Das Wichtigste in Kürze
- Die meisten Beschäftigten, die KI bei der Arbeit nutzen, bringen ihre eigenen Werkzeuge mit. Nicht heimlich aus Absicht, sondern weil der eigene Weg schneller ist als der freigegebene.
- Das Risiko ist nicht die Nutzung. Es ist, dass niemand im Unternehmen weiß, wie gut sie ist, welche Daten dabei das Haus verlassen und wo Kompetenzlücken liegen.
- Verbote machen die Nutzung unsichtbarer, nicht seltener. Der erste Schritt ist ein Inventar, der zweite eine Messung, der dritte Coaching zum konkreten Anwendungsfall.
Die Frage, ob Mitarbeitende KI-Werkzeuge ohne Freigabe nutzen, ist in den meisten Unternehmen beantwortet: Sie tun es. Offen ist die Frage, die dahinter liegt. Welche Werkzeuge sind es, wofür werden sie eingesetzt, wie gut, und welche Daten gehen dabei nach draußen? Auf diese Frage haben die wenigsten Unternehmen eine belastbare Antwort, und genau das ist das Problem, nicht die Nutzung selbst.
Das Phänomen hat einen Namen: Schatten-KI. Es beschreibt kein Fehlverhalten Einzelner, sondern einen Abstand zwischen dem, was im Tagesgeschäft gebraucht wird, und dem, was das Unternehmen freigibt.
78 %
der Beschäftigten, die KI bei der Arbeit nutzen, bringen ihre eigenen Werkzeuge mit. In kleinen und mittleren Unternehmen sind es noch mehr.
So steht es im Work Trend Index 2024 von Microsoft und LinkedIn1, für den Beschäftigte in 31 Ländern befragt wurden. Wie sich die Schatten-Nutzung in die übrigen Kennzahlen einfügt, zeigen die KI-Kompetenz-Statistiken.
Warum entsteht Schatten-KI?
Mitarbeitende übernehmen neue KI-Werkzeuge schneller, als Governance-Prozesse hinterherkommen. Wer im Kundenservice unter Zeitdruck steht und eine private Chat-App am Handy nutzt, um eine Antwort zu formulieren, handelt pragmatisch, nicht böswillig. Die Studie von KPMG und der University of Melbourne2 mit Befragten in 47 Ländern zeigt die Lücke: Nur eine Minderheit sagt, der Arbeitgeber habe eine Richtlinie zu generativer KI, und weniger als die Hälfte hat eine KI-Schulung erhalten. Das Problem liegt selten bei der einzelnen Person. Es liegt darin, dass Freigabeprozesse langsamer sind als der Bedarf.
Was ist das eigentliche Risiko?
57 %
der Beschäftigten geben an, ihre KI-Nutzung bei der Arbeit zu verbergen. Was verborgen wird, lässt sich weder prüfen noch schulen.
Ein Werkzeug zu verbieten, das bereits im Einsatz ist, löst das Problem selten. Es macht es unsichtbarer. Laut Vollbericht der KPMG-Studie2 hat zudem ein großer Teil der Beschäftigten schon Unternehmensdaten wie Finanz-, Vertriebs- oder Kundeninformationen in öffentliche KI-Werkzeuge hochgeladen. Das Risiko von Schatten-KI ist also nicht, dass Mitarbeitende KI nutzen. Es ist, dass niemand weiß, wie gut oder wie riskant diese Nutzung ist, welche Daten das Haus verlassen und wo Kompetenzlücken bestehen, die offizielle Trainings nie adressieren, weil das genutzte Werkzeug im Trainingsplan nicht vorkommt.
Was das kostet, hat IBM beziffert. Laut Cost of a Data Breach Report 20253 war bei jeder fünften Organisation Schatten-KI an einem Datenvorfall beteiligt, und Organisationen mit viel Schatten-KI zahlten pro Vorfall deutlich mehr als solche mit wenig oder keiner. Die meisten Betroffenen hatten keine KI-Governance-Richtlinie oder arbeiteten noch daran.
Von der Nutzung zur Steuerung
Nutzung
Findet statt, mit oder ohne Freigabe. Das ist bekannt.
Sichtbarkeit
Welche Werkzeuge, wofür, wie gut, mit welchen Daten. Meist unbekannt.
Steuerung
Freigeben, ersetzen, schulen, Regeln setzen. Erst mit Sichtbarkeit möglich.
