CISOs geben an, KI-Risiken ohne ausreichende Ressourcen zu managen

Die meisten Sicherheitsverantwortlichen erhielten weder ein größeres Budget, noch ein größeres Team oder neue Fachkenntnisse, als generative KI auf ihrem Schreibtisch landete. Sie bekamen einfach mehr Verantwortung. Wenn man die Schlagzeilenzahl aus Proofpoints neu veröffentlichtem Voice of the CISO Report 2026 entfernt, bleibt die eigentliche Geschichte: eine Ressourcenlücke, die niemand geschlossen hat, bevor CISOs die Rechnung präsentiert wurde.

Der Report, basierend auf einer Censuswide-Umfrage unter mehr als 1.600 CISOs aus 16 Ländern im Mai 2026, zeigt, dass die Sorge über generative KI als Sicherheitsrisiko im Jahresvergleich um 18 Prozentpunkte gestiegen ist. 78 Prozent der CISOs sehen GenAI inzwischen als Sicherheitsrisiko, und ebenso viele geben an, dass sie KI-bezogene Risiken ohne einen entsprechenden Anstieg an Ressourcen oder Fachwissen managen sollen. Gleichzeitig identifizieren 79 Prozent menschliches Risiko – nicht Malware oder ungepatchte Infrastruktur – als größte Cyber-Schwachstelle ihres Unternehmens, ein deutlicher Anstieg gegenüber 66 Prozent im Vorjahr.

Für einen CISO oder Chief Compliance Officer beschreiben diese Zahlen eine konkrete, bekannte Zwickmühle. Das Unternehmen hat generative KI-Tools schneller eingeführt, als Kontrollmechanismen, Richtlinien oder eine Data Governance-Infrastruktur aufgebaut wurden. Mitarbeitende nutzen diese Tools bereits mit sensiblen Daten – unabhängig davon, ob diese Nutzung autorisiert, protokolliert oder überprüft wurde. Und die Person, die das daraus resultierende Risiko auf dem Papier verantwortet, der CISO, soll dafür mit dem gleichen Personalbestand und Budget geradestehen, das sie schon vor der täglichen Nutzung generativer KI hatten.

Bessere KI-Schulungen allein lösen dieses Problem nicht. Es handelt sich um eine Governance- und Nachweisfrage – und sie verweist direkt auf das Argument von Kiteworks zur AI Data Governance. Der schnellste Weg, eine Ressourcenlücke zu schließen, die sich nicht von selbst schließt, besteht darin, nicht jede KI-Interaktion im Nachhinein zu überwachen, sondern von Anfang an zu steuern, auf welche sensiblen Daten ein KI-Tool überhaupt zugreifen darf.

wichtige Erkenntnisse

1. GenAI-Sicherheitsbedenken stiegen innerhalb eines Jahres um 18 Punkte.

Laut Proofpoints Voice of the CISO Report 2026 sehen 78 Prozent der CISOs generative KI als Sicherheitsrisiko – ein Anstieg von 60 Prozent im Jahr 2025.

2. CISOs übernehmen neue KI-Risiken ohne zusätzliche Ressourcen.

78 Prozent geben an, dass sie KI-bezogene Risiken ohne einen entsprechenden Anstieg von Budget, Personal oder Fachwissen managen sollen – die Verantwortung wächst schneller als die Fähigkeiten.

3. Menschliches Risiko überholt technische Schwachstellen als Hauptsorge.

79 Prozent der CISOs nennen menschliches Risiko als größte Cyber-Schwachstelle ihres Unternehmens, ein Anstieg von 66 Prozent im Jahr 2025. Generative KI ist ein Hauptgrund dafür.

4. Britische CISOs erkennen das Risiko am deutlichsten.

66 Prozent der britischen CISOs glauben, dass Mitarbeitende KI auf eine Weise nutzen, die sensible Daten gefährden könnte – eine direkte Beschreibung von Schatten-KI-Aktivitäten in genehmigten Geschäftsabläufen.

5. Sinkende Angst vor Datenpannen bedeutet nicht sinkendes Risiko.

Der Anteil der CISOs, die in den nächsten 12 Monaten mit einem schwerwiegenden Cyberangriff rechnen, sank von 76 auf 61 Prozent – obwohl die zugrundeliegenden KI- und menschlichen Risikofaktoren zunahmen. Diese Diskrepanz sollte kritisch betrachtet werden.

GenAI-Sicherheitsbedenken stiegen innerhalb eines Jahres um 18 Punkte

Ein Anstieg um 18 Punkte in nur einem Jahr ist für jede Risikokategorie in einer Umfrage dieser Größe beachtlich. Die Voice of the CISO-Serie von Proofpoint verfolgt seit 2022 die Stimmung der CISOs weltweit und branchenübergreifend. Der Anstieg der Sorge um generative KI von 60 auf 78 Prozent innerhalb von zwölf Monaten übertrifft die Entwicklung etablierterer Risikokategorien wie Ransomware oder Supply-Chain-Compromise.

