Shadow AI lässt sich nicht durch Vermutungen, Verbote oder Bauchgefühl erkennen. Unternehmen müssen sichtbar machen, welche KI-Tools wirklich genutzt werden, welche Daten hineinfließen und welche Aufgaben Mitarbeiter damit lösen. Entscheidend ist eine ruhige Bestandsaufnahme, die Risiken ernst nimmt, aber Mitarbeiter nicht unter Generalverdacht stellt.

Warum ist Shadow AI so schwer zu sehen?

Shadow AI ist selten laut. Sie entsteht nicht wie ein neues ERP-System mit Projektplan, Budgetfreigabe und Kick-off-Termin. Sie beginnt leise. Ein Mitarbeiter nutzt einen kostenlosen Chatbot, um eine schwierige E-Mail zu formulieren. Eine Kollegin lädt ein PDF in ein KI-Tool, weil sie schnell eine Zusammenfassung braucht. Ein Vertriebler lässt sich Angebotsbausteine vorschlagen. Eine Führungskraft nutzt ein privates KI-Konto, weil das offizielle Tool noch nicht freigegeben ist.

Für die IT sieht das oft aus wie normaler Webverkehr. Für die Geschäftsführung sieht es gar nicht aus, weil niemand darüber spricht. Für Datenschutz und Compliance wird es erst sichtbar, wenn etwas schiefgeht: Kundendaten wurden kopiert, Vertragsinhalte hochgeladen, interne Kennzahlen in ein fremdes System gegeben oder KI-generierte Antworten ungeprüft an Kunden verschickt.

Shadow AI aufspüren bedeutet deshalb nicht, Mitarbeiter zu jagen. Es bedeutet, die reale Arbeitsweise des Unternehmens zu verstehen. Welche Aufgaben sind so mühsam, dass Mitarbeiter eigene KI-Hilfen suchen? Welche offiziellen Werkzeuge fehlen? Welche Prozesse sind zu langsam? Wo gibt es Druck, aber keine sicheren Alternativen?

Genau hier unterscheidet sich eine gute Praxisanleitung von einer reinen Sicherheitskampagne. Wer nur blockiert, sieht weniger. Wer klug fragt, sieht mehr.

Was zählt überhaupt als Shadow AI?

Shadow AI ist die Nutzung von KI-Systemen außerhalb der offiziellen Freigabe, Kontrolle oder Dokumentation eines Unternehmens. Dazu gehören öffentliche Chatbots, private KI-Abos, Browser-Erweiterungen, KI-Schreibassistenten, Übersetzungstools, Zusammenfasser, Coding-Assistenten, Bildgeneratoren, Meeting-Bots oder KI-Funktionen in SaaS-Anwendungen, die niemand bewusst freigegeben hat.

Wichtig ist: Nicht jedes Shadow-AI-Signal ist gleich gefährlich. Ein Mitarbeiter, der einen allgemeinen Betreff für eine interne Einladung formulieren lässt, ist anders zu bewerten als ein Mitarbeiter, der Kundendaten, Bewerbungen, Verträge, Finanzdaten oder Quellcode in ein ungeprüftes KI-System kopiert.

Die praktische Frage lautet also nicht: „Gibt es Shadow AI?“ Die Antwort ist in vielen Unternehmen inzwischen wahrscheinlich ja. Die bessere Frage lautet: „Wo ist sie harmlos, wo ist sie nützlich, wo ist sie riskant und wo muss sofort gehandelt werden?“

Welche ersten Signale deuten auf Shadow AI hin?

Shadow AI hinterlässt Spuren. Nicht immer technische Spuren, aber organisatorische. Plötzlich klingen Texte sehr glatt, obwohl es keine neue Vorlage gibt. Präsentationen entstehen schneller. Mitarbeiter liefern Zusammenfassungen von Dokumenten, die früher niemand so schnell gelesen hätte. In Meetings fallen Toolnamen beiläufig. In Browser-Historien tauchen KI-Domains auf. In Teams oder Slack werden Prompts geteilt. In Rechnungen erscheinen neue SaaS-Ausgaben. In Supportfällen werden Antworten sehr sicher formuliert, obwohl die fachliche Grundlage dünn ist.

