Sie implementieren Co-Pilot und warten auf den Einbruch der Produktivitätswelle. Doch statt eines Durchbruchs verzeichnen sie einen Anstieg der Data Loss Prevention Ereignisse um 300%. Wir gehen davon aus, dass die KI unsere Genialität entdecken würde. In Wirklichkeit findet sie jedoch hauptsächlich unsere Berechtigungsmängel. Die Gruppe jeder in ihrer SharePoint-Umgebung stellt derzeit die größte Sicherheitslücke in ihrem Unternehmen dar. Sie wirkt wie eine offene Tür, die niemand schließen wollte, da die Daten tief im Keller vergraben waren. Nun handelt es sich bei diesen Daten um Dialogdaten. Ihre aktuelle Strategie zur Kennzeichnung der Vertraulichkeit ist kein Schutzschild. Sie ist ein Datenfriedhof der Informationen vor den Personen verbirgt, die sie tatsächlich benötigt. Gleichzeitig unternimmt sie nichts, um die KI davon abzuhalten, die falschen Informationen an die falschen Personen weiterzugeben.

Dies ist die Krise der kollaborativen KI-Silos. Heute bewegen wir uns von der Eindämmung zum Kontext und wir werden ihre KI-Investition retten, indem wir die strukturelle Lüge im Kern ihres Data Governance Modells beheben. Das Vererbungsparadox. Der grundlegende Fehler bei den meisten KI-Einführungen ist ein Missverständnis darüber, wie die Maschine denkt. Und auch wenn Sie vielleicht annehmen, dass Co-Pilot Entscheidungen darüber trifft, wer was sieht, ist dies in Wirklichkeit nicht der Fall. Co-Pilot ist ein Spiegel, der ihre bestehende organisatorische Entropie erbt, sodass er keine neuen Zugriffsmöglichkeiten schafft. Er operationalisiert lediglich die Zugriffsmöglichkeiten, die Sie bereits vor Jahren aufgegeben haben. Stellen Sie sich das als den Spotlight-Effekt vor. Vor der Einführung von KI war Oversharing latent, wie ein unordentlicher Aktenschrank im Keller, den niemand besuchte, den niemand besuchte.

KI hingegen macht dieses latente Oversharing mit Maschinengeschwindigkeit sichtbar. Wenn ein Junior-Analyst nach einer Zusammenfassung der jüngsten Strategieänderungen fragt und ihr M&A-Ordner auf intern gesetzt ist, fasst die KI die Fusion zusammen, die sie noch nicht angekündigt haben. Das ist keine Sicherheitslücke, sondern Feature ihrer eigenen Architektur. Die Realität ist, dass die Abdeckung durch manuelle Kennzeichnungen einem durchschnittlichen Unternehmen selten mehr als 10% beträgt, weil wir den Benutzern ein Jahrzehnt lang gesagt haben, dass sie ihre Dateien kennzeichnen sollen und sie haben das schlichtweg nicht getan. Wir haben uns bei Vertraulichkeitstags auf eine Einstellen- und Vergessen-Mentalität verlassen und sind davon ausgegangen, dass eine Datei, sobald sie jetzt öffentlich markiert wurde, für immer so bleibt. Daten sind jedoch fließend. Das bedeutet, dass ein Dokument, das gestern noch öffentlich war, heute möglicherweise eine sensible Antwort auf eine Eingabeaufforderung enthält.

Wenn wir uns auf statische Bezeichnungen verlassen, schaffen wir unsichtbare Barrieren für abteilungsübergreifende Informationen. Eine streng vertrauliche Bezeichnung auf einen Projektplan könnte beispielsweise verhindern, dass das Marketing-Team einen Starttermin sieht, den es für seine Arbeit tatsächlich benötigt. Dadurch entsteht ein Silo und diese Silos sind der Grund, warum sich ihre KI weniger wie ein Assistent und mehr wie ein eingeschränkter Bibliotheker anfühlt. Wir haben ein System aufgebaut, das auf der Annahme basiert, dass wir die Welt einmal klassifizieren und dann damit fertig sind. In einer kollaborativen Umgebung funktioniert dieses Modell wieder. Wenn die Bezeichnungen fehlen, sieht die KI zu viel. Wenn die Bezeichnungen vorhanden sind, sind sie oft zu starr, sodass die KI die Punkte zwischen den Abteilungen nicht mehr miteinander verbinden kann. Derzeit beobachten wir eine enorme Lücke zwischen den Erwartungen der Führungsebene an die KI und dem, was die Datenarchitektur zulässt.

