Akamais Warnung vor Shadow AI legt eine Lücke bei der Unternehmenskontrolle offen

Akamai hat eine deutliche Warnung ausgesprochen: Fast die Hälfte der Unternehmensnutzer greift auf KI-Tools zu, während ein großer Teil dieser Aktivitäten etablierten Unternehmenskontrollen entgehen kann.

Die Erkenntnis tauchte über eine gekürzte Google-News-Überschrift auf, die auf eine von GlobeNewswire verbreitete Akamai-Mitteilung verlinkte. In diesem Eintrag fehlte das Objekt nach „bypasses“, wodurch die zentrale Aussage unvollständig blieb. Akamais umfassendere Forschung benennt den fehlenden Konflikt jedoch klar: Produktive KI-Nutzung findet zunehmend außerhalb verwalteter Identitäten, genehmigter Konten und sichtbarer Sicherheitskanäle statt.

Dies ist nicht bloß eine weitere Umfrage, die zeigt, dass Beschäftigte ChatGPT mögen. Sie beschreibt einen Zusammenprall zwischen der Nachfrage der Mitarbeiter und dem Kontrollmodell, das Unternehmen für herkömmliche Software aufgebaut haben. OpenAI, Google, Anthropic, Microsoft und Hunderte kleinere Anbieter haben leistungsfähige Tools über einen gewöhnlichen Browser verfügbar gemacht.

Die Sicherheitsfrage hat sich daher verlagert. Unternehmen müssen nicht mehr nur entscheiden, welche KI-Systeme sie genehmigen. Sie müssen feststellen, ob sensible Informationen über persönliche Konten, eingefügten Text, Uploads, Erweiterungen oder eingebettete Funktionen irgendein Modell erreichen.

Die Umkehrung ist unbequem. Unternehmen haben Jahre damit verbracht, Identität, Zugriff und Softwarebeschaffung zu zentralisieren. Die KI-Einführung dezentralisiert nun alle drei Bereiche aus dem Browser heraus.

Die Überschrift weist auf einen blinden Fleck in Browsergröße hin

Akamais Warnung betrifft den Weg, über den Mitarbeiter KI erreichen, und nicht einfach die Zahl der Menschen, die damit experimentieren.

Die verfügbaren Belege stammen teilweise von LayerX, dem von Akamai übernommenen Anbieter für Browser-Sicherheit. LayerX erfasst Telemetriedaten zu Aktivitäten innerhalb von Webanwendungen, darunter Anmeldungen, Uploads, eingefügter Text und Wechsel zwischen Unternehmens- und persönlichen Konten.

Die veröffentlichte Forschung ergab, dass 45 % der Unternehmensnutzer von Unternehmensendpunkten aus auf generative KI zugriffen. ChatGPT machte in diesem Datensatz 92 % der beobachteten KI-Nutzung aus.

Diese Zahlen bedeuten nicht, dass 45 % aller Beschäftigten weltweit ChatGPT nutzen. Sie beschreiben Aktivitäten in den Organisationen und auf den Endpunkten, die von der Telemetrie des Anbieters erfasst werden. Diese Unterscheidung ist bei der Interpretation eines Berichts eines Sicherheitsunternehmens wichtig.

Dieselbe Forschung zeigte ein folgenreicheres Muster. Vierzig Prozent der in KI-Tools hochgeladenen Dateien enthielten sensible Unternehmensinformationen. Zweiundzwanzig Prozent des eingefügten Textes enthielten ebenfalls sensibles Material.

Diese Prozentsätze messen überprüfte Übertragungen, keine bestätigten Sicherheitsverletzungen. Ein sensibler Upload kann autorisiert, angemessen geschützt und für legitime Arbeit erforderlich sein. Er kann jedoch auch über ein persönliches Konto erfolgen, das der Arbeitgeber nicht prüfen kann.

LayerX berichtete, dass 32 % der Datenübertragungen zwischen Unternehmens- und persönlichen Konten über KI-Plattformen erfolgten. Seine umfassenderen Erkenntnisse zur KI-Nutzung stellen den Browser in den Mittelpunkt dieser Gefährdung.

Das erklärt die gekürzte Formulierung „bypasses“ im Google-News-Eintrag. Zu den relevanten Kontrollen gehören Unternehmensidentität, Single Sign-on, Regeln für genehmigte Konten, Richtlinien zur Verhinderung von Datenverlust und die übliche Softwareprüfung.

