Wie Shadow AI Unternehmen 670.000 $ mehr kostet: IBMs Data Breach Report 2025

Die Zahlen sprechen eine deutliche Sprache. Während IBMs aktueller Cost of a Data Breach Report zeigt, dass die weltweiten Kosten für Datenschutzverstöße erstmals seit fünf Jahren auf 4,44 Millionen US-Dollar gesunken sind, verzeichnen US-Unternehmen mit durchschnittlich 10,22 Millionen US-Dollar einen neuen Rekordwert. Doch hinter diesen Schlagzeilen verbirgt sich eine noch beunruhigendere Realität: Laut einer Studie von Kiteworks verfügen 83 % der Unternehmen nicht einmal über grundlegende Kontrollen, um Datenexponierung gegenüber KI-Tools zu verhindern.

Dieses Paradox beschreibt den aktuellen Zustand der Unternehmenssicherheit. KI verkürzt zwar die Zeit zur Erkennung von Datenschutzverstößen um 80 Tage, schafft jedoch gleichzeitig massive neue Schwachstellen, die die meisten Unternehmen weder erkennen noch kontrollieren können. Shadow-AI-Vorfälle machen inzwischen 20 % aller Datenschutzverletzungen aus, während 27 % der Unternehmen berichten, dass über 30 % ihrer KI-verarbeiteten Daten vertrauliche Informationen enthalten – von Kundendaten bis zu Geschäftsgeheimnissen.

Besonders alarmierend: Nur 17 % der Unternehmen verfügen über technische Kontrollen, die verhindern können, dass Mitarbeitende vertrauliche Daten in öffentliche KI-Tools hochladen. Die übrigen 83 % verlassen sich auf Schulungen, Warn-E-Mails oder gar nichts. Unternehmen stecken in einer gefährlichen Lücke zwischen rasanter KI-Einführung und Sicherheitsmaßnahmen fest – mit nie dagewesenen Compliance- und Datensicherheitsrisiken, für die bestehende Rahmenwerke nicht ausgelegt sind.

Stand der KI-gesteuerten Bedrohungen für die Datensicherheit

Shadow-AI-Epidemie

Die Unterscheidung zwischen genehmigter und nicht genehmigter KI ist zu einem der wichtigsten Sicherheitsmerkmale geworden. IBMs Studie zeigt, dass Datenschutzverletzungen durch Shadow AI Unternehmen 670.000 US-Dollar mehr kosten als der Durchschnitt – 4,63 Millionen gegenüber 3,96 Millionen US-Dollar bei Standardvorfällen. Noch besorgniserregender: Shadow-AI-Vorfälle machen 20 % aller Verstöße aus, während genehmigte KI-Systeme nur 13 % ausmachen.

Die Muster der Datenexponierung sind besonders problematisch. Bei Shadow-AI-Vorfällen sind in 65 % der Fälle personenbezogene Daten (PII) von Kunden betroffen – deutlich mehr als der weltweite Durchschnitt von 53 %. Diese Verstöße betreffen überwiegend Daten, die in mehreren Umgebungen gespeichert sind (62 %) und zeigen, wie Shadow AI Schwachstellen schafft, die sich über die gesamte Infrastruktur eines Unternehmens erstrecken.

Die Forschung von Kiteworks liefert dazu entscheidenden Kontext: 86 % der Unternehmen haben keinen Einblick in KI-Datenflüsse, und das durchschnittliche Unternehmen betreibt unwissentlich 1.200 inoffizielle Anwendungen, die potenzielle Angriffsflächen schaffen. Noch alarmierender: 52 % der Mitarbeitenden nutzen aktiv risikoreiche OAuth-Anwendungen, die auf Unternehmensdaten zugreifen und diese exfiltrieren können. Diese Schatten-IT sorgt dafür, dass selbst Unternehmen mit vermeintlich umfassender KI-Governance oft über tausend unbekannte Hintertüren haben.

