So erkennst du Shadow AI in deinem Team

Heute nutzt jeder KI-Tools, besonders bei der Arbeit. Und Unternehmen führen Richtlinien zur KI-Nutzung ein, um sicherzustellen, dass Mitarbeitende keine Unternehmensdaten mit nicht autorisierten Tools teilen. Aber bevor du entscheidest, welche Tools dein Team verwenden darf, brauchst du eine Liste der Tools, die es bereits nutzt, und wie viel Zeit auf jedes einzelne entfällt.

Diese Liste zu bekommen, ist genau das, was die meisten meinen, wenn sie fragen, wie man Shadow AI erkennt. Es hat wenig mit dem Aufbau eines Sicherheitsprogramms zu tun und sehr viel damit, die eigenen Nutzungsdaten richtig zu lesen.

Genau das haben wir letzte Woche für unseren eigenen Workspace gemacht. Die Zahlen findest du weiter unten – und sie sind echt.

Was ist Shadow AI?

Shadow AI ist jedes KI-Tool, das dein Team ohne Freigabe oder Aufsicht für die Arbeit nutzt. Mitarbeitende könnten unwissentlich Kundendaten, Vertragsbedingungen, unveröffentlichte Finanzzahlen oder Quellcode teilen. Und das eventuell sogar über ein privates Konto – was bedeutet, dass du keinerlei Aufzeichnung darüber hast, was geteilt wurde, und es später auch nicht prüfen kannst.

ChatGPT in einem Browser-Tab. Ein Coding-Assistent, den sich jemand für eine Testphase installiert und dann behalten hat. Eine KI-Browsererweiterung. Eine KI-Funktion, die in einer Software aktiviert wurde, für die du sowieso schon zahlst.

Ein Tool wird genutzt, weil es da ist und den Job erledigt. Wenn die freigegebene Option ein halbes Jahr zu spät kommt oder die Arbeit schlecht erledigt, übernimmt die nicht freigegebene. Shadow AI ist meist ein Versorgungsproblem, das sich als Sicherheitsproblem zeigt.

Warum Shadow AI schwer zu erkennen ist

Leute melden sich mit privaten Konten an

Der Verizon Data Breach Investigations Report 2026 hat festgestellt, dass mittlerweile 45 % der Mitarbeitenden regelmäßig KI bei der Arbeit nutzen – gegenüber 15 % im Vorjahr – und dass 67 % derjenigen, die auf Firmengeräten auf KI-Dienste zugreifen, mit nicht-firmeneigenen Konten angemeldet waren. Deshalb zeigt dir deine Google-Workspace-Adminkonsole womöglich kein privates ChatGPT-Login an. 

KI steckt in Software, die du bereits freigegeben hast

Dein Projekttool, dein CRM und dein Design-Tool haben höchstwahrscheinlich längst ihre eigenen KI-Funktionen. Deshalb kannst du diese unter Umständen nicht erkennen – das Haupttool ist ja bereits freigegeben. 

Genau deshalb funktioniert Blockieren als erster Schritt nicht. Wenn du ein Tool auf Netzwerkebene sperrst, weichen Mitarbeitende womöglich auf ihr Smartphone, einen privaten Laptop oder ein privates Konto auf demselben Rechner aus. 

So erkennst du Shadow AI in deinem Team: vier Orte, an denen du nachsehen solltest

1. Deine App- und Website-Nutzungsdaten

Nutze Tools zur KI-Erkennung und Zeiterfassung mit Monitoring-Funktionen. Diese liefern dir eine Liste, welche Anwendungen und Websites Leute während der Arbeitssitzungen verwenden. Und wenn du sie sortierst, kannst du die KI-Tools erkennen: cursor, claude.ai, chatgpt.com, gemini.google.com, perplexity.ai sowie einen langen Schwanz kleinerer Tools.

2. Browser-Details, nicht nur „Chrome“

Wenn dein Nutzungsbericht nur die im Chrome verbrachte Zeit anzeigt, wirst du Shadow AI natürlich nicht sehen. Du brauchst die Website-Namen unterhalb des Browsers und idealerweise die Aufzeichnungen auf URL-Ebene, damit du die KI-Nutzung klar erkennen kannst. 

3. Die KI-Funktionen in Software, die du bereits nutzt und bezahlst

Erkennungstools übersehen unter Umständen Tools, die nicht von Haus aus KI-Tools sind, weil du sie wegen ihrer Hauptfunktion bereits freigegeben hast. Diesen Teil musst du manuell prüfen. Geh die Tools auf deiner Abo-Liste durch, öffne die Admin-Einstellungen und notiere, welche KI-Funktionen aktiviert sind, wer sie aktiviert hat und auf welche deiner Daten sie zugreifen können.

