Schatten-KI im Mittelstand: Risiken und wie Sie das Problem lösen

Die Hälfte Ihres Teams hat es schon ausprobiert

Vor drei Wochen hätten Sie noch gesagt, dass niemand in Ihrem Team KI für Kundenarbeit nutzt. Bis Sie letzten Donnerstag zufällig hören, wie ein Kollege erzählt, dass er Claude prima findet, um Angebotsschreiben aufzusetzen. Eine einzige Bemerkung. Da steckt es.

Shadow AI, auf Deutsch Schatten-KI, ist ein Begriff, den Sie sich nicht selbst ausgedacht haben und der jetzt täglich die Runde macht. Er beschreibt das Muster, bei dem Mitarbeitende KI-Tools nutzen, um ihre Arbeit schneller zu erledigen, außerhalb der Richtlinien und ohne dass Geschäftsführung oder IT eingebunden sind. Bei einer Marketingagentur ist das vor allem ärgerlich. Bei einem Unternehmensdienstleister mit Kundendaten ist es etwas anderes.

Was die Zahlen zeigen

Laut dem Bericht „AI & Digital Marketing Trends 2026“ der niederländischen Beeckestijn Business School nutzt etwa die Hälfte der niederländischen Beschäftigten KI bei der Arbeit, ohne das immer zu melden, und etwa die Hälfte der niederländischen Organisationen hat keine formelle KI-Richtlinie. Der Bericht spricht von einem starken Anstieg der KI-Nutzung durch Mitarbeitende in Organisationen, von 48 Prozent im Jahr 2024 auf 62 Prozent im Jahr 2025. Wichtige Einschränkung: Diese Studie betrifft niederländische Beschäftigte allgemein, nicht speziell Unternehmensdienstleister. Das Muster erkennen Sie wahrscheinlich trotzdem wieder.

Der rote Faden im Bericht: Die KI-Nutzung wächst schneller als die Richtlinien und schneller als die Kontrolle. Zwei Bewegungen, die einander nicht einholen.

Warum es bei Ihnen schwerer wiegt

In einem Onlinehandel liegt ein ChatGPT-Prompt mit Produktbeschreibungen auf einer Skala von 1 bis 10 bei einer 4. In einem Hypothekenbüro liegt derselbe Prompt mit einem Kundendossier bei einer 9. Nicht weil ChatGPT schlechter geworden ist, sondern weil die Daten, die Sie täglich verarbeiten, grundlegend sensibler sind.

Denken Sie konkret. Ein Versicherungsberater, der eine Schadensbeschreibung für eine interne Notiz vereinfacht. Ein Makler, der ein Wertgutachten zusammenfassen lässt. Ein Buchhalter, der eine Hauptbuchübersicht von einer KI strukturieren lässt. Ein Sicherheitsunternehmen, das einen Vorfallbericht flüssiger schreiben will. In all diesen Beispielen gehen personenbezogene oder geschäftlich sensible Daten per Prompt an ein Tool, mit dem Sie keinen Auftragsverarbeitungsvertrag haben.

Das ist kein KI-Experiment. Das ist eine Datenpanne, die formal meldepflichtig ist.

Warum ein Verbot nach hinten losgeht

Die natürliche Reaktion eines Inhabers, der das zum ersten Mal hört, ist eine Mail an das Team, dass KI ab sofort nicht mehr mit Kundendaten genutzt werden darf. Das löst das Problem nicht. Es verlagert es.

Ihr Team nutzt KI, weil die Arbeit damit schneller geht. Das ist kein Ungehorsam, das ist gesunder Menschenverstand. Ein Verbot bedeutet nicht, dass Ihre Mitarbeitenden aufhören, sondern dass sie es sorgfältiger verbergen. Sie verlieren den Einblick, nicht die Nutzung. Und gleichzeitig verlieren Sie die Produktivität, über die Sie sich gerade noch gefreut haben.

Die drei Dinge, die funktionieren

Erstens: eine Bestandsaufnahme. Welche KI-Tools laufen bei Ihnen gerade, offiziell und inoffiziell. Nicht als Verhör, sondern einfach als Ausgangsmessung. Menschen erzählen es meistens ehrlich, wenn sie für ihre Antwort nicht bestraft werden. Diese Liste ist selten die Liste, die Sie erwartet haben.

Zweitens: eine kurze Richtlinie auf Papier. Keine 40-seitige Policy, sondern zwei DIN-A4-Seiten, die sagen, wo KI erlaubt ist (Textentwürfe, Zusammenfassungen öffentlicher Quellen, internes Brainstorming) und wo nie (Kundendossiers, Finanzdaten, personenbezogene Daten, Schadensfälle). Das liest jeder. Niemand liest eine KI-Policy von 40 Seiten.

Drittens: eine offizielle Schicht, in der KI in Ihrem Kontext arbeitet. Nicht als Verbot der öffentlichen Tools, sondern als bessere Alternative. KI, die mit Ihren Kundendaten arbeiten darf, weil der passende Auftragsverarbeitungsvertrag und der Datentransport geregelt sind. Integriert in Ihre Systeme. Mit Protokollierung, Rollenverteilung und Regeln pro Datentyp. Dann hört die heimliche Nutzung von selbst auf, denn der offizielle Weg ist schneller als der inoffizielle.

Was ein AIOS hier leistet

Diese offizielle Schicht nennen wir ein AIOS, ein AI Operating System, das über Ihren bestehenden Systemen liegt. Es arbeitet mit Ihrem CRM, Ihrem Dossierordner, Ihrer Buchhaltung, Ihren Kommunikationswerkzeugen. Es sorgt dafür, dass KI mit Daten arbeitet, von denen Sie wissen, wo sie liegen, nach den Regeln, die Sie festgelegt haben. Ein Mitarbeiter muss nicht mehr zu ChatGPT, um ein Dossier schneller zusammenzufassen, denn die offizielle Umgebung erledigt das bereits, in Ihrem Kontext, mit Ihren Daten.

Das klingt groß. Es fängt klein an. Ein Prozess, ein Use Case, eine Schnittstelle. Von dort wächst es zum nächsten.

Ehrliche Erwartungen

Das lösen Sie nicht mit einem Tool von der Stange. Eine KI-Policy allein ändert das Verhalten nicht. Ein AIOS bauen Sie nicht in einer Woche. Die Reihenfolge lautet: wissen, was läuft, Regeln auf Papier, dem ersten Use Case einen offiziellen Weg geben, danach ausbauen. Keine Revolution, aber Struktur. Mit dieser Struktur wird „KI, die in Ihrer Branche funktioniert“ zu einer sachlichen Beschreibung statt zu einem Versprechen. Wie Sie diese Struktur aufsetzen, lesen Sie unter KI-Governance einrichten.

Der erste Schritt

Im KI-Audit erfassen wir pro Abteilung, welche Tools inoffiziell laufen, welche Risiken daran hängen und welche drei Use Cases am meisten Zeit sparen, wenn Sie sie offiziell machen. Vierzehn Tage ab dem Interviewtag, Festpreis, ein Bericht mit klaren Prioritäten und ein Folgeangebot.

Nach dem Audit wissen Sie, wo das Schiff leckt und woher der Wind weht. Zwei Dinge, die Sie heute noch nicht beide haben.