Single Sign-on, meist SSO genannt, ermöglicht es einem Arbeitgeber, den Zugriff über eine einzige Unternehmensidentität zu verwalten. Persönliche KI-Konten umgehen diese Identitätsebene, selbst wenn Beschäftigte sie auf Unternehmensgeräten nutzen.

Herkömmliche Software-Governance geht davon aus, dass die IT eine Anwendung entdecken, genehmigen, Zugänge bereitstellen und diese später wieder entziehen kann. Verbraucher-KI-Tools verdichten die Einführung auf einen Besuch, eine Anmeldung und einen Prompt.

Eine Installationsanfrage ist nicht erforderlich. Ein Mitarbeiter kann innerhalb weniger Minuten einen Chatbot öffnen, sich mit einer persönlichen E-Mail-Adresse anmelden und ein Kundendokument einfügen.

Eingebettete KI erschwert die Erkennung zusätzlich. Generative Funktionen erscheinen inzwischen in Produktivitätssuiten, Designtools, Meeting-Plattformen, Kundensystemen und Browser-Erweiterungen. Mitarbeiter betrachten nicht jede Funktion zwangsläufig als separaten KI-Dienst.

Akamai definiert shadow AI als KI-Nutzung ohne Kenntnis, Genehmigung oder Aufsicht von IT-, Sicherheits- oder Compliance-Teams. Dazu gehört mehr als die Nutzung nicht autorisierter Chatbots.

Ein Entwickler könnte proprietären Code an einen persönlichen Coding-Assistenten übermitteln. Ein Marketingmitarbeiter könnte eine Kundenliste hochladen, um Kampagnensegmente zu erstellen. Ein Manager könnte einen Agenten mit Cloud-Dokumenten verbinden, ohne dessen Berechtigungen zu überprüfen.

Jede dieser Handlungen kann wie gewöhnlicher Browser-Traffic aussehen. Das riskante Element ist der Kontext, einschließlich der Identität des Nutzers, der übertragenen Informationen und des vertraglichen Umgangs des Anbieters mit diesen Informationen.

Eine Firewall kann eine Verbindung zu einer zulässigen Domain erkennen. Sie weiß jedoch nicht automatisch, ob der Mitarbeiter ein verwaltetes Unternehmenskonto oder ein privates Konto verwendet hat.

Das ist die zentrale Veränderung hinter dem Bericht. Unternehmens-KI ist mittlerweile so verbreitet, dass die Steuerung des Zugriffs allein über den Namen der Anwendung keine ausreichende Transparenz mehr bietet.

Warum Kontrollen für Unternehmens-KI das Wettrennen bei der Einführung verlieren

Mitarbeiter umgehen genehmigte Wege, wenn Verbraucher-KI schnelleren Zugang, umfangreichere Funktionen oder weniger verfahrenstechnische Hürden bietet.

Shadow AI beginnt häufig mit einer praktischen Aufgabe und nicht mit böswilliger Absicht. Ein Mitarbeiter muss ein Meeting zusammenfassen, einen Vorschlag überarbeiten, Code prüfen oder mehrere Dokumente vergleichen.

Der genehmigte Assistent unterstützt möglicherweise nicht das bevorzugte Modell, akzeptiert weniger Dateitypen oder steht dieser Abteilung noch nicht zur Verfügung. Auch Beschaffungs- und Sicherheitsprüfungen können langsamer voranschreiten als die Arbeit selbst.

Ein persönlicher Chatbot bietet sofortigen Zugriff. Der Mitarbeiter sieht ein Produktivitätstool, während das Sicherheitsteam einen ungeprüften Datenverarbeiter sieht.

Diese Anreizlücke erklärt, warum Verbote nur begrenzte Ergebnisse erzielen. Das Blockieren eines Dienstes kann Nutzer zu einem anderen Anbieter, einem Mobilgerät, einem persönlichen Browserprofil oder einer eingebetteten Funktion lenken.

Eine wirksame Richtlinie muss den Grund behandeln, weshalb Mitarbeiter den inoffiziellen Weg gewählt haben. Andernfalls behandelt die Durchsetzung das sichtbare Symptom, während die Nachfrage bestehen bleibt.

