Shadow AI: Die Governance-Lücke, für die niemand zuständig ist

In den vergangenen achtzehn Monaten sind generative KI-Tools schneller in den Arbeitsalltag von Unternehmen eingezogen als nahezu jede andere Technologie der jüngeren Vergangenheit. Mitarbeitende entwerfen Verträge mit ChatGPT, fassen Kundengespräche mit Claude zusammen und fügen Finanzdaten in jeden Assistenten ein, der gerade am schnellsten zur Hand ist. Das meiste davon geschieht ohne Wissen der IT, ohne eine entsprechende Richtlinie und ohne dass jemand in der Organisation mit Sicherheit sagen könnte, welche Daten das Haus verlassen haben. Das ist Shadow AI, und für Asset Manager und KMU, die sensible Kundendaten verwalten, ist es still zu einer der folgenreichsten Governance-Lücken des Jahres geworden.

Wie sich das in der Praxis zeigt

Shadow AI tritt selten als dramatischer Vorfall in Erscheinung. Es kommt als Bequemlichkeit daher. Ein Kundenberater fügt die Portfolio-Zusammenfassung eines Kunden in einen öffentlichen Chatbot ein, um schneller einen Quartalsbrief zu entwerfen. Ein Junior-Analyst lädt ein Term Sheet hoch, um eine zweite Meinung zur Struktur einzuholen. Ein Entwickler füttert proprietären Code in einen Assistenten, um ein Skript zu debuggen. Keine dieser Handlungen ist bösartig, und die meisten Mitarbeitenden glauben aufrichtig, einfach nur effizient zu arbeiten. Doch jede einzelne ist ein unkontrollierter Datenabfluss — häufig an einen Drittanbieter, dessen Datenaufbewahrung, Trainingsnutzung und rechtliche Zuständigkeit der Organisation unbekannt sind, in vielen Fällen sogar dem Mitarbeitenden selbst.

Das Ausmass verschärft das Risiko. Anders als eine einzelne nicht genehmigte Softwareinstallation verbreitet sich die Nutzung von KI-Tools tendenziell horizontal und rasch über Teams hinweg, weil die Einstiegshürde ein Browser-Tab ist, kein IT-Ticket. Bis eine Compliance-Funktion es bemerkt, ist die Nutzung oft bereits fest in den Arbeitsalltag mehrerer Abteilungen eingebettet.

Warum klassische Kontrollen es nicht erfassen

Die meisten KMU und Boutique-Asset-Manager haben ihre Sicherheitsarchitektur auf ein anderes Bedrohungsmodell ausgerichtet: Malware, Phishing, nicht autorisierte Geräte, Netzwerkeinbrüche. Shadow AI löst keinen dieser Stolperdrähte aus. Es nutzt genehmigte Geräte, genehmigte Browser und häufig private oder nicht verwaltete Konten auf ansonsten seriösen KI-Plattformen. Data-Loss-Prevention-Tools, die auf Dateiübertragungen oder E-Mail-Anhänge kalibriert sind, übersehen häufig Text, der direkt in eine Web-Oberfläche eingefügt wird. Das Ergebnis ist ein blinder Fleck mitten in dem Bereich, den Organisationen für bereits abgesichert halten.

Die regulatorische Exposition folgt unmittelbar daraus. Für Asset Manager, die Finanzdaten von Kunden verwalten, kann das Einfügen von Portfoliodetails oder personenbezogenen Daten in ein KI-Tool eines Drittanbieters — ohne Auftragsverarbeitungsvereinbarung oder Rechtsgrundlage — einen Verstoss gegen das schweizerische Datenschutzrecht (revDSG) darstellen oder, für Unternehmen mit EU-Bezug, gegen die DSGVO — unabhängig davon, ob es je zu einem Vorfall kommt. Die Exposition entsteht in dem Moment, in dem die Daten die Kontrolle der Organisation verlassen.

Wie wirksame Governance aussieht

Die Antwort ist kein pauschales Verbot — das scheitert in der Regel still, weil Mitarbeitende die Nutzung einfach auf private Geräte verlagern, noch weiter ausserhalb des Blickfelds der Organisation. Wirksame Governance beginnt stattdessen mit Sichtbarkeit: dem Verständnis, welche KI-Tools heute tatsächlich im Einsatz sind — durch Erkennung auf Netzwerkebene, nicht durch eine Umfrage, die Mitarbeitende möglicherweise ungenau beantworten. Darauf aufbauend brauchen Organisationen eine gestufte Richtlinie, die zwischen Datenklassifizierungen unterscheidet: was die Umgebung der Organisation niemals verlassen darf, was mit einer Enterprise-Vereinbarung genutzt werden darf, und was keine nennenswerte Sensibilität trägt.

Enterprise-Vereinbarungen mit KI-Anbietern umfassen, wo verfügbar, in der Regel vertragliche Garantien gegen ein Training mit eingereichten Daten und definierte Vorgaben zur Datenresidenz — ein deutlich anderes Risikoprofil als der Zugang über ein Consumer-Konto zum selben zugrunde liegenden Modell. Wo sensible Kunden- oder proprietäre Daten betroffen sind, sollten selbst gehostete oder geprüfte Enterprise-Lösungen der Standard sein, nicht die Ausnahme.

Schliesslich ist dies ebenso sehr ein Schulungs- und Kulturthema wie ein technisches. Mitarbeitende greifen zu Shadow AI, weil genehmigte Alternativen langsamer sind oder gar nicht existieren. Ein schnelles, freigegebenes Tool mit klaren Grenzen zu bieten, schliesst die Lücke weit wirksamer als ein Richtliniendokument allein.

Kernaussage: Shadow AI ist kein zukünftiges Risiko, sondern ein gegenwärtiges, laufendes — und es wirkt innerhalb von Organisationen, die ihren Perimeter für sicher halten. Die Lücke zu schliessen, erfordert Sichtbarkeit über die tatsächliche Nutzung, eine gestufte Datenrichtlinie, Enterprise-taugliche Tools dort, wo die Sensibilität es verlangt, und die Bereitschaft, dies jetzt als Governance-Priorität zu behandeln — bevor eine Aufsichtsbehörde oder ein Kunde es für Sie tut.