4. Frag dein Team direkt

Frag, was die Leute nutzen und wofür. Das funktioniert deutlich besser, wenn du sagst, was du mit der Antwort vorhast – und das sollte sein, das Meiste davon freizugeben.

Es ist eine gute Idee, das zu fragen, bevor du die Nutzungsdaten vor dir liegen hast, weil es sonst wie eine Anschuldigung rüberkommen könnte. Aber selbst wenn du die Tool-Liste schon hast und weißt, dass nicht autorisierte darunter sind: Sprich trotzdem mit deinem Team. 

Zwei Arten von Tools zur Shadow-AI-Erkennung

Diese Tools lassen sich in zwei Kategorien einteilen: Sicherheits-Tools und Tools für das Workforce Management.

Sicherheits- und SaaS-Governance-Plattformen

Tools zur Shadow-AI-Erkennung aus dem Sicherheitsbereich können erkennen, blockieren und durchsetzen. In der Regel sind es die Security- oder IT-Teams, die diese anschaffen. 

Teramind arbeitet am Endpoint. Es erkennt nicht genehmigte KI-Tools, KI-native Browser, Browsererweiterungen, Desktop-KI-Apps und lokale Modelle, die nie eine Netzwerk-Firewall berühren, erfasst vollständige Prompt-und-Antwort-Transkripte und blockiert das Eintippen oder Einfügen von Quellcode oder PII in KI-Prompts. Es ist außerdem ein vollwertiges Employee-Monitoring- und DLP-Produkt und bringt daher Bildschirmaufzeichnung mit sich – mit allem, was das für dein Team bedeutet. 

Reco deckt die SaaS-Seite ab. Es läuft agentenlos und schreibgeschützt, integriert sich in deinen Identity Provider, um die Liste bekannter Anwendungen zu erhalten, und analysiert E-Mail-Metadaten auf Hinweise für Anmeldungen bei nicht autorisierten Tools. Es findet außerdem KI-Tools und Copilots, die über OAuth-Freigaben und Drittanbieter-Integrationen auf deine Daten zugreifen. Da es schreibgeschützt ist, kann es niemanden daran hindern, sensible Daten in ein KI-Tool einzugeben. 

Knostic zielt eher auf unternehmensinterne KI-Assistenten als auf öffentliche Chatbots ab. Es bietet Need-to-know-Zugriffskontrollen für Assistenten wie Microsoft Copilot, Glean und Gemini, deckt Shadow-AI-Nutzung auf und erstellt Audit-Logs, die zeigen, wer über welches KI-System auf welche Daten zugegriffen hat. Es positioniert sich außerdem als Add-on zu Microsoft Purview zur Erkennung von Oversharing. Relevant, wenn deine Sorge darin besteht, dass interne Daten über einen Copilot an die falsche Kollegin oder den falschen Kollegen gelangen. 

Auvik ist das IT-Operations-lastigste der fünf Tools. Es setzt schlanke Endpoint-Collectors und Browsererweiterungen ein, die die Web-Aktivität beobachten, gleicht das Beobachtete mit einer Datenbank von über 125.000 Anwendungen ab, markiert Apps, auf die mehrmals pro Woche zugegriffen wird, als aktiv genutzt und benachrichtigt dich, wenn jemand eine neu entdeckte KI-Plattform aufruft. Es verfolgt außerdem Lizenzverschwendung und SaaS-Ausgaben – was intern oft das leichter zu begründende Argument ist. 

Workforce-Analytics- und Zeiterfassungs-Tools

Erkennungstools aus der Kategorie Workforce Analytics konzentrieren sich darauf, die KI-Tool-Nutzung sichtbar zu machen. Sie blockieren nichts, und meist sind es Teamleitende, die diese anschaffen, statt der Sicherheitsabteilung. 

Für die Erkennungsarbeit kommt es darauf an, ob das Tool dir Namen auf Website-Ebene, die Zeit pro Tool, eine Aufschlüsselung pro Person und pro Team sowie genug Historie liefert, damit du diesen Monat mit dem letzten vergleichen kannst. Viele Zeiterfassungs-Tools haben einen App- und Website-Bericht. Aber nicht alle liefern dir die detaillierten Berichte, die du für eine präzise KI-Tool-Erkennung brauchst. 

WebWork fällt in diese Kategorie. Es liefert dir einen App- und Website-Bericht mit Details bis ins kleinste, inklusive Zeit pro Tool, pro Person und pro Team sowie URLs. Es verbindet sich außerdem über MCP mit KI-Tools – das heißt, du kannst Antworten zu Shadow AI in deinem Team erhalten, indem du direkt dein KI-Modell fragst. Der nächste Abschnitt ist genau dieser Bericht, ausgeführt auf unserem eigenen Workspace.

