Warum die Shadow-AI-Identity-Lücke 2026 das wahre Unternehmensrisiko ist
Fast die Hälfte aller KI-Aktivitäten in Unternehmen findet mittlerweile über Identitäten statt, die Ihr Sicherheitsteam weder sehen noch prüfen oder belegen kann, wenn eine Aufsichtsbehörde Nachweise verlangt. Das ist das zentrale Ergebnis des neuen State of the Internet Reports von Akamai zum Risiko der KI-Nutzung in Unternehmen und sollte die Sichtweise von CISOs und Compliance-Verantwortlichen auf KI-Governance für 2026 grundlegend verändern.
In den letzten zwei Jahren haben sich die meisten KI-Sicherheitsprogramme in Unternehmen um eine einzige Frage organisiert: Wer darf auf welches KI-Tool zugreifen? Daraus entstanden Allowlists, Single Sign-On-Anforderungen und App-Freigabe-Workflows. Der Akamai-Report, basierend auf Telemetriedaten der LayerX-Plattform (von Akamai übernommen), argumentiert, dass diese Frage inzwischen falsch ist. Das entscheidende KI-Risiko für Unternehmen im Jahr 2026 ist nicht mehr, wer auf KI zugreift, sondern wer vertrauliche Unternehmensdaten mit KI teilt – und über welche Identität diese Daten das Unternehmen verlassen.
Diese Unterscheidung ist entscheidend, weil KI Daten anders bewegt, als klassische Data Loss Prevention-Tools es überwachen können. E-Mail-, Dateiübertragungs- und Upload-Kanäle sind klar definiert und prüfbar. KI-Interaktionen sind es nicht. Vertrauliche Informationen werden über Prompts, Gesprächskontexte, eingefügten Code, Screenshots und generierte Antworten fragmentiert – einzeln unauffällig, in Summe ein erhebliches Risiko. Kiteworks Secure Data Exchange existiert genau deshalb: Governance muss den Daten folgen, nicht der Anwendung, durch die sie laufen. Die Akamai-Daten liefern CISOs und Compliance-Verantwortlichen den bisher klarsten Beleg, warum dieser Wandel überfällig ist.
Wichtige Erkenntnisse
1. Die Risikofrage hat sich verändert.
Der Akamai-Report argumentiert, dass das primäre KI-Risiko für Unternehmen nicht mehr ist, welche Mitarbeitenden auf KI-Tools zugreifen dürfen, sondern welche vertraulichen Daten mit KI geteilt werden und über welche Identität – ein Wandel vom Zugriffskontroll- zum Data-Governance-Problem.
2. Fast die Hälfte der KI-Aktivitäten in Unternehmen erfolgt ohne Identitätsmanagement.
Laut LayerX-Daten von Akamai finden 47,11 % der KI-Konversationen in Unternehmen über persönliche Konten statt, nicht über unternehmenseigene Identitäten. Das bedeutet: Fast die Hälfte aller KI-Aktivitäten liegt außerhalb der üblichen Identity-Governance.
3. Unternehmensidentität garantiert keine Unternehmenssteuerung.
Selbst wenn sich Mitarbeitende mit einer Unternehmens-E-Mail anmelden, laufen 14,4 % dieser Gespräche über persönliche Freemium-Abos. So können Daten trotzdem in öffentliche Trainingspipelines von Anbietern gelangen – auch wenn es nach genehmigter Nutzung aussieht.
4. Wenige Power-User verursachen den Großteil des Risikos.
Nutzung und Gesprächstiefe konzentrieren sich stark: Die Top 5 % der User führen mindestens 144 Konversationen, die Top 5 % der Gespräche laufen mindestens 18 Prompts tief. Das Risiko ist also konzentriert, nicht gleichmäßig verteilt.
5. KI-Agents werden zur neuen Identitätsklasse im Unternehmen – und brauchen menschliche Verantwortlichkeit.
Der Akamai-Report fordert CISOs auf, Agents, deren Zugriffe und Verhalten genauso zu inventarisieren und zu steuern wie menschliche Identitäten. Kiteworks positioniert seine Control Plane, um Security- und Compliance-Teams genau diese Governance- und Nachweisschicht für menschliche und Agenten-Zugriffe zu bieten.