Governance-Illusion

Nirgendwo ist die Diskrepanz zwischen Wahrnehmung und Realität so ausgeprägt wie bei der KI-Governance. Während 33 % der Führungskräfte angeben, die KI-Nutzung umfassend zu verfolgen, zeigt unabhängige Forschung von Deloitte, dass nur 9 % tatsächlich funktionierende Governance-Systeme haben. Gartners Analyse ist noch ernüchternder: Lediglich 12 % der Unternehmen verfügen über dedizierte KI-Governance-Strukturen.

Diese Selbstüberschätzung – Unternehmen überschätzen ihre Fähigkeiten um mehr als das Dreifache – führt zu echten Sicherheitslücken. IBM fand heraus, dass 63 % der betroffenen Unternehmen keinerlei KI-Governance-Richtlinien haben. Bei KI-bezogenen Datenschutzverletzungen fehlten in 97 % der Fälle geeignete Zugriffskontrollen. Selbst grundlegende Sicherheitsmaßnahmen fehlen: Nur 32 % der Unternehmen führen regelmäßige Audits ihrer KI-Modelle durch.

Die Auswirkungen sind im gesamten Sicherheitsökosystem spürbar. Ohne Governance können Unternehmen nicht nachvollziehen, welche KI-Systeme sensible Daten verarbeiten, keine konsistenten Sicherheitsrichtlinien durchsetzen und keine Compliance im Auditfall nachweisen. Sie agieren praktisch blind – und glauben dennoch, alles im Griff zu haben.

Evolution der Angriffsvektoren

Traditionelle Angriffsvektoren sind nicht verschwunden – sie haben sich weiterentwickelt. Phishing bleibt mit 16 % aller Verstöße der häufigste Einstiegspunkt und verursacht durchschnittliche Kosten von 4,8 Millionen US-Dollar. Doch das Spiel hat sich grundlegend verändert: Generative KI verkürzt die Zeit zur Erstellung einer überzeugenden Phishing-E-Mail von 16 Stunden auf nur 5 Minuten – und ermöglicht Angreifern nie dagewesene Skalierung und Raffinesse.

IBMs Daten zeigen, dass inzwischen 16 % der Verstöße KI-gesteuerte Angriffe beinhalten, wobei KI-generiertes Phishing 37 % dieser Vorfälle ausmacht. Supply-Chain-Kompromittierungen, oft über File-Transfer-Systeme und Drittanbieter-Integrationen, machen 15 % der Verstöße mit durchschnittlichen Kosten von 4,91 Millionen US-Dollar aus. Diese Angriffe dauern mit durchschnittlich 267 Tagen am längsten, da sie Vertrauensverhältnisse zwischen Unternehmen und ihren Partnern ausnutzen.

Das Zusammenspiel von KI-Fähigkeiten und traditionellen Angriffsmethoden wirkt wie ein Multiplikator. Angreifer nutzen KI für bessere Aufklärung, überzeugendere Social-Engineering-Kampagnen und schnellere Identifikation von Schwachstellen, als Verteidiger sie beheben können. Gleichzeitig werden die KI-Tools, die Unternehmen zur Effizienzsteigerung einsetzen, selbst zu neuen Angriffsflächen.

Datenexponierung: Das neue Normal

Klassifikationskrise

Die gefährdeten Datentypen zeigen, was Unternehmen zu verlieren haben. IBMs Analyse belegt: Kunden-PII dominiert mit 53 % aller Verstöße und verursacht Kosten von 160 US-Dollar pro kompromittiertem Datensatz. Mitarbeiter-PII folgt mit 37 % der Verstöße (168 US-Dollar pro Datensatz), während geistiges Eigentum – obwohl nur in 33 % der Fälle betroffen – mit 178 US-Dollar pro Datensatz am teuersten ist.

