KI-Nutzung messen statt verbieten: Schatten-KI im Griff 2026

Pexon Consulting | 8 Min. Lesezeit | 04.08.2026

TL;DR

Ein Verbot privater KI-Tools verlagert die Nutzung ins Unsichtbare, es stoppt sie nicht. Zwischen 42 und 71 Prozent der Wissensarbeiter tippen Geschäftsdaten in ChatGPT, Claude oder Gemini, meist ohne Freigabe. Die tragfähige Antwort ist Messen: gesteuerter Zugang mit Nutzungs-Telemetrie. Pexon (80 Mitarbeiter, Deutschland, DSGVO-konform) baut diesen Zugang als 6-Wochen-Pilot.

Das Problem: Verbote erzeugen keine Sicherheit, nur blinde Flecken

Die meisten Unternehmen reagieren auf Schatten-KI mit einer Richtlinie, die private KI-Tools untersagt. Das Ergebnis ist nicht weniger Nutzung, sondern weniger Sichtbarkeit. Wer ChatGPT braucht, um den Wochenbericht zu schreiben, öffnet es auf dem privaten Handy. Der Datenabfluss passiert weiter, nur ohne Log, ohne Kontrolle und ohne Chance, ihn zu bemerken.

Die Zahlen lassen wenig Interpretationsspielraum. Je nach Studie nutzen 42 Prozent (Bitkom, Oktober 2025) bis 71 Prozent (Springer, 2026) der Beschäftigten generative KI im Job, die Mitel-Studie 2026 liegt bei 50 Prozent. Eine BAuA-Erhebung kommt auf 62,1 Prozent KI-Nutzung am Arbeitsplatz insgesamt. Vier von zehn Unternehmen gehen selbst davon aus, dass Mitarbeiter private Zugänge im Arbeitskontext verwenden. Die Streuung kommt von der Messmethode, die Richtung ist überall gleich: Es ist der Normalfall, nicht die Ausnahme.

Unsere klare Position: Ein Verbot ist die bequemste und die schlechteste Reaktion. Es befriedigt die Governance auf dem Papier und schafft in der Realität einen unbeobachteten Kanal, über den die sensibelsten Daten das Haus verlassen. Sicherheit entsteht nicht durch Untersagung, sondern durch einen legalen Weg, den man messen kann.

Warum Schatten-KI schlimmer ist als klassische Schatten-IT

Schatten-IT kennt jede IT-Abteilung: ein nicht genehmigtes Tool, eine private Dropbox. Schatten-KI ist gefährlicher, weil der Datenabfluss nicht bei einer Datei aufhört. Wer einen Vertrag, eine Kundenliste oder einen Quellcode-Ausschnitt in einen fremden Chat kopiert, gibt nicht eine Kopie preis, sondern übergibt Inhalt an ein System, dessen Trainings- und Speicherpraxis er nicht kontrolliert.

Dazu kommt die Beweislast. Wenn ein Datenschutzvorfall untersucht wird, verlangt Artikel 30 DSGVO ein Verzeichnis der Verarbeitungstätigkeiten. Über eine private ChatGPT-Nutzung gibt es kein Verzeichnis, kein Auftragsverarbeitungsvertrag, keinen Nachweis. Im Ernstfall steht das Unternehmen ohne jede Dokumentation da, obwohl es formal ein Verbot ausgesprochen hatte. Das Verbot schützt juristisch weniger, als viele annehmen, weil es die Kontrolle nicht herstellt, die Art. 32 DSGVO fordert. Diesen Nachweis-Aspekt vertiefen wir in Microsoft, DSGVO und KI-Compliance.

Der erste Schritt: einmal sauber messen, wie groß der Schatten ist

Bevor man steuert, muss man wissen, was läuft. Die einmalige Bestandsaufnahme ist der Einstieg: Welche KI-Dienste werden aus dem Firmennetz aufgerufen, von wie vielen Endpunkten, mit welchem Volumen? Firewall-, Proxy- und DNS-Logs zeigen den Zugriff auf chat.openai.com, claude.ai oder gemini.google.com bereits heute, ohne dass ein einziges neues Tool nötig ist.

Fünf Fragen reichen für die erste Woche, und alle lassen sich aus vorhandenen Daten beantworten:

1. Welche KI-Domains werden aus dem Netz aufgerufen (Proxy-/DNS-Logs)?
2. Von wie vielen unterschiedlichen Endpunkten und Nutzern?
3. Wie hoch ist das Volumen, Tages- und Wochenspitzen?
4. Aus welchen Abteilungen kommen die Zugriffe (Subnetz-Zuordnung)?
5. Gibt es Zugriffe auf kostenlose Consumer-Endpunkte statt auf lizenzierte Dienste?

Diese Bestandsaufnahme ist Diagnose, nicht Lösung. Sie beantwortet, wie akut das Problem ist, und liefert das Argument für Budget. Wie eine solche Erhebung strukturiert abläuft, haben wir als Schritt-für-Schritt-Audit beschrieben: Schatten-KI im Werk aufspüren. Der Punkt danach ist entscheidend: Ein Audit, dem kein gesteuerter Zugang folgt, treibt die Nutzung nur tiefer in den Untergrund. Wer nur misst und nicht handelt, hat am Ende eine gut dokumentierte Statistik über sein eigenes Datenleck.

