Shadow-AI-Governance: So unterbinden Sie nicht autorisierte Copilot-Pilotprojekte

Von Mirko Peters · 2026-10-23

Erfahren Sie, wie Sie nicht autorisierte Copilot-Pilotprojekte unterbinden, Shadow-AI-Risiken erkennen, Unternehmensdaten absichern und Low-Code-Agenten wirksam steuern.

Automatisch mit KI aus dem Originalbeitrag übersetzt. Englisches Original lesen

Shadow AI entsteht, wenn Mitarbeitende Copilots, Low-Code-Agenten und automatisierte Workflows ohne Aufsicht der IT einsetzen. Dieser Leitfaden zeigt, wie Sie nicht autorisierte KI-Experimente mit Microsoft 365 erkennen, Ihre Cloud-Grenzen absichern und einen strukturierten Aufnahmeprozess einführen. So verhindern Sie, dass nicht verwaltete KI-Werkzeuge in Ihrem Unternehmen zu erheblichen Datenabflüssen und betrieblichen Schwachstellen führen.

Das Wichtigste in Kürze

• Shadow AI wächst schnell, wenn ausgelastete Mitarbeitende alltägliche Produktivitätsprobleme lösen wollen, ohne auf eine formelle IT-Genehmigung zu warten.
• Nicht verwaltete Copilot-Pilotprojekte und eigene Agenten sind häufig ohne geeignete Grenzen mit sensiblen SharePoint-Beständen, Outlook-Verläufen und externen Datenquellen verbunden.
• Wechselt der Mitarbeitende, der ein Shadow-AI-Werkzeug entwickelt hat, die Rolle, bleiben Ihrem Unternehmen verwaiste Anwendungen, unbekannte Berechtigungen und erhebliche Sicherheitslücken.
• Ein Aufnahmeprozess über ein KI-Kompetenzzentrum (AI Center of Excellence, CoE) bietet einen schnellen Weg für risikoarme Ideen und unterzieht wirkungsvolle Agenten zugleich einer gründlichen Sicherheitsprüfung.
• Wenn Sie bestehende KI-Lösungen erfassen und inventarisieren, werden unklare Sicherheitsbedenken zu handhabbaren, gut gesteuerten digitalen Werten.

Der Aufstieg von Shadow AI im modernen Unternehmen

Werkzeuge mit künstlicher Intelligenz wie Microsoft 365 Copilot, Power-Platform-Agenten und Azure-AI-Apps breiten sich in Unternehmen schneller aus, als klassische IT-Teams sie erfassen können. Die Unternehmensführung will Produktivitätsgewinne realisieren, doch der Zeitdruck umgeht häufig wichtige Governance-Leitplanken. Ein Marketingteam nutzt einen Copilot, um Kampagnenbriefings zu entwerfen, die Finanzabteilung baut ein Tool zur Auswertung von Budgettabellen, und die Personalabteilung testet einen automatisierten Richtlinienassistenten. Jede Abteilung hat eine berechtigte geschäftliche Begründung, um wiederkehrende manuelle Aufgaben abzuschaffen.

Diese dezentrale Experimentierfreude schafft jedoch eine verborgene betriebliche Gefahr. Wenn zehn Geschäftseinheiten unabhängig voneinander KI-Agenten bereitstellen, verliert das Unternehmen den Überblick darüber, auf welche Daten diese Werkzeuge zugreifen können, wer für ihre Ergebnisse verantwortlich ist und welche Kosten sie tatsächlich verursachen. Dieses Phänomen wird als Shadow AI bezeichnet. Es ist selten böswillig. Meist treiben motivierte Mitarbeitende es an, die unmittelbar anstehende Herausforderung zu lösen, bevor die nächste Frist ansteht. Ohne ein strukturiertes Betriebsmodell entwickeln sich diese gut gemeinten Pilotprojekte schnell zu unbetreuten, unsicheren technischen Schulden.

Warum informelle KI-Lösungen scheitern

Das Kernproblem der informellen KI-Nutzung liegt nicht in der Technologie selbst, sondern im Fehlen eines tragfähigen Betriebsmodells. Ein typisches Szenario: Eine Mitarbeiterin im Kundenservice baut einen anspruchsvollen Low-Code-Agenten, der Kollegen dabei hilft, Kundenupdates zu formulieren. Der Agent greift auf SharePoint für Produktdokumentation, auf Outlook für frühere Kommunikation und auf eine Backend-Datenbank für Falldetails zu. Monatelang nutzt das Team dieses Werkzeug täglich. Dann wechselt die Erstellerin in eine andere Abteilung oder verlässt das Unternehmen.

