Was IBMs 2025-Breach-Daten über die wahren Kosten von Shadow AI aussagen

Ein Viertel Ihrer Belegschaft fügt bereits Unternehmensdaten in KI-Tools ein, die Sie nicht kontrollieren, und die finanzielle Bilanz dieses Verhaltens ist inzwischen messbar. IBMs Cost of a Data Breach Report 2025 gibt Vorständen etwas, das in der Shadow-AI-Debatte bisher gefehlt hat: keine Angstmache, sondern einen Preis. Datenschutzverletzungen mit hohem Shadow-AI-Anteil kosten im Durchschnitt rund 670.000 USD mehr — 4,63 Mio. USD gegenüber 3,96 Mio. USD. Diese Differenz ist der Preis eines blinden Flecks, und der Report ist ungewöhnlich klar darüber, warum dieser blinde Fleck existiert.

Für einen CISO, der einen Vorstand briefen soll, besteht der sinnvolle Schritt nicht darin, Alarm zu schlagen. Er besteht darin, drei von IBMs Zahlen in die konkrete Kontrollentscheidung zu übersetzen, die sie nahelegen — denn derselbe Report, der den Verlust beziffert, benennt auch die fehlende Schutzmaßnahme.

Die Zahl, die das Gespräch neu rahmen sollte

Beginnen wir mit der Kernlücke. Ein Aufschlag von 670.000 USD bei Shadow-AI-bezogenen Datenschutzverletzungen ist keine Abstraktion; er entspricht in etwa dem Unterschied zwischen einem beherrschbaren und einem wesentlichen Vorfall. Kombinieren Sie ihn mit einer zweiten Zahl: 20 % der Organisationen im Report wurden über Shadow AI angegriffen. Das ist jede fünfte, und es ist keine Prognose über die Zukunft — es ist bereits geschehen.

Vorstände sind es gewohnt, Wahrscheinlichkeit gegen Auswirkung abzuwägen. Hier bewegten sich beide gleichzeitig in die falsche Richtung. Die Wahrscheinlichkeit betrifft ein Fünftel der Organisationen. Die Auswirkung trägt einen sechsstelligen Aufschlag über der durchschnittlichen Datenschutzverletzung, die selbst weltweit bei 4,44 Mio. USD liegt und in regulierten Branchen weit höher — Verletzungen in den USA lagen im Schnitt bei 10,22 Mio. USD und im Gesundheitswesen bei 7,42 Mio. USD. Legen Sie Shadow AI über ein Bedrohungsmodell im Gesundheits- oder Finanzsektor, und die Zahlen sind nicht länger das Problem anderer.

Was dies von der üblichen Breach-Statistik unterscheidet, ist der Ursprung der Gefährdung. Sie kommt nicht durch den Perimeter. Sie kommt durch den Browser herein, in einem Prompt-Feld, von einem Mitarbeiter, der seine Arbeit schneller erledigen will.

Warum der Verlust immer wieder passiert: Die Kontrollen fehlen

Der Report ist unmissverständlich über den Mechanismus. 97 % der Organisationen, die eine KI-bezogene Datenschutzverletzung erlitten, hatten keine angemessenen KI-Zugriffskontrollen. Nicht die meisten — fast alle. Das ist eine nahezu perfekte Korrelation zwischen „wir hatten eine Verletzung" und „wir hatten nichts, das die KI-Nutzung überwacht".

Eine Ebene tiefer wird es noch schärfer. 63 % der Organisationen haben überhaupt keine KI-Governance-Richtlinie, und nur 17 % verfügen über technische Kontrollen, um sensible Daten am Eingabepunkt zu redigieren oder zu blockieren. Lesen Sie beide zusammen: Selbst unter der Minderheit mit einer Richtlinie haben die meisten keine Möglichkeit, sie dort durchzusetzen, wo die Daten tatsächlich abfließen. Eine Richtlinie, die sagt „keine Kundendaten in ChatGPT einfügen", ist ein Satz in einem Dokument. Die 17-%-Zahl ist der Anteil der Organisationen, die diesen Satz in dem Moment, in dem es zählt, tatsächlich durchsetzen können.

Das ist die Lücke, die die meisten Sicherheits-Stacks nicht abdecken. Klassische Data-Loss-Werkzeuge wurden für Dateien gebaut, die über Netzwerke und E-Mail bewegt werden — sie sehen keinen Absatz, der in ein Webformular getippt und an einen KI-Anbieter gesendet wird. Das Prompt-Feld ist ein Kanal, den die bestehenden Kontrollen nie überwachen sollten.