Sie können keinen leistungsstarken KI-Agenten einsetzen, wenn ihre Daten in Ordner-Hierarchien im Stil der 1990er Jahre eingeschlossen sind. Das Vererbungsparadoxon bedeutet, dass die KI nur so sicher ist wie der schlimmste Fehler ihres SharePoint-Administrators. Aus dem Jahr 2014. Wir müssen zugeben, dass der aktuelle Ansatz zur Klassifizierung versagt, da er statisch und manuell ist und Daten als Objekte behandelt, die weggeschlossen werden müssen und nicht als nutzbare Ressource. Die meisten Unternehmen befinden sich derzeit in einer Pilotphase, da sie nach sechs Wochen festgestellt haben, dass ihre Berechtigungen ein Chaos sind. Sie versuchen das Problem durch das Hinzufügen weiterer Bezeichnungen zu beheben, aber das Hinzufügen weiterer Bezeichnungen zu einem kaputten System führt nur zu weiteren Systemen, führt nur zu weiteren Silos und löst nicht das zugrunde liegende Problem der Transparenz.

Bei dem Wandel, den wir brauchen, geht es nicht um bessere Schlagwörter, sondern um ein besseres Modell. Wir haben uns auf das, was konzentriert, also die Datei selbst, aber wir müssen anfangen, uns auf das Wer, das Wo und das Warum zu konzentrieren. Das Problem besteht nicht nur daran, dass Bezeichnungen fehlen, sondern auch daran, dass die vorhandenen statisch sind und nicht der Realität der heutigen Arbeitsabläufe Rechnung tragen. Die Arbeit ist dynamisch, daher muss auch unsere Sicherheit dynamisch sein. Wenn wir das nicht beheben, wird die KI weiterhin halluzinieren, weil sie die falschen Daten betrachtet oder schlimmer noch, sie wird die Wahrheit über Daten sein, die hätten verborgen bleiben sollen. Um die Nacharbeitsschleife zu schließen, müssen wir uns das zugrunde liegende Modell ansehen, wie wir Zugriff gewähren. Die hohen Kosten der Nacharbeit. Wir sprechen über die Produktivitätssteigerung durch KI, als wären sie eine Bruttozahl, und wir sehen die neun Stunden, die pro Monat eingespart werden, und gehen davon aus, dass die Arbeit erledigt ist.

Aber die Realität ist viel komplizierter, denn derzeit gehen etwa 40 Prozent der Zeit, die ihre Mitarbeiter durch den Einsatz von KI sparen, sofort verloren, um zu beheben, was die KI falsch gemacht hat. Das ist die versteckte Reibung des Silos. Wenn Co-Pilot keinen Zugriff auf die guten Daten, den endgültigen Vertrag, das tatsächliche Budget oder den verifizierten Projektplan hat, hört es nicht auf. Es rät. Es betrachtet die dunklen Daten, die es sehen kann, wie einen alten Entwurf aus einem freigegebenen Ordner oder eine spekulative Chatnachricht und erstellt darauf basierend eine Antwort. Das Ergebnis ist eine Nacharbeitsschleife, die ihren Arrow-E still und heimlich aufzerrt. Wir können diese digitale Schuld tatsächlich quantifizieren. Für ihre Top-Performer, die Power-User, die diese Tools am häufigsten nutzen, verursacht diese Nacharbeit etwa 1,5 Wochen verlorene Zeit pro Jahr. Denken Sie mal darüber nach.

