Der Begriff Shadow AI beschreibt jede Form von KI-Einsatz, die neben oder außerhalb der offiziell freigegebenen Werkzeuge und Prozesse eines Unternehmens stattfindet. Typisch ist, dass Beschäftigte im besten Willen und mit dem Ziel höherer Produktivität zu frei verfügbaren Diensten greifen – etwa einem generativen Chat-Assistenten im Browser, einer KI-Funktion in einer privaten App oder einem Übersetzungs- und Transkriptionsdienst. Entscheidend ist nicht die böse Absicht, sondern das Fehlen von Freigabe, Aufsicht und dokumentierten Regeln. Genau dadurch entsteht ein blinder Fleck, den weder die IT-Sicherheit noch der Datenschutz noch die Geschäftsführung überblicken.
Shadow AI ist die konsequente Fortsetzung eines vertrauten Phänomens: der Schatten-IT. Schon lange nutzen Mitarbeitende Cloud-Speicher, Messenger oder Projekt-Tools, die nie offiziell eingeführt wurden. Neu an der KI-Variante ist jedoch die besondere Brisanz der Daten, die dabei fließen. Wer eine unklare Datei in einen privaten Cloud-Speicher lädt, verlagert sie; wer einen vertraulichen Text in einen generativen KI-Dienst kopiert, um ihn zusammenfassen oder umschreiben zu lassen, gibt Inhalte an einen externen Anbieter weiter – und weiß häufig nicht, ob und wie diese Inhalte gespeichert, weiterverarbeitet oder gar zum Training verwendet werden. Aus einem harmlos wirkenden Handgriff wird so ein potenzieller Vertraulichkeits- und Datenschutzvorfall.
Um das Phänomen greifbar zu machen, hilft eine saubere Abgrenzung. Genehmigte KI ist jeder KI-Einsatz, der bewusst ausgewählt, vertraglich abgesichert, datenschutzrechtlich bewertet und für definierte Zwecke freigegeben wurde – idealerweise flankiert von einer internen Richtlinie und Schulung. Shadow AI umfasst dagegen alles, was ohne diese Prüfung genutzt wird: von privaten Accounts über kostenlose Web-Tools bis zu KI-Funktionen, die unbemerkt in ohnehin eingesetzter Software mitgeliefert werden. Die klassische Schatten-IT ist der breitere Oberbegriff; Shadow AI ist ihr besonders sensibler, weil datenhungriger Teilbereich.
Wichtig ist die Erkenntnis, dass die Grenze fließend verläuft. Ein Werkzeug kann heute Shadow AI sein und morgen – nach Prüfung und Freigabe – zur genehmigten KI werden. Und umgekehrt kann ein an sich freigegebenes Tool in eine Grauzone rutschen, wenn es für Zwecke oder mit Daten genutzt wird, die von der Freigabe nicht gedeckt sind. Deshalb ist Shadow AI kein einmal zu lösendes Problem, sondern ein Zustand, den man dauerhaft beobachten und steuern muss.
Zwei Entwicklungen verstärken sich gegenseitig. Erstens sind leistungsfähige KI-Werkzeuge heute für jede Person mit Browser und E-Mail-Adresse in Minuten verfügbar – häufig kostenlos und ohne jede technische Hürde. Zweitens erzeugen diese Werkzeuge einen sofort spürbaren Produktivitätsgewinn bei Alltagsaufgaben wie Texten, Zusammenfassen, Recherchieren oder Programmieren. Die Kombination aus niedriger Einstiegshürde und hohem Nutzen führt dazu, dass Nutzung entsteht, lange bevor Unternehmen sie regeln. Studien zeigen tendenziell, dass ein erheblicher Teil der Wissensarbeitenden generative KI bereits im Arbeitsalltag einsetzt – oft schneller, als die eigene Organisation davon Kenntnis nimmt.
Für den Mittelstand ist das besonders relevant, weil hier Governance-Strukturen oft schlanker sind als im Konzern und die IT-Abteilung nicht jede neue Anwendung im Blick hat. Die gute Nachricht: Gerade schlanke Organisationen können pragmatisch und schnell gegensteuern, wenn sie das Thema bewusst angehen, statt es zu ignorieren oder pauschal zu verbieten.