Wie eine Woche KI-Nutzung in unserem eigenen Workspace aussah

Wir setzen WebWork in unserem eigenen Team ein, also haben wir die Zahlen gezogen, statt sie abstrakt zu beschreiben. Das ist ein Workspace über eine Woche, die Woche vom 17. bis 23. August 2026, und es ist ein Beispiel dafür, wie der Bericht aussieht.

Über den gesamten Workspace hinweg haben wir 36.721 Minuten erfasst. KI-Tools machten 15,6 % dieser Zeit aus, also 95,3 Stunden.

Nach Teams aufgeschlüsselt entfielen auf Engineering 48,3 KI-Stunden, fast ausschließlich Cursor. Als Nächstes kam Website Production mit 27,1 Stunden, überwiegend Claude. Das Management verbuchte 12,8 Stunden, Product Marketing 10,8, Product Design 4,5, Quality Assurance 3,7 und Customer Success Management 3,5 – wobei hier ChatGPT statt Claude das führende Tool war.

Der App- und Website-Bericht erfasst, welche Anwendungen und Websites die Leute während der erfassten Sitzungen nutzen, inklusive der Zeit pro Tool, aufgeschlüsselt nach Mitglied und nach Team. Beachte, dass die Detailtiefe auf URL-Ebene ab dem Plus-Tarif verfügbar ist.

Wenn du WebWork über MCP mit KI-Tools verbindest, liefert es dir zudem die obige Aufschlüsselung in Prozent – die KI-Tool-Nutzung über das gesamte Team hinweg, aufgeteilt in autorisierte und nicht autorisierte Tools, samt der Häufigkeit, mit der jedes einzelne genutzt wird.

Eines sollten wir ganz klar sagen: WebWork gibt dir Transparenz, keine Durchsetzung. Wir blockieren keine Tools, prüfen keine Prompts und fangen keine kopierten und eingefügten Daten ab. Wenn du genau diese Funktionen brauchst, wähle eine der Sicherheitsplattformen aus dem Abschnitt weiter oben. 

Was wir dir sagen können, ist, welche KI-Tools dein Team nutzt, wer sie nutzt und wie viel Zeit auf jedes einzelne entfällt.

Wenn du diesen Bericht für dein eigenes Team sehen möchtest: WebWork ist 14 Tage kostenlos, ohne Kreditkarte. Gib ihm eine Woche Zeiterfassung und erhalte die KI-Liste.

Was du mit den Daten machst, sobald du sie hast

Gib die Tools frei, die die Leute ohnehin schon nutzen

Wenn dein Team ein Tool bereits nutzt und es keine ernsthaften Einwände dagegen gibt, setz es auf die Freigabeliste und kauf Team-Accounts. Ein Team-Account ist sichtbar, kontrollierbar und in der Regel günstiger als die Einzelabos, die die Leute nach und nach über die Spesenabrechnung einreichen. Außerdem verlagert er die Nutzung weg von privaten Konten – und genau das war ja das eigentliche Problem.

Nenne konkrete Tools in der Richtlinie

Nenne die Tools, die freigegeben sind, nenne die, die es nicht sind, und begründe warum, und lege fest, welche Datenkategorien niemals in eines davon gehören dürfen. Das können Kundendaten, Zugangsdaten, unveröffentlichte Finanzzahlen und Quellcode sein, der dir nicht gehört.

Sag, wie du mit einem Tool umgehst, das noch nicht auf der Liste steht

Gib den Leuten eine Möglichkeit zu fragen, und antworte innerhalb einer Woche. So schaffst du Transparenz und baust Vertrauen auf, sodass Teammitglieder sich frei fühlen, alle Fragen zu den Tools zu stellen, die sie nutzen. 

Prüfe die Zahlen erneut

Lass denselben Bericht in einem Monat und noch einmal in einem Quartal laufen, denn ständig tauchen neue Tools auf. Durch das erneute Prüfen siehst du, ob die Richtlinie gegriffen hat oder ob sich die Nutzung einfach woandershin verlagert hat.

Fang bei dem an, was dein Team bereits tut

Die Erkennung ist der günstigste Schritt in jedem KI-Programm, und es ist der Schritt, der jede spätere Entscheidung leichter macht. Um eine sinnvolle Richtlinie zu schreiben, brauchst du echte Daten darüber, welche Tools die Leute in deinem Team bereits nutzen. 

Wir werden diesen Bericht im nächsten Quartal erneut laufen lassen und sehen, was sich verändert hat. Vielleicht tauchen neue Tools auf, oder vielleicht fangen verschiedene Teams an, verschiedene Tools zu nutzen. 

Wenn du denselben Einblick in dein Team möchtest, teste WebWork 14 Tage kostenlos oder buche eine Demo, und wir führen dich durch die Berichte auf deinen eigenen Daten. So oder so: Fang mit der Liste an. Sobald du sie hast, lässt sich die Richtlinie deutlich leichter schreiben.