Cloud- und Bedrohungsbericht:
2026

Im vorangegangenen Abschnitt ging es darum, wie inhaltsbezogene Datenschutzrichtlinien den Fluss sensibler Daten in genAI-Anwendungen kontrollieren können. Die zugrunde liegende Annahme war, dass diese Apps in bestimmten Kontexten sicher sein und einem legitimen Geschäftszweck dienen müssen. Wenn eine App in keinem Kontext sicher ist oder keinem legitimen Geschäftszweck dient, wird die Risikominderung viel einfacher: Man blockiert die App einfach komplett. 90 % der Organisationen nutzen diese einfache, aber effektive Strategie, wobei die durchschnittliche Organisation aktiv 10 Apps blockiert. Hierbei bedeutet „aktive Blockierung“ nicht nur, dass eine Organisation eine Richtlinie hat, die die App für alle ihre Benutzer blockiert, sondern dass die Richtlinie die Benutzer aktiv daran hindert, die App zu benutzen (im Gegensatz zu einer Richtlinie, die etwas blockiert, das sowieso niemand benutzt). Obwohl die Richtlinien der einzelnen Organisationen unterschiedlich sind, werden manche Tools weitaus häufiger eingeschränkt als andere, was zeigt, wo die Sicherheitsteams das größte Schadenspotenzial sehen. In vielen Umgebungen bietet die Blockierung ganzer Kategorien von risikoreichen genAI-Diensten möglicherweise einen besser handhabbaren Schutz als die Bewertung der einzelnen Tools.

ZeroGPT ist derzeit die am häufigsten blockierte Anwendung im Bereich genAI; 45 % der Organisationen beschränken den Zugriff. Viele Sicherheitsteams betrachten den Dienst als risikoreich, da KI-Erkennungstools häufig die Übermittlung von Volltexten, Quellcode oder anderem sensiblen Material zur Analyse verlangen.

DeepSeek folgt mit 43 % der Organisationen, die es blockieren. Gründe dafür sind Bedenken hinsichtlich begrenzter Transparenz, sich schnell entwickelndem Plattformverhalten, Datensouveränität und Unsicherheiten im Zusammenhang mit aufkommenden KI-Ökosystemen.

Diese blockierenden Trends deuten darauf hin, dass Organisationen nicht nur auf die Risiken einzelner Tools reagieren, sondern auch ihre Governance-Strategien weiterentwickeln. Der Schwerpunkt verlagert sich dahingehend, dass sensible Daten gar nicht erst das Unternehmen verlassen, insbesondere nicht an Dienste mit unklaren Sicherheitsgarantien oder unzureichender Offenlegung darüber, wie Benutzerinhalte verarbeitet und gespeichert werden.

Blockierungsrichtlinien für unerwünschte KI-Anwendungen haben sich im Allgemeinen als sehr effektiv erwiesen. Obwohl sich die Anzahl der von Netskope Threat Labs erfassten genAI-Anwendungen im vergangenen Jahr verfünffacht hat, von 317 auf mehr als 1.600, stieg die durchschnittliche Anzahl der in einer Organisation eingesetzten KI-Anwendungen lediglich um 33 % von 6 auf 8. Lediglich bei den Top 1% der Organisationen (nicht abgebildet), bei denen die Kontrollen weniger streng sind, konnten wir signifikante Anstiege von 47 auf 89 Apps feststellen. Diese Ausnahmefälle sollten allen Organisationen als Mahnung dienen, zu überprüfen, wie viele genAI-Anwendungen sie einsetzen und ob diese alle einem legitimen Geschäftszweck dienen. Unternehmen, die als Außenseiter gelten, können ihre Risiken erheblich reduzieren, indem sie einfach den Zugriff auf nicht geschäftskritische Anwendungen einschränken und Datenschutz- und Schulungsrichtlinien auf geschäftskritische Anwendungen anwenden.

Wir gehen davon aus, dass die Zahl der Ausreißerorganisationen, die den Einsatz von Dutzenden von genAI-Anwendungen zulassen, im Jahr 2026 sinken wird, da immer mehr Organisationen beginnen, die Kontrolle über ihre genAI-Ökosysteme zu übernehmen. Dies wird durch die kontinuierliche Einführung New genAI-Apps und New Interaktionsmöglichkeiten mit genAI-Apps, wie z. B. KI-Browsern, vorangetrieben. Nachdem sie einen besseren Einblick in ihre genAI-Nutzung erhalten haben, werden mehr Organisationen einen proaktiveren Ansatz verfolgen und alle KI-Anwendungen blockieren, mit Ausnahme derjenigen, die auf einer Genehmigungsliste stehen.

Neben KI-Browsern und MCP-Servern ist agentenbasierte KI ein weiterer aufkommender Trend im Bereich der genAI, der Unternehmen dazu zwingt, ihre Sicherheitsstrategie weiterzuentwickeln. Agentische KI-Systeme sind solche, die komplexe, autonome Aktionen über interne und externe Ressourcen hinweg ausführen. Organisationen erleben bereits eine rasante Verbreitung von agentenbasierter KI, sowohl durch den Einsatz von SaaS-Diensten als auch von KI-Plattformen wie Azure OpenAI. Während in der Anfangszeit SaaS-Anwendungen aufgrund ihrer Bequemlichkeit bevorzugt wurden, ermöglichen plattformbasierte Lösungen Unternehmen heute, Modelle intern zu hosten, sie in die bestehende Infrastruktur zu integrieren und kundenspezifische Anwendungen oder autonome Agenten zu erstellen, die auf spezifische Arbeitsabläufe zugeschnitten sind.

