Auf dieser Seite

Diese Seite wurde maschinell ins Deutsche übersetzt; die Artikelseiten sind weiterhin auf Englisch verfasst. Diese Seite auf Englisch lesen

Dies ist eine automatische Übersetzung der englischen Seite; sie wurde noch nicht von einer muttersprachlichen Person geprüft.

Shadow AI — die Nutzung von KI-Werkzeugen durch Menschen innerhalb einer Institution, die diese Institution nicht genehmigt, geprüft oder auch nur erfasst hat. Der Begriff leitet sich von Schatten-IT ab, doch der Gegenstand ist ein anderer: Schatten-IT ersetzte genehmigte Systeme durch nicht autorisierte, vor allem in der Informationsverarbeitung, während Shadow AI Werkzeuge umfasst, die Inhalte erzeugen, Entscheidungen unterstützen und Wissensarbeit leisten. Kontrolle verschiebt sich damit von der Steuerung des Zugangs zur Regulierung der Nutzung, und die Person, die das Werkzeug verwendet, ist meist diejenige, die die Abwägung trifft.

Fragen zum Nachdenken

  • Können Sie die KI-Werkzeuge benennen, die Ihre Mitarbeitenden und Lehrenden im letzten Monat genutzt haben — oder nur die, die Sie eingekauft haben?
  • Was verlangt Ihre Institution von jemandem, damit ein Werkzeug genehmigt wird, und wie lange dauert das im Vergleich zu der Woche, in der ein neues Modell erscheint?
  • Wenn eine Lehrkraft heute Schülerarbeiten in ein nicht genehmigtes Werkzeug hochlädt: Wer erfährt davon, und würde es jemand merken, wenn es nie zu einem sichtbaren Vorfall käme?
  • Ist das Fehlen von Leitlinien in Ihrer Institution eine Entscheidung — oder eine Lücke, die einzelne Lehrpersonen in Ihrem Auftrag füllen?
  • Was müssten Sie veröffentlichen, damit eine vorsichtige Lehrperson den genehmigten Weg wählt, ohne eine Woche Vorbereitungszeit zu verlieren?

Einführung

Die Adoptionsliteratur kehrt immer wieder zur selben Lücke zurück. In der EDUCAUSE-Befragung von 1.960 Mitarbeitenden und Lehrenden aus dem Jahr 2026 hatten 94 % in den vergangenen sechs Monaten KI-Werkzeuge für ihre Arbeit genutzt, während nur 54 % die Richtlinien kannten, die diese Nutzung leiten sollten. Nahezu alle Institutionen der Befragten, 92 %, berichteten von einer arbeitsbezogenen KI-Strategie, und nur 13 % maßen deren Return on Investment. Mehr als die Hälfte, 56 %, gab an, Werkzeuge zu nutzen, die ihre Institution nicht bereitstellt.

Diese Kombination beschreibt eine Governance-Struktur, die auf dem Papier existiert, und eine Praxis, die anderswo stattfindet. Die Menschen warten nicht auf eine Erlaubnis, und in vielen Institutionen wird das auch nicht von ihnen verlangt. Shadow AI ist der Name für das, was den Raum zwischen einem Strategiedokument und einem Klassenzimmer füllt.

Die Literatur verkompliziert die moralische Rahmung. Rameskumar und Kollegen befragten 20 akademische Lehrende in Deutschland und fanden, dass informelle Nutzung kein verdeckter Zynismus war, sondern eine Praxis, die Lehrende sich selbst gegenüber in professionellen Begriffen rechtfertigten. Kelso und Kollegen befragten 375 Lehrpersonen, die 1.373 Apps und Dienste nannten, davon 494 unterschiedliche. Dangol und Kollegen begleiteten 22 Lehrkräfte in einem US-Schulbezirk, der KI befürwortet hatte, bevor er Regeln formulierte, und fanden, dass sie ihre eigenen Grenzen zogen. Nach diesen Befunden ist Shadow AI das, was man sieht, wenn man eine Bereitstellungslücke von innen betrachtet.