Die Zugriffsfrage ist für KI-Risiken im Unternehmen überholt
Der Akamai-Report beginnt mit einer Formulierung, die fast wörtlich zitiert werden sollte: KI-Einführung im Jahr 2026 ist eine strukturelle Notwendigkeit, kein Experiment. Dieser Satz erklärt, warum viele KI-Governance-Programme aus 2024 und 2025 bereits überholt sind. Sie behandelten KI wie jede neue SaaS-Kategorie: Tool identifizieren, freigeben oder blockieren, weitergehen. KI verhält sich aber nicht wie eine statische Anwendung. Sie konsumiert, generiert, speichert und verarbeitet kontinuierlich Unternehmensdaten – der Moment des „Zugriffs“ sagt dem Security-Team fast nichts darüber, was danach mit vertraulichen Informationen passiert.
Ein einziger sensibler Kundendatensatz kann durch einen Prompt laufen, in einer Antwort umformuliert, in ein zweites Tool eingefügt und für ein Folienset gescreenshottet werden – kein Schritt davon löst eine klassische DLP-Regel aus, weil keiner wie ein Datenabfluss aussieht. Der Akamai-Report stellt klar: Das größte KI-Sicherheitsrisiko ist nicht mehr „Mitarbeitende, die auf KI zugreifen“, sondern „Mitarbeitende, die vertrauliche Unternehmensdaten mit KI teilen“. Für Compliance-Verantwortliche hat das direkte Folgen: Aufsichtsbehörden prüfen keine Applikationszugriffslisten, sondern den Umgang mit Daten. Programme, die auf AI Data Governance statt App-Gatekeeping setzen, können die Fragen der Regulatoren tatsächlich beantworten.
Sie Vertrauen auf die Sicherheit Ihres Unternehmens. Aber Können Sie es Belegen?
Jetzt lesen
Einblicke in Akamais LayerX-Daten zum KI-Verhalten in Unternehmen
Der Akamai-Report basiert auf LayerX, dem von Akamai übernommenen Browser-Security-Geschäft. Die Ausgabe (veröffentlicht im August 2026) stützt sich vollständig auf Verhaltens-Telemetrie – darauf, wie Mitarbeitende KI-Tools tatsächlich nutzen, nicht auf Umfragen zur geplanten Nutzung.
Das Nutzungsmuster verdient Aufmerksamkeit, bevor man die Identitätszahlen betrachtet: 18,24 % der Mitarbeitenden nutzen KI wöchentlich, 30,47 % monatlich und 47,67 % mindestens vierteljährlich – fast die Hälfte nutzt KI also eher gelegentlich. Der durchschnittliche Unternehmensanwender führt 36 KI-Konversationen, die untere Hälfte kommt auf 12 oder weniger, die Top 5 % auf mindestens 144. Auch die Gesprächstiefe zeigt dieses Muster: Im Schnitt enthält ein Gespräch 5,09 Prompts, der Median liegt bei nur 2, aber die Top 5 % der Gespräche laufen 18 Prompts oder tiefer – ein Beleg für längere, iterative Sessions statt einmaliger Nachfragen.
App-Sprawl verschärft das Konzentrationsproblem: Die Top 4 KI-Anwendungen in einem typischen Unternehmen werden jeweils von über 20 % der Belegschaft genutzt, ab der zehntmeistgenutzten App sinkt die Nutzung unter 5 %, ab der dreißigsten gegen null. Diese lange Liste an Nischen-, regionalen und persönlichen Shadow-AI-Tools – darunter Consumer-Plattformen wie DeepSeek, die laut Akamai zu 99,83 % über persönliche Konten laufen und unter staatlicher Beobachtung stehen, wo die Daten landen – ist genau das Terrain, in dem Governance-Programme am wenigsten Transparenz und das höchste Risiko pro User haben.
Fast die Hälfte der KI-Aktivitäten in Unternehmen läuft über nicht verwaltete Identitäten
Die zentrale Statistik des Reports ist eindeutig: 47,11 % der KI-Konversationen in Unternehmen laufen über persönliche Identitäten, nur 52,89 % über unternehmenseigene Konten. Fast die Hälfte aller KI-Aktivitäten im Unternehmen erfolgt also über Identitäten, die das Unternehmen bei Austritt nicht abschalten und für die es keinen Audit-Trail liefern kann.
Das ist je nach Plattform sehr unterschiedlich: Bei ChatGPT laufen 61,36 % der Nutzung über persönliche Konten, bei Copilot 63,92 %, bei Claude 61,09 %. Spezielle Enterprise-Angebote kehren das Muster um: Gemini Enterprise läuft zu 98,15 % über Unternehmenskonten, Copilot für Microsoft 365 zu 90,55 %. Die Lücke ist kein dauerhafter Effekt der KI-Einführung, sondern ein Governance-Fehler bei Consumer-Tools, die unverwaltet im Unternehmen laufen.
