Ein Vertriebsleiter fragt das Corporate LLM nach einer Konditionshistorie. Ein Sachbearbeiter aus dem Einkauf stellt dieselbe Frage. Beide benötigen relevante Antworten - aber nicht dieselben Daten. Genau an dieser Stelle entscheidet sich, ob eine Unternehmens-KI zum produktiven Werkzeug wird oder zum Sicherheitsrisiko. Wer KI Zugriffsrechte definieren will, muss daher nicht bei der Technologie beginnen, sondern bei den Geschäftsprozessen, Datenklassen und Verantwortlichkeiten.
Gerade im Mittelstand liegt wertvolles Wissen selten sauber in einer einzigen Anwendung. Es verteilt sich auf Dateiserver, ERP, CRM, Projektordner, E-Mails und Fachsysteme. Ein Corporate LLM kann dieses Wissen nutzbar machen. Ohne ein präzises Berechtigungsmodell kann es jedoch Informationen sichtbar machen, die für den jeweiligen Nutzer nicht bestimmt sind. Die Folge sind nicht nur Datenschutz- und Compliance-Risiken, sondern auch ein Verlust an Vertrauen in das gesamte KI-System.
Warum KI eigene Zugriffsrechte braucht
Viele Unternehmen übertragen ihre vorhandenen Ordner- oder Systemberechtigungen pauschal auf die KI. Das ist ein sinnvoller Ausgangspunkt, aber kein vollständiges Sicherheitskonzept. Denn eine KI verbindet Informationen, fasst Inhalte zusammen und beantwortet Fragen in natürlicher Sprache. Damit entstehen neue Zugriffspfade: Nicht nur das einzelne Dokument, sondern auch die darin enthaltene Aussage muss geschützt werden.
Ein Mitarbeiter kann beispielsweise berechtigt sein, eine Projektablage einzusehen. Daraus folgt nicht automatisch, dass er Vergütungsdaten, juristische Bewertungen oder vertrauliche Gesprächsprotokolle aus diesem Projektkontext in einer KI-Antwort erhalten darf. Die entscheidende Frage lautet deshalb nicht nur: Wer darf auf eine Quelle zugreifen? Sondern auch: Welche Inhalte darf die KI für welche Rolle in welchem Nutzungskontext ausgeben?
Für Geschäftsführer ist das ein Steuerungsthema. Ein unkontrolliertes System kann sensible Informationen in Sekunden breit verfügbar machen. Ein zu restriktives System wird hingegen von den Fachbereichen umgangen, weil es keine hilfreichen Antworten liefert. Die richtige Lösung liegt zwischen diesen Extremen: Zugriff nach geschäftlicher Notwendigkeit, technisch zuverlässig durchgesetzt und nachvollziehbar dokumentiert.
KI Zugriffsrechte definieren: Das Berechtigungsmodell
Ein belastbares Modell orientiert sich an Rollen und Aufgaben, nicht an einzelnen Personen. Rollenbasierte Zugriffssteuerung reduziert administrativen Aufwand und bleibt auch bei Personalwechseln beherrschbar. Ein Vertriebsmitarbeiter, ein Controller und ein Projektleiter erhalten jeweils Zugriff auf die Informationen, die sie für ihre Aufgaben benötigen.
In komplexeren Fällen reicht die Rolle allein nicht aus. Dann ergänzen Attribute den Zugriff: Zugehörigkeit zu einer Gesellschaft, Region, Kostenstelle, Projekt oder Sicherheitsstufe. Ein Projektleiter darf etwa alle freigegebenen Unterlagen seines Projekts nutzen, nicht aber die Unterlagen anderer Projekte. Diese Kombination aus Rollen und Attributen ist aufwendiger in der Konzeption, bildet die Realität eines wachsenden Unternehmens jedoch deutlich genauer ab.
Die folgende Reihenfolge hat sich in der Praxis bewährt:
- Zuerst werden Datenquellen und ihre Schutzbedarfe erfasst.
- Danach werden Rollen, Organisationseinheiten und fachliche Nutzungsszenarien festgelegt.