Sie zahlen für eine Premium-Lizenz, um Zeit zu sparen, aber da ihre Daten in Silos gespeichert sind, verbringen ihre besten Mitarbeiter fast zwei volle Arbeitswochen, damit maschinell generierte Fehler zu prüfen. Sie fungieren im Wesentlichen als hochbezahlte Korrekturleser für ein System, das eigentlich ihr Co-Pilot sein soll. Dies geschieht, weil eine starre Klassifizierung ein Vakuum erzeugt. Wenn die KI durch eine veraltete Vertraulichkeitskennzeichnung vom Datensatzsystem ausgeschlossen wird, füllt sie dieses Vakuum mit einem beliebigen geeigneten System, das sie finden kann. In Abteilungen wie Finanzen und Personalwesen führt dies zu Ergebnissen, die mit Sicherheit falsch sind. Ein Finanzmanager könnte um eine Zusammenfassung der Quartalsausgaben bitten. Wenn der eigentliche ERP-Export gesperrt ist, sich aber ein unordentlicher, nicht klassifizierter Arbeitsentwurf in einem öffentlichen Teamskanal befindet, fasst die KI den Entwurf zusammen.

Der Manager verbringt dann 20 Minuten damit, die Diskrepanzen zu finden. Das ist die Reibung zwischen Bruttoeffizienz und Nettowert. Wenn Sie zwei Minuten brauchen, um einen Bericht zu erstellen, aber 20 Minuten, um die Zahlen zu überprüfen, weil die KI die Quelle der Wahrheit nicht erkennen konnte, haben Sie eigentlich nichts gewonnen. Sie haben lediglich die Arbeit von der Erstellung zur Korrekturverlage. Diese Nacharbeit ist nicht nur lästig, sondern ein Symptom für ein strukturelles Versagen. Wir haben Jahre damit verbracht, Datensilos aufzubauen, um Informationen zu schützen, aber im Zeitalter der generativen KI fungieren diese Silos als Augenbinden. Wenn die KI die Augen verbunden hat, halluziniert sie. Sie versucht, den Benutzer zufriedenzustellen, indem sie Punkte verbindet, die nicht verbunden werden. Wir sehen Unternehmen, in denen die Nacharbeitsrate so hoch ist, dass Mitarbeiter beginnen, das Vertrauen in das Tool zu verlieren.

Sie fragen die KI nicht mehr nach komplexen Analysen und verwenden sie nur noch für das Verfassen einfacher E-Mails. Wenn das passiert, ist Ihre KI-Strategie gescheitert. Sie bezahlen für einen Motor, nutzen aber nur die Scheinwerbe. Um diese Überarbeitungsschleife zu durchbrechen, müssen wir aufhören, auf die KI zu schauen und steht jetzt nicht rund lang an. Die guten Daten sind vorhanden, die brillanten Erkenntnisse sind da, aber sie sind hinter einer Mauer aus veralteten Berechtigungen und statischen Bezeichnungen gefangen, die für eine Welt entwickelt wurden, in der Menschen die gesamte Suche übernommen haben. Wir müssen uns in Richtung eines Modells bewegen, bei dem die KI genau dann sehen kann, was sie sehen muss, ohne die Sicherheit zu gefährden. Wir müssen uns das zugrunde liegende Modell ansehen, wie wir Zugriff gewähren. Denn solange die KI mit einem Teilkontext arbeitet, werden sie Überstunden machen müssen, um die Ergebnisse zu beheben.

Das sind Kosten, die sich kein Unternehmen leisten kann. Von der Eindämmung bis zum Kontext. Wir müssen aufhören, Sicherheit als Mauer zu betrachten. Jahrzehntelang verließ sich die Branche auf ein Modell mit abgesicherten Perimetern. Man war entweder innerhalb des Netzwerks oder außerhalb, aber diese Welt ist vorbei. Heute ist der Perimeter durchlässig. Die Menschen arbeiten von zu Hause aus, sie verwenden nicht verwaltete Geräte und sie arbeiten mit externen Anbietern zusammen. In dieser Umgebung ist das alte Modell der Eindämmung, bei dem man Daten in einem Ordner sperrt und davon ausgeht, dass diese sicher sind, weil der Ordner privat ist, eine gefährliche Illusion. Es ist gefährlich, weil es davon ausgeht, dass die Bedrohungen nur von außen kommen. Die eigentliche Bedrohung im Zeitalter von Co-Pilot ist jedoch die schleichende interne Berechtigungszunahme, die sich über Jahre angesammelt hat.