Plötzlich weiß niemand mehr, ob der Agent noch läuft, auf welche Berechtigungen er sich stützt oder wer künftige Änderungen genehmigen sollte. Wenn Dokumentbibliotheken aktualisiert oder Systemberechtigungen verschoben werden, verändert sich das Verhalten des Agenten unvorhersehbar. Da kein Team den Lebenszyklus dieser Lösung verantwortet, entstehen für das Unternehmen unbemerkte Compliance-Risiken, doppelte Entwicklungsarbeit und mögliche Datenabflüsse. Sicherheitsteams erfahren oft erst von diesen Agenten, wenn ein Vorfall eintritt oder ein sensibles externes System unerwartet eine Authentifizierung verlangt.

Nicht verwaltete KI-Pilotprojekte identifizieren und inventarisieren

Eine KI-Lösung, die Sie nicht sehen, können Sie nicht absichern. Der erste Schritt, um Shadow AI unter Kontrolle zu bringen, ist eine umfassende Erkennungsphase, in der Sie jeden Copilot, Agenten, Power Automate-Flow und jede individuelle Azure AI-Anwendung erfassen, die aktuell in Ihrem Mandanten betrieben wird. Dieses Inventar darf sich nicht auf eine einfache Softwareliste beschränken. Für jedes gefundene Tool müssen bestimmte betriebliche Merkmale dokumentiert werden.

Ihre IT- und Sicherheitsteams sollten für jede KI-Lösung die primäre Datenquelle, den benannten Fachverantwortlichen, die vorgesehene Nutzergruppe und die genauen Fähigkeiten des Tools festhalten. Konkret geht es darum, ob das Tool nur Fragen beantwortet oder befugt ist, automatisierte Aktionen auszulösen. Die Erkennung zeigt meist drei Kategorien von Tools: offiziell genehmigte Pilotprojekte, nützliche Workarounds aus den Fachbereichen, von denen die IT nichts wusste, und veraltete Experimente ohne klare Verantwortung. Sobald dieses Inventar steht, verschiebt sich die Diskussion im Unternehmen von diffusen Sorgen rund um künstliche Intelligenz hin zur Steuerung realer betrieblicher Werte.

KI-Risiken und Auswirkungen bewerten

Nicht alle KI-Anwendungsfälle bergen dasselbe Risiko. Ein interner Assistent, der Besprechungsnotizen ohne sensible Inhalte zusammenfasst, erfordert einen völlig anderen Prüfmaßstab als ein automatisierter Agent, der Bewerbungen vorsortiert oder Finanzdaten aktualisiert. Damit es nicht zu Engpässen kommt, sollte Ihr Unternehmen KI-Ideen anhand von Geschäftsergebnissen, Datensensibilität, Nutzerzahl und möglichen Fehlerszenarien priorisieren. Anwendungen mit geringem Risiko können einen schlanken Erkennungspfad durchlaufen. Hochriskante Agenten, die mit regulierten Systemen interagieren, benötigen dagegen vor der Freigabe eine gründliche Bewertung über mehrere Abteilungen hinweg.

Ein ausgewogenes Governance-Modell etablieren

Governance wird häufig als Mechanismus missverstanden, der Innovation mit bürokratischen Hürden ausbremst. In einer ausgereiften Cloud-Umgebung tut effektive Governance jedoch genau das Gegenteil: Sie schafft klare Grenzen, die Mitarbeitende befähigen, sicher zu bauen, ohne raten zu müssen, was erlaubt ist. Mit einem schlanken Erfassungsformular können Unternehmen die wesentlichen architektonischen Details erfassen, ohne 40-seitige Projektanträge zu verlangen.

Dieser Erfassungsprozess sollte grundlegende Fragen beantworten: Welches konkrete Problem lösen wir? Wer ist die Zielgruppe? Welche Daten verarbeitet das System? Kann es schreibende Aktionen oder externe API-Aufrufe ausführen? Am wichtigsten ist: Jede KI-Lösung braucht einen benannten Fachverantwortlichen. Ein technischer Entwickler mag den Agenten bauen, doch der Fachverantwortliche übernimmt die volle Verantwortung dafür, dass das Tool das richtige Problem löst und Nutzende es angemessen einsetzen. Wenn niemand das geschäftliche Ergebnis verantwortet, spürt auch niemand die operativen Folgen, sobald das Tool keinen Nutzen mehr stiftet oder sich in gefährliches Verhalten entwickelt.