Kiteworks‘ branchenspezifische Analyse zeigt, wie weit diese Exponierung reicht: Die Technologiebranche führt mit 27 % der Unternehmen, die angeben, dass über 30 % ihrer KI-verarbeiteten Daten vertraulich oder sensibel sind. Gesundheitswesen, Finanzdienstleister und Fertigung folgen mit jeweils 26 %. Selbst die Rechtsbranche, deren Existenz auf Vertraulichkeit beruht, meldet bei 23 % der Unternehmen extrem hohe Mengen sensibler Daten, die durch KI-Tools verarbeitet werden.

Am bedenklichsten ist die universelle Dimension des Problems: Rund 17 % der Unternehmen aller Branchen geben offen zu, keine Ahnung zu haben, wie viele sensible Daten Mitarbeitende mit KI-Plattformen teilen. Das betrifft nicht nur unvorbereitete Unternehmen oder einzelne Sektoren – es ist eine Epidemie, die von Behörden bis zu Life-Science-Firmen reicht.

Schwachstellen beim Speicherort

Der Speicherort von Daten beeinflusst sowohl die Kosten als auch die Erkennungszeiten von Verstößen erheblich. IBMs Forschung zeigt klare Kostenunterschiede: Verstöße mit Daten in mehreren Umgebungen kosten durchschnittlich 5,05 Millionen US-Dollar – der höchste Wert aller Konfigurationen. Private-Cloud-Verstöße kosten 4,68 Millionen, Public-Cloud-Vorfälle 4,18 Millionen, während On-Premises-Verstöße mit 4,01 Millionen vergleichsweise günstiger sind.

Diese Kostenunterschiede spiegeln die Komplexität der Erkennung wider: Verstöße über mehrere Umgebungen benötigen 276 Tage zur Identifikation und Eindämmung – 59 Tage länger als On-Premises-Vorfälle. Private-Cloud-Verstöße dauern 247 Tage, Public-Cloud-Vorfälle durchschnittlich 251 Tage. Das Muster ist klar: Je mehr Plattformen Daten umfassen, desto mehr verlieren Sicherheitsteams an Transparenz und Kontrolle – mit längeren Exponierungszeiten und höheren Kosten.

Die Herausforderung verschärft sich durch KI: Shadow-AI-Vorfälle betreffen laut Kiteworks überwiegend Daten, die in mehreren Umgebungen und Public Clouds gespeichert sind (62 %). Das ergibt eine gefährliche Kombination: Die am schwersten zu sichernden Konfigurationen sind am stärksten durch unkontrollierte KI-Tools gefährdet.

Zugangsdaten-Zeitbombe

Die Exponierung von Zugangsdaten ist ein besonders gefährlicher Aspekt KI-bezogener Risiken. Kiteworks fand heraus, dass Mitarbeitende routinemäßig Benutzernamen, Passwörter und Zugriffstoken mit KI-Assistenten teilen, um „Workflows zu optimieren“. Jede freigelegte Zugangsdatenkombination wird zur potenziellen Hintertür ins Unternehmen – mit einer mittleren Behebungszeit von 94 Tagen, also über drei Monaten unkontrolliertem Zugriff für Angreifer.

Das Ausmaß ist enorm: Unternehmen haben im Schnitt 15.000 „Geisteranwender“ – veraltete, aber aktive Konten mit vollem Systemzugriff. Hinzu kommen 176.000 inaktive externe Identitäten pro Unternehmen, was die Angriffsfläche massiv vergrößert. Werden diese Zugangsdaten mit KI-Systemen geteilt, entstehen dauerhafte Schwachstellen, die noch lange nach dem Ausscheiden eines Mitarbeitenden oder dem Ende eines Dienstleisters ausgenutzt werden können.