Das Timing erklärt einen Teil dieses Anstiegs. Generative KI-Tools entwickelten sich in nur etwa zwei Jahren von Pilotprojekten zu fest integrierter Business-Software in nahezu allen Unternehmensbereichen. Vertrieb nutzt sie für Angebote, Rechtsabteilungen für Vertragszusammenfassungen, Finanzteams für Szenarien. Jeder dieser Workflows kann das Einfügen von Kundendaten, Vertragsbedingungen, Finanzzahlen oder personenbezogenen Informationen aus CRM- und HR-Systemen direkt in ein Prompt-Fenster beinhalten – oft über persönliche Konten außerhalb jeglicher Access Controls, die das Sicherheitsteam einsehen könnte.

Diese Lücke zwischen Nutzen und Kontrolle ist die praktische Definition von Schatten-KI: genehmigte Geschäftstätigkeit über nicht genehmigte oder nicht überwachte KI-Kanäle. Es braucht keine böswillige Absicht – nur, dass generative KI schneller nützlich wurde, als Governance aufgebaut werden konnte. Genau das ist 2025 und 2026 passiert.

Der Anstieg der Sorge spiegelt zudem ein reiferes Verständnis davon wider, was generative KI tatsächlich mit Daten macht. Frühe Unternehmensnutzung betrachtete GenAI vor allem als Produktivitätsfrage – spart sie Zeit, verbessert sie die Qualität? Die Daten von 2026 zeigen: CISOs gehen über diese Sichtweise hinaus und bewerten GenAI wie jedes andere System, das mit sensiblen Inhalten arbeitet. Sie fragen: Wohin gehen die Daten? Wer sieht sie? Wie lange bleiben sie erhalten? Entspricht die Verarbeitung denselben regulatorischen Anforderungen wie bei anderen Systemen? Unter DSGVO-Compliance, HIPAA oder branchenspezifischen Vorgaben unterscheidet ein Regulator nicht, ob ein Mensch oder ein KI-Tool geschützte Daten falsch behandelt. Die Gefährdung ist identisch – und CISOs erkennen diese Realität offenbar schneller als ihre Budgets wachsen.

CISOs tragen KI-Risiken ohne die nötigen Ressourcen

Die entscheidendere Erkenntnis steht neben der Sorge, nicht darin: 78 Prozent der CISOs berichten, dass sie KI-bezogene Risiken ohne einen entsprechenden Anstieg an Ressourcen oder Fachwissen managen sollen. Das bedeutet: Die Angriffsfläche des Unternehmens ist gewachsen, die Verantwortung des CISOs ebenfalls – aber weder Budget noch Spezialkenntnisse für das Management von GenAI-Risiken wurden angepasst.

Diese Ressourcenlücke ist kein Einzelfall von Proofpoint, sondern spiegelt ein breiteres Muster wider, das auch im Kiteworks Prognosebericht 2026 zu Data Security und Compliance Risk dokumentiert ist: Unternehmen führen KI-Funktionen viel schneller ein, als sie Governance, Personal und Nachweis-Infrastruktur aufbauen, um diese Fähigkeiten abzusichern. Das Ergebnis ist eine wachsende Lücke zwischen dem, was ein Unternehmen technisch mit KI tun kann, und dem, was es tatsächlich nachweisen kann, wenn ein Regulator, Auditor oder gegnerischer Anwalt fragt, wie KI sensible Daten behandelt hat.

Diese Nachweislücke ist der Punkt, an dem der Ressourcenmangel am meisten schmerzt. Ein CISO ohne zusätzliches Personal kann nicht jede Eingabe in jedes generative KI-Tool manuell überprüfen. Was dieser CISO tun kann – ohne ein KI-Spezialistenteam einzustellen – ist, den Kontrollpunkt zu verschieben. Statt KI-Nutzung an der Interaktionsstelle zu überwachen, was ständige menschliche Kontrolle und lineares Wachstum mit dem Personal erfordert, ist es nachhaltiger, die Daten selbst zu steuern, bevor sie ein KI-System erreichen – durch Policy Enforcement, das direkt in Kiteworks Compliant AI integriert ist. Inhaltsklassifizierung und Zugriffskontrolle erfolgen automatisch, sobald Daten in einen KI-Workflow fließen würden – ohne dass der CISO Analysten im Verhältnis zur KI-Nutzung einstellen muss. Es genügt, den Kontrollpunkt zu verschieben.

