Wenn Richtlinien auf echtes Verhalten treffen
Ein Auftragnehmer der US-Regierung stand unter Druck. Er hatte einen Rückstand bei FEMA-Anträgen für Hochwasserhilfe. Er kopierte Namen, Adressen und Gesundheitsinformationen in ChatGPT, um schneller zu arbeiten. Er glaubte, keine Regeln zu brechen. Er nutzte einfach das beste verfügbare Werkzeug.
Das Ergebnis: Eine Regierungsuntersuchung und eine öffentliche Bekanntmachung.
Das ist das Kernversagen reiner Richtliniensteuerung für KI. Richtlinien sagen Mitarbeitern, was sie tun sollen. Sie verhindern das Verhalten nicht.
77 % der Unternehmensangestellten teilen sensible Arbeitsinformationen mindestens wöchentlich mit KI-Tools — auch wenn Richtlinien dies verbieten (eSecurity Planet/Cyberhaven 2025). Das sind keine leichtsinnigen Mitarbeiter. Es sind Menschen unter Zeitdruck, die das schnellste Werkzeug wählen.
Warum Richtlinien versagen
KI-Nutzungsrichtlinien verlassen sich auf menschliches Urteilsvermögen im Moment der Eingabe. Dieser Moment ist kurz. Der Mitarbeiter erinnert sich möglicherweise nicht an die Richtlinie. Er sieht den Inhalt vielleicht nicht als „sensibel". Er akzeptiert das Risiko, weil die Zeitersparnis groß erscheint.
Die Q4-2025-Analyse von Cyberhaven ergab, dass 34,8 % aller ChatGPT-Eingaben vertrauliche Geschäftsinformationen enthalten. Viele dieser Nutzer kannten die Richtlinie. Sie haben trotzdem eingefügt.
Zugriffsrichtlinien funktionieren, weil Systeme sie durchsetzen. DLP auf E-Mail-Ebene funktioniert, weil Systeme sie anwenden. KI-Richtlinien haben keinen Durchsetzungspunkt beim Einfügen. Eine menschliche Entscheidung füllt diese Lücke. In großem Maßstab machen Menschen Fehler.
Der FEMA-Auftragnehmer machte einen solchen Fehler. Er war kein böswilliger Akteur. Das Tool gewann, weil die Richtlinie ihn zwang, Langsamkeit über Geschwindigkeit zu wählen. Unter Druck wählte er Geschwindigkeit.
Technische Kontrollen stoppen, was Richtlinien nicht können
Die einzige Lösung, die im großen Maßstab funktioniert, setzt auf der technischen Ebene an — nicht auf der Schulungsebene.
Eine Browser-Erweiterung kann Zwischenablageinhalte abfangen, bevor sie eine webbasierte KI erreichen. Wenn der Auftragnehmer Antragstellernamen und Adressen kopiert und in ChatGPT einfügt, erkennt die Erweiterung die personenbezogenen Daten, anonymisiert sie und sendet die bereinigte Version. Die KI sieht [NAME_1] und [ADDRESS_1] statt echter Werte. Sie erledigt die Aufgabe trotzdem. Die privaten Daten des Antragstellers erreichen nie ChatGPT-Server.
Das geschieht automatisch. Der Nutzer muss sich an nichts erinnern.
Für Entwickler, die Cursor oder GitHub Copilot verwenden, bietet ein MCP-Server dieselbe Schutzschicht. Code, der in den KI-Kontext eingefügt wird, durchläuft zuerst die Anonymisierungs-Engine. Zugangsdaten und proprietäre Bezeichner werden zu Token. Die KI erhält saubere Eingaben und liefert trotzdem nützliche Ergebnisse.
Vergleich mit Blockierung: Blockierung vs. Anonymisierung — Browser-DLP im Vergleich.
Was sich mit technischen Kontrollen ändert
Mit einer installierten Browser-Erweiterung läuft das FEMA-Szenario anders ab:
- Auftragnehmer kopiert Antragstellerdatensätze aus dem Fallsystem
- Erweiterung erkennt personenbezogene Daten in der Zwischenablage
- Eine Vorschau zeigt, was ersetzt wird
- Anonymisierte Version wird an ChatGPT gesendet
- ChatGPT verarbeitet die Anfrage und gibt Ergebnisse zurück
- Auftragnehmer erhält die benötigte Hilfe — keine Untersuchung ausgelöst
Die Richtlinie musste nicht geändert werden. Es musste kein Training stattfinden. Die Abfangebene hat es geregelt.
Richtlinientraining reduziert Risiken am Rand. Technische Kontrollen beseitigen den Fehlerfall. Der FEMA-Vorfall war ein Richtlinienversagen. Mit einer einzigen Chrome-Erweiterung auf dem Gerät des Auftragnehmers wäre er kein Ereignis gewesen.
Siehe auch:
- KI-Governance im Unternehmen: Chrome Extension DLP
- Browser-DLP für ChatGPT, Claude und Gemini
- Chrome Extension: Browser-DLP für KI-Tools