Der Jahresbericht 2026 ist da: Die Governance-Lücke bei KI hat sich nicht geschlossen – sie ist größer geworden.

Ein ungetesteter Kill Switch ist keine Kontrolle. Es ist eine Annahme – und die diesjährigen Daten zeigen, wie viele Unternehmen sich genau darauf verlassen.

Wir haben gerade die Datenerhebung für den Kiteworks Data Security and Compliance Risk: 2026 Annual Survey Report abgeschlossen. Die Ergebnisse basieren auf den Antworten von 459 Fachleuten aus den Bereichen Sicherheit, Compliance und Technologie aus Nordamerika, Europa und dem Nahen Osten. Die zentrale Erkenntnis ist keine neue Schwachstelle oder Regulierung, sondern eine strukturelle: Die Lücke zwischen dem, was Unternehmen über ihre KI-Governance glauben, und dem, was sie tatsächlich nachweisen können, ist im vergangenen Jahr größer geworden – nicht kleiner.

Ende letzten Jahres prognostizierten wir, dass etwa 60 % der Unternehmen bis zum Abschluss dieser Umfrage noch immer keinen getesteten KI-Kill Switch haben würden. Der tatsächlich gemessene Wert lag bei 79 %. Wir haben das Ziel nicht nur verfehlt – wir haben gesehen, wie die Lücke wuchs, während die KI-Einführung weiter beschleunigte: 64 % der befragten Unternehmen setzen KI bereits in Produktionsumgebungen ein. Die Einführung ist schon längst keine offene Frage mehr. Die eigentliche Schwachstelle liegt jetzt beim Containment.

Dieser Beitrag beleuchtet die wichtigsten Erkenntnisse aus der diesjährigen KI-Datengovernance-Studie: Was ist schiefgelaufen, warum genau auf diese Weise und was unterscheidet die Unternehmen, die die Lücke schließen, von denen, die sie vergrößern. Kunden und Interessenten von Kiteworks Secure Data Exchange stellen sich alle dieselbe grundlegende Frage, die diese Daten beantworten: Ist mein Unternehmen tatsächlich so gut gesteuert, wie ich glaube?

Wichtige Erkenntnisse

1. Die Governance-Lücke hat sich vergrößert statt geschlossen. Unsere eigene Prognose ging davon aus, dass 60 % der Unternehmen bis jetzt keinen getesteten KI-Kill Switch haben würden; tatsächlich waren es 79 %. Die Lücke ist also im vergangenen Jahr gewachsen, nicht geschrumpft.
2. Containment-Kontrollen sind das schwächste Glied, nicht die Erkennung. Nur 21 % der Unternehmen haben einen KI-Kill Switch implementiert, und 23 % derjenigen mit KI in der Produktion haben ihren Abschaltprozess noch nie Ende-zu-Ende getestet.
3. Compliance-Folgen sind bereits Realität, nicht nur Prognose. 63 % der Unternehmen haben in den letzten 12 Monaten eine Compliance-Folge aufgrund einer KI-Governance-Lücke erlebt, und die Hälfte kann innerhalb eines Werktags keinen vollständigen KI-Zugriffsdatensatz bereitstellen.
4. Sicherheitsreife und KI-Governance-Reife multiplizieren sich, sie addieren sich nicht. Unser neuer zusammengesetzter Index, der Data Security and Compliance Readiness Index, lag im Durchschnitt bei 16,2 von 100 über 459 Unternehmen – denn eine starke allgemeine Sicherheit kann schwache KI-spezifische Kontrollen nicht ausgleichen.
5. Das Budget sagt nichts über die Reife aus. Unternehmen mit den größten Sicherheitsbudgets hatten den geringsten Anteil in der höchsten Reifestufe aller untersuchten Größenklassen, während mittelgroße Unternehmen mit deutlich kleineren Budgets sie übertrafen.