Warum es dazu kommt

Die unmittelbare Ursache sind meist fehlende Leitlinien. Lehrpersonen in der deutschen Studie beschrieben Regeln, die fehlten, zu allgemein, fragmentiert oder von konkreten Unterrichtssituationen abgekoppelt waren. Eine Person sagte schlicht, niemand habe ihr gesagt, was erlaubt sei und was nicht.

Die strukturelle Ursache ist Geschwindigkeit. Beschaffungszyklen und Richtlinienausschüsse bewegen sich im Tempo von Institutionen; Modellveröffentlichungen im Tempo der Anbieter. Ein Werkzeug, das eine Kollegin oder ein Kollege am Montag vorführt, kann am Freitag schon im Einsatz sein — und das Genehmigungsverfahren, das es erfasst hätte, hat noch nicht begonnen.

Die motivationale Ursache ist der Nutzen, und der Abstand ist groß. In der ASU-Befragung entfielen von den Nennungen der Lehrpersonen für die Wahl eines Werkzeugs 213 auf pädagogischen Nutzen, 155 auf funktionale Bequemlichkeit, 187 auf Zugänglichkeit und 164 auf Kosten. Sicherheit wurde von 24 der 375 genannt. Das Entdecken lief über Menschen statt über die Beschaffung: 290 erfuhren von Werkzeugen durch Fachkolleginnen und -kollegen, 141 durch Administratoren, 100 über Suchmaschinen und 100 über Werbung.

Kosten und Zugang verdienen eine eigene Zeile. Kostenlose Stufen sind der Grund, warum viele Lehrpersonen ein Werkzeug überhaupt ausprobieren können — und der Grund, warum die Institution diesen Versuch nicht sieht. Wenn die genehmigte Alternative ein lizenzierter Platz mit Warteliste ist, gewinnt das kostenlose Werkzeug nach dem einzigen Kriterium, das die Lehrkraft an jenem Nachmittag bewertet.

Wie Lehrpersonen es rechtfertigen

Der Beitrag der deutschen Studie ist eine Abfolge, keine Zahl. Lehrpersonen ordneten eine Nutzung zunächst danach ein, ob sie zur professionellen Rolle passte: Materialien vorbereiten, Inhalte ordnen und Beispiele erzeugen galt als rollenunterstützend; eine E-Mail zu formulieren lag außerhalb der Rolle; Arbeiten zu erzeugen, die das Denken der Lernenden ersetzten, war problematisch. Dann beriefen sie sich auf Effizienz, wobei Zeitersparnis für sich allein als hinreichende Rechtfertigung galt. Sie ergänzten Wertbehauptungen: dass das Material besser oder vielfältiger sei, nicht bloß schneller entstanden. Und sie schlossen mit einem Verantwortungszug: Das Werkzeug ist neutral, die Lehrperson entscheidet, und die Lehrperson bleibt dafür verantwortlich, was die Lernenden erreicht.

Dieser letzte Schritt ist derjenige, den Institutionen untersuchen sollten. Er ist auch derjenige, der ein Verbot irrelevant erscheinen lässt, weil die Person, die das Werkzeug anwendet, bereits überzeugt ist, ein eigenes Urteil gefällt zu haben. Der Beitrag deutet dies als moralische Legitimation und nicht als Ausweichen — ein unbequemerer Befund als schlichte Regelverletzung.

Was es kostet

Die ASU-Befragung liefert für die Seite der Schäden konkrete Zahlen. Von 375 Lehrpersonen erlebten 167 ein Verhalten, das die Privatsphäre oder die Sicherheit verletzte, und deinstallierten die App, 108 davon im Bereich K-12 (Primar- und Sekundarstufe). Doch 62, die befürchteten, ihre Daten würden verkauft oder weitergegeben, behielten die Werkzeuge trotzdem — mit Verweis auf die Abhängigkeit ihrer Arbeitsabläufe. Administratoren nannten 16 schwerwiegende Bedenken, angeführt von Datenabfluss und Verletzung der Privatsphäre.

