IBM Cost of a Data Breach Report 2026: Datenlecks kosten deutsche Unternehmen durchschnittlich 4,25 Millionen Euro – und KI-Angriffe treiben den Preis

IBM und das Ponemon Institute haben den Cost of a Data Breach Report 2026 veröffentlicht, und die Richtung hat sich gedreht: Die durchschnittlichen Kosten eines Datenlecks in Deutschland steigen auf 4,25 Millionen Euro pro Vorfall, nach 3,87 Millionen Euro im Vorjahr. Weltweit liegt der Schnitt bei 4,99 Millionen US-Dollar – ein Plus von zwölf Prozent und der höchste Wert, den die Studie in ihrer über zwanzigjährigen Geschichte gemessen hat. Der Treiber ist in diesem Jahr eindeutig benannt: künstliche Intelligenz, auf beiden Seiten des Angriffs. Wer wissen will, was eine Datenpanne 2026 wirklich kostet, welche Branchen am härtesten getroffen werden und warum ausgerechnet Angriffe auf KI-Systeme die teuersten Vorfälle sind, findet hier die Zahlen und die Einordnung.

Was der Cost of a Data Breach Report 2026 überhaupt gemessen hat

Der Report ist keine Umfrage unter Sicherheitsanbietern, sondern eine Erhebung bei tatsächlich betroffenen Unternehmen. Durchgeführt hat sie das Ponemon Institute, beauftragt, ausgewertet und veröffentlicht hat sie IBM. Grundlage sind 602 Organisationen weltweit, die zwischen März 2025 und Februar 2026 ein Datenleck erlitten haben. Befragt wurden dafür mehr als 3.550 Sicherheits- und Führungsverantwortliche. Eine ergänzende Befragung im Mai 2026 erreichte 456 der ursprünglich beteiligten Organisationen und drehte sich um den Umgang mit besonders leistungsfähigen Frontier-KI-Modellen.

Gemessen werden nicht nur die offensichtlichen Posten. In die Durchschnittskosten fließen vier Blöcke ein: die Erkennung und Eskalation des Vorfalls, die Benachrichtigung von Betroffenen und Behörden, die Reaktion nach dem Vorfall inklusive Rechtsberatung und Bußgeldern – und der Posten, der in diesem Jahr besonders stark gewachsen ist: das entgangene Geschäft. Also Umsatz, der ausfällt, weil Systeme stillstehen, und Kunden, die nach dem Vorfall abspringen. Genau dieser Block macht die Rechnung für viele Unternehmen so unangenehm, weil er nicht mit dem Ende der Aufräumarbeiten aufhört.

Deutschland: der Rückgang war eine Pause, keine Wende

Für deutsche Unternehmen ist der Report 2026 eine Korrektur der Erzählung aus dem Vorjahr. 2025 waren die Kosten eines Datenlecks in Deutschland erstmals seit fünf Jahren gesunken, von 4,9 auf 3,87 Millionen Euro. Damals galt als Erklärung, dass Security Operations Center mit KI-Unterstützung Vorfälle schneller erkennen und dadurch den Schaden begrenzen. Das Argument war richtig – es hat nur nicht lange getragen. Mit 4,25 Millionen Euro liegt der Wert 2026 wieder deutlich höher, auch wenn er den Höchststand von 2024 noch nicht erreicht.

Der Grund für die Kehrtwende liegt weniger in nachlassender Abwehr als in einer veränderten Angriffsseite. Was auf der Verteidigungsseite an Tempo gewonnen wurde, haben die Angreifer mit denselben Werkzeugen überkompensiert. Wer 2025 durch schnellere Erkennung eine Woche Schadensdauer eingespart hat, steht 2026 einer Angriffsvorbereitung gegenüber, die nach Einschätzung von IBM statt Wochen nur noch Tage braucht. Die Kosten eines Datenlecks in Deutschland sind damit kein Ausreißer, sondern das erwartbare Ergebnis eines Rennens, in dem beide Seiten dieselbe Technologie einsetzen.

Deutschland im europäischen Vergleich: am schnellsten – und am schlechtesten ausgerüstet

Die aufschlussreichste Zahl für deutsche Unternehmen steht nicht in der Kostenspalte, sondern in der Zeitspalte. Ein Datenleck bestand hierzulande im Schnitt 160 Tage: 121 Tage bis zur Entdeckung, weitere 39 Tage bis zur endgültigen Schließung. Der weltweite Durchschnitt liegt bei 247 Tagen, also 183 Tage bis zur Entdeckung und 64 Tage bis zum Ende des Vorfalls. Deutsche Sicherheitsteams sind damit im internationalen Feld die schnellsten – und das erklärt auch, warum die Kosten trotz der hohen Industrieschäden unter den Werten der Benelux-Länder bleiben.

