Indiens durchschnittliche Kosten durch Datenlecks erreichen Rekordwert, während die KI-Sicherheit zurückbleibt

IBM beziffert Indiens wachsende Lücke bei der KI-Sicherheit deutlich: Die durchschnittlichen Kosten eines Datenlecks für eine Organisation erreichten 2025 220 Millionen INR. Das Ergebnis, das nun durch die Berichterstattung von Google News erneut Aufmerksamkeit erhält, entspricht einem Anstieg von 13 Prozent gegenüber 2024 und einem Rekordwert für Indien.

Der Zeitpunkt macht die Zahl noch beunruhigender. Indische Unternehmen führen rasch generative KI-Tools, automatisierte Workflows und Maschinenidentitäten ein. Laut IBMs Indien-Ergebnissen verfügten jedoch nur 37 Prozent der befragten Organisationen über Zugriffskontrollen für KI.

Das bedeutet, dass nur etwa jede dritte Organisation über die nötigen Kontrollen verfügte, um zu regeln, wer oder was auf KI-Systeme zugreifen darf. Fast 60 Prozent hatten entweder keine KI-Governance-Richtlinie oder entwickelten noch eine.

Das Ergebnis ist kein einfacher Wettstreit zwischen Unternehmen und immer leistungsfähigeren Angreifern. Der zentrale Konflikt liegt innerhalb des Unternehmens: schnelle KI-Einführung versus langsame Sicherheits-Governance.

Neuere Untersuchungen deuten darauf hin, dass die Angriffsfläche weiter gewachsen ist. KI-Anwendungen verfügen inzwischen über Zugangsdaten, fragen sensible Datenbanken ab, betreiben Cloud-Dienste und lösen Geschäftsaktionen aus. Sicherheitsteams müssen sowohl das KI-System als auch alles schützen, worauf es zugreifen kann.

Google News rückt Indiens Rekordkosten bei Datenlecks erneut in den Fokus

Indiens Rekordwert bei Datenlecks zeigt, dass eine schnellere Reaktion auf Vorfälle den zunehmenden finanziellen Schaden nicht aufgehalten hat.

IBM veröffentlichte seine Indien-Ergebnisse am 7. August 2025. Das Unternehmen erklärte, die durchschnittlichen Gesamtkosten eines Datenlecks für Organisationen seien von 195 Millionen INR im Jahr 2024 auf 220 Millionen INR gestiegen.

Der Anstieg erfolgte, obwohl Organisationen den durchschnittlichen Lebenszyklus eines Datenlecks verkürzten. IBM definiert diesen Lebenszyklus als die Zeit, die benötigt wird, um einen Vorfall zu identifizieren und einzudämmen, einschließlich der Wiederherstellung von Diensten.

Der durchschnittliche Lebenszyklus in Indien sank auf 263 Tage, 15 Tage weniger als 2024. Diese Verbesserung ist wichtig, doch 263 Tage geben Angreifern weiterhin viel Zeit, Systeme zu erkunden, Zugangsdaten zu sammeln und wertvolle Daten zu erreichen.

Der scheinbare Widerspruch ist zentral für diese Geschichte. Unternehmen erkennen und begrenzen Datenlecks früher, dennoch steigen die durchschnittlichen Kosten weiter.

Das kann geschehen, wenn jeder Tag der Exposition teurer wird. Unternehmen verknüpfen Daten heute über Cloud-Dienste, Softwareplattformen, Programmierschnittstellen und KI-Tools hinweg. Eine einzige kompromittierte Identität kann mehrere dieser Systeme durchqueren.

IBMs Daten zu Datenlecks in Indien nennen auch die Branchen mit den größten finanziellen Auswirkungen. Forschungsorganisationen verzeichneten mit 289 Millionen INR die höchsten durchschnittlichen Kosten.

Der Transportsektor folgte dicht dahinter mit 288 Millionen INR. Industrieunternehmen kamen im Durchschnitt auf 264 Millionen INR, nachdem sie 2024 die Branchenrangliste des Landes angeführt hatten.

Diese Sektoren verbinden wertvolle Informationen mit Betriebsabläufen, die nicht lange offline bleiben können. Forschungsorganisationen verfügen über geistiges Eigentum und sensible Datensätze. Transportunternehmen sind auf kontinuierlich verfügbare Buchungs-, Logistik- und Betriebssysteme angewiesen.

Industrielle Umgebungen bringen eine weitere Komplikation mit sich. Ihre Technologie verbindet häufig Geschäftsnetzwerke mit Betriebsausrüstung, sodass Eindämmungsentscheidungen physische Prozesse unterbrechen können.