Die meisten Unternehmen versuchen, vom ersten Glied direkt zum dritten zu springen: Nutzung findet statt, also wird geregelt. Ohne das mittlere Glied regelt man ins Leere. Eine Richtlinie für Werkzeuge, die niemand kennt, und eine Schulung für einen Bedarf, den niemand gemessen hat, treffen den Alltag nicht.
Warum verschärfen Verbote das Problem?
67 %
der Beschäftigten in Organisationen, die generative KI verbieten, berichten regelwidrige Nutzung. In Organisationen ohne jede Richtlinie ist der Anteil nur halb so groß.
Die Autoren der KPMG-Studie2 schließen daraus, dass pauschale Verbote wirkungslos sein können und dass Richtlinien allein keine Einhaltung garantieren. Nötig seien klare Anleitung und Schulung. Die deutschen Datenschutzaufsichtsbehörden sehen es ähnlich. Die Orientierungshilfe der Datenschutzkonferenz6 hält fest, dass Beschäftigte ohne klare Regeln KI eigenmächtig und unkontrolliert nutzen, und empfiehlt dokumentierte interne Weisungen und betriebliche Accounts, damit niemand mit privaten Zugängen arbeiten muss.
Was ein Verbot bewirkt
- Die Nutzung wandert aufs private Handy.
- Daten verlassen das Haus unbemerkt.
- Kompetenzlücken bleiben unsichtbar.
- Das Ergebnis: dieselbe Nutzung, weniger Wissen darüber.
Was ein Inventar bewirkt
- Die genutzten Werkzeuge sind bekannt.
- Betriebliche Accounts ersetzen private.
- Der Schulungsbedarf wird sichtbar.
- Das Ergebnis: dieselbe Nutzung, aber steuerbar.
Schatten-KI ist kein Disziplinproblem. Es ist ein Sichtbarkeitsproblem.
Was ist der erste Schritt?
Der sinnvollere Ausgangspunkt ist ein ehrliches Bild: Welche KI-Werkzeuge werden im Unternehmen tatsächlich genutzt, freigegeben oder nicht? Wie unscharf dieses Bild in Deutschland ist, zeigt die Bitkom-Umfrage vom Oktober 20254: Viele Unternehmen kennen Einzelfälle privater KI-Nutzung, ebenso viele vermuten sie, ohne es zu wissen, und nur eine Minderheit hat Regeln für den Einsatz aufgestellt. Erst mit einem Inventar lässt sich entscheiden, was offiziell unterstützt, was ersetzt und wofür Kompetenz gezielt aufgebaut werden sollte.
| Was das Inventar sichtbar macht | Welche Entscheidung es ermöglicht |
|---|---|
| Welche Werkzeuge tatsächlich genutzt werden | Freigeben oder ersetzen |
| Welche Daten dabei das Haus verlassen | Betriebliche Accounts und Regeln |
| Welche Teams ein Werkzeug intensiv nutzen | Coaching zum konkreten Anwendungsfall |
| Wo der Trainingsplan am Bedarf vorbeigeht | Schulung anpassen |
| Welche Aufgaben immer wieder mit KI erledigt werden | Standardisieren oder automatisieren |
Ein Verbot macht die Nutzung unsichtbar. Ein Inventar macht sie steuerbar.
Ein Beispiel
Stellen Sie sich eine Buchhaltung vor, in der drei Mitarbeitende Rechnungstexte und Mahnungen von einer privaten Chat-App am Handy formulieren lassen. Die Leitung weiß davon nichts, die Richtlinie kennt das Werkzeug nicht, und die letzte KI-Schulung behandelte ein anderes Produkt.
Ein Inventar macht die drei Fälle sichtbar. Eine Messung an einer echten Aufgabe zeigt danach, ob die Texte geprüft werden, bevor sie hinausgehen, und ob Kundendaten im Prompt landen.
Erst dann lässt sich entscheiden, ob das Werkzeug mit einem betrieblichen Account freigegeben wird, ob ein anderes es ersetzt, und was die nächste Schulung tatsächlich behandeln muss.
Wie wird aus dem Inventar Kompetenz?
Ein Inventar allein ändert nichts am Können der Mitarbeitenden. Wie groß der Bedarf ist, zeigt wieder die KPMG-Studie2: Ein großer Teil der Beschäftigten verlässt sich auf KI-Ergebnisse, ohne deren Richtigkeit zu prüfen, und mehr als die Hälfte hat durch KI schon Fehler in der Arbeit gemacht. Das Inventar zeigt, wo der nächste Schritt ansetzt. Bei einem Team, das ein bestimmtes Werkzeug intensiv nutzt, lohnt sich eine Messung an einer echten Aufgabe aus dem eigenen Bereich und danach gezieltes Coaching zu diesem Anwendungsfall, nicht eine pauschale Schulung zu KI-Grundlagen, die am Bedarf vorbeigeht.