Plattformspezifische Risiken verschärfen das Problem: Varonis zeigt, dass 90 % der Unternehmen sensible Dateien über Microsoft 365 Copilot exponieren – mit durchschnittlich über 25.000 sensiblen Ordnern, die für jeden mit dem richtigen Prompt zugänglich sind. In Salesforce-Umgebungen kann in 100 % der Fälle mindestens ein Konto alle Daten exportieren. Das sind keine theoretischen Schwachstellen, sondern aktive Exponierungspunkte, bei denen eine einzige falsche Abfrage jahrelange vertrauliche Informationen offenlegt.

Compliance: Die regulatorische Flutwelle

Beschleunigte Durchsetzung

Das regulatorische Umfeld hat sich drastisch verändert. US-Behörden haben 2024 insgesamt 59 KI-Regulierungen erlassen – mehr als doppelt so viele wie im Vorjahr. Weltweit haben 75 Länder die KI-Gesetzgebung um 21 % ausgeweitet. Dennoch nennen laut Kiteworks nur 12 % der Unternehmen Compliance-Verstöße als eines ihrer Hauptanliegen im Zusammenhang mit KI. Diese Diskrepanz zwischen regulatorischer Dynamik und organisatorischem Bewusstsein ist eine Compliance-Zeitbombe.

IBMs Bußgeldstatistiken verdeutlichen die finanzielle Realität: 32 % der betroffenen Unternehmen zahlten regulatorische Strafen, davon lagen 48 % über 100.000 US-Dollar. Ein Viertel zahlte sogar mehr als 250.000 US-Dollar – US-Unternehmen traf es am härtesten, was die Rekordkosten in den USA erklärt.

Die Compliance-Herausforderung reicht weit über Bußgelder hinaus: Unternehmen drohen Reputationsschäden, betriebliche Einschränkungen und potenziell strafrechtliche Konsequenzen für Führungskräfte. Jeder Tag der Nichteinhaltung erhöht das Risiko – zumal die Aufsichtsbehörden immer ausgefeiltere Erkennungsmethoden und Informationsaustauschabkommen entwickeln.

Konkrete Compliance-Verstöße

Aktuelle KI-Praktiken verstoßen täglich gegen konkrete regulatorische Vorgaben. DSGVO Artikel 30 verlangt die Dokumentation aller Verarbeitungstätigkeiten – unmöglich, wenn Unternehmen KI-Uploads nicht nachverfolgen können. CCPA Abschnitt 1798.130 schreibt vor, personenbezogene Informationen auf Anfrage löschen zu können, doch Unternehmen wissen nicht, in welchen KI-Systemen ihre Daten liegen.

Die Anforderungen von HIPAA nach § 164.312 verlangen vollständige Audit-Trails für alle Zugriffe auf elektronische Gesundheitsdaten (ePHI). Mit Shadow AI ist das unerreichbar, wenn medizinisches Personal Patientendaten über persönliche Geräte und nicht genehmigte Anwendungen teilt. Auch SOX-Compliance wird unterlaufen, wenn Mitarbeitende Quartalsergebnisse in ChatGPT zur Analyse einfügen und so Finanzdatenkontrollen umgehen.

Die Audit-Lücke wird kritisch, wenn sie mit Identitätsmanagement-Problemen zusammentrifft: 60 % der Unternehmen haben keinen Einblick in ihre KI-Nutzung, können auf Kundenanfragen nicht reagieren, Compliance im Audit nicht nachweisen oder Verstöße untersuchen. Nur 10 % der Unternehmen haben ihre Dateien korrekt gekennzeichnet – eine Grundvoraussetzung für DSGVO-Artikel 5 und die HIPAA Privacy Rule. Ohne Datenklassifizierung können Unternehmen keine rechtmäßige Verarbeitung nachweisen, Löschanfragen erfüllen oder belegen, dass sie sensible Informationen risikoadäquat schützen.