Die häufigsten Einstiegsmethoden bleiben vertraut. Phishing machte 18 Prozent der untersuchten Datenlecks in Indien aus. Kompromittierungen durch Dritte und in der Lieferkette standen für 17 Prozent, während die Ausnutzung von Schwachstellen 13 Prozent ausmachte.

Diese Aufschlüsselung stellt die Annahme infrage, dass Rekordkosten einen hochspezialisierten KI-Angriff erfordern. Angreifer können weiterhin über eine E-Mail, einen Lieferanten oder eine ungepatchte Anwendung eindringen.

KI verändert, was rund um diese etablierten Methoden geschieht. Sie kann Phishing-Nachrichten verbessern, Aufklärung automatisieren, gestohlene Informationen verarbeiten und Angreifern helfen, Techniken auf mehr Ziele zu übertragen.

Google News ist der Entdeckungskanal für die neueste Schlagzeile, nicht die ursprüngliche Quelle der Zahlen. IBM und das Ponemon Institute erstellten die zugrunde liegende Untersuchung.

Diese Unterscheidung ist wichtig, weil Aggregation mehrere Erkenntnisse zu einer dramatischen Behauptung verdichten kann. Die Belege stützen einen Rekordwert bei den durchschnittlichen Kosten und eine erhebliche Lücke bei der Bereitschaft. Sie zeigen nicht, dass jedes Datenleck in der Stichprobe durch KI verursacht wurde.

Die KI-Einführung wächst schneller als die Zugriffskontrolle

Das unmittelbarste Risiko entsteht, wenn KI-Systemen Zugriff gewährt wird, bevor Organisationen diesen Zugriff inventarisieren, beschränken und überwachen können.

Unternehmens-KI befindet sich nicht mehr in einem isolierten Chatfenster. Unternehmen verbinden Modelle mit Dokumentenablagen, Kundendaten, Entwicklungsumgebungen, Messaging-Plattformen und Cloud-Verwaltungstools.

Jede Verbindung schafft einen neuen Weg zu Daten. Sie schafft außerdem eine weitere Identität, ein Token, ein Dienstkonto, ein Plugin oder eine Berechtigung, die jemand verwalten muss.

IBM stellte fest, dass nur 37 Prozent der Organisationen in Indien angaben, über Zugriffskontrollen für KI zu verfügen. Zugriffskontrollen bestimmen, welche Nutzer und Systeme eine Anwendung erreichen können, welche Aktionen sie ausführen dürfen und welche Daten sie abrufen können.

Das Fehlen dieser Kontrollen führt nicht automatisch zu einem Datenleck. Es erhöht jedoch den potenziellen Schaden, nachdem ein Konto, Token oder eine KI-Integration kompromittiert wurde.

Auch die Governance ist unvollständig. Fast 60 Prozent der von Datenlecks betroffenen Organisationen in Indien hatten entweder keine KI-Governance-Richtlinie oder entwickelten noch eine.

Von den Organisationen mit Richtlinien nutzten nur 34 Prozent KI-Governance-Technologie. Eine schriftliche Richtlinie kann zulässiges Verhalten definieren, doch die technische Durchsetzung entscheidet darüber, ob Systeme ihr folgen.

Diese Lücke wird bedeutender, wenn Unternehmen Agenten einsetzen. Ein KI-Agent ist Software, die über verbundene Tools Aktionen auswählen und ausführen kann, oft mit begrenzter menschlicher Beteiligung.

Herkömmliche Software folgt in der Regel einer festgelegten Abfolge. Ein Agent kann anhand sich verändernder Eingaben entscheiden, welches Tool er aufruft, welche Informationen er abruft und wie er fortfährt.

Diese Flexibilität schafft Mehrwert, erschwert jedoch auch Berechtigungen. Ein Agent kann Datenbankzugriff, ein Cloud-Token, ein E-Mail-Konto und eine Ticketing-Integration benötigen, um einen einzelnen Workflow abzuschließen.

Dem Agenten dauerhaften Zugriff auf jedes verbundene System zu geben, ist bequem. Es schafft jedoch auch ein konzentriertes Ziel.

Die Cloud Security Alliance berichtete im April 2026, dass 82 Prozent der befragten Unternehmen zuvor unbekannte KI-Agenten in ihren Umgebungen entdeckt hatten. Ihre KI-Agenten-Umfrage umfasste 418 IT- und Sicherheitsexperten.

Fünfundsechzig Prozent meldeten im vorherigen Jahr mindestens einen Vorfall im Zusammenhang mit KI-Agenten. Von diesen Vorfällen betrafen 61 Prozent Datenexposition, 43 Prozent führten zu Betriebsunterbrechungen und 35 Prozent verursachten finanzielle Verluste.

