So erkennst du Shadow AI in deinem Team

Heute nutzt jeder KI-Tools, vor allem 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 erst einmal eine Liste der Tools, die bereits im Einsatz sind, und wie viel Zeit jeweils darauf entfällt.

Genau diese Liste zu bekommen ist das, was die meisten meinen, wenn sie fragen, wie man Shadow AI erkennt. Das hat wenig mit dem Aufsetzen eines Sicherheitsprogramms zu tun und 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 für die Arbeit nutzt, ohne dass es freigegeben ist oder überwacht wird. Mitarbeitende teilen dabei möglicherweise unwissentlich Kundendaten, Vertragskonditionen, noch nicht veröffentlichte Finanzzahlen oder Quellcode. Und das eventuell über ein privates Konto – was bedeutet, dass du keinerlei Aufzeichnung darüber hast, was geteilt wurde, und es später nicht nachvollziehen kannst.

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

Ein Tool wird genutzt, weil es da ist und weil es die Arbeit erledigt. Wenn die freigegebene Alternative dann sechs Monate zu spät kommt oder zwar kommt, den Job aber schlecht macht, übernimmt das nicht freigegebene Tool. Shadow AI ist meist ein Angebotsproblem, das sich als Sicherheitsproblem zeigt.

Warum Shadow AI so schwer zu erkennen ist

Leute melden sich mit privaten Konten an

Der 2026 Verizon Data Breach Investigations Report ergab, dass mittlerweile 45 % der Mitarbeitenden regelmäßig KI bei der Arbeit nutzen – im Vorjahr waren es noch 15 % – und dass 67 % derjenigen, die auf Firmengeräten auf KI-Dienste zugreifen, mit nicht-firmeneigenen Konten angemeldet waren. Deshalb zeigt dir deine Google-Workspace-Admin-Konsole einen privaten ChatGPT-Login möglicherweise gar nicht an. 

KI steckt bereits in Software, die du längst freigegeben hast

Dein Projekttool, dein CRM und dein Design-Tool haben höchstwahrscheinlich schon eigene KI-Funktionen an Bord. Genau deshalb bekommst du diese unter Umständen gar nicht zu Gesicht – das Haupttool ist ja bereits freigegeben. 

Und genau deshalb funktioniert Blockieren nicht als erster Schritt. Wenn du ein Tool auf Netzwerkebene sperrst, weichen Mitarbeitende womöglich auf ihr Smartphone, ein privates Notebook oder ein privates Konto auf demselben Rechner aus. 

So erkennst du Shadow AI in deinem Team: vier Orte, an denen du nachschauen 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 die Leute während ihrer Arbeitssitzungen nutzen. Und wenn du sie sortierst, kannst du die KI-Tools herausfiltern: cursor, claude.ai, chatgpt.com, gemini.google.com, perplexity.ai – plus eine lange Reihe kleinerer Tools.

2. Browser-Details, nicht nur „Chrome“

Wenn dein Nutzungsreport nur die im Chrome verbrachte Zeit anzeigt, wirst du Shadow AI logischerweise nicht sehen. Du brauchst die Namen der Websites unterhalb des Browsers und idealerweise die Daten auf URL-Ebene, damit du die KI-Nutzung eindeutig erkennen kannst. 

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

Erkennungstools übersehen möglicherweise Tools, die nicht per se KI-Tools sind, weil du sie ja schon für ihre eigentliche Funktion freigegeben hast. Diesen Teil musst du manuell prüfen. Geh deine Abo-Liste durch, öffne die Admin-Einstellungen und notiere dir, 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 sie es einsetzen. Das funktioniert deutlich besser, wenn du dazusagst, was du mit den Antworten vorhast – und das sollte sein, das meiste davon freizugeben.

Es ist eine gute Idee, diese Frage zu stellen, bevor du die Nutzungsdaten vor dir hast, denn sonst könnte es wie ein Vorwurf rüberkommen. Aber selbst wenn du die Tool-Liste bereits 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 Workforce-Management-Tools.

Sicherheits- und SaaS-Governance-Plattformen

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

Teramind arbeitet am Endpoint. Es erkennt nicht freigegebene KI-Tools, KI-native Browser, Browsererweiterungen, Desktop-KI-Apps und lokale Modelle, die nie eine Netzwerk-Firewall passieren, 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 – kommt also mit Bildschirmaufzeichnung und allem, was das für dein Team bedeutet. 