Dieses Argument überzeugt auch Chief Compliance Officer oder GRC-Verantwortliche. Ihr Problem ist nicht, nachträglich festzustellen, dass ein Mitarbeitender ein nicht autorisiertes KI-Tool genutzt hat. Sie müssen kurzfristig einen belastbaren Nachweis liefern, welche Daten ein KI-System sehen durfte, welche Richtlinie den Zugriff steuerte und was danach mit den Daten geschah. Ein Audit-Trail, der zwar existiert, aber nie für Nachweiszwecke konzipiert war, hilft nicht, wenn die Uhr des Regulators bereits läuft.

Menschliches Risiko überholt technische Schwachstellen als Hauptsorge

79 Prozent der CISOs nennen mittlerweile menschliches Risiko als größte Cyber-Schwachstelle ihres Unternehmens – ein deutlicher Anstieg gegenüber 66 Prozent im Jahr 2025 und eine klare Verschiebung der Prioritäten. Lange Zeit standen technische Schwachstellen, ungepatchte Systeme, falsch konfigurierte Cloud-Umgebungen und veraltete Infrastruktur im Fokus der CISO-Umfragen. Generative KI verschiebt den Schwerpunkt auf die Person am Rechner, denn sie verwandelt eine alltägliche Handlung – eine Frage eintippen oder ein Dokument einfügen – in ein potenzielles Datenrisiko.

66 Prozent der britischen CISOs glauben konkret, dass Mitarbeitende KI so nutzen, dass sensible Daten gefährdet werden. Das ist keine hypothetische Zukunft, sondern beschreibt Verhalten, das laut Sicherheitsverantwortlichen bereits heute in alltäglichen Arbeitsabläufen stattfindet, um Aufgaben schneller zu erledigen.

Traditionelles Security Awareness Training adressierte bisher ein engeres Spektrum menschlicher Risiken – Phishing, verdächtige Anhänge, starke Passwörter. Generative KI bringt eine neue Art von Risiko: Die unsichere Handlung sieht genauso aus wie die sichere, produktive, gewünschte. Wer einen Kundenvertrag in ein GenAI-Tool kopiert, um ihn zusammenzufassen, tut genau das, wofür KI gedacht ist. Das Risiko liegt nicht in der Absicht, sondern im Fehlen technischer Kontrollen, die erlaubte von unerlaubten KI-Zielen unterscheiden oder Datenklassifizierung vor dem Verlassen der Unternehmensumgebung erzwingen.

Diese Unterscheidung ist entscheidend für die nächsten Investitionen von CISOs und Compliance-Verantwortlichen. Schulungen reduzieren Risiken am Rand, ersetzen aber keine technische Kontrollschicht, die zwischen autorisierter KI-Integration mit gesteuerter ABAC-Policy und dem Privatkonto eines Mitarbeitenden auf einem Consumer-KI-Tool unterscheiden und diese Unterscheidung automatisch, skalierbar und ohne menschliche Kontrolle durchsetzen kann.

Warum sinkende Pannenangst nicht gleich sinkendes Risiko bedeutet

Eine Zahl im Report widerspricht dem Bild wachsender Alarmbereitschaft: Der Anteil der CISOs, die in den nächsten 12 Monaten mit einem schwerwiegenden Cyberangriff rechnen, sank von 76 auf 61 Prozent. Für sich genommen klingt das nach guten Nachrichten: verbesserte Sicherheitslage, steigendes Vertrauen.

Im Kontext der anderen Ergebnisse wirkt das anders. Die Sorge um GenAI stieg um 18 Punkte, die um menschliches Risiko um 13 Punkte. Die konkrete Angst, dass Mitarbeitende durch KI-Nutzung sensible Daten gefährden, liegt bei britischen CISOs bei 66 Prozent. Vor diesem Hintergrund ist ein Rückgang der erwarteten Pannenwahrscheinlichkeit um 15 Punkte kein offensichtliches Zeichen für sinkendes Risiko. Es könnte vielmehr bedeuten, dass CISOs ihre Definition einer bedrohlichen Panne ändern – oder dass sie gegenüber einer allgegenwärtigen Bedrohung abstumpfen, die nicht mehr als akutes Ereignis wahrgenommen wird wie ein Ransomware-Angriff.