Die Umfrage wurde von Token Security beauftragt und finanziert, das auch den Fragebogen mitentwickelte. Diese kommerzielle Beteiligung sollte offengelegt werden, und die Ergebnisse sollten nicht als exakte Messung jedes Unternehmens behandelt werden.

Dennoch beschreiben die Ergebnisse ein erkennbares Governance-Problem. Sicherheitsverantwortliche glauben möglicherweise, ihre KI-Implementierungen überblicken zu können, während unbekannte Agenten in Skripten, Entwicklungstools, SaaS-Plattformen oder internen Automatisierungen aktiv bleiben.

Dieselbe Studie ergab, dass nur 21 Prozent formelle Prozesse für die Außerbetriebnahme von Agenten hatten. Ein aufgegebener Agent kann Zugangsdaten behalten, nachdem sein ursprüngliches Projekt beendet wurde.

Dadurch entsteht, was der Bericht als Ruhestandsverschuldung bezeichnet. Das Unternehmen nutzt den Workflow nicht mehr, doch seine Berechtigungen bleiben für einen Angreifer oder einen unbefugten Mitarbeiter verfügbar.

Auch menschliche Konten verursachen bereits ähnliche Probleme, wenn Zugriffe einen Rollenwechsel überdauern. KI fügt viele weitere nicht-menschliche Identitäten hinzu, die häufig schneller erstellt und weniger sorgfältig dokumentiert werden.

Für indische Unternehmen erweitert dies das Problem der Datenlecks über das Blockieren bösartiger Prompts hinaus. Sicherheitsteams müssen wissen, welche Agenten existieren, wem sie gehören, welche Zugangsdaten sie besitzen und wann diese Zugangsdaten ablaufen sollten.

Schatten-KI macht Bequemlichkeit zu einem Kostenmultiplikator

Der zentrale Zielkonflikt lautet Geschwindigkeit gegen Kontrolle: Mitarbeiter gewinnen sofort an Produktivität, während das Unternehmen die Sicht darauf verliert, wohin seine Informationen gelangen.

Schatten-KI bezeichnet KI-Anwendungen, die ohne Genehmigung oder Aufsicht durch die Technologieabteilung einer Organisation genutzt werden. Dazu können öffentliche Chatbots, Browser-Erweiterungen, Meeting-Assistenten, Coding-Tools und nicht autorisierte interne Agenten gehören.

Mitarbeiter setzen diese Tools nur selten mit der Absicht ein, ein Datenleck zu verursachen. Meist möchten sie ein Dokument zusammenfassen, eine Tabellenkalkulation analysieren, eine Präsentation vorbereiten oder eine repetitive Aufgabe beschleunigen.

Das Sicherheitsproblem beginnt, wenn vertrauliches Material in einen Dienst gelangt, den das Unternehmen nicht geprüft hat. Teams wissen möglicherweise nicht, wie der Dienst Prompts speichert, hochgeladene Dateien verwaltet oder Kundendaten voneinander trennt.

IBM identifizierte Schatten-KI als einen der drei größten Kostentreiber für Datenlecks in Indien. Ihr Vorhandensein erhöhte die durchschnittlichen Kosten eines Datenlecks um 17,9 Millionen INR.

Dennoch verfügten nur 42 Prozent der befragten Organisationen über Richtlinien zur Verwaltung von KI oder zur Erkennung von Schatten-KI. Dadurch können viele Unternehmen die Aktivitäten im Zusammenhang mit einem ihrer größten gemeldeten Kostenfaktoren nicht messen.

Jeden KI-Dienst zu blockieren, wird das Problem wahrscheinlich nicht lösen. Mitarbeiter können auf persönliche Konten, nicht verwaltete Browser oder Mobilgeräte ausweichen, wodurch Aktivitäten schwerer zu beobachten sind.

Eine praktikable Antwort benötigt genehmigte Alternativen und durchsetzbare Grenzen. Mitarbeiter sollten wissen, welche Tools sie nutzen dürfen, welche Informationen weiterhin verboten sind und wie sie eine geprüfte Integration beantragen können.

Die Organisation benötigt außerdem technische Transparenz. Dazu gehören das Erkennen nicht genehmigter Anwendungen, die Überwachung von Datenübertragungen und die Identifizierung ungewöhnlicher Zugriffe durch menschliche und maschinelle Konten.

Die Datenklassifizierung wird hier essenziell. Sie weist Informationen eine Sensibilitätsstufe zu, damit Systeme unterschiedliche Regeln auf öffentliche, interne, vertrauliche und regulierte Daten anwenden können.