Das Kill Switch Problem: Dokumentierte Verfahren sind keine getesteten Kontrollen

Hier stolpern die meisten Unternehmen. Auf die Frage nach der Fähigkeit zur KI-Abschaltung beschrieben viele Befragte etwas, das wie eine Kontrolle klingt, aber eher Hoffnung ist: ein benannter Verantwortlicher, ein Eskalationsweg, ein Runbook, das noch nie an einem Live-System ausgeführt wurde.

Nur 21 % der Unternehmen haben eine formelle KI-Kill-Switch-Funktion implementiert. Noch schlimmer: 23 % der Unternehmen mit KI in der Produktion gaben an, ihren Abschaltprozess noch nie Ende-zu-Ende getestet zu haben – nicht „irgendwann mal getestet“. Nie. Diese Unterscheidung ist im Ernstfall entscheidend, denn das ist nicht der Moment, um festzustellen, dass das Verfahren in der Praxis nicht funktioniert wie in der Dokumentation beschrieben.

Das Geschwindigkeitsproblem verschärft die Lage zusätzlich. Der CrowdStrike 2026 Global Threat Report dokumentierte KI-gestützte laterale Bewegungen in nur 27 Sekunden bei den schnellsten beobachteten Angriffen. Mandiants M-Trends 2026 Report fand heraus, dass die mittlere Zeit vom Erstzugriff bis zur Übergabe an eine zweite Angreifergruppe 2025 auf 22 Sekunden gesunken ist. Ein Kill Switch, der davon abhängt, dass jemand einen Alarm bemerkt, eskaliert und dann manuell Zugriffsrechte entzieht, ist für ein 27-Sekunden-Problem nicht gebaut. Das ist kein Vorwurf an einzelne Security-Teams, sondern ein strukturelles Missverhältnis zwischen den meisten Containment-Plänen und der Geschwindigkeit, mit der sich KI-basierte Angriffe tatsächlich ausbreiten. Eine SIEM-Plattform, die in Echtzeit KI-Zugriffs-Telemetrie verarbeitet – mit vorab konfigurierten Verhaltensalarmen für die von CrowdStrike und Mandiant dokumentierten lateralen Bewegungsmuster – schließt die Lücke zwischen einem 27-Sekunden-Angreifer und einem Kill Switch, der auf menschliche Reaktionsgeschwindigkeit ausgelegt ist.

22 % der Unternehmen mit KI-Einsatz mussten in den letzten 12 Monaten mindestens eine KI-Implementierung wegen Bedenken zur Datensicherheit überarbeiten, zurückrollen oder einschränken. Das ist kein hypothetisches Risiko, sondern ein operativer Kostenfaktor, den Unternehmen bereits tragen.

Compliance-Folgen sind eine aktuelle Realität, kein zukünftiges Risiko

63 % der Unternehmen berichteten im vergangenen Jahr mindestens eine Compliance-Folge aufgrund einer KI-Governance-Lücke: ein Audit-Ergebnis, ein erforderlicher Maßnahmenplan, eine Eskalation an den Vorstand, eine Vertragsstrafe oder eine formelle Untersuchung durch Aufsichtsbehörden. Diese Zahl ist keine Prognose, was passieren könnte, wenn Governance nicht verbessert wird – sie spiegelt wider, was Unternehmen bereits erlebt haben.

Die Hälfte der befragten Unternehmen konnte innerhalb eines Werktags keinen vollständigen KI-Zugriffsdatensatz bereitstellen. Nur 33 % verfügen über manipulationssichere Audit-Trails, was bedeutet, dass die Mehrheit keinen Nachweis liefern kann, der nachträglich nicht verändert wurde – genau die Art von Nachweis, die Prüfer und Ermittler zuerst betrachten. Diese beiden Erkenntnisse hängen zusammen: Ein Unternehmen, das seine eigenen Zugriffsprotokolle nicht schnell abrufen kann, kann auch regulatorische Anfragen kaum zeitnah beantworten.

