Ein Mitarbeitender kopiert eine Kundenanfrage in einen frei verfügbaren KI-Chat, um schneller zu antworten. Die Antwort ist gut formuliert, doch die Anfrage enthält Vertragsdetails und personenbezogene Daten. Genau an solchen Stellen entscheidet sich, ob ein sicherer KI Einsatz im Unternehmen entlastet oder neue Risiken schafft.

KI kann Serviceprozesse beschleunigen, interne Informationen besser zugänglich machen und Routineaufgaben reduzieren. Sie kann aber auch sensible Inhalte nach außen tragen, falsche Ergebnisse überzeugend darstellen oder Entscheidungen beeinflussen, deren Grundlage niemand mehr nachvollziehen kann. Deshalb beginnt Sicherheit nicht mit einem Verbot und auch nicht mit einem einzelnen Tool. Sie beginnt mit klaren Regeln, passenden technischen Kontrollen und Verantwortlichkeiten, die im Arbeitsalltag funktionieren.

Sicherer KI-Einsatz braucht einen klaren Rahmen

Viele Unternehmen starten mit einzelnen Anwendungsfällen: Texte erstellen, Gesprächsnotizen zusammenfassen, Informationen aus Dokumenten extrahieren oder einen digitalen Rezeptionisten einsetzen. Das ist sinnvoll, sofern vor dem Start geklärt wird, welche Daten verarbeitet werden, wer die Ergebnisse nutzt und welche Folgen Fehler hätten.

Nicht jeder KI-Anwendungsfall hat dasselbe Risikoprofil. Ein Entwurf für einen internen Social-Media-Beitrag ist anders zu bewerten als die automatische Vorqualifizierung von Bewerbungen oder die Auswertung von Supportfällen mit Kundendaten. Entscheidend ist nicht, ob KI verwendet wird, sondern wofür, mit welchen Daten und unter welcher Kontrolle.

Ein praxistauglicher Rahmen beantwortet vier Fragen: Welche KI-Werkzeuge sind erlaubt? Welche Informationen dürfen eingegeben werden? Wer verantwortet die fachliche Prüfung? Und wie wird nachvollziehbar, was das System verarbeitet oder vorgeschlagen hat? Wenn diese Punkte offenbleiben, entstehen Schattenprozesse. Mitarbeitende wählen dann aus Zeitdruck Lösungen, die nicht zum Sicherheitsniveau des Unternehmens passen.

Daten zuerst klassifizieren, dann KI auswählen

Der häufigste Fehler ist die umgekehrte Reihenfolge: Erst wird ein Tool eingeführt, danach wird über Datenschutz, Zugriffsrechte und Verträge gesprochen. Besser ist es, die eigenen Daten in Schutzklassen einzuordnen und den Einsatz daran auszurichten.

Öffentliche Informationen wie freigegebene Produkttexte oder bereits publizierte Inhalte können in vielen Fällen mit deutlich weniger Einschränkungen verarbeitet werden. Bei internen Informationen, Geschäftsgeheimnissen, Vertragsunterlagen, Personal- und Kundendaten ist eine genaue Prüfung erforderlich. Personenbezogene Daten unterliegen zusätzlich den Vorgaben der DSGVO. Für besonders sensible Bereiche können auch branchenspezifische Anforderungen, Betriebsvereinbarungen oder Kundenverträge relevant sein.

Für die Praxis hilft eine einfache Vorgabe: Was nicht in eine ungeschützte E-Mail an einen externen Empfänger gehört, gehört auch nicht in ein frei verfügbares KI-Tool. Diese Regel ersetzt keine Datenschutzprüfung, schafft aber sofort Orientierung.