Ohne Klassifizierung kann ein Unternehmen eine harmlose Produktbeschreibung nicht zuverlässig von Kundendatensätzen unterscheiden. Es könnte auf beide dieselbe schwache Kontrolle anwenden.

Der Bedrohungsbericht 2026 von Thales zeigt, wie weit verbreitet dieses Transparenzproblem geworden ist. Nur 34 Prozent der befragten Organisationen wussten, wo sich sämtliche ihrer Daten befanden.

Lediglich 39 Prozent konnten sie vollständig klassifizieren. Der Bericht stellte außerdem fest, dass 47 Prozent der sensiblen Cloud-Daten unverschlüsselt blieben.

Dabei handelt es sich um globale Erkenntnisse und nicht um Messwerte ausschließlich für Indien. Sie erklären dennoch, weshalb die KI-Einführung den Druck auf Datenkontrollen erhöht.

Ein Modell oder Agent kann Informationen nur über die Zugriffe abrufen, die ihm gewährt werden. Übermäßige Berechtigungen ermöglichen jedoch einem kompromittierten System, Material zu erreichen, das außerhalb seiner Aufgabe hätte bleiben sollen.

Thales berichtete, dass 61 Prozent der Organisationen angaben, Angreifer zielten auf ihre KI-Anwendungen. Sensible Daten waren das wichtigste Ziel.

Dieselbe Untersuchung ergab, dass 67 Prozent der Organisationen, die Cloud-Angriffe erlebten, den Diebstahl von Zugangsdaten als führende Angriffstechnik gegen Cloud-Management-Infrastrukturen nannten.

Zu Zugangsdaten zählen Passwörter, API-Schlüssel, Sitzungstoken und andere Geheimnisse, die belegen, dass eine Identität auf ein System zugreifen darf. KI-Workflows sind stark auf diese maschinenlesbaren Geheimnisse angewiesen.

Ein gestohlener Cloud-Token kann nützlicher sein als ein ausgefeilter Angriff auf das Modell selbst. Er kann direkten Zugriff auf Speicher, Datenbanken, Rechenressourcen oder administrative Funktionen ermöglichen.

Deshalb ist Schatten-KI nicht lediglich ein Thema für Mitarbeiterrichtlinien. Sie ist Teil eines umfassenderen Problems des Identitäts- und Datenmanagements.

Unternehmen benötigen eine verlässliche Übersicht über zugelassene Tools, angebundene Informationsquellen, Systemverantwortliche und Zugriffsentscheidungen. Eine durchsuchbare Wissensdatenbank kann technischen Teams helfen, diesen operativen Kontext zu bewahren.

Dokumentation allein kann keine Sicherheit durchsetzen, doch schlechte Dokumentation verlangsamt die Eindämmung. Einsatzteams verlieren Zeit, wenn sie den Verantwortlichen eines Agenten, dessen Datenquellen oder Zugangsdaten nicht identifizieren können.

Das kostspielige Szenario ist daher leicht nachzuvollziehen. Ein Mitarbeitender verbindet ein nicht geprüftes Tool, das Tool erhält weitreichenden Zugriff, und die Integration bleibt ohne Überwachung bestehen.

Ein Angreifer muss keine sorgfältig entwickelte KI-Abwehr überwinden. Es genügt, die vergessenen Zugangsdaten in ihrem Umfeld zu finden.

Das KI-Sicherheitsparadox wird immer schwerer zu ignorieren

KI vergrößert die Angriffsfläche und wird zugleich zu einem der stärksten verfügbaren Werkzeuge, um Kosten von Sicherheitsverletzungen zu senken.

Die Erkenntnisse von IBM stützen keine einfache Anti-KI-Schlussfolgerung. Unternehmen, die KI und Automatisierung umfassend in der Sicherheit einsetzen, verzeichneten erhebliche Einsparungen gegenüber jenen, die dies nicht tun.

Weltweit brachte IBM den umfassenden Einsatz von Sicherheits-KI und Automatisierung mit durchschnittlichen Einsparungen von 1,9 Millionen USD in Verbindung. In Indien senkten diese Werkzeuge laut dem Unternehmen die Kosten von Sicherheitsverletzungen um mehr als die Hälfte.

Trotz dieses Vorteils berichteten 73 Prozent der Befragten in Indien von einer eingeschränkten oder fehlenden Nutzung von KI und Sicherheitsautomatisierung.