Branchenparadoxien: Kein sicherer Hafen

Gefährlicher Selbstbetrug im Gesundheitswesen

Gerade im Gesundheitswesen klafft die Lücke zwischen Anforderungen und Realität besonders weit. HIPAA verlangt die Nachverfolgung von 100 % aller Patientendatenzugriffe, doch nur 35 % der Organisationen im Gesundheitswesen haben Einblick in ihre KI-Nutzung. Jede nicht dokumentierte ChatGPT-Abfrage mit Patientendaten verstößt gegen Bundesrecht und schafft enorme Haftungsrisiken.

Die Varonis-Daten verschärfen die Sorge: 90 % der Gesundheitsorganisationen exponieren geschützte Gesundheitsinformationen (PHI) über KI-Copiloten, mit durchschnittlich über 25.000 ungeschützten Ordnern voller sensibler Patientendaten. Dennoch erkennen nur 39 % der Führungskräfte im Gesundheitswesen KI überhaupt als Sicherheitsrisiko – der niedrigste Wert aller Branchen.

Diese Sorglosigkeit hat ihren Preis: Datenschutzverletzungen im Gesundheitswesen kosten im Schnitt 7,42 Millionen US-Dollar und dauern 279 Tage bis zur Behebung – über fünf Wochen länger als der weltweite Durchschnitt. Organisationen, denen Leben und Tod anvertraut werden, agieren mit weniger Sicherheit als Einzelhändler – ein Paradox, bei dem die sensibelsten Daten den geringsten Schutz genießen.

Wissens-Handlungs-Lücke bei Finanzdienstleistern

Banken und Investmentfirmen zeigen die größte Lücke zwischen Bewusstsein und Handeln. Sie äußern mit 29 % die höchste Sorge vor Datenabfluss, setzen aber mit nur 16 % am seltensten technische Kontrollen um. Trotz der Verarbeitung von Kontonummern, Transaktionen und Finanzdaten geben 39 % zu, erhebliche Mengen vertraulicher Daten an KI-Tools zu senden.

Diese Diskrepanz schlägt sich in durchschnittlichen Kosten von 5,56 Millionen US-Dollar pro Datenschutzverstoß nieder – deutlich über dem globalen Mittel. Finanzinstitute kennen die Risiken, verstehen die regulatorischen Anforderungen und agieren in einem streng überwachten Umfeld. Dennoch setzen sie auf Geschwindigkeit und Komfort statt auf Sicherheit – in der Annahme, Richtlinien und Prozesse würden das Risiko besser managen als technische Kontrollen.

Glaubwürdigkeitskrise im Technologiesektor

Im Technologiesektor zeigt sich die größte Ironie: Während 100 % der Tech-Unternehmen KI-Produkte und -Services entwickeln, schützen nur 17 % sich selbst vor KI-Risiken durch eigene Mitarbeitende – eine 83%ige Glaubwürdigkeitslücke. Dieselben Firmen, die anderen KI-Sicherheit beibringen, arbeiten ohne grundlegende Kontrollen und verlieren ihre Glaubwürdigkeit, wenn es zu Verstößen kommt.

Technologieunternehmen melden den höchsten Anteil extremer Datenexponierung: 27 % geben an, dass über 30 % ihrer KI-verarbeiteten Daten vertraulich oder sensibel sind. Mit durchschnittlichen Kosten von 4,79 Millionen US-Dollar pro Verstoß schaden diese Vorfälle nicht nur der Bilanz, sondern auch Marktposition und Kundenvertrauen. Die Branche, die KI-Sicherheitslösungen verkauft, kann ihre eigene KI-Nutzung nicht absichern – eine Glaubwürdigkeitskrise, die den Ruf der gesamten Branche gefährdet.

Supply-Chain-/File-Transfer-Verbindung

Multiplikatoreffekt durch Drittparteien

Schwachstellen in der Lieferkette sind zu einer zentralen Schwachstelle der KI-Sicherheit geworden. IBM berichtet, dass Supply-Chain-Kompromittierungen 15 % der Verstöße mit durchschnittlichen Kosten von 4,91 Millionen US-Dollar ausmachen. Diese Vorfälle benötigen mit 267 Tagen am längsten zur Erkennung und Eindämmung, da sie Vertrauensbeziehungen ausnutzen, die Sicherheitslösungen nur schwer überwachen können.