Drei Schritte für den Anfang
- Fragen Sie in jeder Abteilung ohne Drohkulisse, welche KI-Werkzeuge im Alltag genutzt werden und wofür. Wer Sanktionen fürchtet, antwortet nicht ehrlich.
- Stellen Sie für die meistgenutzten Werkzeuge betriebliche Zugänge bereit, damit niemand mit privaten Accounts arbeiten muss.
- Lassen Sie einige Mitarbeitende eine echte Aufgabe mit dem freigegebenen Werkzeug bearbeiten und sehen Sie sich an, wie sie vorgehen. Das zeigt, was die nächste Schulung behandeln muss.
Fazit
Schatten-KI ist kein Disziplinproblem, sondern ein Sichtbarkeitsproblem. Wer weiß, was im eigenen Unternehmen tatsächlich genutzt wird, kann gezielt nachsteuern. Wer es ignoriert oder verbietet, trainiert am Bedarf vorbei und wundert sich später, warum die KI-Kompetenz im Team trotz Schulungsbudget nicht sichtbar besser wird.
Quellen
Methode, Stichprobe und weitere Zahlen lassen sich je Quelle aufklappen.
- Microsoft und LinkedIn, „Work Trend Index 2024“. ↩
Methode und Zahlen
Befragung von 31.000 Menschen in 31 Ländern. 78 % der KI-Nutzer bringen eigene Werkzeuge mit zur Arbeit, in kleinen und mittleren Unternehmen 80 %.
- KPMG und University of Melbourne, „Trust, attitudes and use of AI“ 2025 (Pressemitteilung) und Vollbericht (PDF). ↩
Methode und Zahlen
Über 48.000 Befragte in 47 Ländern. 40 % berichten von einer Richtlinie zu generativer KI, 47 % von einer KI-Schulung. 57 % verbergen ihre KI-Nutzung, 48 % haben Unternehmensdaten in öffentliche Werkzeuge hochgeladen (Vollbericht, S. 75). In Organisationen mit Verbot berichten 67 % regelwidrige Nutzung, ohne Richtlinie 33 %. 66 % verlassen sich auf KI-Ergebnisse ohne Prüfung, 56 % haben dadurch Fehler gemacht.
- IBM, „Cost of a Data Breach Report 2025“. ↩
Methode und Zahlen
Bei 20 % der Organisationen war Schatten-KI an einem Datenvorfall beteiligt. Organisationen mit viel Schatten-KI zahlten pro Vorfall rund 670.000 US-Dollar mehr als solche mit wenig oder keiner. 63 % der Betroffenen hatten keine KI-Governance-Richtlinie oder arbeiteten noch daran.
- Bitkom, „Beschäftigte nutzen vermehrt Schatten-KI“, Oktober 2025. ↩
Methode und Zahlen
604 Unternehmen ab 20 Beschäftigten. In 8 % ist die Nutzung privater KI-Werkzeuge weit verbreitet, 17 % kennen Einzelfälle, weitere 17 % vermuten sie. 23 % haben Regeln für den KI-Einsatz, 26 % stellen selbst Zugang zu generativer KI bereit.
- Bitkom, „Wenn das Unternehmen keine KI verwendet, bringen die Beschäftigten sie mit“, November 2024. ↩
Methode und Zahlen
Vorjahreswerte zum Vergleich der Verbreitung privater KI-Nutzung in deutschen Unternehmen.
- Datenschutzkonferenz, Orientierungshilfe „KI und Datenschutz“, Mai 2024 (PDF). ↩
Methode und Zahlen
Empfiehlt dokumentierte interne Weisungen und betriebliche Accounts; stellt fest, dass Beschäftigte ohne klare Regeln KI eigenmächtig und unkontrolliert nutzen.
- Cisco, „Data Privacy Benchmark Study 2025“. ↩
Methode und Zahlen
Fast die Hälfte der befragten Fachleute gibt an, selbst nicht-öffentliche Daten in generative KI-Werkzeuge einzugeben.
- BSI, „Generative KI-Modelle: Chancen und Risiken“, Januar 2025. ↩
Methode und Zahlen
Nennt Datenabfluss, Halluzinationen und Prompt Injection als zentrale Risiken generativer KI im Unternehmen.