Wir müssen von einer Strategie der Eindämmung zu einer Strategie des Kontextes übergehen. Das alte Modell war auf Struktur ausgelegt. Es ging davon aus, dass die Vertraulichkeit einer Datei ein festes Attribut ist. Man kennzeichnete das Dokument als vertraulich und das war's. Aber in einer kollaborativen KI-Umgebung ist diese Kennzeichnung zu pauschalen. Sie sagt uns nicht genug. Sie berücksichtigt nicht, wer die Anfrage stellt, welches Gerät die Person verwendet oder wo sie sich befindet. Aus diesem Grund erleben wir einen massiven Wandel in Richtung Zugriffskontrolle oder DRC. Das ist nicht nur eine technische Verbesserung, sondern philosophischer Wandel. Der Entscheidungsprozess wird vom Moment der Dateierstellung auf die Millisekunde verlagert, in der die Daten angefordert werden. Das ist der Unterschied zwischen einer statischen Sperre und einem intelligenten Sinne. Bis 2026 schreibt die Branche eine Umstellung auf eine attributbasierte Zugriffskontrolle oder ABRC vor.

Dies ist die Grundlage der modernen Identitätsstruktur. Anstatt sich auf eine einzelne statische Bezeichnung zu verlassen, wertet ABRC in Echtzeit ein Dutzend verschiedener Risikosignale aus. Dabei wird nicht nur die Rolle des Benutzers berücksichtigt, sondern auch der Zustand seines Laptops. Es wird sein physischer Standort berücksichtigt. Sogar sein Verhalten wird berücksichtigt. Wenn ein Benutzer, der normalerweise nur auf Marketingdateien zugreift, Co-Pilot plötzlich auffordert, die gesamte Gehaltsabrechnungsdatenbank eines Cafés in einem anderen Land zusammenzufassen, sollte das System nicht nur auf die Vertraulichkeitsbezeichnung achten. Es sollte den Kontext berücksichtigen und Nein sagen. Auf diese Weise gelangen wir von der Frage, ist diese Datei gekennzeichnet? Zur Frage darf dieser Benutzer diese Daten jetzt sehen. Es handelt sich um eine subtile Änderung mit enormen Zufluchungen.

Sie ermöglicht es uns, bei geringem Risiko toleranter zu sein und bei hohem Risiko restriktiver. Sie sprengt die Silos, da sie einen Just-in-Time-Zugriff ermöglicht. Wenn das Marketingteam beispielsweise Einblick in das streng vertrauliche Startdatum benötigt, kann das System dem Team temporären Lesezugriff gewähren, der sich an den aktuellen Projektkontext anpasst, ohne die Sicherheit der Datei dauerhaft zu beeinträchtigen. Nur so lässt sich die abteilungsübergreifende Intelligenz ermöglichen, die KI verspricht, ohne dass der Mandant zu einem Datenschleudersitz wird. Der ROI dieser dynamischen Systeme zeichnet sich bereits ab. Unternehmen, die von statischen Kennzeichnungen auf ein kontextbezogenes Modell umsteigen, können ihre Cyberversicherungsprämien um 15 bis 30 Prozent senken. Warum? Weil Versicherer wissen, dass statische Kennzeichnungen leicht zu umgehen oder zu ignorieren sind. Dynamische Systeme hingegen sind viel schwieriger auszunutzen.

Sie bieten ein Maß an kontinuierlicher Überprüfung, mit dem statische Modelle einfach nicht mithalten können. Sie reduzieren den Schadensradius eines kompromittierten Kontos, da der Angreifer nicht einfach jahrelange schlampige Berechtigungen erben kann. Jede Anfrage ist eine neue Bewertung. Jede Interaktion ist eine neue Gelegenheit, das Vertrauen zu überprüfen. Dies ist nicht nur eine theoretische Umstellung für IT-Architekten. Dies ist eine Überlebensvoraussetzung für die nächste Welle der agentenbasierten KI. Auf dem Weg zu Agenten, die in unserem Auftrag Maßnahmen ergreifen, Besprechungen planen, Geld überweisen oder Datensätze aktualisieren können, können wir uns nicht auf ein Sicherheitsmodell verlassen, das einfach eingerichtet und dann vergessen werden kann, das dann vergessen werden kann. Wir benötigen ein System, das die Absicht hinter der Aktion versteht. Wir benötigen eine Sicherheit, die so intelligent ist wie die KI, die sie schützt.