Die stärkste Triebfeder ist der Produktivitätsdruck. Beschäftigte stehen unter dem Anspruch, mehr in weniger Zeit zu leisten, und generative KI liefert bei vielen Routineaufgaben einen unmittelbaren Vorteil: Ein Textentwurf entsteht in Sekunden, eine lange E-Mail wird in Stichpunkte gefasst, ein technischer Sachverhalt wird verständlich erklärt. Wer diesen Hebel einmal erlebt hat, greift ihn im Alltag auf – unabhängig davon, ob das Unternehmen ein passendes Werkzeug bereitstellt. In diesem Sinn ist Shadow AI oft ein Ausdruck von Engagement, nicht von Nachlässigkeit.
Die zweite zentrale Ursache ist das fehlende oder unattraktive offizielle Angebot. Wenn ein Unternehmen kein freigegebenes KI-Werkzeug bereitstellt, entsteht ein Vakuum, das Beschäftigte mit frei verfügbaren Diensten füllen. Fast ebenso wirksam ist ein Angebot, das zwar existiert, aber als umständlich, langsam oder schlechter empfunden wird als die frei verfügbare Alternative. Menschen wählen im Arbeitsalltag den Weg des geringsten Widerstands – und wenn der offizielle Weg mehr Reibung erzeugt als der inoffizielle, verliert er.
Hinter Shadow AI steht häufig auch eine Frage der Unternehmenskultur. Wo Beschäftigte fürchten, dass die Nutzung von KI als Faulheit ausgelegt oder gar sanktioniert wird, verbergen sie ihren Einsatz – selbst dann, wenn er dem Unternehmen nützt. Diese Heimlichkeit ist besonders problematisch, weil sie jede Steuerung verhindert: Was verborgen bleibt, kann weder geprüft noch verbessert noch abgesichert werden. Eine offene, lernorientierte Haltung ist deshalb kein weiches Beiwerk, sondern eine harte Voraussetzung für Kontrolle.
Aus unserer Erfahrung entsteht der stärkste Sog in den Schatten, wenn zwei Faktoren zusammenkommen: hoher Nutzen der Werkzeuge und gleichzeitig Angst vor negativen Konsequenzen. Wer beide Hebel bearbeitet – den Nutzen durch ein gutes offizielles Angebot bedient und die Angst durch klare, faire Regeln nimmt – entzieht der Shadow AI ihre wichtigste Nahrung.
Das gravierendste Risiko betrifft den Datenschutz. Werden personenbezogene Daten – etwa Kundendaten, Bewerberunterlagen oder Gesundheitsangaben – in einen nicht geprüften KI-Dienst eingegeben, verlässt das Unternehmen den kontrollierten Rahmen der DSGVO. Es fehlt in der Regel eine tragfähige Rechtsgrundlage, häufig auch ein Auftragsverarbeitungsvertrag mit dem Anbieter, und es ist unklar, wo die Daten verarbeitet und gespeichert werden. Findet die Verarbeitung außerhalb des EU-Raums statt, kommen zusätzliche Fragen des Drittlandtransfers hinzu. Aus einer beiläufigen Eingabe kann so ein meldepflichtiger Datenschutzvorfall werden.
Eng damit verbunden ist das Risiko für Vertraulichkeit und Geschäftsgeheimnisse. Werden interne Strategiepapiere, Angebotskalkulationen, Quellcode oder Vertragsentwürfe in einen externen Dienst kopiert, kann der Schutz als Geschäftsgeheimnis gefährdet sein – denn ein solcher Schutz setzt angemessene Geheimhaltungsmaßnahmen voraus. Wer sensible Inhalte unkontrolliert an Dritte gibt, untergräbt genau diese Maßnahmen. Der Schaden ist im Zweifel irreversibel: Was einmal in einem fremden System gelandet ist, lässt sich nicht zuverlässig zurückholen.
Ein oft unterschätztes Risiko sind Fehlausgaben. Generative KI erzeugt Inhalte, die überzeugend formuliert, aber inhaltlich falsch sein können – von erfundenen Quellen über veraltete Fakten bis zu subtil verzerrten Aussagen. In einem gesteuerten Umfeld lässt sich dem mit Schulung, Prüfprozessen und geeigneten Werkzeugen begegnen. In der Shadow AI fehlen genau diese Leitplanken: Ergebnisse werden ungeprüft übernommen, weil niemand weiß, dass überhaupt KI im Spiel war. So gelangen Fehler in Angebote, Berichte oder Kundenkommunikation, ohne dass ein Kontrollpunkt sie abfängt.