Bei der Integration potenzieren sich die Risiken. Lehrpersonen im K-12-Bereich verbanden 341 Apps mit institutionellen Systemen, Lehrende in der Hochschulbildung 116, und die meisten dieser Apps verlangten die Einrichtung von Konten. Fast ein Drittel der K-12-Lehrpersonen, 30,3 %, kannte eine institutionelle Richtlinie zu nicht genehmigter Nutzung; 22 gaben zu, eine verletzt zu haben.

Das Problem des Datenschutzes ist strukturell, nicht individuell. Ein Werkzeug, das eine Klassenliste, einen IEP oder eine Disziplinarnotiz erhält, hat einen Datensatz geschaffen, den die Institution nicht autorisiert hat, nicht prüfen kann und von dem sie möglicherweise erst erfährt, wenn eine Meldung über eine Datenpanne eintrifft.

Was Lehrkräfte tatsächlich damit tun

Die Schulbezirksstudie ist das nützlichste Korrektiv zum Bild des unvorsichtigen Anwenders. Die Lehrkräfte dort hatten eine bezirksweite Plattform, MagicSchool AI, und nutzten dennoch allgemeine Systeme wie ChatGPT und Gemini. Ihre Grenzen waren pädagogisch: Eine Lehrkraft erlaubte KI in der Phase des Lernzuwachses und entzog sie beim Erreichen der Beherrschung, sodass die Lernenden die Fähigkeit ohne Hilfe nachweisen mussten. Eine Lehrkraft im Bereich Sonderpädagogik brachte Viertklässlerinnen und Viertklässlern bei, Autorenschaft zu hinterfragen, und behandelte Umformulieren als akzeptabel, das Erzeugen von Ideen dagegen nicht.

Es folgten die eigene Stimme und der Datenschutz. Lehrkräfte schrieben Ausgaben um, damit Materialien weiterhin nach ihnen klangen, prüften Fakten gegen andere Quellen und behandelten generierten Text als Mehrheitsquelle statt als Autorität. Sie schwärzten Schülernamen und nutzten bewusst die Konten des Schulbezirks, damit ihre Nutzung geprüft werden konnte, falls sie infrage gestellt würde. Das ist gemeinsame Sinnstiftung mit Prüfspur, und es liegt näher an dem, was eine Governance-Stelle zu wollen erklärt, als an dem, was ein Compliance-Bericht üblicherweise erfasst.

Die Kosten dieser Improvisation verteilen sich ungleich. Lehrkräfte mit Zeit, Selbstvertrauen und kollegialer Unterstützung entwickelten diese Praktiken; Lehrkräfte an Schulen ohne diese Voraussetzungen nicht. Lücken in der Chancengerechtigkeit, die als Personallücken beginnen, enden als Unterschiede in dem, was Lernenden abverlangt wird.

Was Institutionen tun können

Der erste Schritt ist, den genehmigten Weg zu veröffentlichen, nicht den inoffiziellen zu schließen. Die Lehrkräfte in der Schulbezirksstudie verlangten Regeln, Listen geprüfter Werkzeuge, Beispiele und Zeit — und keine dieser Forderungen erfordert eine neue Plattform.

Der zweite ist, den Weg zu verkürzen. MindRouter und das Fontys-Gateway zeigen beide ein Modell, in dem Genehmigung eine Routing-Entscheidung ist statt eines Beschaffungsvorgangs: Ein genehmigtes Modell erscheint in einem Gateway mit einer Model Card, die Region, Kosten und Alternativen nennt, und eine Lehrkraft kann es noch am selben Tag nutzen. Institutionelle KI-Infrastruktur macht das möglich; ihr Fehlen ist der Stoff, aus dem Shadow AI besteht.

Der dritte ist zu messen, was ausgegeben und genutzt wird, einschließlich der Ausgaben, die nie eine Bestellung erreicht haben. Die EDUCAUSE-Zahl von 13 % ROI deutet darauf hin, dass die meisten Institutionen derzeit nicht beantworten können, ob die genehmigten Werkzeuge ihre Plätze verdienen — womit das Argument für sie allein auf Autorität ruht.

Der vierte ist, KI-Kompetenz als Kontrollinstrument zu behandeln, nicht als Zusatz zum Curriculum. Eine Lehrkraft, die eine Datenrichtlinie lesen, die Aufbewahrungsbedingungen eines Anbieters erkennen und einen Schülernamen schwärzen kann, betreibt Risikomanagement, das kein Genehmigungsformular ersetzt.