Akamais eigene Empfehlungen besagen, dass die Schattennutzung abnimmt, wenn Unternehmen leistungsfähige genehmigte Tools mit vertraglichen Schutzmaßnahmen, Audit-Protokollierung und SSO-Integration bereitstellen. Der sichere Weg muss das Problem des Nutzers weiterhin lösen.

Der historische Vergleich ist Shadow IT, die wuchs, als Abteilungen Cloud-Anwendungen ohne zentrale Genehmigung kauften. Sicherheitsteams führten schließlich Cloud Access Broker, Anwendungserkennung und flexiblere Beschaffungsprozesse ein.

KI erhöht den Einsatz, weil die Transaktion oft Geschäftsdaten enthält. Eine herkömmliche nicht autorisierte Anwendung könnte einen neuen Projektzeitplan speichern. Eine Chatbot-Interaktion kann jedoch unmittelbar Quellcode, Rechtstexte, Kundendaten oder eine unveröffentlichte Strategie übertragen.

Generative Systeme erzeugen zudem Ergebnisse, die Mitarbeiter möglicherweise weiterverwenden, ohne deren Ursprung zu dokumentieren. Das wirft neben der Datenexposition Fragen zu Genauigkeit, geistigem Eigentum, Verzerrungen und Verantwortlichkeit auf.

Derselbe KI-Dienst kann je nach Konto unterschiedliche Risikoprofile aufweisen. Ein Unternehmensvertrag kann Aufbewahrungskontrollen, administrative Protokolle und Beschränkungen für das Modelltraining bieten.

Ein persönliches Konto verfügt möglicherweise nicht über diese Schutzmaßnahmen. Sicherheitsteams müssen daher Identitäten und Sitzungen unterscheiden und nicht nur die Ziel-Domain erkennen.

Dieser Unterschied setzt Chief Information Officers und Sicherheitsverantwortliche von entgegengesetzten Seiten unter Druck. CIOs sollen die KI-Einführung vorantreiben, während Sicherheitsverantwortliche unkontrollierte Datenbewegungen reduzieren müssen.

Geschäftsverantwortliche stellen eine weitere Forderung: messbare Produktivität. Wenn die offizielle Umgebung Mitarbeiter ausbremst, ohne die Ergebnisse zu verbessern, wird Schattennutzung zu einer vorhersehbaren Reaktion.

Dieser Konflikt zeigt sich über Akamais Kundenbasis hinaus. Axios berichtete, dass Unternehmen üblicherweise 67 generative KI-Tools im Einsatz hatten, von denen 90 % nicht ordnungsgemäß lizenziert oder genehmigt waren. Seine Berichterstattung zu shadow AI beschrieb, wie Sicherheitsanbieter darum konkurrieren, die Transparenzlücke zu schließen.

Auch hier unterscheiden sich Messungen von Anbietern je nach Kundenpopulation, Erhebungsmethode und Definition. Ein Unternehmen kann Domains zählen, während ein anderes Anwendungen, Konten, Nutzer oder einzelne Sitzungen zählt.

Die Richtung ist verlässlicher als jeder einzelne Prozentsatz. Mitarbeiter haben viele Wege zur KI, und Unternehmensinventare erfassen beständig nur einen Teil dieser Aktivitäten.

Der Druck beschränkt sich nicht auf Sicherheitsteams. Rechtsabteilungen müssen bestimmen, welche Anbieter regulierte oder vertrauliche Informationen verarbeiten dürfen.

Datenschutzteams müssen verstehen, wohin Prompts und Dateien gelangen. Beschaffungsteams müssen eine wachsende Liste von KI-Funktionen prüfen, einschließlich Funktionen, die Produkten hinzugefügt wurden, für die bereits Verträge bestehen.

Manager benötigen zudem Regeln für generierte Ergebnisse. Ein genehmigtes Tool macht nicht jede Antwort korrekt, und eine Unternehmensvereinbarung validiert nicht jede Entscheidung, die auf Grundlage seiner Ausgabe getroffen wird.

Das Kontrollproblem hat daher zwei Ebenen. Unternehmen müssen Informationen steuern, die in KI-Systeme eingehen, und Entscheidungen, die sie verlassen.

Das Blockieren nicht sanktionierter Konten behandelt nur die erste Ebene. Es legt nicht fest, wann eine generierte Antwort überprüft werden muss, welche Quellen das System verwendet hat oder wer verantwortlich bleibt.