Hinzu kommt eine kulturelle Gefahr: Je flüssiger und selbstsicherer eine KI antwortet, desto größer die Versuchung, ihr blind zu vertrauen. Ohne ausreichende KI-Kompetenz überschätzen Nutzende die Verlässlichkeit der Ausgaben – ein Effekt, der in unkontrollierten Umgebungen besonders stark wirkt.
Schließlich wirft die unkontrollierte Nutzung rechtliche und Compliance-Fragen auf. Bei generierten Texten, Bildern oder Codefragmenten ist im Einzelfall zu klären, wem welche Rechte zustehen, ob fremde Rechte berührt werden und ob die kommerzielle Nutzung der Ergebnisse zulässig ist. Diese Fragen sind komplex und hängen stark vom konkreten Dienst, seinen Nutzungsbedingungen und dem Anwendungsfall ab. In der Shadow AI werden sie in der Regel gar nicht gestellt – mit dem Risiko, dass ein Unternehmen unbemerkt in rechtlich heikle Konstellationen gerät. Ob und wie solche Fragen im Einzelfall zu bewerten sind, gehört in fachjuristische Hände; dies ist keine Rechtsberatung.
Die sichtbarste Form ist die Nutzung privater Accounts für generative Chat-Assistenten. Beschäftigte melden sich mit ihrer privaten E-Mail-Adresse bei einem frei verfügbaren KI-Dienst an und nutzen ihn für berufliche Aufgaben – vom Formulieren von E-Mails über das Zusammenfassen von Protokollen bis zum Entwerfen von Angeboten. Da alles über einen privaten Zugang läuft, hat das Unternehmen keinerlei Einblick in die verarbeiteten Inhalte, keine vertragliche Grundlage und keine Möglichkeit, Datenschutz- oder Vertraulichkeitsstandards durchzusetzen.
Eine zweite große Gruppe sind browserbasierte Spezialwerkzeuge und Erweiterungen. Dazu zählen KI-gestützte Übersetzer, Transkriptions- und Meeting-Assistenten, Zusammenfassungsdienste für Webseiten oder Dokumente sowie Browser-Add-ons, die Texte automatisch verbessern. Viele davon sind kostenlos, in Sekunden installiert und greifen im Hintergrund auf Inhalte zu, die im Browser oder in Meetings verarbeitet werden. Gerade Meeting-Assistenten sind heikel, weil sie ganze Besprechungen mitschneiden und an externe Dienste übertragen können – oft ohne dass alle Teilnehmenden davon wissen.
Besonders tückisch sind KI-Funktionen und Copiloten, die in bereits genutzter Software mitgeliefert werden. Immer mehr Standardanwendungen – von Office-Suiten über Kollaborations- und CRM-Systeme bis zu Entwicklungswerkzeugen – integrieren generative KI-Assistenten. Werden diese Funktionen freigeschaltet oder standardmäßig aktiviert, ohne dass eine bewusste Prüfung und Freigabe stattgefunden hat, entsteht Shadow AI im eigenen Haus, oft unbemerkt. Der Übergang von genehmigter Software zu nicht bewertetem KI-Einsatz verläuft hier fließend und ist deshalb leicht zu übersehen.
Ein verwandtes Muster sind KI-Funktionen in Fachanwendungen, etwa in einer HR-, Buchhaltungs- oder Marketing-Software. Nutzende erleben sie schlicht als neue Komfortfunktion ihres vertrauten Programms und hinterfragen selten, welche Daten dabei an welchen Anbieter fließen. Genau deshalb gehört die Frage nach eingebetteten KI-Funktionen in jedes KI-Inventar.
Nicht jede Erscheinungsform ist gleich gefährlich. Ein Übersetzungsdienst, der ausschließlich mit unkritischen, öffentlichen Texten gefüttert wird, birgt ein geringes Risiko. Ein Meeting-Assistent, der vertrauliche Strategiebesprechungen mitschneidet, oder ein Chat-Assistent, in den Kundendaten eingegeben werden, liegt am anderen Ende der Skala. Für die Steuerung ist es hilfreich, die Erscheinungsformen nicht pauschal zu behandeln, sondern nach Datensensibilität und Anwendungsfall zu differenzieren.