Dies führt uns zur technischen Roadmap. Denn während sich die Philosophie ändert, halten die Tools für ihre Implementierung endlich Einzug im Purview-Ökosystem. Die Purview-Roadmap für 2026 zeigt, dass sich der Wandel hin zur kontextbezogene Intelligenz endlich in der tatsächlichen Architektur des Microsoft-Ökosystems zeigt. Wir lassen die Ära hinter uns, in der Purview nur ein Tool für die Compliance-Berichterstattung war und bis 2026 hat es sich zu einer Echtzeit-Diagnose-Engine weiterentwickelt. Eine der wichtigsten Änderungen ist die Umstellung auf eine Always-On-Diagnose für End.dlp. In der Vergangenheit bedeutete die Behebung eines richtigen Fehlers eine Woche hin und her zwischen der IT-Abteilung und dem Benutzer, während diese versuchten, einen einmal aufgetretenen Fehler zu reproduzieren. Diese Diagnose-Protokolle werden nun lokal auf dem Gerät in einem sicheren, komprimierten Format 90 Tage lang gespeichert.

So kann das System genau analysieren, warum eine bestimmte Datei blockiert wurde oder warum ein Label nicht angewendet werden konnte, ohne dass die eigentlichen sensiblen Inhalte jemals in die Cloud gesendet werden. Es handelt sich um lokale Transparenz gepaart mit globaler Durchsetzung. Diese Diagnoseleistung wird durch KI-gestützte Erklärungstools verstärkt. Wir haben ein Maß an Komplexität erreicht, bei dem menschliche Administratoren die Unterschiede zwischen einem Dutzend verschiedener DAP-Richtlinien nicht mehr manau verfolgen können. Wenn sich eine Richtlinie ändert, generiert das System jetzt eine Zusammenfassung in natürlicher Sprache, um genau zu erklären, was geändert wurde und welche Benutzergruppen betroffen sind. Außerdem wird aufgezeigt, welche potenziellen Auswirkungen es auf kollaborative Workflows haben wird durch das Risiko von Richtlinienabweichung-Frangbedingungen. Dies ist der Fall, wenn Sicherheitsregeln so unübersichtlich werden, dass sie legitime Arbeit blockieren.

Mit diesen Tools kann das Sicherheitsteam als Wegbereiter und nicht als Wächter fungieren, indem es Klarheit über die Verkehrsregeln einer Sprache schafft, die das Unternehmen tatsächlich verstehen kann. Ein wichtiger Bestandteil dieser Roadmap ist die Rolle der eingeschränkten SharePoint-Suche oder von RSS. Dies ist die Notbremse für Ihre KI-Bereitstellung. Damit können Sie explizit ausschließen, dass risikoreiche Websites wie Ihre Vorstandsunterlagen, Ihre Gehaltsabrechnungsdaten oder Ihre Rechtsstrategie als Grundlage für Co-Pilot verwendet werden. Noch bevor Sie eine Vertraulichkeitskennzeichnung berühren, können Sie mithilfe von RSS sicherstellen, dass die KI die gefährlichsten Ecken Ihres Mandanten einfach nicht sehen kann. Es handelt sich um eine grundlegende Schutzebene, die erkennt, dass nicht alle Daten gleich sind. Dies gibt Ihnen den nötigen Spielraum, um Ihre Berechtigungsschulden zu beheben, ohne das gesamte KI-Experiment beenden zu müssen.

Außerdem erleben wir eine massive Erweiterung der Funktionen für die automatische Kennzeichnung. Das Ziel für 2026 ist es, standardmäßig sicher zu sein. Ihre SharePoint-Bibliotheken sind keine passiven Buckets mehr, sondern werden zu aktiven Teilnehmern Ihrer Sicherheitslage. Wenn eine Datei in eine bestimmte Bibliothek hochgeladen wird, wird die Standardkennzeichnung dieser Bibliothek automatisch im Ruhezustand angewendet. Wenn diese Datei vertrauliche Informationstypen enthält, kann das System jetzt manuelle Kennzeichnungen mit niedrigerer Priorität überschreiben. Dies schließt die Abdeckungslücke, die manuelle Systeme seit Jahren plagt. Es stellt sicher, dass die Plattform den Benutzer absichert, selbst wenn er vergisst, ein Dokument zu kennzeichnen. Es ist der Übergang von einem freiwilligen System zu einer verpflichtenden automatisierten Infrastruktur. Um dies in großem Umfang zu verwalten, verlassen wir uns zunehmend auf die Graph API für benutzerdefinierte Nutzungsanalysen.