Das Drittparteienrisiko ist explodiert: Die Beteiligung an Verstößen hat sich in nur einem Jahr von 15 % auf 30 % verdoppelt. Noch besorgniserregender: 44 % der Zero-Day-Angriffe zielen inzwischen auf Managed File Transfer-Systeme – also genau die Plattformen, die Unternehmen für den KI-Datenaustausch nutzen. Jedes Drittanbieter-KI-Tool vervielfacht die Exponierung und schafft Kettenreaktionen über Partnernetzwerke hinweg.

API-/Plugin-Problem

Die Supply-Chain von Shadow AI manifestiert sich vor allem über kompromittierte Apps, APIs und Plugins. Kiteworks fand heraus, dass 30 % der KI-Sicherheitsvorfälle über solche Drittanbieter-Integrationen erfolgen und sich wellenartig durch Unternehmen ausbreiten. Diese Vorfälle führen zu einer Datenkompromittierungsrate von 60 % und zu 31 % operativen Störungen – deutlich mehr als direkte Angriffe.

SaaS-basierte KI ist die größte Risikofaktor und macht 29 % der KI-Sicherheitsvorfälle aus. Unternehmen können Datenflüsse über Drittanbieter-KI-Services nicht nachverfolgen, nicht kontrollieren, wie Daten verarbeitet oder gespeichert werden, und sie nicht zurückholen, sobald sie geteilt wurden. Die Bequemlichkeit von Plug-and-Play-KI-Lösungen hat ihren Preis: Jede Integration kann Jahre angesammelter Daten unsichtbar neuen Risiken aussetzen.

Lösungen und der Weg nach vorn

Technologie als erste Pflicht

Die Kostendaten von IBM zeigen klar: Technische Kontrollen bringen messbare Sicherheitsverbesserungen. Unternehmen, die KI und Automatisierung umfassend einsetzen, sparen 1,9 Millionen US-Dollar pro Datenschutzverstoß (3,62 Millionen gegenüber 5,52 Millionen US-Dollar bei Nichtnutzern). DevSecOps-Ansätze reduzieren die Kosten um 227.000 US-Dollar, die Einführung von SIEM spart 212.000 US-Dollar.

Doch Kiteworks‘ Realitätscheck ist ernüchternd: Nur 17 % der Unternehmen verfügen über automatisierte Blockier- und Scan-Funktionen. Die übrigen 83 % verlassen sich auf menschliche Kontrollen, die branchenübergreifend versagen. Schulungen stoppen keine Uploads. Richtlinien verhindern kein Teilen. Warnungen blockieren keine Datenexponierung. Nur technische Kontrollen bieten echten Schutz.

Vier entscheidende Maßnahmen

Unternehmen müssen vier Sofortmaßnahmen ergreifen, um die KI-Sicherheitskrise zu bewältigen:

1. Realität anerkennen: Schließen Sie die 300%ige Selbstüberschätzung zwischen wahrgenommenen und tatsächlichen Fähigkeiten. Auditieren Sie reale KI-Nutzungsmuster, nicht theoretische Rahmenwerke. Kontrollieren Sie Eingaben genauso konsequent wie Ausgaben. Akzeptieren Sie, dass Mitarbeitende bereits sensible Daten teilen – und arbeiten Sie von dieser Realität aus rückwärts.

2. Technische Kontrollen implementieren: Menschliche Maßnahmen haben branchenübergreifend versagt. Automatisiertes Blockieren und Scannen ist der Mindeststandard für den Schutz vor KI-Bedrohungen. Unternehmen müssen Kontrollen einführen, die mit Maschinengeschwindigkeit arbeiten und unautorisierte Uploads stoppen, bevor Daten exponiert werden. Wer den Upload nicht verhindern kann, hat bereits verloren.

