KI-Sicherheitsstatistiken 2026: Was die Quellen zeigen
Ausgewählte Ergebnisse aus der IBM/Ponemon-Studie zu Datenpannen 2025 und der OWASP-Risikoliste für LLM-Anwendungen 2025. IBM untersuchte 600 Organisationen, die bereits eine Datenpanne erlebt hatten. Die Prozentwerte sind daher keine Prävalenzschätzung für alle Unternehmen.
Datenpannen bei KI-Modellen und Anwendungen
der 600 bereits von einer Datenpanne betroffenen Organisationen in IBMs Studie meldeten einen Vorfall bei KI-Modellen oder Anwendungen.
IBM/Ponemon, 2025der Teilgruppe mit einem Vorfall bei KI-Modellen oder Anwendungen gaben an, keine KI-Zugriffskontrollen eingerichtet zu haben.
IBM/Ponemon, 2025Schatten-KI und offengelegte Daten
der 600 bereits von einer Datenpanne betroffenen Organisationen meldete eine Datenpanne durch Schatten-KI.
IBM/Ponemon, 2025höhere durchschnittliche Kosten einer Datenpanne bei Organisationen mit starker Schatten-KI-Nutzung gegenüber solchen mit geringer oder keiner Nutzung in IBMs Studie.
IBM/Ponemon, 2025der Vorfälle mit Schatten-KI betrafen kompromittierte personenbezogene Daten, gegenüber 53 % aller untersuchten Datenpannen.
IBM/Ponemon, 2025der Vorfälle mit Schatten-KI betrafen kompromittiertes geistiges Eigentum, gegenüber 33 % aller untersuchten Datenpannen.
IBM/Ponemon, 2025Governance in der untersuchten Breach-Gruppe
der von einer Datenpanne betroffenen Organisationen in IBMs Studie hatten keine KI-Governance-Richtlinie oder entwickelten sie noch.
IBM/Ponemon, 2025der Organisationen mit KI-Governance-Richtlinie in IBMs Studie prüften die nicht genehmigte KI-Nutzung regelmäßig.
IBM/Ponemon, 2025Einordnung von Datenpannen und LLM-Risiken
betrugen die weltweiten Durchschnittskosten über alle Arten von Datenpannen in IBMs Studie 2025. Das ist kein KI-spezifischer Durchschnitt.
IBM/Ponemon, 2025OWASP führt Prompt Injection in seiner Top-10-Liste 2025 für LLM-Anwendungen an erster Stelle. Der Listenplatz ist keine Vorfallquote.
OWASP LLM Top 10, 2025So sind die Zahlen zu lesen
IBMs 13 % beziehen sich auf Vorfälle bei KI-Modellen oder Anwendungen innerhalb einer Stichprobe von Organisationen, die bereits eine Datenpanne erlebt hatten. Die 97 % ohne Zugriffskontrollen gelten nur für diese Teilgruppe. Keiner der Werte schätzt die Häufigkeit solcher Vorfälle in allen Unternehmen.
Der Kostenunterschied von 670.000 US-Dollar bei Schatten-KI ist ein beobachteter Zusammenhang, keine vorhergesagte Ersparnis durch eine Richtlinie oder ein Produkt. OWASPs Einstufung als LLM01 bezeichnet ein Anwendungsrisiko, nicht die Häufigkeit von Vorfällen bei der KI-Nutzung von Mitarbeitenden und keine von Aona angebotene Kontrolle.
Methode und Primärquellen
Die Studie Cost of a Data Breach 2025 wurde vom Ponemon Institute durchgeführt, von IBM finanziert und ausgewertet. Sie untersucht Datenpannen bei 600 Organisationen weltweit von März 2024 bis Februar 2025. OWASPs Top 10 von 2025 ist eine Risikoliste, keine Befragung zur Vorfallhäufigkeit. Diese Seite gibt ausgewählte Verlagsangaben wieder und enthält keine neue Messung von Aona.
Quellen am 26. September 2026 geprüft.
FAQ
Fragen zu diesen Statistiken
Wie häufig waren Vorfälle bei KI-Modellen oder Anwendungen in IBMs Studie?
Was berichtete IBM über Datenpannen durch Schatten-KI?
Sind 4,44 Millionen US-Dollar die durchschnittlichen Kosten einer KI-Datenpanne?
Sagt OWASP, dass Prompt Injection der häufigste KI-Vorfall ist?
Wie hilft Aona bei der Bewertung der KI-Exposition von Mitarbeitenden?
Testen Sie die KI-Nutzung, die Ihr Team absichern muss
Bringen Sie ein KI-Tool und eine Aktion Ihrer Mitarbeitenden mit. Prüfen Sie beobachtete Aktivität, die konfigurierte Richtlinienreaktion und den Schutz sensibler Daten auf einem unterstützten Pfad. Legen Sie anschließend fest, was in Ihrer Umgebung noch validiert werden muss.