Wir können jetzt einen Blick hinter die Kulissen werfen, um genau zu sehen, welche Abteilung isoliert. Wenn das F&E-Team eine Nachbearbeitungsrate von 90%, bei dem die technischen Spezifikationen nicht angezeigt werden, zeigen die Daten dies. Wir können die Engpässe identifizieren, bei denen eine starre Klassifizierung die Produktivität beeinträchtigt und die Richtlinien in Echtzeit anpassen. Auf diese Weise gelangen wir von einer reaktiven Sicherheitslage zu einer proaktiven Governance-Strategie. Wir verwenden die Daten, um zu erfahren, wo das System nicht funktioniert, anstatt darauf zu warten, dass sich ein Benutzer beschwert oder eine Sicherheitsverletzung auftritt. Aber selbst mit den besten Tools scheitert die Strategie ohne die Unterstützung durch die Geschäftsleitung. Sie können über das fortschrittlichste Purview-Setup der Welt verfügen, aber wenn Ihre Führungskräftedaten immer noch als etwas Betrachtendes gehortet werden muss, werden Sie nie den vollen Wert der KI ausschöpfen können.

Dies führt uns zu einer neuen Art von Risiko, das von Grund auf entsteht. Diese Herausforderung geht nicht von Hackern oder externen Bedrohungen aus, sondern von ihren eigenen Mitarbeitern, die versuchen, produktiv zu sein. Wir müssen über das Dilemma des Citizen Developer sprechen. Das Dilemma des Citizen Developer. Wir erleben derzeit die größte Explosion unregulierter Entwicklungen in der Geschichte der Unternehmens-IT. Mittlerweile gibt es über eine Million Low-Code-Assets im Microsoft-Ökosystem, Wir haben es unseren Mitarbeitern ermöglicht, ihre eigenen Apps, ihre eigenen Abläufe und jetzt auch ihre eigenen KI-Agenten zu entwickeln. Diese Ermächtigung hat jedoch auch eine Schattenseite. Wir sind von Schatten-IT zu Schatten-KI übergegangen, bei der nicht technische Benutzer komplexe Agenten auf der Grundlage unkontrollierter, unkontrollierter, unübersichtlicher Daten entwickelt. Dies ist das Risiko eines Unkontrolliertens.

Dies geschieht, wenn ein Marketingkoordinator ein benutzerdefiniertes GPT in Copilot Studio erstellt, um bei Lieferantenanfragen zu helfen, diesen Agenten jedoch versehentlich auf einer SharePoint-Website platziert, die alle Verträge enthält, die das Unternehmen seit 2012 unterzeichnet hat. Wenn wir den Menschen die Möglichkeit nehmen, ihre eigenen Probleme zu lösen, zerstören wir auch die Agilität, die KI eigentlich bieten soll. Stattdessen müssen wir uns in Richtung eines abgestufen Governance-Modells bewegen. Nicht alle Agenten sind gleich. Ein Low-Code-Tool, das einer Person hilft, ihre eigenen E-Mails mithilfe von Standard-Teams-Konnektoren zusammenzufassen, ist ein risikoarmes Asset, das den aufwändigen Überprüfungsprozess umgehen sollte. Wenn ein Agent jedoch mit einem System of Record wie Dataverse oder einer sensiblen SQL-Datenbank in Berührung kommt, benötigt er einen Gatekeeper.

Wir müssen aufhören, Citizen-Development als eine einzelne Kategorie zu betrachten und anfangen, es als ein Risikospektrum zu betrachten. Die Branche schwenkt vom alten Konzept des Citizen-Development hin zu dem, was wir heute als KI-gestütztes Personal-Building bezeichnen. Der Unterschied ist subtil aber entscheidend. Früher war der Benutzer ein Entwickler, aber in der neuen Welt ist er ein Orchestrator. Er weist die KI an, die Lösung für ihn zu erstellen. Daher sind die Leitplanken im Copilot-Studio wichtiger als der Code selbst. Wir müssen Inhaltsmoderationsebenen implementieren, die verhindern, dass diese Agenten Daten durch prompt Injection-Angriffe von der Möglichkeit der Benutzer nicht einmal wusste, halluzinieren oder verlieren. Sie würden ihre Firewall-Regeln nicht von einem Sommerpraktikanten schreiben lassen. Daher sollten wir auch nicht zulassen, dass Agenten entwickelt, die Lesezugriff auf das gesamte Unternehmens-Wiki haben.