Derzeit nutzen 33 % der Unternehmen OpenAI-Dienste über Azure, 27 % nutzen Amazon Bedrock und 10 % setzen Google Vertex AI ein. Der Wandel hin zu diesen Plattformen für Unternehmen wird durch die zunehmende Verfügbarkeit sicherer, cloudbasierter genAI-Dienste vorangetrieben, die stärkere Datenschutzkontrollen und tiefergehende Integrationsmöglichkeiten bieten. Das Wachstum im Jahresvergleich unterstreicht diese Dynamik zusätzlich: Sowohl die Anzahl der Bedrock-Nutzer als auch das Datenaufkommen von Bedrock haben sich verdreifacht, während die Anzahl der Vertex AI-Nutzer um das Sechsfache und das Datenaufkommen um das Zehnfache gestiegen ist. Diese Trends verdeutlichen, wie schnell Unternehmen ihre genAI-Infrastruktur ausbauen, indem sie privatere, flexiblere und konforme Bereitstellungsframeworks erforschen.

Auch wenn Daten zunehmend über verwaltete Frameworks fließen, sei es über gehostete Modelle oder autonome KI-Agenten, bleiben die Sicherheitsrisiken hoch. Der rasante Aufstieg agentenbasierter Systeme führt zu New Angriffsvektoren, darunter Werkzeugmissbrauch, unsichere autonome Aktionen und erweiterte Wege zur Datenexfiltration. Verwaltete Modelle reduzieren zwar einige Risiken, können aber die Gefährdung durch sofortiges Einspeisen, übermäßigen Zugriff auf Tools, unsichere API-Integrationen oder unbeabsichtigtes Datenleck zwischen verschiedenen Kontexten nicht vollständig beseitigen. Da KI-Agenten zunehmend in der Lage sind, Aufgaben auszuführen und mit internen und externen Diensten zu interagieren, steigt das potenzielle Risiko von Fehlkonfigurationen oder kompromittierten Arbeitsabläufen erheblich. Organisationen, die diese Plattformen einsetzen, müssen die Modernisierung mit strengen Sicherheitskontrollen, kontinuierlicher Überwachung und dem Prinzip der minimalen Berechtigungen verbinden, um sicherzustellen, dass die Skalierbarkeit nicht auf Kosten der Sicherheit geht.

Selbst wenn KI-Agenten und -Anwendungen lokal oder in verwalteten Unternehmensumgebungen ausgeführt werden, erfolgt der Zugriff auf die zugrunde liegenden Modelle immer noch häufig über Cloud-basierte APIs und nicht über herkömmliche Browserschnittstellen. Während browserbasierte Interaktionen über Domains wie chatgpt.com geleitet werden, Automatisierte Arbeitsabläufe, interne Tools und KI-Agenten greifen stattdessen auf Endpunkte wie api.openai.com für den programmatischen Zugriff zurück.

Dieser Wandel vollzieht sich rasant. Heute sind 70 % der Organisationen mit api.openai.com verbunden. Dies spiegelt die dominante Rolle von OpenAI bei der Nutzung von genAI außerhalb des Browsers in internen Tools und agentenbasierten Systemen wider. AssemblyAI folgt mit 54 %, was auf seine starken Spracherkennungs- und Audiointelligenzfähigkeiten zurückzuführen ist. Die APIs von Anthropic werden von 30 % der Organisationen genutzt – ein Trend, der durch die zunehmende Akzeptanz von Claude-Modellen durch Entwickler für rechenintensive Aufgaben, strukturierte Analysen und die Anwendungsentwicklung befeuert wird.

Da KI immer stärker in die operative Infrastruktur vordringt, wird sich die Nutzung von API-basierter genAI voraussichtlich beschleunigen und zu einem der wichtigsten Kanäle werden, über die Unternehmensautomatisierung und KI-Agenten mit großen Sprachmodellen interagieren.

Die zunehmende Verbreitung von agentenbasierter KI verstärkt nicht nur die bereits erwähnten Risiken der Datenoffenlegung (weil Agenten Daten viel schneller an genAI-Anwendungen senden können), sondern auch die Risiken durch Insider, da ein Agent, der Zugriff auf sensible Daten oder Systeme erhält, viel schneller Schaden anrichten kann. Nicht nur könnte ein böswilliger Insider einen Agenten missbrauchen, um seiner Organisation Schaden zuzufügen, sondern auch ein fahrlässiger Insider könnte einen Agenten falsch konfigurieren oder ungenau anweisen. Der Nichtdeterminismus agentenbasierter Systeme, die auf LLMs beruhen, verstärkt diese Risiken noch weiter – Halluzinationen könnten sich dabei summieren und zu Datenlecks oder anderen organisatorischen Schäden führen.

Die rasante Verbreitung agentenbasierter KI und der damit einhergehende Wandel hin zu plattformbasierten, API-gesteuerten Arbeitsabläufen stellen die Sicherheitsanforderungen für das Jahr 2026 vor große Herausforderungen. Organisationen müssen erkennen, dass diese autonomen Systeme zwar New Maß an Effizienz ermöglichen, aber gleichzeitig die Angriffsfläche drastisch vergrößern und das Potenzial für durch Insider verursachte Datenoffenlegung beschleunigen. Da die Agenten immer mehr Zugriff und Autonomie erhalten, wird der Erfolg im Jahr 2026 davon abhängen, diese Innovation mit einer rigorosen Modernisierung der Sicherheit zu verbinden – insbesondere durch die Implementierung von kontinuierlicher Überwachung, dem Prinzip der minimalen Berechtigungen und robusten, agentenbewussten Kontrollen, um die erhöhten Risiken des Werkzeugmissbrauchs und der unbeabsichtigten Datenexfiltration einzudämmen.