Der regulatorische Rahmen verschärft den Handlungsdruck zusätzlich. Nach Vorgaben wie der DSGVO und neuen KI-spezifischen Regelungen wird bereits vorausgesetzt, dass Unternehmen auf Abruf Kontrolle über sensible Daten nachweisen können. Eine Verzögerung bei der Bereitstellung ist unter diesem Standard kein technisches Ärgernis, sondern ein Beleg für unzureichende Governance – und wird von Prüfern und Aufsichtsbehörden auch so behandelt. Ein bestätigter Datenschutzverstoß oder ein Compliance-Befund im Zusammenhang mit KI-Governance – wenn der erforderliche Audit-Trail nicht innerhalb eines Werktags bereitgestellt werden kann – erhöht das regulatorische Risiko zusätzlich, weil damit nicht nur die Kontrolle, sondern die gesamte Governance-Infrastruktur als gescheitert gilt.

61 % der Unternehmen sehen Data Sovereignty als ihre größte Compliance-Herausforderung für das kommende Jahr, aber nur 29 % setzen eine technische Durchsetzung um. Die Sorge um Data Sovereignty ist nahezu universell, die technische Umsetzung jedoch nicht. Diese Lücke zwischen erklärter Priorität und tatsächlicher Kontrolle ist der eigentliche Ursprung regulatorischer Risiken – und sie zeigt sich in den diesjährigen Daten immer wieder.

Warum wir einen neuen Index entwickelt haben: Sicherheitsreife und KI-Governance-Reife multiplizieren sich

Seit Jahren hören wir von Unternehmen, sie seien „sicher genug“ – basierend allein auf ihrer allgemeinen Sicherheitslage. Die diesjährigen Daten widerlegen diesen Instinkt, und wir haben eine neue Kennzahl entwickelt, um das unmissverständlich zu machen.

Der Data Security and Compliance Readiness Index (DSCRI) kombiniert den Data Security Maturity Score und den AI Governance Maturity Score mittels einer Multiplikation, nicht Addition. Über alle 459 Befragten lag der Mittelwert bei 16,2 von 100. Der durchschnittliche Data Security Maturity Score lag allein bei 39 von 100, der durchschnittliche AI Governance Maturity Score bei 35 von 100. Multipliziert ergibt das einen insgesamt schlechten Wert, denn ein starkes allgemeines Sicherheitsprogramm kann KI-spezifische Governance-Lücken nicht ausgleichen – und umgekehrt. Das eine ersetzt das andere nicht.

Am deutlichsten zeigt sich der Preis dieser Lücke beim Vergleich der Vorfallraten zwischen Unternehmen mit höchster und niedrigster Reifestufe: Unternehmen im Top-Tier meldeten KI-Vorfälle mit einer Rate von 34 %, Unternehmen im niedrigsten Tier mit 91 %. Das ist kein allmählicher Übergang, sondern eine klare Trennlinie – und auf welcher Seite ein Unternehmen landet, hängt weit weniger vom Budget ab, als viele Führungskräfte annehmen. Eine formale Risikoanalyse, die sowohl KI-spezifische Governance-Kontrollen als auch allgemeine Sicherheitsreife gleichzeitig bewertet – statt sie als getrennte Prüfpfade zu behandeln – macht die Multiplikationslücke sichtbar, bevor ein Compliance-Vorfall sie auf die harte Tour offenlegt.

Das Budget sagt nichts über die Reife aus – die Architektur schon

Auf diese Erkenntnis komme ich bei Gesprächen mit Führungskräften immer wieder zurück. Als wir alle Unternehmen der Umfrage entlang der Achsen allgemeine Sicherheitsreife und KI-spezifische Governance-Reife abbildeten, zeigte sich: Es geht nicht um Unternehmensgröße oder Budget.