Ein guter Einstieg ist die technische Discovery. Dazu zählt die Auswertung vorhandener Protokolle und Verwaltungswerkzeuge: Welche Anwendungen und Browser-Erweiterungen sind auf den Endgeräten installiert? Welche Cloud-Dienste sind mit Unternehmenskonten verbunden? Über Werkzeuge des Software- und Endpoint-Managements lassen sich installierte Programme und Add-ons oft bereits sichtbar machen. In Umgebungen mit zentraler Identitätsverwaltung zeigt sich zudem, welche externen Dienste mit Firmen-Logins genutzt werden.
Eine zweite Säule ist die Netzwerkanalyse. Über Firewalls, Web-Proxys oder Cloud-Access-Werkzeuge lässt sich erkennen, zu welchen externen KI-Diensten Verbindungen aufgebaut werden. So entsteht ein Bild darüber, welche Dienste im Unternehmen tatsächlich angesteuert werden – unabhängig davon, ob sie offiziell bekannt sind. Wichtig ist dabei die Verhältnismäßigkeit: Netzwerkanalyse berührt Fragen des Beschäftigtendatenschutzes und der Mitbestimmung und sollte transparent, zweckgebunden und im Einklang mit den rechtlichen Rahmenbedingungen erfolgen. Wie eine solche Auswertung im Einzelfall zulässig gestaltet wird, ist mit Datenschutz, gegebenenfalls dem Betriebsrat und einer Fachjurist:in zu klären – dies ist keine Rechtsberatung.
Technik allein greift zu kurz, denn vieles läuft über private Geräte oder private Accounts und ist damit technisch kaum erfassbar. Deshalb ist die anonyme Umfrage ein zentrales Erkennungsinstrument. Eine kurze, wertfrei formulierte Befragung – Welche KI-Werkzeuge nutzt du? Wofür? Was fehlt dir? – liefert oft ein realistischeres Bild als jede technische Messung. Entscheidend ist der Ton: Wer Sanktionen androht, erhält keine ehrlichen Antworten. Wer signalisiert, dass es um bessere Angebote geht, bekommt wertvolle Einblicke.
Ergänzend helfen strukturierte Gespräche mit den Fachbereichen. Teamleitungen wissen meist gut, welche Werkzeuge im Alltag zirkulieren und welche Aufgaben besonders von KI profitieren würden. Diese Gespräche haben einen doppelten Nutzen: Sie decken Shadow AI auf und liefern zugleich die Anforderungen für ein gutes offizielles Angebot.
Das Grundproblem eines Totalverbots ist, dass es die Ursache nicht beseitigt. Der Bedarf bleibt, das Werkzeug ist weiterhin einen Klick entfernt – die Nutzung wandert nur tiefer in den Schatten und auf private Geräte, wo sie noch schwerer zu erkennen ist. Ein Verbot ohne Alternative verschlechtert die Sichtbarkeit, statt sie zu verbessern, und beschädigt zugleich das Vertrauen. Es gibt sinnvolle Verbote – etwa für klar definierte Hochrisiko-Fälle oder bestimmte Datenkategorien –, aber das pauschale Verbot als alleinige Strategie geht regelmäßig nach hinten los.
Der wirksame Ansatz ist zweigleisig: klare Regeln plus ein gutes offizielles Angebot. Die Regeln geben Orientierung, was erlaubt ist, welche Daten wohin dürfen und wann menschliche Kontrolle nötig ist. Das Angebot sorgt dafür, dass der erlaubte Weg auch der bequemste ist. Erst beides zusammen entzieht der Shadow AI den Boden: Die Beschäftigten haben ein Werkzeug, das sie nutzen dürfen und wollen – und einen Rahmen, der ihnen Sicherheit gibt.
Kern der Steuerung ist eine verständliche KI-Richtlinie. Sie muss nicht lang sein, aber klar: Welche Werkzeuge sind freigegeben? Welche Daten dürfen eingegeben werden und welche keinesfalls (etwa personenbezogene oder als vertraulich eingestufte Inhalte)? Wann ist eine menschliche Prüfung der Ergebnisse verpflichtend? Wie werden neue Werkzeuge beantragt und freigegeben? Und an wen wendet man sich bei Fragen? Eine gute Richtlinie beantwortet diese Fragen in einer Sprache, die alle verstehen – nicht in juristischem Fachjargon.