Das Problem versteckt sich auch in scheinbar konformen Konten: Von KI-Konversationen, die mit einer Unternehmens-E-Mail gestartet werden, sind 14,4 % tatsächlich mit persönlichen Freemium-Abos verknüpft, nicht mit Enterprise-Lizenzen. So können eingereichte Daten dennoch in öffentliche Trainingspipelines von Anbietern gelangen – auch wenn ein domänenbasierter Zugriffsbericht genehmigte Nutzung suggeriert. CISOs, die KI-Nutzungszahlen nur nach E-Mail-Domain berichten, überschätzen sehr wahrscheinlich die tatsächliche Governance-Abdeckung. Genau diese Lücke schließt Kiteworks Compliant AI, indem die Governance direkt an den Punkt gelegt wird, an dem Daten eine genehmigte Umgebung verlassen würden – statt nachträglich jede persönliche Identität zu suchen.
KI-Power-User konzentrieren Risiko und Angriffsfläche
Akamai widmet Power-Usern einen eigenen Abschnitt: eine kleine Nutzergruppe, die längere, kontextreichere Sessions durchführt, mehr vertrauliche Informationen teilt und zunehmend ausführende Aufgaben an autonome Agents delegiert. Diese Abhängigkeit von KI-generierten Ergebnissen überschneidet sich mit dem im Report beschriebenen Fall von „Vibe Hacking“. 2026 zeigten LayerX-Forschende, dass ein beliebter KI-Coding-Assistent durch subtile Änderungen an lokalen Markdown-Instruction-Files – also an Verhaltensprofilen für Modelle – dazu gebracht werden konnte, unautorisierte Aktionen auszuführen oder unsicheren Code zu generieren, während er scheinbar normal arbeitet.
Akamais Empfehlung: Power-User identifizieren, die tatsächliche Nutzung von KI messen (nicht nur, welche Apps geöffnet werden) und Prompts, Uploads sowie Antworten mit vertraulichen Informationen überwachen. Das funktioniert aber nur, wenn das Unternehmen die Interaktionsinhalte überhaupt beobachten kann – nicht bloß, welche Anwendung gestartet wurde.
CursorJacking und CometJacking: Angreifer zielen auf den Agent, nicht den User
Akamai beschreibt zwei Vorfälle, die zeigen, dass KI-Tools selbst zur Angriffsfläche werden. Beim CursorJacking tarnt sich eine bösartige Browser-Erweiterung als Produktivitätstool, greift auf den lokalen Speicher des Cursor-KI-Coding-Assistenten zu, stiehlt API-Keys und Session-Tokens und exfiltriert sie unbemerkt. So kann ein Angreifer den Entwickler imitieren, verbundene Dienste missbrauchen und Repositorys kompromittieren. Beim CometJacking – analysiert am Comet-KI-Browser von Perplexity – bettet ein Angreifer schädliche Instruktionen in eine normale Webseite ein; schon das Öffnen des Links kann den KI-Agenten im Browser durch indirekte Prompt Injection manipulieren und E-Mails, Zugangsdaten oder lokale Dateien preisgeben – ganz ohne Download.
Beide Angriffe nutzen das Vertrauen aus, das ein Unternehmen einem KI-Tool bereits eingeräumt hat, und umgehen Kontrollen, die auf menschliches Verhalten achten – weil die Aktion von Software ausgeführt wird, die der Mensch einmal autorisiert und dann nicht mehr überwacht. Governance, die nur auf menschliche Klicks achtet, übersieht beides.
Der CISA-Datenspill zeigt: Gute Absichten sind keine Kontrolle
Der lehrreichste Vorfall im Akamai-Report ist kein Hack: Anfang 2026 berichteten mehrere Medien, dass ein US-Regierungsbeamter versehentlich interne, vertrauliche Betriebsdaten der Cybersecurity and Infrastructure Security Agency über ein öffentliches KI-Tool veröffentlichte. Akamai stellt klar: Es handelt sich nicht um einen externen Angriff, sondern um einen Optimierungsfehler eines erfahrenen Nutzers bei der täglichen Analyse.
Das sollte alle Sicherheitsverantwortlichen beunruhigen, deren KI-Governance-Programme auf die Erkennung böswilliger Insider setzen – denn hier lag weder eine böswillige Absicht noch ein Zugriffsfehler vor. Es war ein Fehler im Datenumgang, und keine Allowlist oder App-Freigabe hätte ihn verhindert, weil das Tool selbst erlaubt war. Nur Kontrollen, die in Echtzeit prüfen, welche Daten durch eine genehmigte Interaktion fließen, können solche Vorfälle erkennen – die Lücke zwischen Zugriffskontrolle und einem echten zero trust-Ansatz für KI Data Governance.