Dieselbe Technologiefamilie erscheint damit auf beiden Seiten der Gleichung einer Sicherheitsverletzung. Schwach gesteuerte Unternehmens-KI schafft zusätzliche Risiken, während gut gesteuerte Sicherheits-KI Verteidigern hilft, Angriffe zu erkennen und einzudämmen.

Sicherheits-KI kann Warnmeldungen korrelieren, ungewöhnliches Identitätsverhalten erkennen, offengelegte Daten finden und Vorfälle priorisieren. Sie kann die Zeit verringern, die Analysten für die Sortierung wiederkehrender Signale aufwenden.

Automatisierung kann zudem ein Gerät isolieren, einen Token widerrufen oder eine verdächtige Verbindung schneller blockieren, als ein menschliches Team diese Maßnahmen manuell koordinieren kann.

Defensive Automatisierung braucht jedoch Grenzen. Ein Erkennungssystem, das Konten deaktivieren oder Netzwerkrichtlinien ändern kann, birgt operative Risiken, wenn seine Entscheidung falsch ist.

Unternehmen sollten zwischen automatisierten Maßnahmen mit geringem Risiko und folgenreichen Änderungen unterscheiden, die eine Prüfung erfordern. Das Sammeln von Beweisen kann automatisiert erfolgen, während das Herunterfahren eines Produktionsdienstes möglicherweise menschliche Genehmigung benötigt.

Die Cloud Security Alliance stellte fest, dass 53 Prozent der befragten Organisationen Agenten bei Aufgaben mit geringem Risiko autonom arbeiten ließen, während bei risikoreicheren Maßnahmen eine menschliche Prüfung erfolgte. Weitere 24 Prozent nutzten für die meisten Aufgaben eine menschliche Prüfung.

Nur 13 Prozent berichteten von vollständig autonomen Modellen. Diese Ergebnisse legen nahe, dass die meisten Sicherheitsteams bereits erkennen, dass Autonomie von den Folgen einer Handlung abhängen sollte.

Die Herausforderung besteht darin, dieses Prinzip konsequent umzusetzen. Verschiedene Abteilungen können Agenten erstellen, ohne dieselben Risikokategorien, Protokollierungsregeln oder Genehmigungsanforderungen anzuwenden.

KI verschafft auch Angreifern Skalierung. Generative Systeme können Nachrichtenvarianten erzeugen, Betrugsversuche übersetzen, Social Engineering anpassen und gestohlene Dokumente schneller verarbeiten.

Thales stellte fest, dass fast 60 Prozent der befragten Unternehmen Deepfake-getriebene Angriffe erlebt hatten. Achtundvierzig Prozent berichteten von Reputationsschäden im Zusammenhang mit KI-generierter Desinformation oder Identitätsvortäuschung.

Deepfakes sind synthetische Audioaufnahmen, Videos oder Bilder, die eine reale Person nachahmen sollen. Ihr Nutzen für Angreifer ergibt sich häufig eher aus Identitätstäuschung als aus technischer Neuartigkeit.

Eine überzeugende Sprachnachricht kann einen Mitarbeitenden dazu drängen, Informationen weiterzugeben, Zugangsdaten zurückzusetzen oder einen üblichen Genehmigungsprozess zu umgehen. Der Angriff ist weiterhin auf schwache Verifizierung angewiesen.

KI-gesteuerte Bots schaffen ein weiteres Skalierungsproblem. Thales berichtete im April 2026, dass automatisierter Datenverkehr mehr als die Hälfte der Internetaktivität ausmachte, wobei 40 Prozent als bösartig eingestuft wurden.

Die Erkenntnisse zu schädlichen Bots des Unternehmens beschreiben APIs und Identitätssysteme als primäre Ziele. Bots können wiederholt Zugangsdaten testen oder Geschäftsabläufe missbrauchen, ohne eine herkömmliche Malware-Nutzlast einzusetzen.

Diese Erkenntnisse helfen zu erklären, warum ein einzelnes defensives Produkt die Lücke nicht schließen wird. Angreifer können Automatisierung mit bekannten Schwächen bei Identitäten, Lieferanten, Cloud-Konfigurationen und dem Verhalten von Mitarbeitenden kombinieren.

Der angemessene Vergleich lautet daher gesteuerte KI gegen ungesteuerte KI, nicht KI gegen keine KI.

Gesteuerte Verteidigungssysteme erhalten klar definierte Berechtigungen, überwachten Datenzugriff, getestete Reaktionsverfahren und eindeutig verantwortliche Eigentümer. Ungesteuerte Systeme wachsen aus Bequemlichkeit und bleiben schwer zu inventarisieren.