Diese umfassendere Governance-Belastung erklärt, warum das Einführungsrennen ungleich wirkt. Ein Mitarbeiter kann KI sofort nutzen, während eine vollständige Kontrollstruktur für Unternehmen Zusammenarbeit über mehrere Abteilungen hinweg erfordert.

Der eigentliche Wettbewerb lautet: verwaltete KI gegen nützliche KI

Der wichtigste Gegner ist nicht Akamai gegen einen anderen Sicherheitsanbieter; es ist verwaltete KI gegen die Tools, die Mitarbeiter am nützlichsten finden.

Unternehmen stellen Sicherheit und Produktivität manchmal als gegensätzliche Ziele dar. Diese Sichtweise begünstigt pauschale Kontrollen, darunter vollständige Sperren, enge Allowlistings und langwierige Genehmigungsverfahren.

Mitarbeiter stehen dann vor einer einfachen Wahl. Sie können auf einen genehmigten Workflow warten oder die Aufgabe mit einem vertrauten Verbraucherdienst erledigen.

Der bessere Wettbewerb betrifft die Produktqualität. Ein verwalteter Assistent muss genügend Fähigkeiten, Kontext, Geschwindigkeit und Zuverlässigkeit bieten, um zur Standardwahl zu werden.

Kontext ist besonders wichtig. Wissensarbeiter benötigen KI, die mit Dokumenten, Gesprächen, Projekthistorie und spezialisiertem internem Material arbeiten kann.

Dieser Zugriff schafft jedoch auch Risiken. Umfangreiche Berechtigungen können Informationen offenlegen, von denen ein Mitarbeiter nicht wusste, dass sie über eine KI-Schnittstelle abrufbar sind.

Eine verwaltete Wissensumgebung sollte bestehende Zugriffsgrenzen bewahren. Sie sollte außerdem zeigen, welche Quellen eine Antwort gestützt haben, und den Abruf auf autorisiertes Material beschränken.

Hier kann eine persönliche Wissensdatenbank das spontane Kopieren zwischen Geschäftssystemen und öffentlichen Chatbots reduzieren. Lokale oder kontrollierte Erfassung beseitigt Governance-Pflichten nicht, kann jedoch unnötige Übertragungen verringern.

Sicherheitskontrollen müssen im Moment der Interaktion greifen. Netzwerktools bleiben nützlich, können jedoch Unterschiede übersehen, die in verschlüsselten Browsersitzungen verborgen sind.

Kontrollen auf Browserebene können das aktive Konto identifizieren, einen Upload prüfen und eingefügten Text erkennen, bevor Informationen den Endpunkt verlassen. Anschließend können sie die Aktion warnend kennzeichnen, schwärzen, blockieren oder protokollieren.

Akamais Workforce Protector, ehemals LayerX, steht für diesen Ansatz. Laut Akamai steuert er das Verhalten von Nutzern und Agenten innerhalb von Anwendungen, statt sich nur auf Perimeter-Traffic zu verlassen.

Das Unternehmen hat ein wirtschaftliches Interesse daran, den Browser als entscheidenden Kontrollpunkt zu definieren. Käufer sollten diese Behauptung neben Alternativen für Endgeräte, Netzwerke, Identitäten und Datensicherheit prüfen.

Keine einzelne Ebene sieht jeden Weg. Eine Browser-Erweiterung kann kein nicht verwaltetes Smartphone kontrollieren, das nie mit der Unternehmensumgebung in Kontakt kommt.

Netzwerkkontrollen können Ziele identifizieren, verfügen jedoch möglicherweise nicht über detaillierten Sitzungskontext. Endpunkt-Agenten können Geräteaktivitäten prüfen, verstehen aber womöglich nicht die internen Semantiken jeder Anwendung.

Identitätskontrollen legen fest, wer sich angemeldet hat, bestimmen jedoch nicht automatisch, ob jeder Prompt eingeschränkte Informationen enthält. Datenklassifizierung kann sensible Inhalte erkennen, ist aber auf präzise Kennzeichnungen und vollständige Abdeckung angewiesen.

Eine praxistaugliche Architektur kombiniert diese Signale. Sie verknüpft Identität, Gerätezustand, Ziel, Kontotyp, Inhaltssensitivität und die angeforderte Aktion.

Betrachten wir einen Mitarbeiter, der eine öffentliche Produktankündigung zusammenfasst. Ein persönlicher Chatbot stellt ein begrenztes organisatorisches Risiko dar, weil die Eingabe bereits öffentlich ist.