Reco deckt die SaaS-Seite ab. Es läuft agentenlos und rein lesend, integriert sich mit deinem Identity Provider, um die Liste der bekannten Anwendungen zu erhalten, und analysiert E-Mail-Metadaten auf Hinweise für Anmeldungen bei nicht autorisierten Tools. Außerdem findet es KI-Tools und Copilots, die über OAuth-Berechtigungen und Drittanbieter-Integrationen auf deine Daten zugreifen. Weil es nur lesend arbeitet, kann es niemanden davon abhalten, sensible Daten in ein KI-Tool einzugeben. 

Knostic richtet sich an Enterprise-KI-Assistenten und nicht an öffentliche Chatbots. 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 für Microsoft Purview zur Erkennung von Oversharing. Relevant, wenn deine Sorge darin besteht, dass interne Daten über einen Copilot beim falschen Kollegen landen. 

Auvik ist von den fünf das am stärksten auf IT-Betrieb ausgerichtete Tool. Es bringt schlanke Endpoint-Collectors und Browsererweiterungen aus, die die Webaktivität beobachten, gleicht das Beobachtete mit einer Datenbank von über 125.000 Anwendungen ab, markiert Apps, die mehrmals pro Woche aufgerufen werden, als aktiv genutzt und benachrichtigt dich, wenn jemand eine neu entdeckte KI-Plattform besucht. Es erfasst außerdem ungenutzte Lizenzen und SaaS-Ausgaben – was intern oft das leichter zu vermittelnde Argument ist. 

Workforce-Analytics- und Zeiterfassungs-Tools

Erkennungstools aus der Workforce-Analytics-Kategorie konzentrieren sich darauf, die KI-Tool-Nutzung sichtbar zu machen. Sie blockieren nichts, und in der Regel schaffen Team-Manager sie an – nicht die 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 Verlauf liefert, damit du diesen Monat mit dem letzten vergleichen kannst. Viele Zeiterfassungs-Tools haben einen App- und Website-Report. Aber nicht alle liefern dir die detaillierten Reports, die du für eine präzise KI-Tool-Erkennung brauchst. 

WebWork fällt in diese Kategorie. Es liefert dir einen App- und Website-Report bis ins letzte Detail, inklusive Zeit pro Tool, pro Person und pro Team, samt URLs. Außerdem verbindet es sich über MCP mit KI-Tools – das heißt, du kannst Antworten zu Shadow AI in deinem Team bekommen, indem du dein KI-Modell direkt fragst. Der nächste Abschnitt zeigt genau diesen Report, ausgeführt auf unserem eigenen Workspace.

So sah eine Woche KI-Nutzung in unserem eigenen Workspace aus

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

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

Nach Teams aufgeschlüsselt entfielen auf Engineering 48,3 KI-Stunden, fast ausschließlich Cursor. Website Production folgte 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-Report erfasst, welche Anwendungen und Websites die Leute während der erfassten Sitzungen nutzen, mit der jeweils aufgewendeten Zeit pro Tool, aufgeschlüsselt pro Mitglied und pro Team. Beachte, dass Details auf URL-Ebene ab dem Plus-Tarif verfügbar sind.

Und wenn du WebWork über MCP mit KI-Tools verbindest, bekommst du die obige Aufschlüsselung als Prozentwerte – die KI-Tool-Nutzung im gesamten Team, aufgeteilt in autorisierte und nicht autorisierte Tools, samt der Info, wie oft jedes einzelne genutzt wird.

Eines sei ganz klar gesagt: WebWork verschafft dir Sichtbarkeit, aber 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 Report für dein eigenes Team sehen möchtest: WebWork ist 14 Tage kostenlos, ohne Kreditkarte. Lass es eine Woche lang tracken und erhalte deine 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, verwaltbar und meist günstiger als die Einzelabos, die die Leute nach und nach über die Spesen abrechnen. 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 sag warum, und lege fest, welche Datenkategorien niemals in eines davon gelangen dürfen. Das können Kundendaten, Zugangsdaten, noch nicht veröffentlichte 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 von ihnen genutzten Tools zu stellen. 

Prüf die Zahlen erneut

Lass denselben Report in einem Monat und dann 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 die Nutzung einfach woandershin abgewandert ist.

Fang bei dem an, was dein Team ohnehin schon tut

Die Erkennung ist der günstigste Schritt in jedem KI-Programm – und derjenige, 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 Report nächstes Quartal erneut laufen lassen und schauen, was sich verändert hat. Vielleicht tauchen neue Tools auf, oder vielleicht fangen andere Teams an, andere 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 Reports auf deinen eigenen Daten. So oder so: Fang mit der Liste an. Die Richtlinie zu schreiben wird viel einfacher, sobald du sie hast.