Shadow AI
Was ist Shadow AI?
Shadow AI ist die ungenehmigte, dezentralisierte Nutzung von KI-Technologien innerhalb einer Organisation — ohne Wissen, Freigabe oder Kontrolle durch IT- und Sicherheitsabteilungen. Das Konzept ist eine direkte Weiterentwicklung von Shadow IT, geht aber deutlich weiter: Während klassisches Shadow IT auf unauthorisierte Apps oder Geräte zielte, umfasst Shadow AI Large Language Models (LLMs), autonome KI-Agenten, Browser-Extensions mit LLM-Backend und Low-Code-Automatisierungen, die direkt auf Unternehmensdaten zugreifen. Das Besondere ist die Dynamik: KI-Modelle verändern ihr Verhalten durch Updates und evolvierende Trainingsdaten — ein Tool, das heute harmlos wirkt, kann morgen andere Outputs produzieren oder neue Fähigkeiten mitbringen. Governance ist damit kein einmaliges Ticket, sondern ein kontinuierlicher Prozess.
Wie funktioniert Shadow AI?
Der typische Einstiegspunkt ist ein Mitarbeiter, der eine Produktivitätslücke schließen will: Ein Chatbot für schnellere Recherche, ein LLM-Plugin direkt im Browser, ein API-Key zu einem Drittanbieter-Modell — fertig ist der unkontrollierte KI-Workflow. Technisch kritisch werden dabei vor allem Non-Human Identities (NHIs): ungemanagte Service-Accounts und API-Keys, die agentische Workflows mit persistentem Datenbankzugriff betreiben, oft ohne Rotation oder Audit-Trail. Hinzu kommen konkrete Angriffsvektoren: Prompt Injection ermöglicht es Angreifern, über manipulierte Eingaben agentische KI-Systeme zu kapern und Aktionen in verbundenen Systemen auszulösen. Halluzinationen generativer Modelle führen zu falschen Outputs, die ungeprüft in Geschäftsentscheidungen einfließen. Und wenn Mitarbeiter proprietäre Daten in externe Modelle einspeisen, besteht das reale Risiko, dass diese Daten ins Modell-Training zurückfließen — ein klassisches IP-Leak-Szenario. Die Attack-Surface wächst also nicht linear, sondern exponentiell mit jeder neuen agentischen Integration.
Shadow AI in der Praxis
Drei reale Muster dominieren: Erstens nutzen Vertriebsteams ungenehmigte CRM-Copilots, die Kundendaten direkt an externe LLM-APIs senden — ohne DSGVO-konforme Datenverarbeitungsverträge. Zweitens bauen Entwickler autonome Coding-Agenten mit unkontrollierten GitHub-Integrationen, die selbstständig Pull Requests erstellen und mergen können. Drittens setzen HR-Abteilungen nicht-freigegebene Recruiting-Tools ein, die Bewerberdaten in externe Modelle einspeisen und dabei arbeitsrechtliche Anforderungen ignorieren. Microsoft hat im März 2026 mit Entra Internet Access Shadow AI Detection und Shadow AI Protection direkt auf diese Realität reagiert: Die Lösung analysiert Netzwerkverkehr auf ungenehmigte KI-Nutzung und blockiert gezielt Datenlecks — ohne KI-Tools pauschal zu sperren. Okta adressiert parallel das NHI-Problem mit Governance-Lösungen für API-Keys in agentischen Workflows.
Vorteile und Grenzen
Shadow AI ist kein reines Risikophänomen. Mitarbeiter, die ungenehmigte KI-Tools einsetzen, signalisieren oft echten Bedarf: fehlende Produktivitätswerkzeuge, zu langsame Freigabeprozesse oder eine IT-Governance, die mit dem Tempo der KI-Adoption nicht mithalten kann. Wer Shadow AI ausschließlich bekämpft, riskiert, Innovationspotenzial zu blockieren. Die Grenzen sind dennoch klar: Unkontrollierte Modelle mit evolvierendem Verhalten, persistente NHIs ohne Audit-Trail und fehlende Datenverarbeitungsverträge sind keine akzeptablen Risiken in regulierten Branchen. Die Antwort liegt nicht im pauschalen Verbot, sondern in schnellerer, leichtgewichtiger Governance — Freigabeprozesse, die schneller sind als der nächste Browser-Extension-Download.