Ebenso wichtig wie der Inhalt ist der Ton. Eine Richtlinie, die primär droht, wird ignoriert oder umgangen. Eine Richtlinie, die den Nutzen anerkennt und zugleich klare Leitplanken setzt, wird akzeptiert. Das Ziel ist, KI-Nutzung zu ermöglichen und abzusichern – nicht, sie zu erschweren.
In der Praxis bewährt sich eine Positivliste freigegebener Werkzeuge: eine kurze, gepflegte Übersicht der Tools, die geprüft und für welche Zwecke freigegeben sind. Das gibt Beschäftigten sofort eine sichere Wahl an die Hand und macht die richtige Entscheidung zur einfachsten. Ergänzend braucht es einen schlanken Prozess, über den neue Werkzeuge beantragt und zügig bewertet werden – denn eine Positivliste, die monatelang nicht aktualisiert wird, treibt die Nutzung wieder in den Schatten. Die Kombination aus klarer Positivliste, wenigen expliziten Verboten und einem schnellen Freigabeweg ist deutlich wirksamer als eine lange Liste von Verboten.
Der zentrale Unterschied zwischen Shadow AI und einer sicheren Alternative liegt selten in der reinen KI-Leistung, sondern im Rahmen. Über einen Enterprise- oder Geschäftsvertrag lassen sich Bedingungen vereinbaren, die bei kostenlosen Consumer-Diensten typischerweise fehlen: ein Auftragsverarbeitungsvertrag, klare Zusagen dazu, dass eingegebene Inhalte nicht zum Training der Modelle verwendet werden, definierte Speicher- und Löschregeln sowie Verantwortlichkeiten für die Datensicherheit. Diese vertragliche Absicherung ist der Kern dessen, was eine genehmigte KI von einer Shadow AI unterscheidet.
Ein zweiter wichtiger Baustein ist die Datenverarbeitung in der EU-Region. Viele Anbieter ermöglichen es inzwischen, die Verarbeitung auf Rechenzentren innerhalb der Europäischen Union zu beschränken. Das vereinfacht die datenschutzrechtliche Bewertung erheblich und reduziert die Fragen des Drittlandtransfers. Ob eine konkrete Ausgestaltung im Einzelfall ausreicht, hängt von den Details des Dienstes und des Anwendungsfalls ab und ist datenschutzrechtlich zu prüfen – dies ist keine Rechtsberatung.
Die Auswahl eines sicheren Werkzeugs steht und fällt mit einer sorgfältigen Anbieterprüfung. Zu klären sind unter anderem: Wo werden Daten verarbeitet und gespeichert? Werden Eingaben zum Training verwendet, und lässt sich das vertraglich ausschließen? Welche Unterauftragnehmer sind beteiligt? Welche Sicherheitsnachweise liegen vor? Und wie sind Haftung und Datenlöschung geregelt? Diese Prüfung ist kein einmaliger Akt, sondern begleitet den gesamten Lebenszyklus eines Werkzeugs, da sich Dienste, Bedingungen und Funktionen laufend ändern.
Für den Mittelstand lohnt es sich, diese Prüfung zu standardisieren – etwa in Form einer kurzen Checkliste, die für jedes neue KI-Werkzeug durchlaufen wird. So wird aus einer aufwendigen Einzelfallbetrachtung ein reproduzierbarer Prozess, der zugleich die spätere Freigabe beschleunigt.
Die zentrale Botschaft für den Mittelstand lautet: Es braucht keinen Konzernapparat, um Shadow AI zu steuern. Entscheidend sind wenige, aber konsequent umgesetzte Bausteine – und die richtige Haltung. Wer das Thema als gemeinsames Ermöglichungsprojekt begreift und nicht als Kontrollmaßnahme, gewinnt die Belegschaft als Verbündete. Die folgenden Schritte lassen sich in überschaubarer Zeit und mit vorhandenen Ressourcen umsetzen.
Von allen Bausteinen wirkt Awareness am nachhaltigsten. Regeln und Werkzeuge entfalten ihre Wirkung erst, wenn die Beschäftigten verstehen, warum es sie gibt. Wer nachvollzieht, dass das Einfügen von Kundendaten in einen frei verfügbaren Dienst ein reales Risiko ist, braucht keine Kontrolle, um es zu unterlassen – er handelt aus Einsicht. Gute Awareness-Arbeit vermittelt deshalb nicht nur Verbote, sondern Zusammenhänge: Was passiert mit meinen Eingaben? Wo liegen die Grenzen der KI? Wann muss ich Ergebnisse prüfen?