Auch ungewöhnliche Produktivität kann ein Signal sein. Das muss nicht negativ sein. Es kann zeigen, wo KI echten Nutzen bringt. Aber wenn niemand erklären kann, wie die neue Geschwindigkeit entsteht, fehlt dem Unternehmen Transparenz.

Reco AI beschreibt in seinem State of Shadow AI Report 2025, dass Unternehmen im Durchschnitt 490 SaaS-Anwendungen verwalten und nur 47 Prozent davon autorisiert sind. Für Shadow AI ist diese Zahl wichtig, weil KI oft nicht isoliert auftaucht, sondern eingebettet in SaaS-Wildwuchs, Browser-Tools und unklare App-Landschaften.

Quelle der Kennzahl: https://www.reco.ai/state-of-shadow-ai-report

Wie unterscheidet man harmlose Nutzung von kritischer Shadow AI?

Nicht jede ungeprüfte KI-Nutzung verlangt dieselbe Reaktion. Unternehmen brauchen eine einfache Risikosortierung, sonst wird aus Shadow-AI-Erkennung schnell eine pauschale Verbotskultur.

Diese Sortierung hilft, ruhig zu bleiben. Das Ziel ist nicht, jeden KI-Einsatz gleich zu behandeln. Das Ziel ist, riskante Nutzung sichtbar zu machen und nützliche Nutzung in sichere Bahnen zu lenken.

Wie startet eine Bestandsaufnahme ohne Misstrauen?

Der erste Schritt ist eine ehrliche Einladung. Nicht: „Wer hat gegen Regeln verstoßen?“ Sondern: „Welche KI-Tools nutzt ihr bereits, wobei helfen sie euch und wo seid ihr unsicher?“ Die Formulierung entscheidet. Wenn Mitarbeiter Angst vor Sanktionen haben, bleiben die Antworten oberflächlich.

Eine gute Bestandsaufnahme beginnt mit wenigen Fragen. Welche KI-Tools werden genutzt? Für welche Aufgaben? Mit welchen Daten? Über private oder geschäftliche Konten? Werden Ergebnisse geprüft? Werden Inhalte gespeichert? Gibt es wiederkehrende Prompts? Gibt es Fälle, in denen Mitarbeiter bewusst auf KI verzichten, weil sie unsicher sind?

Für den Mittelstand reicht am Anfang oft ein einfaches Format: anonyme Umfrage, kurze Teamgespräche, Interviews mit Schlüsselpersonen und eine technische Sichtung der vorhandenen SaaS-Landschaft. Wichtig ist, dass Fachbereiche beteiligt werden. Die IT sieht Tools. Die Fachbereiche sehen Arbeit. Datenschutz sieht Risiken. Führungskräfte sehen Druck. Erst zusammen ergibt sich ein realistisches Bild.

Welche technischen Hinweise helfen beim Aufspüren?

Technik allein löst das Problem nicht, aber sie hilft. Unternehmen können prüfen, welche KI-Domains häufig aufgerufen werden, welche Browser-Erweiterungen installiert sind, welche SaaS-Anwendungen per Single Sign-on genutzt werden, welche Tools Kreditkartenabrechnungen oder Spesenlisten zeigen und welche Cloudspeicher mit KI-Diensten verbunden sind.

Bei Microsoft-365-Umgebungen können auch App-Zustimmungen, OAuth-Berechtigungen, Drittanbieterintegrationen und ungewöhnliche Datenfreigaben relevant sein. In Google-Workspace-Umgebungen gilt Ähnliches. Bei SaaS-Tools sollten Administratoren prüfen, ob KI-Funktionen automatisch aktiviert wurden. Viele Anwendungen integrieren KI mittlerweile still in bestehende Produkte. Dann entsteht nicht immer ein neues Tool, sondern eine neue Funktion in einem bekannten Tool.

Harmonic Security analysierte für seinen Bericht 22,458,240 Enterprise-GenAI-Prompts und Datei-Uploads aus dem Jahr 2025 und fand Nutzung über 665 KI- und KI-nahe Tools hinweg. Die Zahl zeigt, warum reine Blocklisten schnell zu kurz greifen. Shadow AI besteht nicht nur aus einem bekannten Chatbot.

Quelle der Kennzahl: https://www.harmonic.security/resources/what-22-million-enterprise-ai-prompts-reveal-about-shadow-ai-in-2025

Welche organisatorischen Spuren werden oft übersehen?