Sicherheitsteams müssen außerdem prüfen, ob KI die Erkennung tatsächlich verbessert, statt nur ein weiteres Dashboard hinzuzufügen. Ein Tool, das mehr Warnmeldungen erzeugt, ohne Entscheidungen zu verbessern, kann die Arbeitslast von Analysten erhöhen.

Herstellerfinanzierte Berichte geben einen weiteren Anlass zur Vorsicht. IBM verkauft Sicherheits- und Governance-Produkte, während Thales Technologien für Identitäts- und Datenschutz verkauft.

Ihre Daten können nützliche Muster aufzeigen, belegen jedoch nicht unabhängig, dass der Kauf einer bestimmten Plattform die berichteten Einsparungen erzielen wird.

Organisationen sollten Behauptungen anhand ihrer eigenen Vorfallhistorie überprüfen. Nützliche Kennzahlen umfassen die Zeit bis zur Erkennung, die Zeit bis zur Eindämmung, wiederkehrende Vorfallarten, das Alter von Zugangsdaten und den Anteil sensibler Daten, der durch Verschlüsselung abgedeckt ist.

Das Paradox hat eine praktische Antwort. Unternehmen sollten KI dort einsetzen, wo sie messbare Sicherheitsergebnisse verbessert, und zugleich jedem KI-System unnötigen und dauerhaften Zugriff verweigern.

Was die Rekordkosten nicht beweisen

Die Belege zeigen eine ernsthafte Governance-Lücke, doch sie belegen nicht, dass KI die unmittelbare Ursache für Indiens durchschnittliche Rekordkosten bei Sicherheitsverletzungen ist.

Die wichtigste Einschränkung betrifft die Zuordnung. IBM erklärte, dass KI-bezogene Sicherheitsverletzungen nur einen kleinen Teil der globalen Organisationen in der untersuchten Population ausmachten.

Der Bericht von 2025 untersuchte erstmals KI-Governance, KI-bezogene Sicherheitsvorfälle und Schatten-KI. Damit liefert er eine frühe Ausgangsbasis und keinen ausgereiften historischen Trend.

Die Schlagzeile kann daher den Zusammenhang zwischen KI-Angriffen und dem indischen Kostenrekord überzeichnen. Phishing, Kompromittierungen der Lieferkette und die Ausnutzung von Schwachstellen blieben die wichtigsten initialen Angriffsvektoren.

KI kann diese Angriffe verstärken, doch die veröffentlichten Daten für Indien quantifizieren nicht, wie viele Phishing-Vorfälle generative KI nutzten. Sie zeigen auch nicht, dass KI den gesamten Anstieg von 13 Prozent verursacht hat.

Durchschnittskosten schaffen eine weitere Einschränkung. Eine kleine Zahl sehr teurer Vorfälle kann einen Durchschnitt nach oben treiben, insbesondere in Sektoren mit hohen Auswirkungen.

Die Zahl sollte nicht als Vorhersage gelesen werden, dass jedes indische Unternehmen 220 Millionen INR verlieren wird. Sie ist ein Durchschnitt über die von IBM und Ponemon untersuchten Organisationen.

Auch Vergleiche zwischen Berichten erfordern Vorsicht. IBM, Thales und die Cloud Security Alliance verwendeten unterschiedliche Stichproben, Zeiträume, Fragen und Definitionen.

Ein KI-bezogener Vorfall in einer Umfrage kann einen nicht autorisierten Agenten einschließen. Ein anderer Bericht kann sich auf Datenverlust, Modellzugriff oder einen durch KI verstärkten Angriff konzentrieren.

Ihre Prozentwerte zu einem einheitlichen Bereitschaftswert zusammenzuführen, wäre irreführend. Die Berichte sind eher als Beleg für wiederkehrende Kontrollprobleme nützlich.

Zu diesen wiederkehrenden Problemen gehören unvollständige Inventare, schwache Zugriffskontrollen, nicht klassifizierte Daten, dauerhafte Zugangsdaten und begrenzte Überwachung.

Auch die Formulierung „eines von drei“ erfordert Präzision. IBM stellte fest, dass 37 Prozent der Organisationen in Indien über Zugriffskontrollen für KI verfügten. Das liegt nahe bei einem Drittel, doch Zugriffskontrollen sind kein vollständiges Maß für Cyberbereitschaft.

Ein Unternehmen kann ein Produkt zur Zugriffskontrolle besitzen und es dennoch schlecht konfigurieren. Eine andere Organisation kann keine dedizierte KI-Kontrollplattform haben und zugleich über bestehende Identitätssysteme wirksame Einschränkungen anwenden.