Bewährt hat sich, Awareness lebendig und praxisnah zu gestalten – mit konkreten Beispielen aus dem eigenen Arbeitsalltag statt abstrakter Regelwerke. Wiederholung ist dabei wichtiger als Vollständigkeit: Kurze, regelmäßige Impulse verankern sich besser als eine einmalige, überladene Schulung.
Am unmittelbarsten wirkt die DSGVO. Sobald personenbezogene Daten in einen KI-Dienst eingegeben werden, gelten deren Anforderungen in vollem Umfang: eine tragfähige Rechtsgrundlage, der Grundsatz der Datenminimierung, Transparenz gegenüber den Betroffenen und – bei Auftragsverarbeitung – ein entsprechender Vertrag mit dem Anbieter. In der Shadow AI fehlen diese Elemente typischerweise, weil die Nutzung außerhalb jeder Prüfung stattfindet. Findet die Verarbeitung zudem außerhalb der EU statt, stellen sich Fragen des Drittlandtransfers. Ein unkontrollierter KI-Einsatz kann damit schnell zu einem datenschutzrechtlichen Verstoß werden, dessen Aufarbeitung aufwendig und dessen Sanktionsrisiko nicht zu unterschätzen ist.
Der zweite Rechtsbereich betrifft den Schutz von Geschäftsgeheimnissen. Ein Geschäftsgeheimnis genießt seinen Schutz nur, solange das Unternehmen angemessene Geheimhaltungsmaßnahmen ergreift. Werden vertrauliche Informationen unkontrolliert in externe Dienste gegeben, kann diese Voraussetzung gefährdet sein – mit der Folge, dass wertvolles Know-how seinen rechtlichen Schutz verliert. Gerade für technologiegetriebene Mittelständler, deren Wert oft im geistigen Eigentum liegt, ist das ein erhebliches Risiko. Ob im Einzelfall der Schutz entfällt, ist eine juristische Frage, die fachlich zu bewerten ist.
Der EU AI Act – die Verordnung (EU) 2024/1689 – wirkt an mehreren Stellen in das Thema hinein. Am unmittelbarsten relevant ist die ausdrückliche Pflicht zur KI-Kompetenz (AI Literacy): Nach aktuellem Stand müssen Anbieter und Betreiber dafür sorgen, dass die mit KI befassten Personen über ein ausreichendes Maß an KI-Kompetenz verfügen – angemessen zu Aufgabe, Vorwissen und Einsatzkontext. Diese Pflicht gilt unabhängig von der Risikoklasse und betrifft damit nahezu jedes KI-nutzende Unternehmen. Shadow AI steht dazu in direktem Widerspruch: Wo KI unkontrolliert und ohne Befähigung genutzt wird, lässt sich die geforderte Kompetenz weder sicherstellen noch nachweisen.
Darüber hinaus kann Shadow AI die AI-Act-Compliance an weiteren Stellen unterlaufen. Übergreifende Transparenzpflichten – etwa die Kennzeichnung von KI-generierten Inhalten oder der Hinweis auf die Interaktion mit einem KI-System – lassen sich in einem unkontrollierten Umfeld kaum durchsetzen. Und wird unbemerkt ein Werkzeug genutzt, das im konkreten Anwendungsfall als Hochrisiko-System einzuordnen wäre, entstehen Pflichten, die niemand erfüllt, weil niemand von der Nutzung weiß. Wie diese Anforderungen im Einzelfall greifen, ist fachjuristisch zu klären.
Der verbindende Gedanke ist, dass alle drei Rechtsbereiche dieselbe organisatorische Grundlage benötigen: Sichtbarkeit, klare Regeln und dokumentierte Prozesse. Wer bereits DSGVO-Strukturen betreibt – ein Verzeichnis von Verarbeitungstätigkeiten, Folgenabschätzungen, Auftragsverarbeitungsverträge –, hat einen erheblichen Startvorteil und kann diese Strukturen auf den KI-Einsatz ausweiten. Die Steuerung von Shadow AI ist damit kein isoliertes Projekt, sondern ein Baustein einer übergreifenden KI-Governance. Wie die konkreten Pflichten im Einzelfall auszufüllen sind, gehört in fachjuristische Hände; dies ist keine Rechtsberatung, und die Anwendbarkeit im Einzelfall ist mit einer Fachjurist:in zu klären.