Viele Unternehmen suchen Shadow AI nur in Firewalls, Browserlogs oder SaaS-Listen. Das ist zu eng. Häufig zeigen sich die besten Hinweise in Arbeitsartefakten.

Ein Beispiel: In einem Projektordner liegen plötzlich sauber strukturierte Protokolle, obwohl vorher nur Stichpunkte üblich waren. In einem Angebot tauchen generische Formulierungen auf, die nicht zur eigenen Tonalität passen. In Kundentickets werden Antworten erstellt, die freundlich wirken, aber fachlich zu wenig abgesichert sind. In HR entstehen Stellenanzeigen, die professionell klingen, aber unbewusst diskriminierende Formulierungen enthalten können. In der Entwicklung wird Code schneller erzeugt, aber Tests fehlen.

Das sind keine Beweise für Fehlverhalten. Es sind Prüfhinweise. Gute Shadow-AI-Aufklärung schaut deshalb nicht nur auf Tools, sondern auch auf Arbeitsergebnisse, Prozessbrüche und neue Qualitätsmuster.

Welche Fragen sollte eine Shadow-AI-Umfrage enthalten?

Eine interne Umfrage sollte kurz genug sein, damit Menschen sie beantworten. Sie sollte nicht klingen wie ein Verhör. Gute Fragen sind konkret und arbeitsnah.

Sinnvoll sind Fragen wie: Welche KI-Tools nutzen Sie beruflich? Nutzen Sie private oder geschäftliche Konten? Für welche Aufgaben verwenden Sie KI? Welche Daten geben Sie ein? Welche Aufgaben würden Sie gern mit einem freigegebenen KI-Tool erledigen? Wo sind Sie unsicher? Welche KI-Ergebnisse prüfen Sie fachlich? Haben Sie schon einmal sensible Daten anonymisiert, bevor Sie KI genutzt haben? Welche Toolfreigabe fehlt aus Ihrer Sicht?

Wichtig ist eine Antwortoption für Unsicherheit. Viele Mitarbeiter wissen nicht, ob ein Inhalt personenbezogen, vertraulich oder intern ist. Genau daraus entstehen Risiken. Eine Umfrage sollte deshalb nicht nur Nutzung abfragen, sondern auch Schulungsbedarf sichtbar machen.

Wie erkennt man Datenrisiken konkret?

Datenrisiken entstehen dort, wo sensible Inhalte in nicht geprüfte KI-Systeme gelangen. Dazu gehören personenbezogene Daten, Kundendaten, Mieterdaten, Bewerbungen, Verträge, Preislisten, Kalkulationen, Strategieunterlagen, technische Pläne, Quellcode, Zugangsdaten, interne Protokolle, Supportfälle und medizinisch oder rechtlich sensible Informationen.

Die Erkennung beginnt mit Datenklassen. Unternehmen sollten nicht abstrakt über „sensible Daten“ sprechen, sondern Beispiele aus dem eigenen Betrieb nennen. Ein SHK-Betrieb denkt an Kundendaten, Fotos, Gerätedaten und Einsatzberichte. Eine Hausverwaltung denkt an Mieterdaten, Schäden, Eigentümerkommunikation und Dienstleisterverträge. Ein IT-Dienstleister denkt an Tickets, Logdaten, Kundensysteme und Zugangsinformationen. Ein Industrieunternehmen denkt an Zeichnungen, Stücklisten, Lieferanteninformationen und Kalkulationen.

Mimecast berichtet im State of Human Risk 2026, dass 80 Prozent der Organisationen Sorge vor Datenabfluss über generative KI haben, aber 60 Prozent keine spezifische Strategie gegen KI-getriebene Bedrohungen besitzen. Genau diese Lücke ist der Raum, in dem Shadow AI wächst.

Quelle der Kennzahl: https://www.mimecast.com/de/blog/shadow-ai-the-hidden-threat/

Wie bewertet man die gefundenen KI-Tools?

Nach der Bestandsaufnahme braucht jedes Tool eine einfache Bewertung. Dafür reichen am Anfang fünf Fragen. Erstens: Wer nutzt das Tool? Zweitens: Wofür wird es genutzt? Drittens: Welche Daten werden verarbeitet? Viertens: Welche Vertrags- und Datenschutzbedingungen gelten? Fünftens: Gibt es eine sichere Alternative?