Bereitschaft umfasst Prävention, Erkennung, Eindämmung, Wiederherstellung, Kommunikation und regulatorische Reaktion. Kein einzelner Umfragewert erfasst alle sechs Bereiche.

Auch die Quellenkette verdient Prüfung. Google News aggregiert und ordnet Links von Publishern, validiert jedoch nicht unabhängig jede Statistik in einer Schlagzeile.

Leser sollten wesentliche Behauptungen bis zur zugrunde liegenden Studie zurückverfolgen. In diesem Fall stützt die primäre Veröffentlichung von IBM die Rekordzahl von 220 Millionen INR, die Zahl von 37 Prozent für Zugriffskontrollen und die Erkenntnis zu den Kosten von Schatten-KI.

Auch die Methodik des Unternehmens liefert Kontext. IBM erklärt, dass seine Forschung zu den Kosten von Datenverletzungen über 20 Jahre hinweg fast 6.500 Sicherheitsverletzungen untersucht hat.

Diese lange Historie verleiht der Studie Wert, doch jährliche Stichproben sind keine Vollerhebung aller öffentlich bekannten Vorfälle. Organisationen, die zur Teilnahme bereit sind, können sich von jenen unterscheiden, die dies nicht sind.

Herstellerforschung kann zudem Probleme hervorheben, die zu den Produkten des Anbieters passen. Das macht die Ergebnisse nicht falsch, aber unabhängige Messungen umso wichtiger.

Regulierungsdaten, Versicherungsansprüche, Unternehmensoffenlegungen und Aufzeichnungen aus der Reaktion auf Sicherheitsvorfälle könnten zusätzliche Kontrollmöglichkeiten bieten. Die öffentliche Berichterstattung in Indien bleibt uneinheitlich, was Vergleiche einschränkt.

Indiens sich wandelnder Datenschutzrahmen wird die Menge strukturierter Informationen über Sicherheitsverletzungen letztlich verbessern. Die Digital Personal Data Protection Rules wurden im November 2025 mit einem gestaffelten Durchsetzungszeitplan bekannt gegeben.

Die DPDP rules enthalten Anforderungen zu Sicherheitsvorkehrungen und der Meldung von Sicherheitsverletzungen. Viele wesentliche Bestimmungen haben verzögerte Inkrafttretungstermine.

Organisationen sollten die Veröffentlichung nicht mit der sofortigen Durchsetzung jeder Verpflichtung verwechseln. Sie müssen jede Anforderung ihrem jeweiligen Startdatum zuordnen.

Die Skepsis hebt die zentrale Warnung nicht auf. Sie präzisiert sie.

Indiens durchschnittliche Rekordkosten bei Sicherheitsverletzungen sind innerhalb der IBM-Studie real. Auch die KI-Governance-Lücke ist dokumentiert. Unklar bleibt, welcher genaue Anteil des finanziellen Schadens unmittelbar durch KI-gestützte Angriffe verursacht wurde.

Drei Signale werden zeigen, ob Indien die Lücke schließt

Der nächste Test besteht darin, ob Unternehmen ihre Besorgnis in messbare Kontrolle über Identitäten, Daten und die Reaktion auf Sicherheitsvorfälle umsetzen.

Das erste Signal ist die Abdeckung von Zugriffskontrollen für KI-Anwendungen und Agenten. Die Zahl von 37 Prozent von IBM bietet eine klare Ausgangsbasis für indische Organisationen.

Die Zahl sollte steigen, wenn Unternehmen ihre KI-Systeme inventarisieren und mit zentralisierten Identitätskontrollen verbinden. Der Fortschritt sollte menschliche Nutzer, Dienstkonten, Plugins, Modelle und autonome Agenten einschließen.

Eine stärkere Zahl würde die Ansicht stützen, dass Organisationen die Lücke zwischen Einführung und Governance schließen. Eine stagnierende Zahl würde darauf hindeuten, dass neue KI-Bereitstellungen die Sicherheitsarbeit weiterhin überholen.

Unternehmen sollten mehr messen als nur das Vorhandensein einer Kontrolle. Sie sollten verfolgen, wie viele KI-Identitäten benannte Verantwortliche, begrenzte Berechtigungen, ein Ablaufdatum für Zugangsdaten und kontinuierliche Überwachung haben.

Sie sollten auch überprüfen, ob inaktive Agenten entfernt werden. Unbekannte oder aufgegebene Agenten können den Zugriff lange bewahren, nachdem ihr Geschäftszweck verschwunden ist.

Das zweite Signal ist die Beziehung zwischen dem Lebenszyklus einer Sicherheitsverletzung und ihren finanziellen Auswirkungen. Indien verkürzte seinen durchschnittlichen Lebenszyklus auf 263 Tage, doch die Durchschnittskosten stiegen weiterhin.

