KI-Agenten klingen im Büro zunächst nach einem Komfortversprechen: Sie sollen Mails zusammenfassen, Besprechungen vorbereiten, Dateien finden, Tickets anlegen oder Informationen aus mehreren Systemen kombinieren. Der entscheidende Punkt ist aber weniger, wie gut ein Agent formuliert. Entscheidend ist, worauf er zugreifen darf, welche Daten er als Kontext nutzt und ob sich sein Verhalten später nachvollziehen lässt.
Microsofts Agent-365- und Copilot-Umfeld ist dafür ein gutes Beispiel, weil hier viele Bausteine zusammenkommen, die Unternehmen ohnehin kennen: Microsoft 365, Entra-Identitäten, SharePoint- und OneDrive-Berechtigungen, Purview, DLP, Auditierung und eDiscovery. Der aktuelle Produktanlass ist neu, die eigentliche Frage bleibt dauerhaft: Wie führt man KI-Agenten ein, ohne sie zu unsichtbaren Super-Usern im eigenen Datenbestand zu machen?
Der Agent ist kein normaler Chatbot mehr
Ein klassischer Chatbot beantwortet eine Frage auf Basis seines Modells und eventuell eines hochgeladenen Dokuments. Ein Büro-Agent arbeitet näher am operativen System. Er kann mit Dateien, E-Mails, Kalendern, Chats, Wissensdatenbanken oder Drittanbieter-Connectors interagieren. Genau dadurch entsteht Produktivität – und genau dadurch steigt das Risiko.
Wenn ein Agent auf schlecht gepflegte Ordnerstrukturen, zu breite SharePoint-Freigaben oder alte Verteilerrechte trifft, übernimmt er diese Unordnung nicht nur. Er macht sie schneller nutzbar. Was früher in einem tiefen Ordner lag und nur mit Aufwand gefunden wurde, kann plötzlich als präzise Zusammenfassung in einem Prompt erscheinen. Governance ist deshalb keine bürokratische Nebenfrage, sondern die Voraussetzung dafür, dass KI im Arbeitsalltag überhaupt sauber funktioniert.
Berechtigungen: Least Privilege wird praktischer Alltag
Die wichtigste Grundregel lautet: Ein KI-Agent sollte nicht mehr sehen dürfen als die Person oder Rolle, für die er arbeitet. Das klingt banal, wird in der Praxis aber schnell unbequem. Viele Unternehmen haben über Jahre Berechtigungen wachsen lassen: Projektordner bleiben offen, Teams werden kopiert, externe Gäste behalten Zugriff, und sensible Dokumente liegen neben harmlosen Vorlagen.
Für Microsoft-365-Agenten bedeutet das: Vor dem Rollout braucht es eine Bestandsaufnahme der wichtigsten Datenräume. Welche SharePoint-Sites enthalten vertrauliche Informationen? Welche OneDrive-Freigaben sind extern erreichbar? Welche Gruppen geben implizit Zugriff auf Personal-, Finanz- oder Kundendaten? Erst wenn diese Fragen beantwortet sind, lässt sich sinnvoll entscheiden, welche Agenten mit welchen Grounding-Daten arbeiten dürfen.
Least Privilege ist dabei kein einmaliges Aufräumen. Rollen ändern sich, Projekte enden, Teams werden umorganisiert. Ein guter Agenten-Rollout enthält deshalb regelmäßige Rezertifizierung: Wer braucht welchen Zugriff wirklich noch? Welche Agenten sind produktiv, welche nur experimentell? Und welche Datenquellen sollten für KI-Funktionen grundsätzlich ausgeschlossen bleiben?
DLP: Datenverlustschutz muss Prompt und Antwort mitdenken
Data Loss Prevention wurde lange vor allem für E-Mails, Dateien und Uploads gedacht: Kreditkartennummern, Ausweisdaten, vertrauliche Verträge oder interne Kennzeichnungen sollen nicht versehentlich nach außen gelangen. KI-Agenten verändern diese Logik, weil sensible Informationen nicht nur als Datei verschickt werden. Sie können in Prompts, Antworten, Zusammenfassungen oder automatisch erzeugten Arbeitsergebnissen auftauchen.
Microsoft Purview adressiert genau diese Ebene: Regeln können sensible Informationen erkennen, Richtlinien auf Copilot-Interaktionen anwenden und den Umgang mit riskanten Daten steuern. Für Unternehmen ist wichtig, DLP nicht als Bremsklotz zu verstehen. Gut konfigurierte Regeln helfen, sichere Nutzung überhaupt zu ermöglichen. Ein Vertriebsteam kann dann etwa mit Kundenunterlagen arbeiten, ohne dass vertrauliche Vertragsdetails unkontrolliert in externe Kanäle wandern.
Praktisch heißt das: DLP-Regeln sollten vor dem breiten Rollout getestet werden. Zu strenge Regeln blockieren normale Arbeit und werden umgangen. Zu schwache Regeln erzeugen trügerische Sicherheit. Sinnvoll ist ein gestufter Ansatz: zunächst beobachten, dann warnen, danach blockieren – jeweils mit klarer Kommunikation, warum eine Regel existiert.