Die eigentliche Lösung: gesteuerter Zugang mit Telemetrie

Dauerhaft sichtbar wird KI-Nutzung erst, wenn es einen offiziellen, bequemen Weg gibt, den die Leute freiwillig nehmen. Genau das leistet ein LLM-Gateway: ein zentraler Zugang, über den alle KI-Anfragen laufen, mit Authentifizierung, PII-Filterung und, für dieses Thema entscheidend, vollständiger Nutzungs-Telemetrie. Jede Anfrage wird protokolliert, jeder Nutzer ist bekannt, jedes Team hat ein Budget.

# Beispiel: zentrales Logging pro Nutzer und Team im Gateway
litellm_settings:
  success_callback: ["prometheus", "postgres"]
  log_raw_request: false      # Prompt-Inhalt NICHT roh speichern (DSGVO)
  redact_pii: true            # PII vor Weiterleitung maskieren
general_settings:
  track_cost_per_user: true   # Nutzung je Person und Team messbar
  max_budget_per_team: 500    # Steuerung, nicht nur Beobachtung

Der Effekt ist doppelt. Erstens wird der bisher unsichtbare Datenabfluss zu einer messbaren, DSGVO-konformen Verarbeitung mit Verzeichnis und Nachweis. Zweitens sehen Sie erstmals, welche Teams KI wofür nutzen, und das ist wertvolle Information: Es zeigt, wo echte Produktivitäts-Hebel liegen, statt sie zu verbieten. Aus einem Compliance-Problem wird eine Datenquelle für die eigene KI-Strategie. Wie der Governance-Rahmen darüber aussieht, beschreibt unsere KI-Governance-Umsetzung.

Verbot oder Messung: die Rechnung im Vergleich

Die kurze Antwort: Messen kostet Aufbau, Verbieten kostet im Schadensfall ein Vielfaches. Ein Verbot ist bei null Euro Umsetzung scheinbar günstig, verlagert aber das volle Risiko in einen Kanal, den niemand sieht. Ein gesteuerter Zugang kostet Einrichtung und Betrieb, senkt aber das Risiko messbar und liefert obendrein Nutzungsdaten.

Wer rein auf die Umsetzungskosten schaut, wählt das Verbot und zahlt später. In unseren Projekten ist der Auslöser fast immer ein konkreter Vorfall oder eine Prüfung, die zeigt, dass das Verbot nie gegriffen hat. Der billigere Weg wäre gewesen, von Anfang an zu messen.

Häufig gestellte Fragen

Was kostet ein gesteuerter KI-Zugang mit Nutzungsmessung?

Die Gateway-Software ist Open Source und kostenlos. Bezahlt wird Aufbau und Betrieb: Bei Mittelstands-Volumen liegen die laufenden Infrastrukturkosten oft im niedrigen dreistelligen Euro-Bereich pro Monat, dazu die einmalige Einrichtung von Authentifizierung, PII-Filter und Logging. Gegen die Kosten eines einzigen dokumentierten Datenschutzvorfalls ist das ein Bruchteil.

Ist ein KI-Verbot rechtlich nicht die sichere Variante?

Nein, das ist ein verbreiteter Irrtum. Ein Verbot entlastet nicht automatisch, wenn es faktisch nicht durchgesetzt wird und die Nutzung trotzdem stattfindet. Die DSGVO verlangt technische Kontrolle (Art. 32) und ein Verarbeitungsverzeichnis (Art. 30), beides liefert ein Verbot nicht. Ein gesteuerter, protokollierter Zugang stellt genau diese Nachweise her.

Wie messe ich, ob Mitarbeiter privat ChatGPT nutzen?

Der erste Blick geht in vorhandene Logs: Firewall, Proxy und DNS zeigen Zugriffe auf KI-Dienste bereits heute. Das ist eine Momentaufnahme. Dauerhafte, saubere Messung entsteht erst über einen offiziellen Zugang, den die Leute freiwillig nutzen, weil er bequemer ist als der private Umweg.

Messen wir damit die Mitarbeiter oder ihre Arbeit?

Die Nutzung, nicht die Person im Detail. Sinnvoll protokolliert werden Dienst, Team, Volumen und Kosten, nicht der rohe Prompt-Inhalt. Genau diese Trennung (Nutzungsdaten ja, Inhaltsüberwachung nein) macht das Setup mitbestimmungs- und datenschutzfreundlich. Der Betriebsrat gehört von Anfang an an den Tisch.

Was ist der Unterschied zu einer reinen Firmen-Lizenz für ChatGPT?

Eine Enterprise-Lizenz löst einen Anbieter, aber nicht das Governance-Problem: Sie sehen weiterhin nicht zentral, wer welches Modell wofür nutzt, und Sie sind auf einen Provider festgelegt. Ein Gateway sitzt davor, bündelt mehrere Anbieter, erzwingt PII-Filter und liefert die Telemetrie über alle Modelle hinweg.

Nächster Schritt

Fangen Sie mit der ehrlichen Zahl an: Messen Sie eine Woche lang, welche KI-Dienste aus Ihrem Netz aufgerufen werden. Diese eine Zahl verändert die Diskussion von „verbieten wir es“ zu „wie steuern wir es“.

Verwandte Themen