Eine weitere Verkürzung wäre nur dann ermutigend, wenn auch Kosten und operative Störungen zu sinken beginnen. Eine schnellere Entdeckung, die erst erfolgt, nachdem Angreifer kritische Systeme erreicht haben, kann nur begrenzte Einsparungen bringen.

Organisationen sollten die Zeit bis zur Erkennung von der Zeit bis zur Eindämmung trennen. Zudem sollten sie Wiederherstellung, Kundenbenachrichtigungen, rechtliche Arbeit und entgangene Geschäfte erfassen.

Diese Kennzahlen zeigen, wo sich die Kosten weiter summieren. Ein Unternehmen kann einen Vorfall zwar schnell erkennen, aber dennoch Monate damit verbringen, Systeme wiederherzustellen oder die Datenintegrität zu überprüfen.

Regelmäßige Simulationen können solche Verzögerungen aufdecken, bevor es zu einer tatsächlichen Datenschutzverletzung kommt. An der Übung sollten Führungskräfte, technische Einsatzteams, Rechtsabteilungen, Kommunikationsverantwortliche und betroffene Geschäftsbereiche beteiligt sein.

Ein Reaktionsplan, der abgelegt, aber nie geprobt wurde, ist kaum ein Beleg für Einsatzbereitschaft. Teams müssen wissen, wer Zugangsdaten widerrufen, Systeme isolieren, Aufsichtsbehörden kontaktieren und mit Kunden kommunizieren kann.

Das dritte Signal ist die Umsetzung der indischen Datenschutzanforderungen. Der DPDP-Rahmen verlagert den Umgang mit Datenschutzverletzungen von einer technischen Frage hin zu einer umfassenderen Rechenschaftspflicht.

Organisationen müssen den bekannt gegebenen Zeitplan für das Inkrafttreten sorgfältig beachten. Während der Übergangsphase sollten sie die Schutzvorkehrungen, Aufzeichnungen und Benachrichtigungsprozesse schaffen, die für eine spätere Durchsetzung erforderlich sind.

Der stärkste Indikator wird der operative Nachweis sein. Unternehmen sollten in der Lage sein, betroffene Daten zu identifizieren, festzustellen, wer sie erhalten hat, Eindämmungsmaßnahmen zu dokumentieren und die erforderlichen Parteien zu benachrichtigen.

Das hängt von Datenerkennung und -klassifizierung ab, bevor ein Vorfall beginnt. Ein Unternehmen kann keine verlässliche Bewertung einer Datenschutzverletzung liefern, wenn es seine Informationen nie erfasst hat.

Diese regulatorischen Vorbereitungen sollten sich auch auf Anbieter erstrecken. Kompromittierungen der Lieferkette machten in den Indien-Ergebnissen von IBM 17 Prozent der ursprünglichen Angriffsvektoren aus.

Ein Unternehmen kann seine eigenen Systeme absichern, während ein Dienstleister übermäßige Zugriffsrechte behält oder über schwache Vorfallprozesse verfügt. Verträge sollten Sicherheitsverantwortlichkeiten, Benachrichtigungspflichten und Anforderungen an Nachweise festlegen.

Der breitere Ausblick bleibt gemischt. Angreifer verfügen inzwischen über günstigere Automatisierung, überzeugendere Werkzeuge zur Identitätsvortäuschung und eine wachsende Zahl maschineller Identitäten als Ziele.

Verteidiger verfügen ebenfalls über bessere Erkennung, schnellere Analyse und stärker automatisierte Eindämmung. Entscheidend ist, ob Organisationen diese Fähigkeiten mit durchsetzbarer Governance einsetzen.

Der Rekorddurchschnitt von 220 Millionen INR wird weniger bedeutsam sein, wenn er einen Höchststand statt den Beginn eines Trends markiert. Dieses Ergebnis erfordert, dass Unternehmen sowohl die Häufigkeit von Datenschutzverletzungen als auch den möglichen Schaden nach einem erfolgten Zugriff verringern.

Für Unternehmensverantwortliche ist die unmittelbare Frage konkret: Kann die Organisation heute jedes KI-System auflisten, das auf sensible Daten zugreifen kann?

Wenn die Antwort eine lange Untersuchung erfordert, bleibt die Bereitschaftslücke bestehen. Wenn das Inventar aktuell ist, Berechtigungen begrenzt sind und Reaktionspläne getestet wurden, hat sich das Unternehmen von einer Google-News-Warnung hin zu belastbarer Kontrolle entwickelt.