Implikationen für die Praxis

Hochschuldidaktische Fachleute können den genehmigten Weg mit ausgearbeiteten Beispielen veröffentlichen, in der Sprache der Lehre statt der Beschaffung. Die Lehrkräfte in der Schulbezirksstudie verlangten Regeln, eine geprüfte Liste, Beispiele und Zeit; nichts davon erfordert eine neue Plattform. Ein Genehmigungsweg, der eine Woche dauert, ist lang genug, dass ein neues Modell erscheint; das sinnvolle Ziel sind daher Tage.

Lehrende können sich die Gewohnheiten aneignen, die die sorgfältigen Nutzerinnen und Nutzer in jener Studie bereits hatten. Schwärzen Sie Schülernamen, bevor Sie etwas einfügen, nutzen Sie ein institutionelles Konto, damit der Datensatz geprüft werden kann, und behandeln Sie generierten Text als Entwurf, der zu prüfen ist, nicht als Autorität, die man zitiert.

Administratoren können die Ausgaben messen, die nie eine Bestellung erreicht haben, und nicht genehmigte Nutzung als Meldung über einen ungedeckten Bedarf lesen. Wenn ein kostenloses Werkzeug gewinnt, weil das lizenzierte eine Warteliste hat, ist das Adoptionsproblem die Warteschlange.

IT- und Richtlinienverantwortliche können Genehmigung in eine Routing-Entscheidung verwandeln. Ein Gateway, das genehmigte Modelle mit Region, Kosten und Alternativen auflistet, lässt eine Lehrkraft noch am selben Tag beginnen — das ist der Unterschied zwischen Governance, die Nutzung gestaltet, und Governance, die sie nachträglich dokumentiert.

Fachbereichsleitungen können die kollegiale Unterstützung aufbauen, die manche Lehrkräfte Grenzen entwickeln ließ und andere ohne sie zurückließ. Die Lücke, die als Personalausstattung beginnt, wird zu einem Unterschied in dem, was Lernenden abverlangt wird.

Verbreitete Fehlvorstellungen

„Shadow AI ist nur Schatten-IT mit einem neuen Namen." Die deutsche Studie zieht die Unterscheidung: Risiken der Schatten-IT hängen an der Infrastruktur, Risiken von Shadow AI hängen an Inhalten, Urteilen und dem Datensatz dessen, was erzeugt wurde.

„Ein Verbot wird es beenden." In der ASU-Befragung kannten 30,3 % der K-12-Lehrpersonen eine Richtlinie, und 22 gaben zu, eine gebrochen zu haben. Ein Verbot ohne genehmigte Alternative verändert, wo die Nutzung stattfindet, nicht ob sie stattfindet.

„Das ist ein Problem der Lernenden." Jede Studie hier handelt von Lehrpersonen: Vorbereitung, Bewertung, Kommunikation, Übersetzung. Die Geschichte der Lernenden ist real, aber sie ist nicht diejenige mit administrativen Zugangsrechten.

„Sensibilisierungsschulungen lösen es." 94 % nutzten die Werkzeuge und 54 % kannten die Richtlinie, und die Lücke von 40 Punkten schloss sich nicht, als man es den Leuten sagte. Was sie schließt, ist eine brauchbare Alternative mit einem kurzen Weg zur Genehmigung.

Verbundene Ressourcen

Drei Quellen befassen sich direkt mit Shadow AI und können hier nicht aufgenommen werden: zwei Studien ohne offenen Zugang und ein Fachartikel. Sie sind verlinkt statt eingearbeitet, sodass keine Aussage hier auf ihren Befunden ruht.

Verbundene Konzepte

Verbundene Artikel

Diese Seite einbetten

Kopieren Sie den Code unten, um diese Seite in ein Lernmanagementsystem oder eine andere Website einzubetten. Die eingebettete Version zeigt nur den Seiteninhalt — Kopfzeile, Navigation und Fußzeile der Website werden ausgeblendet.