Daten, Identitäten und KI-Aktionen absichern

Sicherheitsteams müssen autonome KI-Agenten und Copilots mit derselben Sorgfalt behandeln wie Benutzerkonten von Beschäftigten. Jeder Agent benötigt eine eindeutig bekannte Identität, die strikte Einhaltung des Least-Privilege-Prinzips und einen Zugriff, der ausschließlich auf die Daten beschränkt ist, die für seine konkrete Aufgabe erforderlich sind. Ein Agent, der Kundenservice-Tickets zusammenfasst, hat keinen betrieblichen Bedarf an Schreibrechten für zentrale Finanzdaten oder an breitem Zugriff auf unverbundene SharePoint-Bereiche Ihres Unternehmens.

Darüber hinaus müssen Organisationen bereits bestehende Überfreigaben von Daten beheben, bevor sie leistungsstarke KI-Tools einführen. Microsoft 365 Copilot stützt sich auf vorhandene Berechtigungsmodelle und ruft nur Inhalte ab, auf die der angemeldete Benutzer bereits zugreifen darf. Wenn ein umfangreicher interner SharePoint-Ordner jahrelang für das gesamte Unternehmen offen war, weil niemand seine Berechtigungen geprüft hat, findet die KI diese Inhalte und zeigt sie deutlich schneller an, als es ein Mensch je könnte. KI erzeugt diese Schwachstellen durch Überfreigaben nicht; sie macht lange bestehende Berechtigungslücken lediglich sichtbar und unübersehbar.

Fazit: Die Kontrolle über Ihre KI-Reise übernehmen

Unkontrollierte Schatten-KI ist eine tickende Zeitbombe für die Sicherheit und den Datenschutz im Unternehmen. Strikte Verbote treiben Innovation jedoch nur weiter in den Untergrund. Wer ein reaktionsschnelles Center of Excellence aufbaut, lückenlose KI-Inventare pflegt und Datenberechtigungen konsequent durchsetzt, kann die transformative Kraft moderner Cloud-Technologie nutzen, ohne die Kontrolle aufzugeben. Um zu erfahren, wie strukturierte Betriebsmodelle und bereichsübergreifende Aufsicht Ihre Unternehmens-Cloud-Architektur schützen können, hören Sie sich die vollständige Episode des Podcasts an. Dort erhalten Sie tiefere Einblicke in den Aufbau des ersten KI-Center-of-Excellence Ihrer Organisation.

Häufige Fragen

Was ist Schatten-KI im Unternehmen?

Schatten-KI bezeichnet den nicht genehmigten oder nicht erfassten Einsatz von künstlicher Intelligenz, Copilots und Low-Code-Agenten durch Mitarbeitende oder Abteilungen, ohne dass IT- und Sicherheitsteams davon wissen oder dies überwachen.

Wie führt Copilot zu Risiken durch Überfreigaben?

Microsoft 365 Copilot respektiert die bestehenden Benutzerberechtigungen. Seine schnelle Such- und Zusammenfassungsfunktion macht jedoch schlecht gesicherte, veraltete SharePoint-Berechtigungen und überfreigegebene Dateien für alltägliche Benutzer schnell sichtbar.

Warum muss jeder KI-Agent einen benannten Fachverantwortlichen haben?

Ein benannter Fachverantwortlicher sorgt für Verantwortlichkeit. Er trägt die Verantwortung dafür, dass das KI-Tool das vorgesehene geschäftliche Problem korrekt löst, und dafür, dass Benutzer die automatisierten Aktionen dauerhaft angemessen überwachen.

Worin unterscheiden sich risikoarme und risikoreiche KI-Workflows?

Risikoarme Workflows umfassen typischerweise das Entwerfen, Brainstorming oder Zusammenfassen nicht sensibler Informationen mit verpflichtender menschlicher Prüfung. Risikoreiche Workflows umfassen dagegen autonome Aktionen, regulierte Daten, Personalentscheidungen oder direkte Integrationen in zentrale Finanzsysteme.