Wenn Sie Ihren CISO jetzt fragen würden, ob KI im vergangenen Jahr zu einer Sicherheitsverletzung beigetragen hat, was würde er sagen? Noch wichtiger: Könnte er das mit Sicherheit beantworten?
Laut Daten aus mehreren in diesem Monat veröffentlichten Bedrohungsberichten wissen über ein Drittel der Organisationen es tatsächlich nicht. Nicht "wir glauben nicht", nicht "wahrscheinlich nicht". Wörtlich: keine Ahnung.
Diese Zahl hat mich innehalten lassen. Denn sie sagt etwas Wichtiges über den Stand der Unternehmens-KI-Sicherheit aus - nicht über die Angriffe selbst, sondern über die darunter liegende Sichtbarkeitslücke.
Das Problem ist nicht der Angriff. Es ist die Blindstelle.
In letzter Zeit gab es viele alarmierende KI-Sicherheitsstatistiken. Der IBM 2026 X-Force Threat Index meldete eine messbare Zunahme KI-getriebener Angriffe. Der AI Threat Landscape Report von HiddenLayer hob agentische KI als schnell wachsende Angriffsfläche hervor. Forscher entdeckten bösartige Chromium-Erweiterungen, die als KI-Assistenten getarnt interne Prompts und Code aus Unternehmensumgebungen heimlich exfiltrieren.
Das ist wirklich besorgniserregend. Aber die Statistik, die mir immer wieder im Kopf bleibt, ist einfacher und, ehrlich gesagt, noch ernüchternder: mehr als ein Drittel der Organisationen kann nicht bestätigen, ob sie im letzten Jahr eine KI-Sicherheitsverletzung erlebt haben.
Denken Sie darüber nach, was das operativ bedeutet. Wenn Sie es nicht erkennen können, können Sie nicht darauf reagieren. Wenn Sie nicht sehen, welche KI-Tools Ihre Mitarbeiter nutzen, können Sie nicht wissen, welche davon sensible Daten heimlich an externe Server senden. Wenn Sie keine Prüfprotokolle über die Aktivitäten Ihrer KI-Agenten haben, können Sie einen Vorfall nicht zurückverfolgen.
Der Angriff ist fast zweitrangig. Das eigentliche Problem ist, dass die meisten Unternehmen im Blindflug operieren.
Shadow-KI ist größer als gedacht
Drei von vier Organisationen sehen Shadow-KI inzwischen als ein definitives oder wahrscheinliches Problem - ein Anstieg um 15 Punkte im Vergleich zum Vorjahr. Dennoch haben die meisten Sicherheitsteams noch keine systematische Methode, um sie zu entdecken.
Das typische Muster: Ein Mitarbeiter findet ein nützliches KI-Tool. Vielleicht eine Chrome-Erweiterung, die Meetings zusammenfasst, ein browserbasierter Code-Assistent oder eine der Dutzenden KI-Produktivitäts-Apps, die auf den Markt gekommen sind. Er beginnt, es zu nutzen. Kollegen sehen das und nutzen es ebenfalls. Innerhalb von Wochen werden sensible Geschäftsdaten - Meeting-Protokolle, interner Code, Kundeninformationen, Rechtsdokumente - von einem Drittanbieterdienst verarbeitet, den die IT nie genehmigt oder überhaupt wahrgenommen hat.
Niemand handelt böswillig. Das macht Shadow-KI so hartnäckig. Die Absicht ist Produktivität, nicht Nachlässigkeit. Aber die Gefährdung ist real.
Und jetzt steigen die Einsätze. Forscher dokumentierten Fälle, in denen dieselben nicht genehmigten Tools der Einstiegspunkt für Diebstahl von Zugangsdaten waren - gestohlene Sitzungstoken, exfiltrierte API-Schlüssel, kompromittierte nicht-menschliche Identitäten, die Angreifern langfristigen Zugang ermöglichen. Eine bösartige KI-Erweiterung kann monatelang interne Prompts sammeln, bevor es jemand bemerkt.
Der agentische Wandel verändert alles
Es gibt eine weitere Ebene, mit der sich Sicherheitsteams erst beginnen auseinanderzusetzen: autonome KI-Agenten.
Eine beträchtliche Anzahl von Unternehmen setzt inzwischen KI-Agenten ein - Werkzeuge, die nicht nur Fragen beantworten, sondern handeln. Sie durchsuchen das Web, fragen Datenbanken ab, senden E-Mails, lösen Workflows aus. Und laut aktuellen Daten hat bereits eines von acht Unternehmen eine KI-Sicherheitsverletzung mit einem agentischen System in Verbindung gebracht.