Browser-Erweiterungen sind privilegierte Software ohne Governance
Die Nutzung von KI-Browser-Erweiterungen ist bei mittelgroßen Unternehmen am höchsten: 17,70 % bei Firmen mit 1.000 bis 2.500 Mitarbeitenden, 9,53 % bei Großunternehmen. Das Berechtigungsprofil birgt das eigentliche Risiko: Fast 75 % der KI-Erweiterungen fordern hohe oder kritische Berechtigungen, sie verlangen fast dreimal so häufig Cookie-Zugriff wie der Durchschnitt (18,19 % vs. 6,67 %), und 41,91 % fordern Skriptzugriff. Zusätzlich enthalten 16,31 % bekannte CVEs – etwa 50 % mehr als Browser-Erweiterungen im Schnitt. CursorJacking ist die reale Folge. Akamais Empfehlung: Erweiterungen als privilegierte Software mit kontinuierlich aktualisiertem Inventar behandeln, nicht als einmal genehmigte Tools – eine Governance-Fähigkeit, die viele Unternehmen lange vor generativer KI aufgebaut haben müssten.
KI-Agents werden zur neuen Identitätsklasse im Unternehmen
Das fünfte Risiko in Akamais Top-5-Liste sind KI-Agents, die außerhalb bestehender Kontrollmechanismen agieren – und es ist das am wenigsten gelöste Risiko laut Report. Akamai betont, und das sollte auch hier betont werden: Agents handeln nicht unabhängig von den Menschen und Organisationen, die sie einsetzen. Ein Agent agiert mit delegierter Autorität, nutzt Zugriffe, die ihm ein Mensch oder eine Richtlinie gewährt hat, und jede Aktion ist im Prinzip auf diese Freigabe zurückführbar. Das Governance-Problem ist, dass die meisten Unternehmen ihre Identitäts-, Monitoring- und Zugriffskontrollen noch nicht auf die Agents ausgedehnt haben, die nun parallel zu menschlichen Usern arbeiten.
Genau diese Erweiterung bietet eine einheitliche Control Plane. Die Kiteworks Control Plane steuert, wie menschliche User und KI-Agents vertrauliche Inhalte unter einer gemeinsamen Richtlinien- und Audit-Schicht nutzen, austauschen und darauf zugreifen. Ein Agent, der ein reguliertes Dokument abruft, unterliegt derselben ABAC-Richtlinienprüfung und Audit-Logging wie ein Mensch bei derselben Aufgabe. Eine Secure MCP Server-Integration, die einen Agenten mit Unternehmensinhalten verbindet, ohne diesen Zugriff über kontrollierte, protokollierte Schnittstellen zu führen, schafft dieselbe Identitätslücke, vor der der Report warnt – nur eben mit einem Agenten statt einem persönlichen ChatGPT-Konto als unverwalteter Identität.
Akamais fünf Säulen – und wie Kiteworks die Evidenzlücke schließt
Akamai schließt den Report mit einem Fünf-Säulen-Framework: Fokus auf Power-User, Eliminierung von Shadow-AI durch Identitätsföderation, Schutz der Daten auf Interaktionsebene mittels kontextbezogener DLP statt Pattern Matching, Sicherung von Erweiterungen als privilegierte Software und Vorbereitung auf autonome Agents durch Governance als eigene Identitätsklasse. Das ist eine solide Checkliste – geschrieben aus Sicht der Security Operations, mit Fokus auf Transparenz und Erkennung. Das ist aber nicht der Blickwinkel eines Chief Compliance Officers, wenn eine regulatorische Anfrage mit Frist eingeht. Zu wissen, dass eine riskante Interaktion stattgefunden hat, ist ein Detection-Ergebnis. Innerhalb der Frist einen belastbaren Nachweis zu liefern, welche Daten betroffen waren und unter welcher Richtlinienautorität, ist ein Evidenz-Ergebnis. Ein rein auf Detection ausgerichtetes Programm braucht also immer eine Evidenzschicht darunter.