Wie ein Aufschlag von 670.000 USD in einem einzigen Prompt aussieht

Machen wir es konkret. Eine Umsatzanalystin steht unter Termindruck, dem Vorstand eine Abweichung zu erklären. Sie hat das Quartalsmodell offen — Ist-Werte, Prognose, ein paar Kundennamen samt Deal-Volumen. Sie fügt den relevanten Tab in einen KI-Assistenten ein und bittet ihn, den erläuternden Text zu entwerfen. Der Entwurf ist gut. Die Arbeit wird pünktlich geliefert.

Was ebenfalls geschah: Kundenidentifizierende Daten, Finanzkennzahlen und interne Deal-Informationen wurden an ein öffentliches KI-Tool übermittelt. Sobald dieser Prompt gesendet ist, kann er nicht mehr zurückgeholt werden. Er kann gespeichert, von Sub-Auftragsverarbeitern verarbeitet oder zum Training des Anbietermodells verwendet werden, und der eingefügte Inhalt unterliegt den Nutzungsbedingungen dieses Anbieters. Es gab keine böse Absicht, keinen externen Angreifer, keine Warnmeldung. Und nichts in der Umgebung hat es kommen sehen — was genau der Zustand ist, den IBMs 97 % beschreiben.

Multiplizieren Sie diese Analystin mit jedem Team, das unter Termindruck mit sensiblen Daten umgeht, und Sie erhalten die Gestalt der Eins-von-fünf-Statistik. Das Verhalten ist für den Einzelnen rational und für die Organisation unsichtbar. Diese Kombination ist es, die der Aufschlag von 670.000 USD in Wirklichkeit einpreist.

Die Kontrollentscheidung, auf die die Daten hinweisen

IBMs eigene Rahmung engt die Optionen ein. Die Korrelation besteht nicht zwischen Verletzungen und dem Einsatz von KI — sie besteht zwischen Verletzungen und fehlenden Kontrollen darüber, wie KI genutzt wird. Ein Verbot von Tools adressiert den Befund also nicht; die Leute weichen auf persönliche Konten aus, und die Nutzung verschwindet einfach in der Dunkelheit, was das Sichtbarkeitsproblem verschärft statt verbessert. Die vom Report implizierte Lösung ist die 17-%-Kontrolle: die Fähigkeit, sensible Daten am Eingabepunkt zu redigieren oder zu blockieren, bevor sie die Organisation verlassen.

Diese Rahmung am Eingabepunkt ist wichtig wegen der Unumkehrbarkeit. Nach der Übermittlung gibt es nichts mehr zu steuern — die Daten sind bereits draußen. Der einzige Ort, an dem eine Kontrolle das Ergebnis ändern kann, ist bevor der Prompt das KI-Tool erreicht. Genau dort findet auch die Aufklärung im entscheidenden Moment statt: Ein Prompt, der mit einer klaren Erklärung dessen, was markiert wurde, gestoppt wird, zeigt der Analystin den Grund und verwandelt einen Beinahe-Vorfall in eine Gewohnheit statt in einen wiederholten Zwischenfall.

Das ist das Prinzip, auf dem Sanitized AI aufgebaut ist — sensible Daten in einem Prompt zu erkennen und zu redigieren oder zu blockieren, bevor sie das KI-Tool erreichen, mit einem Protokoll der Richtlinien-Ereignisse für die Führungsebene, das niemals erfasst, was die Person tatsächlich getippt hat. Für einen Vorstand ist dieses Protokoll zugleich die Antwort auf die Sorgfaltsfrage: der Nachweis, dass sich die Organisation von den 63 % ohne Governance hin zu den 17 % bewegt hat, die handeln können.

Die Frage, die Sie in Ihre nächste Risikobesprechung mitbringen sollten, ist also nicht, ob Mitarbeitende KI nutzen — gehen Sie davon aus, dass sie es tun. Sie ist schärfer: Wenn heute ein sensibler Prompt übermittelt würde, hätte irgendetwas in Ihrer Umgebung ihn abgefangen, bevor er hinausging? Wenn die ehrliche Antwort Nein lautet, gehören Sie zu den 97 %. Wenn Sie sehen möchten, wie das Schließen dieser Lücke in der Praxis aussieht, fordern Sie eine Demo an.