Shadow-AI-Inventar: Wie KMU unautorisierte KI in kontrollierte Automatisierung verwandeln

Der stille KI-Rollout hat bereits stattgefunden

Der offizielle KI-Start eines Unternehmens sieht selten aus wie eine Vorstandspräsentation. Häufig beginnt er an einem Dienstagvormittag: Eine Projektleiterin fasst Kundenmails mit einem freien KI-Tool zusammen. Marketing lädt eine alte Leistungsbeschreibung hoch, um schneller einen Angebotsentwurf zu bekommen. Operations nutzt eine KI-Funktion, die plötzlich in einem SaaS-Produkt auftaucht. Niemand nennt es ein KI-Projekt, aber Unternehmenswissen bewegt sich bereits durch KI-Systeme.

Genau hier entsteht Shadow AI: unautorisierte oder nicht erfasste KI-Nutzung in öffentlichen Chatbots, SaaS-Copiloten, Browser-Erweiterungen, Meeting-Assistenten, Automationsplattformen, IDE-Helfern oder kleinen internen Skripten. Das Problem ist nicht, dass Mitarbeitende bessere Werkzeuge suchen. Das Problem ist, dass Führung, IT und Prozessverantwortliche oft nicht mehr beantworten können, welche Daten wohin fließen, wer Outputs prüft und welcher Weg offiziell erlaubt ist.

Eine 2025 veröffentlichte 1Password-Umfrage unter deskbasierten Wissensarbeitern in mehreren Ländern, darunter Deutschland, berichtet, dass 27 Prozent der deutschen Befragten unautorisierte KI-Tools am Arbeitsplatz nutzen. Weil es sich um eine Anbieterquelle handelt, ist diese Zahl kein allgemeiner KMU-Benchmark. Sie ist aber ein starkes Warnsignal: KI-Nutzung wächst nicht nur über zentrale Beschaffung. Sie wächst dort, wo der offizielle Prozess langsamer ist als der Bedarf.

Was Shadow AI für kleine Unternehmen wirklich bedeutet

Shadow AI ist mehr als eine neue Variante von Schatten-IT. Bei normalem SaaS-Wildwuchs ist oft schon problematisch genug, dass Daten in vielen Tools liegen. KI verändert das Muster, weil Prompts, hochgeladene Dateien, erzeugte Ausgaben und modellgestützte Aktionen neue Entscheidungs- und Datenpfade schaffen. Ein Textentwurf kann zur Kundenmail werden. Eine Zusammenfassung kann eine Priorisierung beeinflussen. Eine Automatisierung kann aus einer Nachricht eine Aufgabe, ein Ticket oder eine Antwort vorbereiten.

Deshalb reicht die Frage "Welche Tools haben wir gekauft?" nicht mehr. Ein wirksames Inventar muss auch eingebettete KI-Funktionen berücksichtigen: CRM-Vorschläge, Support-Klassifikation, Meeting-Transkripte, IDE-Assistenten, Browser-Plugins, LLM-Knoten in n8n oder Make, interne Skripte mit API-Keys und KI-Funktionen in Office- oder Projektmanagement-Software.

Der EU AI Act ist in diesem Artikel nur Governance-Kontext, keine Rechtsberatung. Artikel 4 zur KI-Kompetenz gilt seit dem 2. Februar 2025. Die EU-Kommission beschreibt KI-Kompetenz nicht als starres Zertifikat, sondern als kontextbezogene Fähigkeit von Mitarbeitenden und anderen Personen, die KI-Systeme im Auftrag eines Unternehmens nutzen. Genau deshalb ist ein Inventar so praktisch: Es verbindet Training nicht mit Folien, sondern mit konkreten Tool-Regeln, Datenklassen und Review-Punkten.

Wenn Sie Shadow AI nur als Fehlverhalten einzelner Mitarbeitender behandeln, übersehen Sie den wichtigsten Hinweis. Inoffizielle KI-Nutzung zeigt, wo Arbeit heute zu langsam, zu fragmentiert oder zu unklar ist. Das ist Nachfrage nach Automatisierung. Ein gutes Inventar bestraft diese Nachfrage nicht. Es übersetzt sie in sichtbare, kontrollierbare Workflows.

Die versteckten Kosten ungeplanter KI-Nutzung

Der erste Schaden entsteht selten spektakulär. Er entsteht als Rework. Ein Angebotsentwurf nutzt eine alte Servicebeschreibung. Eine KI-Zusammenfassung verschluckt eine wichtige Einschränkung. Ein Supporttext klingt überzeugend, verspricht aber etwas, das Ihr Team nicht liefern kann. Jede Korrektur kostet Zeit, und jede unbemerkte Korrekturpflicht beschädigt Vertrauen.