Betrachten wir nun denselben Mitarbeiter, der Transkripte aus dem Kundensupport einfügt. Das Ziel kann identisch bleiben, doch Datenschutz-, Aufbewahrungs- und vertragliche Anforderungen verändern die Entscheidung.

Auch eine reine Dateiprüfung übersieht Copy-and-Paste-Verhalten. Die Messungen von LayerX deuten darauf hin, dass eingefügter Text einen bedeutsamen Expositionskanal darstellt, selbst wenn Mitarbeitende nie ein Dokument hochladen.

Agenten fügen eine weitere Dimension hinzu. Ein Agent kann Informationen abrufen, externe Dienste aufrufen, Datensätze aktualisieren und Aktionen wiederholen, ohne dass jedes Mal eine separate menschliche Handlung erforderlich ist.

Dadurch wird das Berechtigungsdesign zu einer Frage der operativen Sicherheit. Ein Chatbot beantwortet eine Anfrage, während ein Agent eine Änderung auslösen kann.

Akamais Studie zur API-Sicherheit aus dem Jahr 2026 befragte 1.840 Sicherheitsverantwortliche und -praktiker in zehn Ländern. Sie ergab, dass 80 % Web Application Firewalls nutzten, während nur 35 % dedizierte API-Sicherheitstools einsetzten.

APIs sind Schnittstellen, über die Softwaresysteme Daten und Befehle austauschen. Sie bilden die Verbindungsschicht zwischen Agenten, Modellen, Datenbanken und Geschäftsanwendungen.

Eine nicht autorisierte Chatbot-Sitzung kann Informationen preisgeben. Ein Agent mit zu weitreichenden Berechtigungen kann außerdem ein Ticket ändern, eine Rückerstattung auslösen, eine Nachricht versenden oder ein eingeschränktes System abfragen.

Verwaltete KI muss daher in mehr als nur Modellqualität überzeugen. Sie benötigt nützliche Integrationen, eng begrenzte Berechtigungen, verlässliche Protokollierung und menschliche Freigaben für folgenschwere Aktionen.

Wenn diese Schutzmaßnahmen jede Aufgabe mühsam machen, werden Mitarbeitende sie umgehen. Wenn sie vollständig verschwinden, kann die Organisation nicht mehr zwischen Bequemlichkeit und inakzeptabler Exposition unterscheiden.

Das überzeugende Design macht häufige Aktionen mit geringem Risiko einfach. Zusätzliche Hürden sind sensiblen Daten, ungewöhnlichen Zielen, persönlichen Konten und Befehlen mit hoher Auswirkung vorbehalten.

Das ist ebenso eine Produkt- wie eine Richtlinienherausforderung. Unternehmen können sich nicht durch Schulungen aus Benutzeroberflächen herausarbeiten, die unsichere Abkürzungen konsequent belohnen.

Was die Google-News-Überschrift nicht belegt

Das zugrunde liegende Risiko ist glaubwürdig, aber die verkürzte Überschrift belegt nicht eigenständig, dass nahezu die Hälfte aller KI-Aktivitäten in Unternehmen Kontrollen umgeht.

Der Google-News-Eintrag kürzt die Behauptung unmittelbar nach „umgeht“ ab. Er nennt weder die Kontrolle noch Messzeitraum, Stichprobe, Geografie oder Nenner.

Diese Auslassungen verhindern eine präzise Interpretation. „Nahezu die Hälfte der KI-Nutzung in Unternehmen“ könnte sich auf Nutzer, Konten, Sitzungen, Endgeräte, Organisationen, Uploads oder eine andere gemessene Kategorie beziehen.

Öffentlich indexierte Materialien von Akamai und LayerX stützen mehrere verwandte Erkenntnisse. Sie machen jedoch nicht jede mögliche Lesart dieses Satzes austauschbar.

LayerX berichtete, dass 45 % der Unternehmensnutzer auf Unternehmensendgeräten KI-Tools nutzten. Separat berichtete das Unternehmen über sensible Inhalte in 40 % der hochgeladenen Dateien und 22 % der eingefügten Texte.

Es berichtete außerdem über die umfangreiche Nutzung persönlicher Identitäten in Softwarediensten. Die Identitätsforschung von 2025 ergab, dass 40 % der SaaS-Zugriffe persönliche Zugangsdaten nutzten und 67 % SSO umgingen.