Die Lösung ist struktureller Natur. Wir müssen die Durchsetzung von Richtlinien zur Verhinderung von Datenverlusten in der Low-Code-Umgebung automatisieren. Wenn ein Benutzer versucht, einen KI-Agenten mit einem externen, nicht verwalteten Dropbox-Konto zu verbinden, sollte das System dies sofort blockieren. Wenn versucht wird, einen Bot zu entwickeln, der eine mit der Vertraulichkeitsstufe streng vertraulich gekennzeichnete Bibliothek abfragt, sollte die Bereitstellung eine automatische manuelle Überprüfung durch das IT-Betriebsteam auslösen. Dies schafft einen von Grund auf sicheren Weg für Innovation. Es ermöglicht den Entwicklern, ihre Ideen zu entwickeln und gleichzeitig sicherzustellen, dass die sensibelsten Ressourcen des Unternehmens hinter den kontextbezogenen Schutzmauern bleiben, die wir gerade besprochen haben. Wir bewegen uns in eine Ära, in der jeder Mitarbeiter ein potenzieller Architekt der Unternehmensintelligenz ist.

Das ist ein enormer Wettbewerbsvorteil, wenn es richtig gehandhabt wird, aber es ist eine katastrophale Belastung, wenn es dem Zufall überlassen wird. Das Ziel ist nicht, die Ausbreitung zu stoppen, sondern den Fluss zu steuern. Wir müssen den Citizen-Bildern vorabgenehmigte Vorlagen und sichere Bereiche zur Verfügung stellen, in denen sie experimentieren können, ohne die Kronjuwelen zu riskieren. So stellen wir sicher, dass die von ihnen erstellten Agenten eine Erweiterung unserer Governance-Strategie und keine Ausnahme davon sind. Das führt uns zur letzten Hürde. Die Führungsetage muss den Zugriff als strategischen Vorteil betrachten. Man kann nicht eine Million Agenten vom Keller aussteuern. Man braucht die Zustimmung der Geschäftsleitung. Es ist an der Zeit, die Diskussion vom Serverraum in den Sitzungssaal zu verlegen. Die Strategie der Zustimmung der Geschäftsleitung Der technische Kampf um kontextbezogene Sicherheit wird im Code gewonnen, aber der strategische Kampf wird im Sitzungssaal immer noch verloren.

Jahrelang wurde das Identitäts- und Zugriffsmanagement wie ein Installationsproblem behauptet. Es war etwas, das die Teams im Keller regeln mussten, während sich das Unternehmen auf das Wachstum konzentriert. Im Jahr 2026 ist diese Denkweise eine Belastung. Wir müssen die gesamte Diskussion neu gestalten, denn Identität ist nicht mehr nur eine Anmeldung. Sie ist die zentrale Kontrollebene für digitales Vertrauen. Wenn ihre Führungskräfte das nicht verstehen, wird ihre KI-Bereitstellung eine Reihe teurer, zusammenhangloser Experimente bleiben. Wir müssen aufhören, Sicherheit als Kostenstelle zu betrachten. Stattdessen müssen wir sie als Faktor begreifen, der die Entscheidungsgeschwindigkeit nimmt. Die meisten Führungskräfte betrachten Sicherheit als eine Reihe von Nein-Momenten. Nein, du kannst dieses Tool nicht verwenden. Nein, du kannst diese Datei nicht freigeben. Eine moderne Identitätsstruktur bewirkt jedoch das Gegenteil.