Vor der Freigabe eines Dienstes sollten Unternehmen unter anderem folgende Punkte prüfen:

• Wo werden Eingaben, Dateien und Ergebnisse verarbeitet und gespeichert?
• Werden Inhalte zum Training von Modellen genutzt oder lässt sich dies verbindlich ausschließen?
• Gibt es einen Vertrag zur Auftragsverarbeitung, klare Löschfristen und nachvollziehbare Sicherheitsmaßnahmen?
• Können Zugriffe über Unternehmenskonten, Mehrfaktor-Authentifizierung und Rollen gesteuert werden?
• Lassen sich Protokolle, Datenflüsse und administrative Einstellungen kontrollieren?

Die passende Lösung hängt vom Anwendungsfall ab. Für allgemeine Textentwürfe kann ein zentral verwalteter Unternehmenszugang ausreichend sein. Für die Arbeit mit vertraulichem Wissen sollte eine Architektur gewählt werden, bei der Zugriffe, Datenquellen und Berechtigungen klar voneinander getrennt sind.

Identitäten und Zugriffe konsequent steuern

KI-Sicherheit ist auch Identitätssicherheit. Wenn Mitarbeitende eigene private Accounts nutzen, fehlen oft zentrale Berechtigungen, Offboarding-Prozesse und Transparenz über die Nutzung. Das Risiko steigt zusätzlich, wenn Passwörter geteilt werden oder ein Tool unkontrolliert auf Dokumentenablagen zugreifen darf.

Unternehmenskonten mit Single Sign-on und Mehrfaktor-Authentifizierung schaffen eine belastbare Grundlage. Rollen sollten nach dem Prinzip der minimalen Rechte vergeben werden: Wer lediglich Inhalte erstellen soll, benötigt keine administrativen Funktionen und keinen Zugriff auf sensible Wissensbereiche. Besonders bei KI-Assistenten, die auf Dateien, E-Mails oder Ticketsysteme zugreifen, muss präzise festgelegt sein, welche Gruppen welche Quellen durchsuchen dürfen.

Auch die Netzwerkinfrastruktur spielt eine Rolle. Eine stabile, abgesicherte Anbindung, segmentierte Zugriffe und zentral betreute Security-Komponenten schützen nicht allein die KI-Anwendung. Sie reduzieren aber die Angriffsfläche rund um Endgeräte, Identitäten und Datenwege. Für Unternehmen mit mehreren Standorten oder hybriden Teams ist diese Verbindung von Cloud-Zugriff, Netzwerk und Sicherheitsbetrieb besonders relevant.

Ergebnisse prüfen, statt ihnen blind zu vertrauen

KI erzeugt plausible Antworten, keine automatische Wahrheit. Sie kann Quellen falsch zuordnen, Fakten erfinden, veraltete Informationen verwenden oder Zusammenhänge verkürzen. Je größer die geschäftliche Wirkung eines Ergebnisses, desto verbindlicher muss die menschliche Prüfung sein.

Für kundenwirksame Kommunikation, Angebote, technische Empfehlungen, Vertragsentwürfe oder Personalentscheidungen gilt daher: KI liefert einen Vorschlag, eine qualifizierte Person trifft die Entscheidung. Diese Zuständigkeit sollte nicht nur in einer Richtlinie stehen, sondern direkt im Prozess sichtbar sein – etwa durch Freigabeschritte, Vier-Augen-Prüfungen oder Kennzeichnungen für KI-generierte Entwürfe.

Bei automatisierten Abläufen braucht es zusätzlich klare Eskalationswege. Wenn ein digitaler Rezeptionist Anrufe vorsortiert, darf er etwa Termine vorschlagen oder Standardfragen beantworten. Bei Beschwerden, Sicherheitsmeldungen, rechtlichen Anliegen oder komplexen Kundenfällen muss er zuverlässig an einen Menschen übergeben. Gute Automatisierung erkennt ihre Grenzen.

Regeln müssen im Arbeitsalltag verständlich sein

Ein 30-seitiges Regelwerk wird selten gelesen, eine präzise Handlungsanweisung schon. Mitarbeitende benötigen konkrete Antworten: Darf ich diese Datei hochladen? Muss ich das Ergebnis prüfen? Was mache ich bei einer auffälligen Antwort? Wen frage ich, wenn ein neuer Anwendungsfall entsteht?