Diese Statistiken beschreiben unterschiedliche Populationen und Verhaltensweisen. Sie zu einer weitreichenden Aussage zusammenzuführen, würde eine Zahl erzeugen, die die Forschung nicht veröffentlicht hat.

Die erste Einschränkung betrifft daher die Disziplin beim Nenner. Leser sollten fragen, was gezählt wurde, bevor sie einen Prozentsatz als universelle Adoptionsrate behandeln.

Die zweite Einschränkung betrifft die Telemetrie von Anbietern. Sicherheitsanbieter analysieren häufig Aktivitäten von Kunden, die ihre Produkte bereits eingeführt haben.

Diese Organisationen können sich von Unternehmen ohne vergleichbare Überwachung unterscheiden. Ihre Branchen, Größen, Richtlinien und Risikoprofile können die gemessenen Ergebnisse prägen.

Telemetrie bleibt wertvoll, weil sie Verhalten beobachtet, statt sich nur auf Erinnerungen zu stützen. Sie repräsentiert jedoch nicht automatisch jedes Unternehmen oder jeden Mitarbeiter.

Umfragen bringen eine andere Einschränkung mit sich. Befragte können Definitionen missverstehen, verbotene Aktivitäten zu niedrig angeben oder Organisationen mit ungewöhnlich ausgereiften KI-Programmen vertreten.

Unabhängige Forschung sollte daher mehrere Formen von Evidenz vergleichen. Nützliche Quellen umfassen Endpunkttelemetrie, Netzwerkprotokolle, Identitätsdaten, Mitarbeiterbefragungen, Vorfallberichte und regulatorische Offenlegungen.

Die dritte Einschränkung betrifft das Wort „umgehen“. Eine persönliche Anmeldung kann das Identitätsmanagement des Unternehmens umgehen, ohne jede Sicherheitskontrolle zu umgehen.

Auf dem Endgerät kann weiterhin Software zur Verhinderung von Datenverlust laufen. Das Netzwerk kann bestimmte Ziele weiterhin blockieren. Der Anbieter kann weiterhin Datenschutzeinstellungen für Verbraucher anbieten.

Umgekehrt kann ein genehmigtes Konto Risiken schaffen, selbst wenn es über SSO läuft. Übermäßige Berechtigungen, schwache Aufbewahrungsregeln, Prompt Injection und ungenaue Ausgaben bleiben möglich.

Diese Unterscheidung verhindert eine vereinfachende Schlussfolgerung. Verwaltet bedeutet nicht sicher, und nicht verwaltet bedeutet nicht bestätigte Sicherheitsverletzung.

Akamais in Auftrag gegebene Studie zu Enterprise AI aus dem Jahr 2025 veranschaulicht die umfassendere Sorge. Unter 400 globalen Befragten auf Director-Ebene nannten 63 % Sicherheitsbedenken als eine führende Herausforderung bei KI-Anwendungen.

Dieselbe Studie ergab, dass 55 % Technologie- oder Plattformlücken nannten, während 55 % Compliance- und regulatorische Bedenken anführten. Fünfundvierzig Prozent sorgten sich, dass Anwendungen nicht wie vorgesehen funktionieren könnten.

Diese Ergebnisse zeigen, dass der Governance-Druck über Schattenkonten hinausgeht. Organisationen sorgen sich selbst innerhalb formeller Bereitstellungen um Leistung, Zuverlässigkeit, Compliance und Folgen für die Marke.

Die vierte Einschränkung betrifft Kausalität. Schatten-KI wird oft als Fehlverhalten von Mitarbeitenden beschrieben, doch die verfügbaren Belege stützen kein einheitliches universelles Motiv.

Einige Mitarbeitende ignorieren Regeln absichtlich. Andere treffen auf unklare Richtlinien, fehlende Tools, langsame Freigaben oder KI-Funktionen, die in Produkte eingebettet sind, die die IT bereits genehmigt hat.

Führungskräfte können zudem widersprüchliche Anreize schaffen. Sie verlangen eine rasche KI-Einführung und bewerten Teams zugleich nach Geschwindigkeit, verhängen dann jedoch Einschränkungen, die Mitarbeitende daran hindern, diese Ziele zu erreichen.

