Shadow AI ist die Nutzung von AI-Tools, -Modellen und -Diensten durch Mitarbeiter ohne Wissen, Freigabe oder Aufsicht von IT-, Sicherheits- oder Compliance-Teams. Es ist der Nachfolger von Shadow IT im AI-Zeitalter — bewegt sich jedoch schneller, berührt sensiblere Daten und hinterlässt keinen Audit-Trail, weil die Daten durch Prompts und Antworten fließen, für deren Erfassung klassische Sicherheitswerkzeuge nie gebaut wurden.
Was zu Shadow AI zählt
Shadow AI ist kein einzelnes Tool und kein einzelnes Verhalten. Es ist jede AI-Nutzung außerhalb der Governance der Organisation:
- Verbraucher-AI-Assistenten — ChatGPT, Claude oder Gemini, genutzt über private Konten, um Verträge zu entwerfen, Kundengespräche zusammenzufassen oder internen Code zu debuggen.
- AI-Funktionen in freigegebener SaaS — CRMs, Produktivitätssuiten und Projekttools, die Daten an Foundation-Modelle weiterleiten, sobald ein „AI"-Schalter aktiviert ist.
- Browser- und IDE-Copilots — Autocomplete- und Assistenz-Erweiterungen, installiert ohne Unternehmensvereinbarung oder Auftragsverarbeitungsbedingungen.
- Direkte API-Nutzung — interne Skripte und Automatisierungen, die Modell-APIs aufrufen, oft über private oder Abteilungskarten abgerechnet.
- Von Mitarbeitern gebaute AI-Agenten — Retrieval- oder Workflow-Agenten, die autonom entscheiden, welche Daten sie abrufen und welche Aktionen sie ausführen, ohne dass ein Mensch einzelne Anfragen prüft.
Der gemeinsame Nenner: Die Organisation hat keinen Nachweis darüber, welche AI genutzt wurde, welche Daten sie erhalten und was sie erzeugt hat.
Warum Shadow AI ein Risiko ist
Shadow AI bündelt Risiko an drei Stellen, die bestehende Kontrollen nicht abdecken.
- Datenexposition. Jeder Prompt mit Kundendaten, Quellcode, Strategie oder personenbezogenen Daten, der den Perimeter verlässt, ist ein potenzieller Vorfall. Nach der DSGVO ist die Übermittlung personenbezogener Daten an einen unvertraglich gebundenen AI-Anbieter unabhängig vom Ausgang ein Verarbeitungsverstoß.
- Compliance- und Audit-Versagen. Wenn Prüfer oder Aufsichtsbehörden fragen, welche AI-Systeme regulierte Daten berühren und wie sie kontrolliert werden, kann eine Organisation mit Shadow AI keine Antwort geben. Es gibt kein Inventar, keine Richtliniendurchsetzung und keinen Nachweis.
- Kein Audit-Trail. Da es sich um unstrukturierten Prompt-und-Antwort-Verkehr handelt, gibt es kein Protokoll darüber, wer was mit welchen Daten wann genutzt hat — genau jenen Nachweis, auf den Incident Response und Compliance angewiesen sind.
Shadow AI vs. Shadow IT
Das Risikoprofil unterscheidet sich in drei strukturellen Punkten von Shadow IT:
| Shadow IT | Shadow AI | |
|---|---|---|
| Was abfließt | Strukturierte Daten über bekannte Kanäle | Unstrukturierter Kontext in Prompts |
| Erkennung | Netzwerk-/SaaS-Discovery, Regex-DLP | Erfordert intent- und inhaltsbewusste Prüfung |
| Geschwindigkeit | Eine Integration pro Tool | Tausende Prompts pro Nutzer pro Tag |
| Agenten-Risiko | Begrenzt | Agenten handeln autonom in Maschinengeschwindigkeit |
Klassisches DLP sucht nach Mustern — Kartennummern, Dateisignaturen. Ein Mitarbeiter, der ein Kundenangebot in ein Verbraucher-AI-Tool einfügt, löst keines davon aus. Deshalb ist Shadow AI für die meisten Monitoring-Stacks unsichtbar.
Wie man Shadow AI regelt
Die dauerhafte Antwort ist Governance, kein pauschales Verbot — Verbote drängen die Nutzung weiter in den Untergrund. Ein praktikabler Ansatz folgt vier Schritten:
- Entdecken, welche AI-Tools genutzt werden, von wem und mit welchen Daten.
- Bewerten jedes Tools anhand von Datensensibilität und regulatorischer Exposition.
- Richtlinie festlegen — eine Liste freigegebener Tools und eine klare AI-Nutzungsrichtlinie, der Mitarbeiter tatsächlich folgen.
- Durchsetzen und auditieren zur Laufzeit — sensible Übermittlungen blockieren, warnen oder schwärzen und einen manipulationssicheren Nachweis führen.
Fragen, die Shadow-AI-Governance beantwortet
- Welche AI-Tools nutzen Mitarbeiter tatsächlich? — Ein entdecktes Inventar, keine Umfrage.
- Verlassen sensible Daten das Unternehmen über AI-Prompts? — Inhaltsprüfung am Punkt der Übermittlung.
- Welche Tools sind für welche Teams freigegeben? — Richtlinie, abgebildet auf Rollen und Datensensibilität.
- Können wir einem Prüfer Kontrolle nachweisen? — Ein Audit-Trail der AI-Nutzung und Richtliniendurchsetzung.
