In vielen Stadtwerken, Regional- und Netzgesellschaften läuft es gerade genau so. Der Fachbereich testet ChatGPT auf eigene Faust, die IT erfährt Monate später eher zufällig davon. Was nach einer Nebensächlichkeit aussieht, ist längst ein Führungsthema, denn Schatten-KI wächst schneller, als die meisten Unternehmen offiziell reagieren. Die naheliegende Antwort ist dann, Copilot oder ein anderes KI-Tool einfach unternehmensweit freizuschalten und das Thema damit für erledigt zu erklären. Genau dieser Schluss greift zu kurz, denn das Werkzeug ist selten das eigentliche Problem.
Schatten-KI ist längst Realität
Die Studienlage ist uneinheitlich, die Richtung aber eindeutig. In einer von Microsoft beauftragten Erhebung (Censuswide, Oktober 2025) gaben 71 % der befragten Beschäftigten in Großbritannien an, nicht genehmigte KI-Tools bei der Arbeit genutzt oder ausprobiert zu haben, 51 % tun dies wöchentlich. Für Deutschland zeichnet der Bitkom ein ähnliches Bild: Vier von zehn Unternehmen gehen davon aus, dass Beschäftigte private KI-Zugänge nutzen, aber nur 26 % stellen selbst einen offiziellen Zugang bereit (Befragung von 604 Unternehmen, 2025). Sogar in Bundesbehörden werden nicht freigegebene KI-Tools genutzt, rund 45 % laut einer Erhebung von Civey im Auftrag von Microsoft. Ein Verbot ändert daran nichts. Es beseitigt nicht die Ursache, den fehlenden schnellen und offiziellen Zugang.
Tool ist nicht gleich Nutzen
„Reiner Tool-Einsatz wie ChatGPT oder Copilot ist keine zielführende KI-Nutzung. Ohne Gesamtstrategie, Datenstruktur und klare Verantwortlichkeiten bleibt es Stückwerk“, sagt Maik Neubauer, Managing Partner von AXXCON, im ZfK-Interview „KI braucht Führung“ (2026). Der Mechanismus dahinter ist einfach zu beobachten. Enttäuscht das offizielle Tool die Power-User im Unternehmen, wandern sie zurück zu ihren privaten Zugängen. Die nächste Schatten-KI-Welle ist programmiert. KI-Projekte scheitern selten an der Technik. Sie scheitern an der Annahme, es handle sich um ein reines IT-Projekt statt um einen Kulturwandel.
Governance first, dann Skalierung
Wir sehen in der Praxis zwei Wege. Weg A setzt auf Insellösungen ohne Fundament: schnelle erste Effekte, danach ein Plateau, dazu Schatten-IT und Entscheidungen, die sich später nicht mehr auditieren lassen. Weg B leitet zuerst Kernprozesse ab, validiert Use Cases und baut eine auditierbare Governance auf. Der Grenznutzen steigt hier mit jedem weiteren Anwendungsfall, statt zu sinken. Zum Fundament gehören unter anderem eine saubere Make-or-Buy-Entscheidung, rollenbasierter Zugriff je Datenquelle, eine ehrliche Bestandsaufnahme der bestehenden Schatten-KI-Nutzung sowie eine interdisziplinär besetzte Pilotgruppe aus Fachbereich, IT und Datenmanagement. Ein pragmatischer Einstieg: Ein einzelner Kernprozess, etwa der Kundenservice, wird über eine Balanced Scorecard priorisiert und bewertet. So entsteht innerhalb weniger Wochen eine belastbare Entscheidungsgrundlage aus den eigenen Daten, nicht erst nach Jahren.
