KI-Gefahren: 30 Risiken beim Einsatz von KI | MattWork IT Solution
KI-Gefahren

Von der KI gehen folgende Gefahren aus

30 Gefahren, die beim Einsatz Künstlicher Intelligenz im Unternehmen und im Alltag auftreten können – jeweils mit einem Hinweis, was dagegen hilft.

Die Einordnung stützt sich auf die OWASP Top 10 für LLM-Anwendungen, das NIST AI Risk Management Framework, die EU-KI-Verordnung und Empfehlungen des BSI. Keine Rechtsberatung.

Fehler und Verlässlichkeit

01

Erfundene Fakten

Modelle erzeugen plausibel klingende, aber falsche Angaben, Quellen oder Zitate. Was hilft: wichtige Aussagen immer gegen eine verlässliche Quelle prüfen.

02

Veraltetes Wissen

Ein Modell kennt nur den Stand seiner Trainingsdaten; spätere Änderungen fehlen. Was hilft: aktuelle Quellen anbinden oder den Stand ausdrücklich prüfen.

03

Scheinbare Sicherheit

Richtige und falsche Antworten klingen gleich überzeugend, Unsicherheit wird selten angezeigt. Was hilft: nach Belegen fragen und Stichproben prüfen.

04

Rechenfehler

Sprachmodelle rechnen nicht zuverlässig; Summen und Prozentwerte können falsch sein. Was hilft: Zwischenschritte offenlegen lassen und nachrechnen.

05

Blindes Vertrauen

Menschen übernehmen maschinelle Vorschläge eher ungeprüft, je öfter sie gestimmt haben. Was hilft: feste Prüfschritte statt Kontrolle nach Gefühl.

06

Uneinheitliche Ergebnisse

Dieselbe Frage liefert unterschiedliche Antworten, Modellupdates verändern das Verhalten. Was hilft: Vorlagen nutzen und Abläufe nach Updates erneut testen.

Sicherheit

07

Prompt Injection

Versteckte Anweisungen in E-Mails, Dokumenten oder Webseiten bringen einen Assistenten dazu, von seinem Auftrag abzuweichen. Was hilft: Berechtigungen eng vergeben und kritische Aktionen freigeben lassen.

08

Datenabfluss über Agenten

Ein Agent mit Zugriff auf interne Daten und der Möglichkeit, nach außen zu kommunizieren, kann Informationen unbemerkt weitergeben. Was hilft: diese Kombination vermeiden oder streng absichern.

09

Zu weite Zugriffsrechte

Ein Assistent sieht alles, was die angemeldete Person sehen darf – auch vergessene Freigaben. Was hilft: Berechtigungen vor der Einführung bereinigen.

10

Schadcode in der Lieferkette

Manipulierte Pakete, Erweiterungen oder Modelle gelangen über Bibliotheken und Plattformen in eigene Systeme. Was hilft: nur geprüfte Quellen nutzen und Updates kontrollieren.

11

Überzeugenderes Phishing

KI erzeugt fehlerfreie, persönlich zugeschnittene Betrugsnachrichten in jeder Sprache. Was hilft: Schulungen und Rückfragen über einen bekannten Kanal.

12

Gefälschte Stimmen und Videos

Täuschend echte Imitationen von Vorgesetzten werden für Zahlungsanweisungen genutzt. Was hilft: Vier-Augen-Prinzip und Rückruf unter einer bekannten Nummer.

13

Schnellere Angriffe

Angreifer setzen KI ein, um Schwachstellen zu finden und Angriffe zu automatisieren. Was hilft: Sicherheitsupdates zügig einspielen.

Datenschutz und Recht

14

Preisgabe vertraulicher Daten

Eingaben in öffentliche Dienste verlassen das Unternehmen und lassen sich nicht zurückholen. Was hilft: Angaben durch Platzhalter ersetzen oder Anbieter mit Auftragsverarbeitungsvertrag nutzen.

15

Eingaben als Trainingsmaterial

Je nach Tarif können Eingaben zur Weiterentwicklung der Modelle verwendet werden. Was hilft: Einstellungen und Vertragsbedingungen prüfen.

16

Verarbeitung außerhalb der EU

Viele Dienste verarbeiten Daten in Drittländern mit anderem Schutzniveau. Was hilft: den Verarbeitungsort vertraglich zusichern lassen.

17

Urheberrechtsverletzungen

Erzeugte Texte und Bilder können geschützten Werken ähneln, die Rechtslage ist nicht abschließend geklärt. Was hilft: Ergebnisse vor der Veröffentlichung prüfen.

18

Verstöße gegen die KI-Verordnung

Verbotene Praktiken, fehlende Kennzeichnung oder unerkannte Hochrisiko-Anwendungen können Bußgelder auslösen. Was hilft: jeden Einsatz nach Risikoklasse einstufen.

19

Unzulässige automatisierte Entscheidungen

Entscheidungen mit erheblicher Wirkung, die allein eine Maschine trifft, sind nach Artikel 22 DSGVO grundsätzlich unzulässig. Was hilft: die Entscheidung bleibt bei einem Menschen.

Gesellschaft und Arbeit

20

Diskriminierung

Modelle übernehmen Verzerrungen aus ihren Trainingsdaten und können bestimmte Gruppen benachteiligen. Was hilft: Ergebnisse auf Unterschiede zwischen Gruppen prüfen.

21

Verlust von Fachwissen

Wer Aufgaben dauerhaft abgibt, verlernt sie und kann Ergebnisse nicht mehr beurteilen. Was hilft: Grundkenntnisse im Team gezielt erhalten.

22

Überwachung am Arbeitsplatz

KI-Systeme können Leistung und Verhalten von Beschäftigten auswerten. Was hilft: Zwecke eng begrenzen und die Mitbestimmung beachten.

23

Verunsicherung im Team

Unklare Pläne schüren die Sorge um Arbeitsplätze und bremsen die Zusammenarbeit. Was hilft: offen kommunizieren, was sich ändert und was nicht.

24

Desinformation

Massenhaft erzeugte Falschinformationen erschweren die Unterscheidung zwischen echt und erfunden. Was hilft: Quellen prüfen und Inhalte nicht ungeprüft weitergeben.

25

Beeinflussung durch Chatbots

Ein stets verfügbarer, überzeugender Gesprächspartner kann Meinungen prägen und emotionale Bindung erzeugen. Was hilft: kritische Distanz und eigene Recherche.

Abhängigkeit, Kosten und Kontrolle

26

Abhängigkeit vom Anbieter

Preise, Verfügbarkeit und Funktionen bestimmt der Anbieter, ein Wechsel ist oft aufwendig. Was hilft: Daten exportierbar halten und Alternativen kennen.

27

Ausfälle

Ist ein Dienst nicht erreichbar, stehen darauf aufbauende Abläufe still. Was hilft: einen Rückfallprozess ohne KI vorsehen.

28

Kostenfallen

Nutzungsabhängige Abrechnung und Agenten mit vielen Zwischenschritten treiben die Kosten unbemerkt nach oben. Was hilft: Budgetgrenzen und regelmäßige Auswertung.

29

Eigenständig handelnde Agenten

Agenten können Aktionen ausführen, die niemand beabsichtigt hat, etwa Daten löschen oder Nachrichten versenden. Was hilft: Freigaben für kritische Schritte und abgeschottete Testumgebungen.

30

Energie- und Wasserverbrauch

Rechenzentren für große Modelle benötigen viel Strom und Kühlung. Was hilft: prüfen, ob ein kleineres Modell für die Aufgabe genügt.