3. Data Governance Command Center aufbauen: Isolierte Sicherheitsmaßnahmen führen zu Kettenreaktionen von Fehlern. Unternehmen brauchen zentrale Governance-Plattformen, die jede Datenbewegung nachverfolgen, Klassifizierungsrichtlinien durchsetzen und Audit-Trails über alle KI-Schnittstellen hinweg führen. Es geht nicht um ein weiteres Dashboard, sondern um forensisch belastbare Nachweise für die Compliance und sichere KI-Nutzung.

4. Totale Transparenz schaffen: Ohne Wissen über Datenflüsse ist Compliance unmöglich und Risikomanagement reine Fiktion. Echtzeit-KI-Monitoring muss Cloud-, On-Premises- und Schatten-IT-Umgebungen abdecken. Datenherkunft muss von der Erstellung über die KI-Verarbeitung bis zum Endergebnis nachvollziehbar sein. Plattformspezifische Kontrollen für Microsoft 365, Salesforce und andere Systeme sind keine Option, sondern überlebenswichtig.

Fazit: Der aktuelle Stand erfordert Handeln

Die Daten zeichnen ein klares Bild: Unternehmen befinden sich in einem gefährlichen Selbstbetrug in Bezug auf KI-Sicherheit. Die Kombination aus rasanter KI-Einführung, steigenden Sicherheitsvorfällen und zunehmender Regulierung schafft ein nie dagewesenes Risikoumfeld, das traditionelle Sicherheitsansätze nicht lösen können.

Modellkontamination ist irreversibel – jede heute mit KI-Systemen geteilte sensible Information bleibt dauerhaft eingebettet. Dass nur noch 49 % der Unternehmen nach einem Verstoß in Sicherheit investieren wollen (gegenüber 63 % im Vorjahr), zeigt eine bedenkliche Sorglosigkeit. Nur 45 % planen Investitionen in KI-gesteuerte Sicherheitslösungen, obwohl KI-basierte Angriffe zunehmen.

Keine Branche hat einen sicheren Hafen gefunden. Die Compliance-Anforderungen im Gesundheitswesen verhindern keine flächendeckende PHI-Exponierung. Das Bewusstsein der Finanzbranche führt nicht zu besseren Kontrollen. Die Expertise der Technologiebranche schützt nicht die eigenen Daten. Die Verantwortung von Behörden sichert keine Bürgerdaten. Das branchenübergreifende Scheitern beweist: Externer Druck allein reicht nicht für die nötigen Veränderungen.

Die Erkenntnisse zeigen keine künftige Krise, sondern eine aktuelle Realität. 83 % der Unternehmen fehlt es an grundlegenden technischen Kontrollen, 27 % verlieren sensible Daten an KI-Systeme und 97 % der von KI-Verstößen betroffenen Unternehmen arbeiten ohne angemessene Zugriffskontrollen. Die Frage ist nicht, ob Vorfälle passieren, sondern wie schwer sie ausfallen. Unternehmen müssen erkennen, dass der bisherige Ansatz – basierend auf Vertrauen, Schulung und Hoffnung – bereits gescheitert ist. Nur die sofortige Einführung technischer Kontrollen, umfassender Governance und vollständiger Transparenz kann die durch diese Berichte aufgezeigte KI-Sicherheitskrise bewältigen.

Weitere Ressourcen

• Blog Post Zero Trust Architecture: Never Trust, Always Verify
• Video How Kiteworks Helps Advance the NSA’s Zero Trust at the Data Layer Model
• Blog Post What It Means to Extend Zero Trust to the Content Layer
• Blog Post Building Trust in Generative AI with a Zero Trust Approach
• Video Kiteworks + Forcepoint: Demonstrating Compliance and Zero Trust at the Content Layer