Kiteworks Compliant AI setzt Richtlinien genau an dem Punkt durch, an dem vertrauliche Inhalte zu oder von einer KI-Interaktion bewegt werden. Die Governance hängt also nicht davon ab, jede Anwendung zu identifizieren, die ein User oder Agent nutzen könnte. Die Kiteworks Control Plane erweitert diese Richtlinien- und Audit-Schicht auf Secure Email, Secure File Sharing, Managed File Transfer, Secure Web Forms und KI-Interaktionen gleichermaßen. Wenn ein Prüfer fragt, auf welche Daten eine KI-Interaktion zugegriffen hat, muss die Antwort aus einem gesteuerten Audit-Log kommen – nicht aus einer nachträglichen Rekonstruktion. Ein CISO Dashboard, das diese Aktivitäten für menschliche und Agenten-Zugriffe gleichermaßen sichtbar macht, setzt die Empfehlungen von Akamai in die Praxis um.
Erfahren Sie mehr darüber, wie Sie die Shadow-AI-Identitätslücke schließen und den KI-Agentenzugriff auf vertrauliche Daten unter einer evidenzbereiten Control Plane steuern können – vereinbaren Sie jetzt eine individuelle Demo.
Häufig gestellte Fragen
Zugriffsrisiko fragt, ob Mitarbeitende ein bestimmtes KI-Tool öffnen dürfen – das steuern Allowlists, SSO-Anforderungen und App-Freigaben. Nutzungsrisiko fragt, welche Daten durch die Interaktion bewegt wurden und wo sie landen. Zugriffskontrollen können diese Frage nicht beantworten, denn Akamais Daten zeigen: Die risikoreichste Aktivität – persönliche Konten und Freemium-Abos – besteht oft alle Zugriffskontrollen, bewegt aber trotzdem Daten außerhalb der Unternehmens-Governance. Programme, die auf AI Data Governance setzen, schließen diese Lücke, da sie die Daten selbst steuern – unabhängig von Identität oder Anwendung.
Sie bedeutet: Ein Prüfer, Auditor oder gegnerischer Anwalt, der fragt, was mit vertraulichen Daten in einer KI-Konversation passiert ist, trifft mit etwa 50-prozentiger Wahrscheinlichkeit auf eine Identität, zu der das Unternehmen keine formale Beziehung und keine Nachweise liefern kann. Ein Compliance-Programm braucht Data Governance und Audit-Fähigkeiten, die am Punkt greifen, an dem vertrauliche Inhalte eine gesteuerte Umgebung verlassen würden – nicht erst, wenn Aktivitäten auf bekannten Konten stattfinden.
Der Akamai-Report und die Positionierung von Kiteworks behandeln KI-Agents als neue Identitätsklasse, die weiterhin unter delegierter menschlicher und organisatorischer Autorität agiert – nicht als autonome Akteure ohne Verantwortlichkeit. Da Agents meist privilegierten Zugriff auf Unternehmens-SaaS, E-Mail und Dateien haben (wie der CometJacking-Fall zeigt), benötigen sie dieselbe ABAC-Richtliniendurchsetzung und Audit-Logging wie menschliche Konten – erweitert auf diese zweite Nutzergruppe.
Nein. Der Akamai-Report stellt klar: Ziel der KI-Sicherheit ist sichere Ermöglichung, nicht Einschränkung der Technologie. Kiteworks Compliant AI verfolgt denselben Ansatz: Richtlinien greifen genau dann, wenn vertrauliche Inhalte zu oder von einer KI-Interaktion bewegt werden. So können Mitarbeitende genehmigte KI-Tools produktiv nutzen, während vertrauliche Daten gesteuert und revisionssicher bleiben.
Ein Auditor erwartet in der Regel einen Nachweis, welche Daten der Agent wann und unter welcher Richtlinienautorität abgerufen hat – inklusive angewandter Kontrollen, Verschlüsselung, Zugriffsbeschränkungen und Logging – und das schnell genug, um die Frist der Anfrage einzuhalten. Eine gesteuerte Kiteworks Control Plane mit konsistentem Audit-Log für menschliche und Agenten-Aktivitäten ermöglicht es dem Compliance-Team, dieses Evidenzpaket auf Abruf zusammenzustellen.
Weitere Ressourcen
- Blogbeitrag
Zero‑Trust-Strategien für bezahlbaren KI-Datenschutz - Blogbeitrag
Wie 77 % der Unternehmen bei der KI-Datensicherheit scheitern - eBook
AI Governance Gap: Warum 91 % der kleinen Unternehmen 2025 russisches Roulette mit Datensicherheit spielen - Blogbeitrag
Für Ihre Daten gibt es kein „–dangerously-skip-permissions“ - Blogbeitrag
Aufsichtsbehörden fragen nicht mehr, ob Sie eine KI-Policy haben. Sie wollen den Nachweis, dass sie funktioniert.