutzungsbereitschaft wächst schneller als das offizielle Angebot.
Aus der Produktentwicklung kenne ich dieses Muster gut. Nutzer greifen zu dem Werkzeug, das ihre Aufgabe am schnellsten erledigt. Ist das offizielle Tool umständlicher oder technisch veraltet, wandern sie ab. Gesperrte Domains ändern daran wenig. Die Nutzung verlagert sich auf Mobilfunk-Hotspots und private Smartphones und verschwindet lediglich aus den Logs der IT. Auch das IW rät von reinen Verboten ab, weil sie vor allem engagierte Beschäftigte ausbremsen.
Wo Schattenstrukturen entstehen
Riskanter als der private Chatbot-Account sind Lösungen, die tief in Prozesse greifen. Ein typisches Muster: Ein Teamleiter erzeugt mit seinem privaten Entwicklerkonto einen API-Schlüssel und koppelt ihn über ein No-Code-Werkzeug an das CRM. Verlässt er das Unternehmen, bricht der Prozess ab, oder der Schlüssel bleibt mit Zugriff auf Kundendaten aktiv.
Ähnlich verhält es sich mit selbst gebauten Assistenten. Ein Fachbereich lädt Vertragsvorlagen oder Kundenkorrespondenz bei einem Cloud-Dienst hoch und konfiguriert daraus einen eigenen Bot. Die Dokumente liegen dann bei einem Anbieter, von dem die IT nichts weiß. Der Bot gehört faktisch der Person, die ihn angelegt hat.
Neu hinzugekommen ist Vibe-Coding. Mit KI-Coding-Werkzeugen bauen inzwischen auch Beschäftigte ohne Entwicklerhintergrund kleine Anwendungen. Ein Skript, das Daten aus dem ERP zieht und zusammenfasst, entsteht an einem Nachmittag. Es läuft auf dem eigenen Rechner, mit persönlichen Zugangsdaten und ohne Tests. Fällt die Person aus, kennt niemand den Code.
Allen drei Fällen fehlt eine Zuständigkeit. Niemand hat festgelegt, wer solche Lösungen verantwortet und wo sie dokumentiert sind.
Der offizielle Weg muss der bessere sein
Aus Produktsicht ist jede Schattenanwendung ein Stück Nutzerforschung, das ein Unternehmen geschenkt bekommt. Sie zeigt, welche Aufgabe jemand lösen will und welche Lösung er dafür akzeptiert. Eine Befragung der Fachbereiche ohne Schuldzuweisung ergibt eine Liste konkreter Anforderungen, die sich priorisieren lässt.
Daraus entsteht das offizielle Angebot. Ein zentrales KI-Gateway bündelt den Zugang zu mehreren Sprachmodellen und hängt am bestehenden Single Sign-on. Die Qualität muss mithalten: Liegt das freigegebene Modell eine Generation hinter dem privaten Abo zurück, bleibt der private Account im Einsatz. Für Fachbereiche, die selbst bauen wollen, braucht es eine interne Entwicklungsumgebung. Dort entstehen Assistenten und Automatisierungen auf freigegebenen Modellen, zunächst mit Testdaten. Bewährt sich eine Lösung, durchläuft sie Code-Review und Tests und geht als betreute Anwendung in den Betrieb.
Entscheidend ist das Tempo. Dauert eine Freigabe drei Monate, arbeitet das Team längst mit dem nächsten privaten Account. Praktikabel ist eine Staffelung nach Datenklassen. Anwendungen mit öffentlichen oder internen Informationen gehen innerhalb weniger Wochen live, sensible Daten durchlaufen die vollständige Prüfung.
Wie jedes Produkt braucht auch das interne KI-Angebot Kennzahlen. Aggregierte Nutzungsdaten zeigen, welche Funktionen ankommen und wo Teams abspringen. Niedrige Nutzung ist ein Signal, beim Fachbereich nachzufragen. Dass Bereitstellung wirkt, belegt eine Studie, auf die das IW verweist: Formal eingeführte KI-Tools werden fast doppelt so häufig regelmäßig genutzt.
Shadow AI zeigt, an welchen Stellen Beschäftigte schneller sind als ihre Organisation. Unternehmen, die diese Signale systematisch auswerten, verringern unkontrollierte Datenabflüsse und gewinnen eine belastbare Grundlage für ihr eigenes KI-Angebot.