Eine glaubwürdige Analyse muss beide Seiten zusammenhalten. Nutzer bleiben für den Umgang mit sensiblen Informationen verantwortlich, während Organisationen dafür verantwortlich bleiben, praktikable genehmigte Wege anzubieten.

Auch regulatorische Prognosen erfordern Vorsicht. Gartner hat vorhergesagt, dass bis 2030 40 % der Unternehmen durch nicht autorisierte Nutzung von Schatten-KI einen KI-bezogenen Sicherheits- oder Compliance-Vorfall erleben werden.

Wie in der Berichterstattung über die Gartner-Prognose zusammengefasst, betrifft diese Zahl prognostizierte Vorfälle. Sie ist keine aktuelle Zahl bestätigter Sicherheitsverletzungen.

Prognosen können Exposition aufzeigen, bestätigen jedoch nicht, dass eine bestimmte Organisation Daten verloren hat. Käufer sollten sich dagegen wehren, Risikoschätzungen in Behauptungen über abgeschlossene Angriffe umzuwandeln.

Der unvollständige Feed-Eintrag schafft ein letztes redaktionelles Problem. Google News ist eine Aggregationsebene, nicht die zugrunde liegende Evidenz.

Die direkte Veröffentlichung, Methodik und der vollständige Bericht sollten die Formulierung bestimmen. Solange die vollständige Behauptung und der Nenner nicht sichtbar sind, verdient „nahezu die Hälfte“ eine Zuschreibung, statt als etablierte universelle Tatsache dargestellt zu werden.

Das macht die Geschichte nicht unwichtig. Es macht die Verifikationslücke zu einem Teil der Geschichte.

Drei Signale werden zeigen, ob Unternehmen die Kontrolle zurückgewinnen

Die nächste Phase wird an der Sichtbarkeit von Konten, der Bewegung sensibler Daten und den KI-Agenten erteilten Berechtigungen gemessen werden.

Das erste Signal ist der Anteil der KI-Aktivitäten, der mit verwalteten Unternehmensidentitäten verknüpft ist. Unternehmen sollten verfolgen, ob Mitarbeitende im Laufe der Zeit von persönlichen Konten zu genehmigten Diensten wechseln.

Ein sinkender Anteil persönlicher Konten würde die Annahme stärken, dass nützliche Unternehmenstools Schatten-KI verringern können. Ein gleichbleibender oder steigender Anteil würde zeigen, dass Richtlinien und Lizenzen das Verhalten nicht verändern.

Diese Kennzahl sollte nach Abteilung und Aufgabe segmentiert werden. Entwickler, Marketingfachleute, Analysten, Supportteams und Führungskräfte nutzen unterschiedliche Tools und verarbeiten unterschiedliche Informationen.

Ein unternehmensweiter Durchschnitt kann konzentrierte Exposition verdecken. Eine kleine Gruppe kann die meisten sensiblen Übertragungen verursachen, weil ihre Arbeit Code, Kundendatensätze oder Rechtsdokumente umfasst.

Auch die Identitätsmessung benötigt einen klaren Nenner. Organisationen sollten Nutzer, Sitzungen, Übertragungen und Anwendungen getrennt ausweisen.

Das zweite Signal ist die Rate sensibler Daten, die in KI-Dienste gelangen. Dazu zählen eingefügter Text, Datei-Uploads, Formulareingaben, Browser-Erweiterungen und API-Anfragen.

Eine nützliche Messgröße unterscheidet blockierte Versuche von abgeschlossenen Übertragungen. Sie trennt außerdem genehmigte Unternehmenskonten von persönlichen und unbekannten Identitäten.

Wenn abgeschlossene Übertragungen sensibler Daten zurückgehen, während die legitime KI-Nutzung wächst, verbessert sich die Governance. Wenn nur blockierte Versuche zunehmen, stoßen Mitarbeitende möglicherweise lediglich auf mehr Reibung.

Sicherheitsteams sollten zudem untersuchen, wohin Nutzer nach einer Blockierung gehen. Eine Warnung, die Arbeit zu einem genehmigten Assistenten umleitet, ist nützlicher als eine, die den Arbeitsablauf beendet.

Das zugrunde liegende Ziel besteht nicht darin, eine höhere Zahl von Richtlinienverstößen zu erzeugen. Es besteht darin, unnötige Exposition zu verringern und zugleich wertvolle Arbeit zu erhalten.