Grounding-Daten: Was der Agent wissen darf, ist eine Produktentscheidung
Viele KI-Funktionen wirken erst nützlich, wenn sie auf Unternehmensdaten „gegroundet“ werden. Der Agent beantwortet dann nicht nur allgemeine Fragen, sondern nutzt interne Dokumente, Chats oder Projektinformationen. Genau hier entscheidet sich, ob ein System hilfreich oder gefährlich wird.
Grounding sollte deshalb bewusst kuratiert werden. Nicht jede Datenquelle ist gleich geeignet. Aktuelle Richtlinien, freigegebene Produktdokumentation und geprüfte Wissensdatenbanken sind gute Kandidaten. Alte Projektablagen, private Chatverläufe oder unklassifizierte Sammelordner sind es oft nicht. Unternehmen brauchen eine einfache Leitfrage: Würden wir diese Datenquelle auch einem neuen Mitarbeitenden in dieser Rolle geben? Wenn nicht, sollte sie auch nicht automatisch in den Agentenkontext.
Audit-Logs und eDiscovery: Ohne Spuren keine Kontrolle
Bei KI-Agenten reicht es nicht, nur vorab Regeln zu definieren. Teams müssen später nachvollziehen können, was passiert ist. Welche Daten wurden abgefragt? Welche Agenten waren aktiv? Welche Richtlinie hat gegriffen? Wurde eine riskante Ausgabe blockiert, gewarnt oder zugelassen?
Audit-Logs, eDiscovery und Aufbewahrungsregeln sind deshalb Teil der Produktivitätsarchitektur. Sie helfen nicht nur bei Sicherheitsvorfällen, sondern auch beim Lernen im Betrieb. Wenn ein Agent regelmäßig an bestimmten DLP-Regeln scheitert, kann das auf schlechte Datenklassifizierung, zu breite Use Cases oder unklare Schulung hinweisen. Wenn ein Agent kaum genutzt wird, war vielleicht der Prozess falsch gewählt.
Eine sinnvolle Rollout-Checkliste
Vor einem produktiven Rollout sollten Unternehmen mindestens sechs Punkte klären. Erstens: Welche konkreten Aufgaben soll der Agent erledigen, und welche ausdrücklich nicht? Zweitens: Welche Identitäten, Rollen und Gruppen bestimmen seinen Zugriff? Drittens: Welche Datenquellen werden für Grounding zugelassen? Viertens: Welche DLP-Regeln gelten für Prompts, Antworten und erzeugte Inhalte? Fünftens: Welche Aktivitäten werden protokolliert und wie lange aufbewahrt? Sechstens: Wer ist verantwortlich, wenn ein Agent falsche oder riskante Ergebnisse liefert?
Diese Fragen sind auch für kleinere Teams relevant. Man braucht nicht sofort ein großes Governance-Programm. Aber man braucht klare Grenzen. Ein Pilot mit wenigen Rollen, ausgewählten Datenquellen und aktivem Monitoring ist fast immer besser als ein flächiger Start nach dem Motto: „Wir schalten es frei und schauen mal.“
Grenzen: Governance ersetzt keine fachliche Prüfung
Auch ein gut abgesicherter Agent bleibt ein KI-System. Er kann Zusammenhänge falsch gewichten, alte Dokumente überbetonen, Quellen missverstehen oder plausible Antworten formulieren, die im Detail nicht stimmen. DLP verhindert nicht automatisch Halluzinationen. Audit-Logs beweisen nicht, dass eine Antwort fachlich richtig war. Berechtigungen sagen nur, was gesehen werden durfte – nicht, ob daraus die richtige Entscheidung entstand.
Deshalb braucht der Rollout auch Arbeitsregeln: Welche Ergebnisse dürfen direkt verwendet werden? Wo ist menschliche Freigabe Pflicht? Welche Entscheidungen bleiben ausgeschlossen? Besonders bei Recht, Personal, Finanzen, Security und Kundenkommunikation sollte ein Agent eher vorbereiten als entscheiden.
Warum das dauerhaft relevant ist
KI-Agenten werden nicht bei Microsoft 365 stehen bleiben. Ähnliche Fragen stellen sich in Google Workspace, Slack, Salesforce, Jira, ServiceNow oder internen Wissenssystemen. Überall gilt: Je näher KI an echte Arbeitsdaten und Aktionen rückt, desto wichtiger werden Berechtigungen, DLP, Auditierbarkeit und klare Verantwortlichkeiten.
Der produktive Nutzen entsteht nicht durch möglichst freie Agenten, sondern durch gut begrenzte Agenten. Sie müssen genug Kontext haben, um Arbeit zu erleichtern, aber nicht so viel Macht, dass sie Datenstrukturen, Compliance-Regeln und menschliche Verantwortung unterlaufen. Genau darin liegt die neue Admin-Aufgabe: KI nicht nur einschalten, sondern arbeitsfähig, prüfbar und begrenzt gestalten.
Quellen
- Microsoft Security Blog: Microsoft Agent 365 allgemein verfügbar
- Microsoft Learn: Datenschutz und Sicherheit für Microsoft 365 Copilot
- Microsoft Learn/Purview: Secure and govern Microsoft 365 Copilot agents
- Microsoft Security Blog: DLP für Microsoft 365 Copilot-Interaktionen
Hinweis: Für diesen Artikel wurden KI-gestützte Recherche- und Editierwerkzeuge verwendet. Der Inhalt wurde menschlich redaktionell geprüft. Stand: 05.05.2026.