Danach kann jedes Tool einen Status bekommen: freigegeben, eingeschränkt freigegeben, in Prüfung, geduldet bis Ersatz verfügbar oder nicht erlaubt. Dieser Status sollte nicht nur in der IT liegen. Mitarbeiter müssen ihn sehen können. Sonst bleibt die Regel unsichtbar.

Ein Tool-Register muss nicht kompliziert sein. Es kann zunächst eine einfache Tabelle sein. Wichtig sind Name, Anbieter, URL, Zweck, Nutzergruppe, erlaubte Daten, verbotene Daten, Risiko, Verantwortlicher, Status und nächster Prüftermin.

Wie findet man Shadow AI in Fachbereichen?

Jeder Fachbereich nutzt KI anders. Deshalb bringt eine zentrale Standardabfrage nur begrenzte Erkenntnisse.

Im Vertrieb geht es häufig um E-Mails, Angebote, Gesprächsvorbereitung und Lead-Recherche. Im Marketing um Texte, Bilder, Kampagnen, SEO, Übersetzungen und Wettbewerbsanalyse. Im Kundenservice um Antwortvorschläge, Zusammenfassungen und Wissenssuche. In HR um Stellenanzeigen, Bewerbungen, Interviewfragen und Onboarding. In der IT um Code, Fehlersuche, Dokumentation und Skripte. In der Geschäftsführung um Strategiepapiere, Marktanalysen, Präsentationen und Entscheidungsvorlagen.

Wer Shadow AI aufspüren will, sollte deshalb pro Fachbereich fragen: Welche Arbeit nervt? Welche Arbeit wiederholt sich? Welche Arbeit erfordert viel Schreiben? Welche Arbeit enthält vertrauliche Daten? Welche Arbeit wird bereits schneller erledigt als früher? Dort liegt oft die inoffizielle KI-Nutzung.

Wie geht man mit Führungskräften um?

Führungskräfte sind nicht nur Kontrolleure. Sie sind oft selbst Nutzer. In vielen Unternehmen testen gerade Geschäftsführer, Bereichsleiter und Projektleiter neue KI-Tools, weil sie wenig Zeit haben und viele Texte, Entscheidungen und Zusammenfassungen produzieren müssen.

Shadow AI aufspüren darf deshalb nicht nur nach unten schauen. Wenn Führungskräfte private KI-Konten nutzen, aber Mitarbeiter dafür kritisieren, entsteht Glaubwürdigkeitsverlust. Die Bestandsaufnahme muss alle Ebenen umfassen.

KPMG nennt in seiner globalen Studie 2025, dass 66 Prozent der Menschen KI regelmäßig nutzen und ebenfalls 66 Prozent viele KI-Ergebnisse verwenden, ohne deren Genauigkeit zu prüfen. Diese Kombination ist für Unternehmen entscheidend: Es geht nicht nur darum, ob KI genutzt wird, sondern ob Ergebnisse geprüft werden.

Quelle der Kennzahl: https://kpmg.com/xx/en/our-insights/ai-and-technology/trust-attitudes-and-use-of-ai.html

Was passiert nach dem Aufspüren?

Nach der Analyse beginnt die eigentliche Arbeit. Die Ergebnisse müssen in klare Maßnahmen übersetzt werden. Erstens: Sofortmaßnahmen für riskante Nutzung. Zweitens: sichere Alternativen für nützliche Nutzung. Drittens: Regeln für Daten und Prüfung. Viertens: Schulung. Fünftens: ein wiederholbarer Prozess.

Sofortmaßnahmen können bedeuten, bestimmte Tools zu blockieren, Zugänge zu entziehen, Datenflüsse zu prüfen oder Mitarbeiter gezielt zu informieren. Aber Vorsicht: Wenn nur blockiert wird, wandert Nutzung oft in andere Kanäle. Besser ist ein Ersatzangebot. Wer einen KI-Zusammenfasser verbietet, sollte erklären, welches freigegebene Tool stattdessen genutzt werden darf.

Ein gutes Ergebnis der Shadow-AI-Analyse ist nicht eine Liste der Schuldigen. Ein gutes Ergebnis ist eine Liste echter Arbeitsbedarfe: Schreiben, Zusammenfassen, Suchen, Übersetzen, Prüfen, Strukturieren, Automatisieren. Daraus entsteht eine sinnvolle KI-Roadmap.