Schulungen sollten deshalb an echten Situationen aus Vertrieb, Service, Verwaltung oder IT ansetzen. Ein Vertriebsteam braucht andere Beispiele als eine Personalabteilung oder eine Produktion. Kurze Übungen zeigen wirksamer als abstrakte Warnungen, wie schnell vertrauliche Informationen in Prompts geraten oder wie überzeugend fehlerhafte Ausgaben wirken können.

Wichtig ist eine offene Fehlerkultur. Wenn Beschäftigte unsicher sind oder versehentlich Daten in ein nicht freigegebenes Tool eingegeben haben, muss die Meldung unkompliziert möglich sein. Nur dann können Verantwortliche Zugriffe prüfen, Folgen begrenzen und Regeln bei Bedarf nachschärfen.

Governance als laufende Betriebsaufgabe organisieren

KI-Lösungen verändern sich schnell: Modelle erhalten neue Funktionen, Anbieter passen Vertragsbedingungen an, Schnittstellen kommen hinzu und Fachbereiche entdecken neue Einsatzmöglichkeiten. Eine einmalige Freigabe reicht daher nicht aus. Sicherer Betrieb braucht regelmäßige Kontrolle.

Sinnvoll ist ein klarer Prozess, in dem Fachbereich, IT, Informationssicherheit, Datenschutz und bei Bedarf Betriebsrat oder Rechtsabteilung zusammenarbeiten. Der Fachbereich beschreibt den Nutzen und die erforderlichen Daten. IT und Security bewerten Integration, Identitäten und technische Schutzmaßnahmen. Datenschutz prüft die Verarbeitung personenbezogener Daten. Die Geschäftsleitung legt fest, welches Restrisiko tragbar ist.

Der europäische AI Act erhöht dabei schrittweise die Anforderungen an bestimmte KI-Systeme. Welche Pflichten konkret gelten, hängt von Rolle, Einsatzgebiet und Risikoklasse ab. Unternehmen sollten deshalb nicht pauschal jedes KI-Tool gleich behandeln, sondern die Dokumentation und Kontrollen am tatsächlichen Anwendungsfall ausrichten. Wer früh eine zentrale Übersicht über eingesetzte Systeme, Datenquellen und Verantwortliche aufbaut, kann auf neue Vorgaben deutlich geordneter reagieren.

Ein Managed-Service-Partner kann diesen Betrieb unterstützen, etwa bei Identitätsmanagement, sicheren Cloud-Anbindungen, Endpoint-Schutz, Netzsegmentierung und der laufenden Betreuung der Kommunikationsumgebung. Bei abakus TK steht dabei nicht ein einzelnes Produkt im Mittelpunkt, sondern die Frage, wie KI, Telefonie, Netzwerk und Security im Unternehmen verlässlich zusammenspielen.

Mit einem begrenzten Pilotprojekt starten

Der beste Einstieg ist selten die unternehmensweite Freigabe. Wählen Sie einen Anwendungsfall mit erkennbarem Nutzen, überschaubarem Datenrisiko und klaren Erfolgskriterien. Definieren Sie vorab, welche Daten erlaubt sind, welche Personen teilnehmen, wie Ergebnisse geprüft werden und wann der Pilot beendet oder ausgeweitet wird.

So entsteht nicht nur ein technischer Test, sondern eine belastbare Grundlage für Entscheidungen. Teams gewinnen Erfahrung, Verantwortliche erkennen Lücken in Regeln oder Zugriffsmodellen, und die Organisation kann Standards entwickeln, bevor sich unsichere Einzellösungen festsetzen.

Ein sicherer KI-Einsatz ist kein Projekt mit Enddatum. Er ist eine Betriebsaufgabe, die mit den Anforderungen des Unternehmens wächst. Wenn Regeln verständlich bleiben, Technik kontrollierbar ist und Menschen erreichbar sind, wird KI zu einer Unterstützung, auf die sich Teams im Alltag verlassen können.