Das Problem ist architektonisch. Die meisten Organisationen behandeln KI-Agenten wie Erweiterungen menschlicher Nutzer, geben ihnen gemeinsame Servicekonten oder zu weitreichende Berechtigungen. Wenn etwas schiefgeht, gibt es keine Prüfprotokolle. Aktionen lassen sich keinem bestimmten Agenten zuordnen. Und da viele dieser Agenten von einzelnen Teams ohne IT-Überprüfung eingerichtet wurden, sind sie für das Sicherheitsteam oft unsichtbar.
Das ist das Problem auf der Ausführungsebene. Angreifer zielen nicht mehr nur auf KI-Modelle, sondern auf die Ebene, auf der KI-Agenten mit der Produktionsinfrastruktur verbunden sind. Und die meisten Unternehmen haben an dieser Schnittstelle praktisch keine Governance.
Die Vertrauenslücke ist ein Strategieproblem, kein reines Technikproblem
Das Auffällige an der Forschung ist: Es gibt eine erhebliche Diskrepanz zwischen dem, was Führungskräfte glauben über ihre KI-Sicherheitslage, und dem, was die operativen Daten tatsächlich zeigen.
Viele Führungskräfte sind überzeugt, dass ihre bestehenden Sicherheitsrichtlinien unautorisierte Agentenaktionen abdecken. Die Daten zeigen jedoch, dass über die Hälfte aller KI-Agenten ohne konsistente Sicherheitsüberwachung agiert.
Diese Lücke ist gefährlich. Nicht weil Führungskräfte unehrlich sind, sondern weil die Werkzeuge, mit denen sie Risiken bisher bewerteten (Sicherheitsrichtlinien, Lieferantenbewertungen, Compliance-Audits), nicht für dieses Problem entwickelt wurden. Sie basierten auf einer Welt, in der die Angriffsfläche durch Netzwerkperimeter und Softwareanbieter definiert war. Keines dieser Konzepte passt sauber zu einer Umgebung, in der Mitarbeiter KI-Tools frei nutzen, KI-Agenten autonom handeln und die Grenze zwischen „Ihrer Infrastruktur“ und „Servern Dritter“ zunehmend verschwimmt.
Wie echte Sichtbarkeit aussieht
Die Organisationen, die das richtig machen, sind nicht unbedingt die mit den ausgefeiltesten KI-Sicherheitstools. Es sind die, die mit einer einfachen Frage begonnen haben: Welche KI wird tatsächlich genutzt, von wem und wofür?
Das klingt offensichtlich. Es ist schwieriger, als es klingt. Die meisten Netzwerküberwachungstools sind nicht darauf ausgelegt, KI-Tool-Verkehr von allgemeinem Webverkehr zu unterscheiden. Die meisten DLP-Lösungen verstehen nicht die Semantik dessen, was an ein LLM gesendet wird. Und die meisten IT-Teams sind bereits ausgelastet und haben keine Kapazitäten, jedes neue KI-Tool manuell zu prüfen.
Der praktische Ansatz besteht darin, Sichtbarkeit in die Workflow-Ebene zu integrieren - den Ort, an dem Mitarbeiter tatsächlich mit KI-Tools interagieren - anstatt zu versuchen, dies nachträglich am Netzwerk-Rand anzubringen. Das bedeutet, nicht nur zu verstehen, dass ein Tool verwendet wird, sondern wie es verwendet wird: welche Daten durchfließen, ob sensible Inhalte geteilt werden und ob die Nutzung mit den Richtlinien übereinstimmt.
Darauf aufbauend können Sie eine echte Diskussion darüber führen, welche Tools genehmigt, blockiert oder in die Grauzone fallen, die andere Leitlinien erfordert. Und vor allem können Sie die Prüfprotokolle aufbauen, die es Ihnen ermöglichen, die Frage zu beantworten, die Ihr CISO nicht beantworten konnte: Hat KI zu einer Sicherheitsverletzung beigetragen und wenn ja, wie?
Das Zeitfenster schließt sich
Es gibt einen Grund, warum das Thema im März 2026 besonders dringlich wird. Der regulatorische Druck steigt - der EU AI Act ist in Kraft, Australiens Fahrplan für KI-Regulierung nimmt Gestalt an, und Finanzaufsichtsbehörden in mehreren Jurisdiktionen stellen aktiv Fragen zur KI-Governance. Organisationen, die keine Aufsicht über ihre KI-Tools nachweisen können, werden diese Lücke zunehmend teuer zu spüren bekommen - und nicht nur durch Kosten von Sicherheitsverletzungen.
Organisationen, die auf einen schwerwiegenden Vorfall warten, um zum Handeln motiviert zu werden, zahlen einen hohen Preis - bei der Behebung, bei der behördlichen Überprüfung und beim Vertrauen, das sie bei Kunden und Partnern aufgebaut haben.
Diejenigen, die jetzt handeln, können ihre eigene KI-Governance gestalten, anstatt dass sie ihnen durch eine Datenschutzverletzung vorgegeben wird.
Beginnen Sie mit Sichtbarkeit. Der Rest folgt daraus.