Der zweite Schaden ist Datenunsicherheit. Kundendaten, Mitarbeiterdaten, Finanzinformationen, Verträge, Quellcode oder interne Strategie gehören nicht in beliebige KI-Tools, nur weil die Eingabe bequem ist. Die 1Password-Quelle berichtet unter anderem von geteilten Unternehmensdaten, Kundennotizen und Mitarbeiterdaten in KI-Kontexten. Proofpoint beschreibt Shadow AI als Nutzung von KI-Tools, Anwendungen und Services ohne angemessene IT-Freigabe, Aufsicht oder Sicherheitsprüfung. Auch hier gilt: Anbieterquellen sind vorsichtig zu verwenden, aber die Risikokategorien sind für ein Inventar nützlich.

Der dritte Schaden ist Management-Drag. Ohne Karte kann niemand sicher sagen, welche Tools genutzt werden, welche Datenklassen betroffen sind, wer fachlich verantwortlich ist, welche Outputs Kundensichtbarkeit haben oder wie ein fehlerhafter Workflow gestoppt wird. Führungskräfte treffen dann KI-Entscheidungen aus Bauchgefühl: entweder pauschales Verbot oder blinde Freigabe. Beides ist schwach.

Ein Planungsmodell macht die Kosten greifbarer. Nehmen Sie ein Dienstleistungsunternehmen mit 45 Personen. Zwölf Mitarbeitende nutzen KI wöchentlich, vier wiederkehrende Workflows entstehen informell: Anfragevorbereitung, Angebotsentwurf, Meeting-Zusammenfassung, Supportantwort. Wenn jede Person pro Woche nur 30 Minuten für Nacharbeit, Toolsuche oder doppelte Prüfung verliert, sind das sechs Stunden. Das ist kein Benchmark, sondern eine konservative Denkfigur. Sie zeigt: Schon kleine Schattenprozesse erzeugen eine operative Steuer, bevor ein Vorfall passiert.

Das fünfteilige KI-Inventar

Ein Shadow-AI-Inventar muss kleiner sein als der Workaround, sonst wird es nicht genutzt. Starten Sie mit fünf Fragen. Sie ergeben zusammen eine einfache Betriebslandkarte: Tool, Daten, Owner, Entscheidungswirkung und Kontrolle.

Welche Tools werden genutzt?

Erfassen Sie öffentliche KI-Tools, SaaS-native Copiloten, Browser-Erweiterungen, Automationsplattformen, IDE-Assistenten, Meeting-Tools und interne Skripte. Fragen Sie auch nach KI-Funktionen, die "einfach im Tool aufgetaucht" sind. Gerade eingebettete Funktionen bleiben in Beschaffungslisten oft unsichtbar.

Welche Daten gehen hinein?

Ordnen Sie jede Nutzung einer Datenklasse zu: öffentlich, intern, Kunde, Mitarbeiter, Finanzen, Vertrag, Quellcode, Strategie. Diese Klassifikation muss nicht perfekt beginnen. Wichtig ist, dass Ihr Team weiß, welche Eingaben harmlos sind und welche vor jeder KI-Nutzung einen genehmigten Pfad brauchen.

Wer besitzt den Workflow?

Ein Tool ohne Owner wird zum Risiko. Benennen Sie einen fachlichen Owner, einen technischen Owner, einen Reviewer und einen Eskalationsweg. "Die Abteilung" reicht nicht. Wenn ein KI-Output falsch ist, muss klar sein, wer stoppt, prüft und korrigiert.

Welche Outputs beeinflussen Kunden oder Entscheidungen?

Trennen Sie interne Entwürfe von kundensichtbaren Nachrichten, HR-, Finanz-, Vertrags- und Betriebsentscheidungen. Ein Brainstorming für eine interne Gliederung braucht andere Kontrolle als ein Antwortentwurf an einen Kunden oder eine KI-gestützte Bewerbungsbewertung.

Wie kann das Unternehmen stoppen, exportieren oder prüfen?

Souveränität zeigt sich im Stoppknopf. Gibt es Logs? Können Daten exportiert werden? Wo liegen API-Keys? Welche Accounts sind privat, welche gehören dem Unternehmen? Wie wird dokumentiert, welche Quelle ein Output verwendet hat? Wenn diese Fragen offen bleiben, ist der Workflow noch nicht bereit für Skalierung.

Vom Inventar zum ersten genehmigten KI-Workflow

Das Inventar ist kein Selbstzweck. Es soll den ersten offiziellen Weg sichtbar machen. Die OECD-D4SME-Erhebung 2026 beschreibt eine nicht repräsentative Stichprobe von mehr als 2.000 KMU in zwölf OECD-Ländern und hält fest: KI-Adoption nimmt zu, häufig über fertige Produkte, aber sichere und gezielte Integration in den Betrieb bleibt uneinheitlich. Zeit, Wartungskosten, Fähigkeiten und Cybersecurity bleiben Barrieren. Das spricht gegen große KI-Programme als ersten Schritt. Es spricht für einen Workflow, bei dem Nachfrage bereits vorhanden ist.