Organisationen können dieses Ziel unterstützen, indem sie Mitarbeitenden kontrollierte Möglichkeiten geben, ihre eigenen Materialien zu durchsuchen, zusammenzufassen und zu verknüpfen. Ein lokales Second Brain kann wiederholtes Kopieren zwischen nicht zusammenhängenden Diensten begrenzen.

Das dritte Signal ist das Berechtigungsprofil, das KI-Agenten zugewiesen wird. Unternehmen benötigen ein Inventar, das zeigt, welche Systeme jeder Agent lesen, schreiben und auslösen kann.

Schreibgeschützter Zugriff stellt ein Risikoniveau dar. Die Berechtigung, Nachrichten zu senden, Finanzdaten zu aktualisieren, Code zu ändern oder Transaktionen zu genehmigen, stellt ein anderes dar.

Unternehmen sollten auf standardmäßige Zugriffsreduzierungen, kürzere Autorisierungszeiträume, Protokolle auf Aktionsebene und Freigabeschleusen für folgenschwere Befehle achten.

Hier wird API-Transparenz entscheidend. Ein Agent handelt häufig über APIs, selbst wenn ein Nutzer die Aufgabe in einem Browser beginnt.

Sicherheitsteams müssen die menschliche Identität, die Agentenidentität, die Modellanfrage, den Tool-Aufruf und die daraus resultierende Geschäftsaktion miteinander verknüpfen. Ein getrenntes Protokoll für jede Komponente kann die vollständige Entscheidung nicht rekonstruieren.

Das Signal wird Akamais These stärken, wenn Unternehmen große Zahlen unbekannter Agenten oder übermäßiger Berechtigungen entdecken. Es wird die These schwächen, wenn Inventare eng begrenzten, überwachten und beabsichtigten Zugriff zeigen.

Produktankündigungen verdienen weniger Gewicht als Betriebsdaten. Anbieter werden weiterhin KI-Gateways, sichere Browser, Modell-Firewalls und Agentensteuerungssysteme veröffentlichen.

Die entscheidende Frage ist, ob diese Produkte das Verhalten verändern. Weniger Nutzung unbekannter Accounts und weniger Übertragungen sensibler Daten wären aussagekräftiger als bloße Ausrollungszahlen.

Führungskräfte sollten außerdem die Zufriedenheit der Mitarbeitenden mit den freigegebenen Tools beobachten. Geringe Nutzung kann auf wirksame Kontrollen hinweisen, aber auch darauf, dass Mitarbeitende wertvolle KI insgesamt nicht mehr einsetzen.

Ein ausgereiftes Programm misst sowohl Sicherheit als auch Nutzen. Relevante Kennzahlen umfassen Aufgabenabschluss, Akzeptanz, Fehlerquoten, Prüfaufwand, Richtlinienausnahmen und bestätigte Vorfälle.

Für Unternehmen lautet die Entscheidung nicht, ob Mitarbeitende KI nutzen werden. Dieses Verhalten hat sich bereits über Browser, Software-Suiten und Entwicklungsumgebungen verbreitet.

Die Entscheidung ist, ob offizielle Systeme nützlich genug werden, um diese Aktivität wieder in sichtbare Kanäle zu lenken. Sicherheitsteams können nicht steuern, was sie nicht sehen können.

Akamais Warnung sollte daher eine direkte Überprüfung auslösen. Welche KI-Accounts sind aktiv, welche Informationen erreichen sie und welche Agenten können auf Unternehmenssystemen handeln?

Die verkürzte Google-News-Behauptung benötigt weiterhin ihre vollständige Methodik, bevor Leser „fast die Hälfte“ als allgemeingültige Quote betrachten. Die umgebenden Belege stützen bereits eine engere Schlussfolgerung.

Die KI-Einführung in Unternehmen hat traditionelle Account- und Anwendungskontrollen überholt. Die Organisationen, die diese Lücke schließen, werden den freigegebenen Weg einfacher gestalten, den Browser instrumentieren und Agentenberechtigungen einschränken.

Beginnen Sie diesen Monat mit einer praktischen Prüfung. Messen Sie verwaltete gegenüber persönlichen KI-Sitzungen, identifizieren Sie sensible Datenübertragungen und erfassen Sie jeden Agenten mit Schreibzugriff. Diese drei Perspektiven zeigen, ob KI-Governance im Betrieb existiert oder nur in Richtlinien.