- Anschließend werden Regeln für Abruf, Antwortausgabe und Weiterverarbeitung definiert.
- Zum Schluss werden Rechte technisch angebunden, getestet und fortlaufend geprüft.
Entscheidend ist die Trennung dieser Ebenen. Eine Berechtigung in SharePoint, im DMS oder im ERP ist die Grundlage. Die KI-Schicht muss diese Berechtigung beim Abruf konsequent respektieren. Zusätzlich braucht sie Regeln dafür, ob Inhalte zusammengefasst, in anderen Kontexten verwendet oder über automatisierte Workflows weitergegeben werden dürfen.
Daten nach Schutzbedarf klassifizieren
Nicht jede Information verlangt dieselbe Schutzstufe. Betriebsanweisungen, Produktdokumentationen oder freigegebene Vertriebsargumentationen dürfen oft breiter genutzt werden als Personalakten, Kalkulationen, Rechtsgutachten oder M&A-Unterlagen. Wer alles pauschal sperrt, verhindert wertvolle Anwendungsfälle. Wer alles freigibt, schafft ein nicht vertretbares Risiko.
Eine praxistaugliche Klassifizierung ist verständlich und überschaubar. Häufig reichen vier Kategorien: öffentlich, intern, vertraulich und streng vertraulich. Wichtiger als eine perfekte Taxonomie ist eine verbindliche Zuordnung für besonders sensible Quellen. Diese Zuordnung sollte nicht allein bei der IT liegen. Fachbereichsleiter wissen, welche Informationen im operativen Alltag sensibel sind, während IT und Datenschutz die technischen und rechtlichen Anforderungen bewerten.
Besondere Aufmerksamkeit verdienen Daten mit Personenbezug, Geschäftsgeheimnisse, Vertragsinformationen, Preis- und Margendaten sowie strategische Planungen. Bei solchen Inhalten kann es sinnvoll sein, den KI-Zugriff zunächst auf eng abgegrenzte Rollen zu beschränken oder die Quelle vollständig von der Indexierung auszunehmen. Das ist kein Verzicht auf KI-Nutzen, sondern eine bewusste Priorisierung.
Zugriff am Ursprung durchsetzen
Die sicherste Architektur vermeidet parallele Schattenberechtigungen. Ein Corporate LLM sollte nach Möglichkeit die etablierten Identitäten und Rechte aus dem bestehenden Unternehmensumfeld übernehmen. Meldet sich ein Mitarbeiter über das zentrale Identitätsmanagement an, erkennt das System seine Rolle und ruft nur Dokumente ab, für die eine gültige Berechtigung vorliegt.
Dabei ist ein wichtiger technischer Grundsatz zu beachten: Die Filterung muss vor der KI-Antwort erfolgen. Es genügt nicht, sensible Passagen nachträglich aus einer generierten Antwort zu entfernen. Wenn das Sprachmodell unberechtigt auf ein Dokument zugreifen konnte, ist die Sicherheitsgrenze bereits überschritten. Eine saubere Retrieval-Architektur filtert Quellen anhand der Nutzerrechte, bevor relevante Textabschnitte an das Modell übergeben werden.
Auch Servicekonten und technische Schnittstellen verdienen besondere Sorgfalt. Automatisierte Workflows benötigen oft weitergehende Rechte als ein einzelner Benutzer. Diese Rechte müssen eng eingegrenzt, protokolliert und regelmäßig überprüft werden. Ein Workflow zur Angebotsprüfung braucht beispielsweise keinen Zugriff auf Personalakten, selbst wenn beide Datenbereiche im selben Dokumentenmanagement liegen.
Die Antwort ist ebenfalls ein geschützter Vorgang
KI-Systeme liefern nicht nur Trefferlisten. Sie kombinieren Informationen zu Antworten, Entwürfen und Entscheidungsvorlagen. Deshalb muss die Rechteprüfung auch bei Folgefragen greifen. Wenn ein Nutzer nach einer Zusammenfassung fragt, darf die Zusammenfassung keine Details aus Quellen enthalten, für die ihm der Zugriff fehlt.