Es gibt eine noch kritischere Lesart: Vertrauen und Kontrolle sind nicht dasselbe. Ein CISO kann sich bei klassischen Angriffsszenarien – etwa externen Angreifern, die technische Schwachstellen ausnutzen – sicherer fühlen, bleibt aber gegenüber neuen Risiken exponiert, die nicht wie eine klassische Panne aussehen. Wenn sensible Daten ein nicht autorisiertes KI-System erreichen, lösen sie keine Alarme aus wie eine Ransomware oder ein Credential-Stuffing-Angriff. Es kann unbemerkt durch alltägliche, gut gemeinte Aktivitäten geschehen – ohne externen Angreifer und ohne offensichtlichen Eskalationspunkt. Die Gesamtrisikolage eines CISOs kann sich auf dem Papier verbessern, während sie in einer Kategorie wächst, die bestehende Erkennungstools gar nicht erfassen.

Das spricht dafür, KI-Datenrisiken eigenständig zu bewerten, statt sie in allgemeine Pannenwahrscheinlichkeiten einzurechnen. Die Kontrollen, die klassische Risiken senken – Patching, Endpoint Detection, Netzwerksegmentierung – helfen kaum, wenn ein Mitarbeitender geschützte Gesundheitsdaten in ein öffentliches GenAI-Chatfenster kopiert. Unterschiedliches Risiko, andere Kontrollen – und eine Ressourcenplanung, die beides gleichbehandelt, wird weiterhin das eigentliche Wachstumsfeld unterfinanzieren.

Die Lücke schließen: KI-Datenzugriff steuern statt Schatten-KI hinterherlaufen

Alle fünf Erkenntnisse zeigen denselben roten Faden: Die Verantwortung für KI-Risiken ist den verfügbaren Tools, Budgets und Fachkenntnissen weit vorausgeeilt – und mehr Personal allein wird diese Lücke nicht schließen. Sicherheits- und Compliance-Budgets wachsen nicht im Gleichschritt mit der KI-Einführung, und die Umfrage zeigt, dass die meisten CISOs das längst wissen.

Die nachhaltigere Lösung ist architektonisch: Statt jede Eingabe eines Mitarbeitenden in jedes generative KI-Tool überwachen zu wollen – was Ressourcen erfordert, die die meisten CISOs nicht haben – können Unternehmen Richtlinien dort durchsetzen, wo sensible Daten überhaupt erst in ein KI-System gelangen würden. Zero trust generative AI basiert auf diesem Modell: Jeder Datenzugriff wird vor Freigabe gegen Richtlinien geprüft – egal, ob der Anfragende ein Mensch oder ein KI-Agent ist.

Für Unternehmen, die diese Governance auf agentische KI und nicht-menschliche Identitäten ausweiten, gilt das Prinzip auch über einen Secure MCP Server: Das Unternehmen definiert exakt, auf welche Daten ein KI-Agent zugreifen darf, unter welchen Bedingungen und mit welchem Nachweis – statt pauschalen Zugang zu gewähren und auf spätere Überwachung zu hoffen. Die Steuerung am Verbindungspunkt – statt jeder einzelnen Interaktion hinterherzulaufen – macht es möglich, mit einem konstanten Sicherheitsbudget eine wachsende KI-Landschaft abzusichern.

Das löst auch das Nachweisproblem, mit dem Chief Compliance Officer täglich leben. Wenn Policy Enforcement automatisch beim KI-Datenzugriff greift, erzeugt das System einen granularen Echtzeit-Nachweis, was erlaubt war und warum – statt diesen Nachweis im Nachhinein mühsam rekonstruieren zu müssen. Ein Audit-Trail, der bloß existiert, ist nicht dasselbe wie einer, der beweiskräftig und innerhalb der Frist einer regulatorischen Anfrage vorzeigbar ist – statt erst nach Wochen aus verstreuten Logs zusammengesucht zu werden.

Niemand wird diese Lücke einfach wegrekrutieren. Die Ressourcenlücke in Proofpoints Daten ist kein Personalmangel, der auf das nächste Budget wartet, sondern eine Designentscheidung über den Kontrollpunkt – und Unternehmen können diese Entscheidung heute ändern, indem sie Datenzugriff steuern, bevor ein KI-System sie sieht, statt erst nach einem Schaden zu reagieren.

Erfahren Sie mehr darüber, wie Sie die KI-Governance-Lücke ohne proportionalen Personalaufbau schließen können – vereinbaren Sie jetzt eine individuelle Demo.

Weitere Ressourcen

• Blog Post
  Zero‑Trust-Strategien für bezahlbaren KI-Datenschutz
• Blog Post
  Wie 77 % der Unternehmen bei KI-Datensicherheit scheitern
• eBook
  KI-Governance-Lücke: Warum 91 % der kleinen Unternehmen 2025 russisches Roulette mit Datensicherheit spielen
• Blog Post
  Es gibt kein „–dangerously-skip-permissions“ für Ihre Daten
• Blog Post
  Regulierungsbehörden fragen nicht mehr, ob Sie eine KI-Richtlinie haben. Sie wollen den Nachweis, dass sie funktioniert.