Was im Energieversorger anders ist
Ein Werkzeug wie Copilot macht jedem genau die Daten sichtbar, auf die er technisch Zugriff hat. Das ist keine Tool-Frage, sondern eine Frage der Datenzugriffs-Governance. In einem Haus mit Netz- und Vertriebsgesellschaft kommt die informatorische Entflechtung hinzu: Welche Datendomänen ein bereichsübergreifendes KI-Werkzeug sehen darf, muss vor dem Rollout geklärt sein. Berechtigungshygiene allein löst das nicht. Dazu gehören die Einbettung in das ISMS und in die KRITIS- bzw. NIS2-Anforderungen sowie die frühzeitige Beteiligung von Betriebs- oder Personalrat.
Vier Nutzungsstufen vom Prompt zum Agenten
Reife KI-Nutzung ist ein Pfad, kein Schalter. Auf der ersten Stufe stehen einzelne Prompts für Meeting-Protokolle oder Textkorrektur. Die zweite Stufe bringt wiederkehrende Abläufe mit gespeichertem Kontext, etwa als wiederverwendbare Vorlagen und Assistenten. Auf der dritten Stufe folgen agentische Loops mit mehrstufiger Recherche und Human-in-the-loop vor kritischen Aktionen. Die vierte Stufe verbindet KI direkt mit den eigenen Unternehmensdaten, „Talk to your Business“ wird hier zur Chefsache. Der Grenznutzen eines einzelnen Standardwerkzeugs sinkt schnell, kombinierte Lösungen skalieren dagegen weiter. Das deckt sich mit einer vielzitierten, methodisch allerdings diskutierten Studie des MIT Project NANDA aus dem Jahr 2025: Demnach zeigen rund 95 % der GenAI-Pilotprojekte keinen messbaren Effekt auf das Betriebsergebnis. Der Wert entsteht beim sorgfältigen Durchlaufen dieser vier Stufen, nicht mit dem Kauf einer Lizenz.
Aus eigener Erfahrung
Auch bei AXXCON stand am Anfang Copilot, eingeführt ohne begleitendes Enablement. Die Adoption blieb gering, dazu kamen offene Fragen zur Datenverarbeitung, die wir zunächst klären mussten. Unsere wichtigste Erkenntnis: Die eigentliche Hürde war nie die Technik, sondern die Adoption im Team. Heute kombinieren wir mit AXXIA eine eigene Private-AI-Plattform mit externen Frontier-Modellen für anspruchsvolle Fälle, ein Weg, der zu unserem Profil als Beratungshaus passt. Welche Architektur für ein Energieversorgungsunternehmen die richtige ist, entscheidet dagegen die Make-or-Buy-Prüfung im jeweiligen Haus. Übertragbar ist vor allem die Lernkurve: Enablement, gestufte Trainings und klare Regeln zur Datennutzung entscheiden über den Erfolg, nicht die Wahl des Werkzeugs.
Was auch bei verschobenen Fristen gilt
Unabhängig von verschobenen Fristen gilt die Anforderung an die KI-Kompetenz der Beschäftigten bereits seit Februar 2025. Enablement ist damit nicht nur Erfolgsfaktor, sondern eine Entscheidung, die ohnehin ansteht: Wer schult wen, und wie wird es belegt? Gleiches gilt für KI-Systeme, die ein Haus selbst als nicht hochriskant einstuft: Diese Einschätzung muss begründet und dokumentiert sein. Beides setzt voraus, dass bekannt ist, welche KI im Haus tatsächlich genutzt wird.
Wo Sie ansetzen sollten
Schatten-KI in Ihrem Unternehmen ist kein Randproblem, sondern ein Signal für einen echten Bedarf, dem bisher kein offizieller Weg gegenübersteht. Eine Lizenz allein deckt diesen Bedarf nicht. Ein Fundament aus Governance, Datenstruktur und Change-Begleitung schon eher. Der erste Schritt muss dabei kein Programm sein: Eine Inventur der tatsächlich genutzten KI-Systeme, gesucht statt nur erfragt, oder ein Vorab-Check der Datenzugriffe vor dem Copilot-Rollout liefert innerhalb einer Woche eine belastbare Zahl aus Ihren eigenen Daten. Sprechen Sie mit uns über Ihren konkreten Anlass.