Hier hilft das Prinzip der minimalen Berechtigung. Jeder Nutzer und jeder technische Prozess erhält nur die Rechte, die für seine konkrete Aufgabe erforderlich sind. Das bedeutet nicht, dass jede Anfrage manuell geprüft werden muss. Es bedeutet, dass die Regeln so modelliert werden, dass die KI selbstständig innerhalb klarer Grenzen arbeitet.
Für kritische Anwendungsfälle sind zusätzliche Schutzmechanismen sinnvoll: Quellenangaben innerhalb des Systems, Protokollierung von Abfragen, Warnungen bei sensiblen Datenmustern und Freigabeschritte vor externen Aktionen. Ob diese Maßnahmen erforderlich sind, hängt vom Prozess ab. Ein interner Wissensassistent für technische Handbücher benötigt ein anderes Kontrollniveau als ein KI-Workflow, der Verträge analysiert oder Daten an Kundenkommunikation übergibt.
Governance macht Berechtigungen langfristig belastbar
Zugriffsrechte sind kein Projektartefakt, das nach dem Go-live unverändert bleibt. Neue Abteilungen, Kundenprojekte, Systemmigrationen und Personalwechsel verändern die Berechtigungslandschaft fortlaufend. Ohne feste Verantwortlichkeiten entstehen schleichend zu breite Rechte - und genau diese Ausnahmen werden später zum Risiko.
Unternehmen sollten deshalb festlegen, wer Rollen genehmigt, wer Datenquellen klassifiziert und wer Änderungen kontrolliert. Die IT verantwortet die technische Durchsetzung. Der Fachbereich verantwortet den fachlichen Bedarf. Datenschutz und Informationssicherheit prüfen besonders sensible Konstellationen. Die Geschäftsführung setzt den Rahmen, in welchem Verhältnis Produktivität und Schutz stehen sollen.
Regelmäßige Reviews sind unverzichtbar. Besonders wirksam sind Prüfungen bei Rollenwechseln, beim Eintritt und Austritt von Mitarbeitern sowie vor der Anbindung neuer Datenquellen. Ergänzend liefern Audit-Protokolle die nötige Nachvollziehbarkeit: Welche Quellen wurden für eine Antwort verwendet? Welcher Nutzer hat welche Aktion ausgelöst? Wurden Zugriffversuche abgewiesen? Diese Transparenz schafft nicht nur Sicherheit, sondern beschleunigt auch die Fehleranalyse.
Mit einem begrenzten Anwendungsfall starten
Der schnellste Weg zu einem brauchbaren Berechtigungsmodell ist selten der Versuch, das gesamte Unternehmenswissen auf einmal zu erschließen. Besser ist ein klar begrenzter Bereich mit erkennbarem Nutzen, etwa der technische Service, das Qualitätsmanagement oder ein abgegrenzter Vertriebsprozess. Dort lassen sich Rollen, Datenquellen und typische Fragen konkret prüfen.
Ein Pilot zeigt früh, wo das Modell zu eng oder zu weit gefasst ist. Vielleicht benötigt der Service Zugriff auf aktuelle Ersatzteilinformationen, nicht aber auf vollständige Lieferantenverträge. Vielleicht sind Projektunterlagen für das Kernteam relevant, müssen aber nach Projektabschluss automatisch eingeschränkt werden. Solche Erkenntnisse entstehen im realen Betrieb, nicht allein im Konzeptpapier.
Solara AI entwickelt geschlossene Corporate LLMs so, dass bestehende Identitäten, Fachsysteme und Sicherheitsvorgaben nicht umgangen, sondern gezielt eingebunden werden. Der wirtschaftliche Nutzen entsteht dann nicht trotz Kontrolle, sondern durch sie: Mitarbeiter vertrauen den Antworten, sensible Informationen bleiben geschützt und Prozesse lassen sich dauerhaft skalieren.
Wer KI-Zugriffsrechte sorgfältig definiert, schafft mehr als eine technische Schutzschicht. Er schafft die Voraussetzung dafür, dass Unternehmenswissen dort verfügbar wird, wo es Wert erzeugt - und dort geschützt bleibt, wo es geschützt werden muss.