Globale Konzerne, also Unternehmen mit den größten Sicherheitsbudgets in unserer Stichprobe, waren in der höchsten Reifestufe am wenigsten vertreten. Mittelgroße Unternehmen mit deutlich kleineren Budgets schnitten besser ab. Das gleiche Muster zeigte sich branchenübergreifend: Verteidigungsunternehmen und Behörden, die mit den sensibelsten Daten arbeiten, waren im Top-Tier gar nicht vertreten. Energie und Versorger – ein Sektor, der selten als Vorreiter bei KI-Governance genannt wird – erzielte einige der besten Einzelwerte im gesamten Datensatz.

Auch regional zeigt sich ein ähnliches Bild: Nur Unternehmen aus Nordamerika waren im Top-Tier nennenswert vertreten. Unternehmen aus dem Nahen Osten waren am stärksten im unteren Reifestier konzentriert und am wenigsten im Top-Tier – ein Muster, das mit geringerer allgemeiner Sicherheitsreife korreliert, nicht mit mangelndem Problembewusstsein. In allen Regionen zählt Data Sovereignty zu den wichtigsten Compliance-Themen – aber nur wenige verfügen über die zero trust Architektur oder eine technische Durchsetzungsschicht, um diese Sorge auch praktisch abzusichern.

Budget finanziert ein Sicherheitsprogramm. Es garantiert aber nicht automatisch die spezifischen, KI-fokussierten Kontrollen – ABAC-Durchsetzung, getestete Abschaltfähigkeit, zentrales Audit-Logging – die im Ernstfall den Unterschied machen. Eine konsistente Datenklassifizierung über alle KI-zugänglichen Inhalte hinweg ist eine Grundvoraussetzung, die Budget allein nicht sicherstellt: Unternehmen mit großen Sicherheitsprogrammen stellen oft fest, dass ihre Klassifizierungsinfrastruktur unvollständig oder inkonsistent über die Kanäle hinweg ist – daher bestehen Durchsetzungslücken auch dort, wo viel investiert wird.

Risiken durch Drittanbieter-KI verschärfen die interne Lücke

Interne Governance-Lücken bestehen nicht isoliert. 27 % der Unternehmen haben nicht geprüft oder technisch verifiziert, ob ihre KI-Anbieter die eigenen Daten für das Modelltraining nutzen – das heißt, über ein Viertel der Unternehmen vertraut sensible Daten Drittanbietern an, ohne Kontrolle. Der Black Kite 2026 Third-Party Breach Report dokumentierte 136 bestätigte Drittanbieter-Verstöße im Jahr 2025, mit einer mittleren Offenlegungsverzögerung von 73 Tagen zwischen Kompromittierung und Benachrichtigung – Unternehmen können also über zwei Monate lang durch einen Fehler des Anbieters gefährdet sein, bevor sie überhaupt davon erfahren.

19 % der Unternehmen haben ihre eigene Fähigkeit zur Drittanbieter-Zugriffsbeendigung noch nie getestet oder geübt – ein Spiegelbild des internen Kill-Switch-Problems auf Anbieterseite. Ein Vendor Risk Management-Programm, das nicht nachweisen kann, dass es den Zugriff eines Anbieters auf Abruf tatsächlich entziehen kann, trifft die gleiche ungetestete Annahme wie Unternehmen, die dies für ihre eigenen KI-Systeme tun. Lieferketten-Risikomanagement, das die Drittanbieter-Zugriffsbeendigung regelmäßig praktisch testet – statt sie nur zu dokumentieren und vorauszusetzen – schließt die Lücke zwischen interner Kill-Switch-Reife und Drittanbieter-Revokationsfähigkeit.