Planfolds Arbeitsweise passt hier direkt: Plan heißt, die aktuelle Realität zu kartieren: Tools, Datenklassen, Owner, riskante Muster. Unfold heißt, einen genehmigten Pfad zu bauen: freigegebene Quellen, Zugriffgrenzen, menschliche Prüfung, Logs. Resonate heißt, den Workflow zu betreiben: Korrekturrate, Antwortqualität, Nutzung, Fehlerhinweise und Teamvertrauen prüfen.

Ein guter Kandidat ist Anfrage-Triage. Viele B2B-Dienstleister erhalten Anfragen über Website-Formulare und E-Mail. Mitarbeitende kopieren Nachrichten in KI-Tools, um schneller Antworten zu entwerfen. Der kontrollierte Planfold-Weg sieht anders aus: eine interne Eingangsschlange, freigegebenes Servicewissen, Klassifikation, Entwurf, Checkliste für fehlende Fragen, menschliche Prüfung, protokollierte Quellen und keine automatische Kundenzusage.

Die realistischen Ergebnisse sind nicht "KI ersetzt Vertrieb". Sie sind konkreter: schnellere erste Reaktion, weniger widersprüchliche Versprechen, klarere Datenränder und ein Muster, das später auf Angebotsvorbereitung, Support-Klassifikation oder Meeting-to-Task übertragen werden kann. Der Wert entsteht gerade durch Begrenzung.

Die Governance muss leichter sein als der Workaround

Viele KMU fürchten, dass KI-Governance sofort nach Konzernbürokratie klingt. Das muss sie nicht. Die EU-Kommission betont in ihrer KI-Kompetenz-Q&A, dass es kein Einheitsformat für Schulungen, keine allgemeine Zertifikatspflicht und keine Pflicht zu einem eigenen KI-Officer oder Governance Board aus Artikel 4 gibt. Für Unternehmen heißt das nicht: nichts tun. Es heißt: angemessen, kontextbezogen und klein starten.

Der schlanke Start besteht aus einer einseitigen Regel, einer genehmigten Toolliste, Datenklassen, Review-Regeln, einer Owner-Karte und einem Feedbackweg. Mitarbeitende sollten wissen, welche Daten sie nie in öffentliche Tools eingeben, welche Aufgaben mit genehmigten KI-Wegen erlaubt sind und wann ein Mensch prüfen muss. Diese Regeln werden wirksam, wenn der genehmigte Weg besser ist als der private Shortcut.

Ein Verbot kann notwendig sein, wenn Datenrisiko, Vertragslage oder Toolbedingungen unklar sind. Als Dauerstrategie ist es schwach. UpGuards 2025-Befragung berichtet, dass viele Mitarbeitende Wege um Blockaden finden. Auch diese Anbieterquelle ist mit Vorsicht zu lesen, aber der operative Punkt ist plausibel: Wenn der sichere Weg unpraktisch ist, bleibt der Schattenweg attraktiv.

Was Sie diese Woche tun können

Blocken Sie 30 Minuten mit den Personen, die nah an Kunden, Angeboten, Support, Operations und IT arbeiten. Fragen Sie nicht nach einer perfekten Toolliste. Fragen Sie nach den Aufgaben, bei denen KI bereits hilft oder helfen soll. Daraus entsteht die erste Kandidatenliste.

Danach bauen Sie eine einfache Tabelle: Tool, Aufgabe, Datenklasse, Owner, kundensichtbarer Einfluss, Review-Punkt, Log- oder Exportpfad. Markieren Sie Rot für Nutzung mit Kunden-, Mitarbeiter-, Finanz-, Vertrags- oder Quellcodedaten ohne genehmigten Weg. Markieren Sie Grün für interne Entwürfe mit öffentlichen Informationen. Alles dazwischen braucht Entscheidung.

Wählen Sie dann einen Workflow, nicht zehn. Anfrage-Triage, Angebotsvorbereitung, Meeting-Zusammenfassung oder Support-Klassifikation sind gute Kandidaten, wenn sie bereits informell passieren. Bauen Sie dafür einen genehmigten Weg mit freigegebenen Quellen, menschlicher Prüfung und einfacher Protokollierung.

Planfold kann diesen Weg als Sorglospaket begleiten: erst die Landkarte, dann der erste genehmigte Workflow, danach Betrieb, Monitoring und Verbesserung. Wir versprechen keine Rechtsberatung und keine automatische Compliance. Wir bauen die digitale Maschine, mit der KI-Nutzung erklärbar, begrenzt und verbesserbar wird.

Planen. Entfalten. Souverän bleiben.