Sie liefert das Ja, das es dem Unternehmen ermöglicht, schneller voranzukommen. Wenn Sie über eine kontinuierliche, kontextbezogene Überprüfung verfügen, können Sie einen neuen Partner innerhalb von Stunden statt Wochen einbinden. Sie können einem Berater Zugriff auf genau das gewähren, was er für ein dreitägiges Projekt benötigt und dann zusehen, wie dieser Zugriff automatisch verschwindet, sobald er fertig ist. Hier geht es nicht um Einschränkungen, sondern um Agilität. Es geht darum, eine Umgebung zu schaffen, in der die richtigen Personen auf der Grundlage der richtigen Informationen handeln können, ohne dass manuelle Genehmigungen erforderlich sind. Wir sehen die Kosten, die entstehen, wenn dies auf dem M&A-Markt ignoriert wird. Es entsteht eine enorme Reife-Lücke zwischen Unternehmen, die Identity Governance beherrschen und solchen, die sich immer noch auf statische Legacy-Modelle verlassen.

Wenn ein Unternehmen mit hohem Reifegrad einen Wettbewerber übernimmt, kann es die neuen Mitarbeiter innerhalb weniger Tage in sein KI-Ökosystem integrieren. Bei Unternehmen mit schlechter Identitätshygiene zieht sich diese Integration jedoch über Monate hin. Diese Verzögerung führt zu Wertverlusten und verhindert gleichzeitig die Synergien, die durch die Fusion eigentlich geschaffen werden sollen. Eine schlechte Identitätsgovernance wirkt sich direkt negativ auf den Wert nach einer Fusion. Sie belastet die Bilanz und die meisten CEOs haben das noch nicht einmal quantifiziert. Aus diesem Grund ist die Forderung nach einer Erhöhung des Budgets für die Identitätsstruktur um 5 bis 20 Prozent keine Forderung nach höheren Sicherheitsausgaben. Es handelt sich um eine Investition in die Wechselungsinfrastruktur. Es ist das digitale Äquivalent zum Bau eines Hochgeschwindigkeitsbahnnetzes zwischen Ihren Datensilus.

Sie wechseln von einem abgesicherten Perimeter, den alle zu umgehen versuchen, zu einem kontinuierlichen Verifizierungsmodell, das die Arbeitsweise der Menschen tatsächlich unterstützt. Sie sagen der Führungsetage, dass sie für die Grundlage, die dies sicher macht, bezahlen muss, wenn sie die von KI versprochene fünffache Produktivitätssteigerung erzielen möchte. Sie müssen die Zielvorgaben vom Schutz der Daten auf die Steuerung des Informationsflusses verschieben. Der Wechsel zu einem kontextsensitiven Modell ist die einzige Möglichkeit, im Zeitalter der agentenbasierten KI ein widerstandsfähiges Unternehmen aufzubauen. Damit kann das Unternehmen seine Intelligenz skalieren, ohne sein Risiko zu erhöhen. Wenn die Führungsebene den Zugriff als strategischen Vorteil betrachtet, verändert sich die gesamte Unternehmenskultur. Sicherheit wird zu einer gemeinsamen Verantwortung und Daten werden zu einer liquiden Ressource statt zu einem gehorteten Geheimnis.

Es ist an der Zeit, nicht mehr auf die Kosten der Tools, sondern auf die Kosten der Reibung zu achten. Denn im Zeitalter der KI gewinnt das schnellste Unternehmen. Und man kann nicht schnell sein, wenn die Daten in einer Lüge gefangen sind. Ihr Mandat für 2096 ist klar. Sie müssen Ihre Berechtigungsschulden prüfen, bevor Sie Ihre KI-Lizenzen skalieren. Die Technologie ist bereit, Ihre Architektur jedoch wahrscheinlich nicht. Die Herausforderung für das nächste Quartal besteht darin, eine verpflichtende automatische Kennzeichnung zu implementieren und eine 90-TG-Bereinigung der Website durchzuführen und die offensichtlichsten Lücken zu schließen. Schluss mit dem Wort. Daten-Sede-Flock. Wenn Sie Ihre Fortschritte beim Aufbrechen von Silos teilen oder darüber diskutieren möchten, wie Ihr Team mit der Umstellung auf kontextbezogene Berechtigung umgeht, vernetzen Sie sich mit Mirko Peters auf LinkedIn.

Lassen Sie uns ein Intelligence-Modell erstellen, das tatsächlich funktioniert. Abonnieren Sie den Kanal und weitere Deep Dives in die Zukunft der Arbeitszeit. Bleiben Sie schützt. Bleiben Sie produktiv.