Shadow AI und fragmentierter Datenaustausch verschärfen die Lücke

65 % der Unternehmen haben im vergangenen Jahr Shadow-AI-Nutzung entdeckt – Mitarbeitende, die sensible Daten über KI-Tools leiten, die das Unternehmen nie genehmigt oder bereitgestellt hat. Nur 43 % haben ihr KI-Gateway auf einen zentralen Kontrollpunkt konsolidiert, das heißt, die meisten Unternehmen versuchen, KI-Aktivitäten aus fünf oder sechs verschiedenen Perspektiven gleichzeitig zu steuern. Eine konsistente Richtlinie lässt sich nicht durchsetzen, wenn das System nicht konsistent sichtbar ist.

Diese Fragmentierung betrifft nicht nur KI-Tools. 62 % der Unternehmen betreiben fragmentierte Umgebungen für den Austausch sensibler Daten über Managed File Transfer, Secure Email, Filesharing und Web-Formulare – was zu inkonsistenten Sicherheitsrichtlinien und mehreren Angriffspunkten statt eines gesteuerten Perimeters führt. Von den Unternehmen, die MFT nutzen, streamen nur 26 % Logs in Echtzeit an SIEM, und nur 39 % führen manipulationssichere Audit-Trails für diesen Kanal. Fragmentierung und Audit-Lücken verstärken sich gegenseitig: Je verstreuter die Infrastruktur, desto schwieriger ist es, einen einzigen, belastbaren Nachweis darüber zu liefern, was wann und bei wem passiert ist. Das CISO Dashboard bietet die einheitliche, Echtzeit-Transparenz über alle Kanäle für den Austausch von Inhalten – MFT, E-Mail, Filesharing, KI-Agents – und ermöglicht so einen einzigen, verteidigungsfähigen Nachweis, ohne dass Unternehmen Logs aus fünf getrennten Systemen manuell zusammenführen müssen.

Klassifizierung erzählt die gleiche Geschichte aus einer anderen Perspektive. 55 % der Unternehmen haben keine automatisierte Datengovernance und Klassifizierung über alle wichtigen Systeme hinweg erreicht, und nur 39 % können Tagging und Klassifizierung kanalübergreifend konsistent durchsetzen. Klassifizierung ohne nachgelagerte Kontrolle ist keine Governance – sondern nur ein Label auf einem Ordner. Data Security Posture Management schließt einen Teil dieser Lücke durch kontinuierliche Erkennung, während Daten über Systeme, Kanäle und KI-Pipelines hinweg bewegt werden. Aber Erkennung allein verhindert keine fehlgeleitete Datei – sie muss mit Durchsetzung am Übertragungspunkt kombiniert werden, nicht nur mit nachträglicher Transparenz. Datenminimierung an der KI-Datengrenze – also dafür zu sorgen, dass Agents und Modelle nur die für ihre Aufgabe minimal notwendigen Inhalte erhalten – verringert zusätzlich das Risiko, dass sensible Daten über unkontrollierte Kanäle in größerem Umfang exponiert werden.

Auch die Governance-Verantwortung ist Teil des Problems. 39 % der Unternehmen behandeln KI-Datengovernance als Zusatzaufgabe zu einer bestehenden Security- oder IT-Rolle, statt als eigenständige Zuständigkeit. Nur 24 % haben ein dediziertes Team dafür. Wenn Verantwortlichkeit nur ein Nebenprojekt ist, geraten gerade die Kontrollen, die kontinuierliche Aufmerksamkeit erfordern, als erstes ins Hintertreffen – etwa bei Budgetrunden oder konkurrierenden Prioritäten.