Wie schafft man laufende Sichtbarkeit?

Shadow AI ist kein einmaliges Projekt. Neue Tools erscheinen ständig. Bestehende Anwendungen bekommen neue KI-Funktionen. Mitarbeiter wechseln Aufgaben. Anbieter ändern Datenschutzbedingungen. Deshalb braucht es eine regelmäßige Überprüfung.

Praktisch sinnvoll ist ein quartalsweiser KI-Check. Welche neuen Tools sind aufgetaucht? Welche genehmigten Tools werden kaum genutzt? Welche Anfragen kamen aus den Fachbereichen? Welche Datenrisiken wurden gemeldet? Welche Prompts und Vorlagen funktionieren gut? Welche Schulungsfragen wiederholen sich?

Dazu gehört ein einfacher Meldeweg. Mitarbeiter sollten neue KI-Tools vorschlagen können, ohne dass daraus automatisch ein Problem entsteht. Wenn der offizielle Weg schneller und hilfreicher ist als der heimliche, sinkt Shadow AI.

Welche Kennzahlen zeigen, warum Unternehmen Shadow AI aktiv aufspüren sollten?

1. Reco AI berichtet, dass Unternehmen durchschnittlich 490 SaaS-Anwendungen verwalten und nur 47 Prozent davon autorisiert sind. Das zeigt, dass Shadow AI oft Teil einer größeren Schatten-SaaS-Landschaft ist.
   Quelle: https://www.reco.ai/state-of-shadow-ai-report
2. Harmonic Security analysierte 22,458,240 Enterprise-GenAI-Prompts und Datei-Uploads aus dem Jahr 2025 über 665 KI- und KI-nahe Tools hinweg. Das zeigt, wie breit KI-Nutzung in realen Unternehmensumgebungen verteilt sein kann.
   Quelle: https://www.harmonic.security/resources/what-22-million-enterprise-ai-prompts-reveal-about-shadow-ai-in-2025
3. Mimecast berichtet, dass 80 Prozent der Organisationen Sorge vor Datenabfluss über generative KI haben, aber 60 Prozent keine spezifische Strategie gegen KI-getriebene Bedrohungen besitzen. Das zeigt die Lücke zwischen Risikobewusstsein und Umsetzung.
   Quelle: https://www.mimecast.com/de/blog/shadow-ai-the-hidden-threat/
4. KPMG nennt 66 Prozent regelmäßige KI-Nutzung und ebenfalls 66 Prozent Menschen, die viele KI-Ausgaben ohne Genauigkeitsprüfung verwenden. Das zeigt, warum Shadow AI nicht nur ein Tool-, sondern auch ein Qualitätsproblem ist.
   Quelle: https://kpmg.com/xx/en/our-insights/ai-and-technology/trust-attitudes-and-use-of-ai.html

Interessante Links

Bundesbeauftragte für den Datenschutz und die Informationsfreiheit: Künstliche Intelligenz
https://www.bfdi.bund.de/DE/Fachthemen/Inhalte/Technik/KuenstlicheIntelligenz.html

CNIL: AI how-to sheets
https://www.cnil.fr/en/ai-how-to-sheets

ICO: AI and data protection
https://ico.org.uk/for-organisations/uk-gdpr-guidance-and-resources/artificial-intelligence/

FAQ

Wie kann man Shadow AI im Unternehmen aufspüren?

Shadow AI lässt sich durch eine Kombination aus Umfragen, Teamgesprächen, SaaS-Analyse, Browser- und App-Prüfung, Auswertung von Toolkosten und fachlicher Prozessanalyse erkennen. Entscheidend ist, nicht nur technische Logs zu betrachten. Viele Hinweise entstehen in Arbeitsabläufen, Dokumenten, E-Mails, Prompts, neuen Qualitätsmustern und informellen Toolnennungen.

Welche Abteilungen sollten bei der Suche beteiligt sein?

Beteiligt sein sollten Geschäftsführung, IT, Datenschutz, Informationssicherheit, Fachbereiche und Führungskräfte. Je nach Unternehmen können auch Betriebsrat, Compliance oder HR relevant sein. Shadow AI liegt selten nur in einer Abteilung. Die IT sieht technische Spuren, Fachbereiche kennen echte Nutzung, Datenschutz bewertet Datenrisiken und Führungskräfte ordnen Prioritäten ein.

