Erkenne, welche KI dein Team nutzt.

Shadow AI ist die Nutzung von AI-Tools, Modellen oder AI-Funktionen in einer Organisation ohne Wissen oder Freigabe von IT- und Security-Teams, von ChatGPT im Browser über AI-Extensions und lokale LLMs bis zu eingebetteten AI-Features in SaaS-Produkten.

Unüberwachte AI-Nutzung bewegt sensible Daten außerhalb deiner Kontrolle: Prompts können Kundendaten, Zugangsdaten oder Quellcode enthalten, und AI-Agents können Aktionen auf internen Systemen ausführen. Ohne Sichtbarkeit gibt es keine Policy, keinen Audit-Trail und keine DSGVO-/AI-Act-Compliance.

Die Erkennung läuft vollständig auf dem Endpoint, im Netzwerkpfad. AI-Traffic wird lokal über Pre-TLS-Signale und Verhaltens-Fingerprints klassifiziert: Prompts oder Dokumente verlassen das Gerät nie.

Ja. Die Erkennung ist Provider-agnostisch und verhaltensbasiert, unbekannte oder obfuskierte AI-Transporte werden klassifiziert, ohne auf eine Liste bekannter API-Signaturen angewiesen zu sein.

Weil eine Netzwerk-Firewall nur Traffic sieht, der den Laptop verlässt, und auch den nur als verschlüsseltes Ziel. Ein lokales Modell erzeugt gar keinen ausgehenden Traffic, und eine AI-Browser-Extension sieht aus wie normales HTTPS. Die Erkennung muss auf dem Gerät passieren, wo Prozess, Inhalt und Ziel noch sichtbar sind.

Ja. Patronus läuft auf dem Endpoint und klassifiziert AI-Traffic im lokalen Netzwerkpfad, vor der Verschlüsselung und bevor der Request dein Gateway erreicht. Abgedeckt sind Browser-Tools, Desktop-Apps, IDE-Assistenten, lokale Modelle und Agents, ohne Integration pro Tool.

Das kann nur eine Komponente auf dem Endpoint, weil Prompts an ein lokales Modell nie das Netzwerk passieren. Patronus fängt den Prompt auf dem Gerät ab, klassifiziert ihn nach PII, Secrets und Dokumenttyp und hält die Entscheidung in einem lokalen Audit-Log fest. Der Inhalt selbst verlässt den Rechner nicht.

Es gibt drei Wege: CASB- und Proxy-Logs (sehen SaaS-Domains, aber keine Prompts und keine lokalen Modelle), Umfragen und Lizenz-Audits (sehen, was Mitarbeiter zugeben) und Erkennung auf dem Endpoint (sieht die tatsächliche Nutzung inklusive lokaler Modelle und Extensions). Patronus geht den dritten Weg und baut das Inventar aus echtem Traffic auf dem Gerät.

Nein. Die Erkennung arbeitet mit Signalen aus dem Netzwerkverkehr und mit kleinen, spezialisierten Klassifikationsmodellen wie Wolf Defender. Es wird kein Prompt an ein Sprachmodell geschickt, und Patronus erzeugt selbst keine Texte.

Nein. Die Prüfung läuft auf dem Gerät. Nur das, was deine Regeln erlauben, geht an das KI-Tool, das du selbst gewählt hast. An Patronus geht kein Inhalt.

Nein. Du nutzt deine Tools weiter wie bisher. Patronus sitzt auf dem Rechner davor und macht die Nutzung sichtbar, Protect prüft zusätzlich Inhalte und Aktionen.

Nein. Patronus läuft als Software auf dem Gerät im Netzwerkpfad. Der Datenverkehr nimmt keinen Umweg über fremde Server, und es gibt keinen zentralen Punkt, der ausfallen kann.

Inhalte bleiben auf dem Gerät. Zentral können nur Metadaten ankommen: welches Tool, welche Kategorie, welche Entscheidung. Ob und wie diese Metadaten ausgewertet werden, legt euer Unternehmen fest.

Ja. Die Erkennung arbeitet am Verhalten der Verbindung, nicht am Namen des Anbieters. Lokale Modelle, interne Dienste und neue Tools werden genauso erfasst wie die großen Anbieter.

Nein. Erkennung, Prüfung und Entscheidung laufen offline auf dem Rechner. Das gilt auch für abgeschottete Netze.

Die Modelle sind auf ihre Aufgabe zugeschnitten: unter 10 ms je Erkennung und unter 100 MB Arbeitsspeicher. Im Chat ist kein Unterschied spürbar.