Was die erfolgreichen Unternehmen unterscheidet

Über alle Auswertungen der diesjährigen Daten hinweg – Branche, Größe, Region – zeigten sich bei den erfolgreichen Unternehmen immer drei Merkmale:

• Ein Kill Switch, der regelmäßig getestet wird, nicht nur einmal dokumentiert und dann vergessen
• Zugriffsrechte, die so eng gefasst sind, dass sie sich ohne komplexe Vererbungen entziehen lassen
• Zentrales, manipulationssicheres Audit-Logging, das auf schnelle Abrufbarkeit ausgelegt ist – nicht nur auf Langzeitarchivierung

Keine dieser Maßnahmen ist im Verhältnis zu einem typischen Sicherheitsbudget teuer. Alle drei sind Architekturentscheidungen, keine Budgetposten – genau deshalb sagt das Budget allein nichts darüber aus, welche Unternehmen sie umsetzen. Das ist der Kerngedanke hinter Kiteworks Compliant AI: Die Steuerung der Daten-KI-Grenze erfordert dieselbe disziplinierte Incident Response-Planung, Vendor Risk Management und zentrale Transparenz, wie sie reife Datensicherheitsprogramme seit Jahren auf alle anderen Kanäle anwenden. KI braucht keine neue Governance-Philosophie – sondern die bestehende, konsequent angewendet und technisch durchgesetzt, nicht nur auf dem Papier bestätigt. Die Data Control Pane liefert die einheitliche Governance-Umgebung – eine Policy Engine, ein Audit-Trail über alle Kanäle und KI-Workflows hinweg – und macht diese drei Architekturentscheidungen operativ statt nur theoretisch.

Was das für 2027 bedeutet

Wir haben diese Lücke bereits vor einem Jahr im Prognosebericht vorhergesagt. Die eigentliche Überraschung in den aktuellen Daten ist nicht, dass sie existiert – sondern dass Unternehmen sie weiter vergrößert haben, während die KI-Einführung weiter beschleunigte. Das ist kein Technologieversagen, sondern ein Fehler in der Reihenfolge: Erst ausrollen, dann das Containment nachziehen – dabei müssten beide von Anfang an zusammen gedacht werden.

Wenn Ihr Unternehmen aktuell KI in der Produktion einsetzt, ist die wichtigste Frage diese Woche nicht, ob Sie einen Kill Switch haben. Sondern: Wann wurde er zuletzt getestet, wie lange dauerte der Test und was ist dabei schiefgegangen? Wenn niemand im Raum das konkret beantworten kann, gibt es faktisch keinen Kill Switch – sondern nur einen Plan, einen zu bauen. Und die diesjährigen Daten zeigen: Dieser Plan steht kurz davor, beim ersten Vorfall unter den schlechtesten Bedingungen auf die Probe gestellt zu werden.

Die Unternehmen, die diese Lücke im vergangenen Jahr geschlossen haben, haben nicht auf eine größere Budgetrunde gewartet. Sie haben drei Dinge als operative Pflicht mit Verantwortlichen und Testplänen behandelt, nicht als Dokumentationsübung: einen Kill Switch, der nach Plan getestet wird, Zugriffsrechte, die so eng gefasst sind, dass sie sauber entzogen werden können, und Audit-Logging, das eine regulatorische Anfrage in Stunden statt Tagen beantwortet. Diese Liste ist kürzer, als viele Unternehmen erwarten – und genau deshalb ist die Lücke zwischen Top- und Bottom-Tier so groß, wie die diesjährigen Daten zeigen.

Erfahren Sie mehr darüber, wie Sie die Lücke zwischen der Sicherheitslage Ihres Unternehmens und KI-spezifischen Governance-Kontrollen schließen können – vereinbaren Sie jetzt eine individuelle Demo.

Weitere Ressourcen

• Blogbeitrag
  Zero‑Trust-Strategien für kosteneffizienten KI-Datenschutz
• Blogbeitrag
  Wie 77 % der Unternehmen bei KI-Datensicherheit scheitern
• eBook
  KI-Governance-Lücke: Warum 91 % der kleinen Unternehmen 2025 russisches Roulette mit Datensicherheit spielen
• Blogbeitrag
  Für Ihre Daten gibt es kein „–dangerously-skip-permissions“
• Blogbeitrag
  Regulierungsbehörden fragen nicht mehr nach einer KI-Policy. Sie wollen den Nachweis, dass sie funktioniert.