Sollte man Mitarbeiter anonym zur KI-Nutzung befragen?

Eine anonyme Befragung ist oft sinnvoll, besonders am Anfang. Mitarbeiter antworten ehrlicher, wenn sie keine Sanktionen befürchten. Wichtig ist, die Befragung nicht als Kontrolle zu formulieren, sondern als Bestandsaufnahme. Ziel ist, Risiken zu erkennen, sichere Alternativen aufzubauen und sinnvolle KI-Nutzung offiziell zu ermöglichen.

Welche Tools sind besonders häufig Teil von Shadow AI?

Häufig betroffen sind öffentliche Chatbots, KI-Schreibassistenten, Übersetzungstools, PDF-Zusammenfasser, Meeting-Bots, Browser-Erweiterungen, Coding-Assistenten, Bildgeneratoren und KI-Funktionen in bestehenden SaaS-Produkten. Besonders tückisch sind integrierte KI-Funktionen, die plötzlich in bekannten Anwendungen auftauchen, ohne dass das Unternehmen sie bewusst eingeführt hat.

Welche Daten sind bei Shadow AI besonders kritisch?

Besonders kritisch sind personenbezogene Daten, Kundendaten, Mieterdaten, Bewerbungen, Verträge, Finanzzahlen, Geschäftsgeheimnisse, Quellcode, technische Zeichnungen, Zugangsdaten und interne Strategieunterlagen. Auch scheinbar harmlose Texte können vertrauliche Zusammenhänge enthalten. Deshalb sollten Unternehmen Datenklassen definieren und klar regeln, welche Daten in welche KI-Tools dürfen.

Reicht es, bekannte KI-Websites zu blockieren?

Nein. Blockieren kann für besonders riskante Tools sinnvoll sein, reicht aber nicht aus. Viele KI-Funktionen stecken in SaaS-Produkten, Browser-Erweiterungen oder privaten Accounts. Außerdem weichen Mitarbeiter bei reinen Verboten oft auf andere Wege aus. Besser ist eine Kombination aus Sichtbarkeit, klaren Regeln, freigegebenen Alternativen und Schulung.

Wie oft sollte ein Unternehmen Shadow AI prüfen?

Ein einmaliger Check reicht nicht aus. Sinnvoll ist ein regelmäßiger KI-Check, zum Beispiel quartalsweise. Neue Tools, neue KI-Funktionen und geänderte Anbieterbedingungen entstehen laufend. Zusätzlich sollte jede größere Einführung neuer Software darauf geprüft werden, ob KI-Funktionen enthalten sind und welche Daten dadurch verarbeitet werden.

Was macht man mit gefundenen Shadow-AI-Tools?

Gefundene Tools sollten bewertet und nicht automatisch verboten werden. Manche können freigegeben werden, andere nur eingeschränkt, manche müssen ersetzt oder blockiert werden. Wichtig ist ein Tool-Register mit Zweck, Nutzergruppe, Datenregeln, Risikostufe und Verantwortlichem. Nützliche Nutzung sollte in sichere Prozesse überführt werden.

Wie vermeidet man eine Kontrollkultur?

Unternehmen sollten offen kommunizieren, dass die Bestandsaufnahme nicht der Bestrafung dient. Es geht darum, echte Arbeitsweisen sichtbar zu machen und Risiken zu reduzieren. Mitarbeiter sollten sichere Alternativen, klare Regeln und Ansprechpartner erhalten. Wenn Führung nur überwacht, wird Nutzung versteckt. Wenn sie hilft, wird Nutzung sichtbar.

Was ist der wichtigste erste Schritt?

Der wichtigste erste Schritt ist eine kurze, ehrliche Bestandsaufnahme: Welche KI-Tools werden genutzt, wofür, mit welchen Daten und durch welche Teams? Daraus entsteht eine erste Risikokarte. Danach können Unternehmen freigegebene Tools, Datenregeln, Schulungen und einen einfachen Freigabeprozess aufbauen.

Alle Artikel zu den Themen KI-Governance und Compliance

Alle Artikel zum Thema Digitalisierung im Mittelstand

Portfolio von KrambergAI zu KI-Richtlinien

KrambergAI Strategiebegleitung