Der weltweite Ländervergleich: die USA zahlen mehr als das Doppelte

Im internationalen Vergleich bleibt Deutschland unterhalb der Spitzenwerte. Der teuerste Markt sind mit Abstand die Vereinigten Staaten, wo ein Datenleck im Schnitt 11,5 Millionen US-Dollar kostet – nach 10,22 Millionen im Vorjahr und damit ebenfalls ein neuer Höchststand. Als wesentliche Faktoren nennt IBM höhere Kosten durch Geschäftsunterbrechungen sowie regulatorische Sanktionen.

Quelle: IBM / Ponemon Institute, Cost of a Data Breach Report 2026, veröffentlicht am 29. Juli 2026. Europäische Werte in Euro, weltweite Regionalwerte in US-Dollar wie im Report ausgewiesen.

Welche Branchen es am härtesten trifft

Das Gesundheitswesen bleibt die teuerste Branche – und das im dreizehnten Jahr in Folge. Bemerkenswert ist allerdings, dass die Kosten dort als einzige spürbar gesunken sind, von rund 7,4 auf etwa 6,4 bis 6,6 Millionen US-Dollar. In allen übrigen erfassten Branchen sind die Kosten gestiegen. Für Leser aus dem Finanzumfeld ist vor allem der zweite Platz relevant: Finanzdienstleister zahlen im Schnitt 6,3 Millionen US-Dollar je Vorfall, und sie gehören gemeinsam mit der Energiewirtschaft zu den Branchen mit der höchsten Konzentration KI-gestützter Angriffe.

Welche Branchen in Deutschland am teuersten betroffen sind

Der weltweite Branchenvergleich weist das Gesundheitswesen als Spitzenreiter aus. In Deutschland sieht die Rangfolge anders aus – und deutlich teurer. Am härtesten trifft es die Industrie mit durchschnittlich 7,02 Millionen Euro je Datenleck, nach 6,67 Millionen Euro im Vorjahr. Damit führen Industrieunternehmen die deutsche Rangliste im dritten Jahr in Folge an. Dahinter folgen Technologieunternehmen mit 5,65 Millionen Euro und die Finanzbranche mit 5,64 Millionen Euro.

Dass ausgerechnet die deutsche Industrie oben steht, hat einen naheliegenden Grund: Dort hängt am Datenleck ein Produktionsausfall. Wenn eine Linie steht, laufen die Kosten pro Stunde weiter, unabhängig davon, wie schnell die IT den Vorfall im Griff hat. Das ist derselbe Mechanismus, der weltweit den Kostenblock „entgangenes Geschäft" nach oben treibt – in einem Land mit hohem Industrieanteil schlägt er nur stärker durch.

Wie die Angreifer in Deutschland hereinkommen

Der Report weist auch aus, über welchen Weg die Angreifer den ersten Zugang bekamen. In Deutschland steht dabei nicht das Phishing an erster Stelle, sondern die kompromittierte Lieferkette mit 17 Prozent aller Fälle: Der Einstieg erfolgt über einen Dienstleister, ein Softwareupdate oder einen angebundenen Partner, nicht über die eigene Belegschaft. Auf Platz zwei folgt Social Engineering mit 16 Prozent, typischerweise als vorgetäuschter IT- oder Helpdesk-Mitarbeiter. Auf Platz drei liegt mit 15 Prozent Phishing über Telefon und SMS.

Für die Praxis heißt das zweierlei. Erstens nützt die beste eigene Absicherung wenig, wenn ein Zulieferer mit Zugang zum System nicht denselben Standard hält – Zugänge von Dienstleistern gehören zeitlich befristet und auf das Nötige beschränkt. Zweitens sind die Plätze zwei und drei zusammengenommen mit 31 Prozent der größte Block, und beide zielen nicht auf Technik, sondern auf Menschen. Genau hier setzt die Deepfake-Welle auf, die der Report an anderer Stelle beschreibt: Ein Anruf, der klingt wie der Kollege aus der IT, ist die logische Weiterentwicklung des Helpdesk-Tricks.

KI auf der Angreiferseite: plus 56 Prozent in einem Jahr

Die zentrale Zahl des Reports ist nicht der Eurobetrag, sondern eine Verschiebung: KI-gestützte Angriffe haben gegenüber dem Vorjahr um 56 Prozent zugenommen. Mehr als jeder vierte bösartige Angriff wurde mit KI-Unterstützung geführt. Das kostet die betroffenen Unternehmen im Schnitt rund eine Million US-Dollar zusätzlich – nicht weil die Angriffe technisch spektakulärer wären, sondern weil sie schneller, präziser und in größerer Zahl ablaufen.

Am häufigsten sind dabei zwei Muster. An erster Stelle steht die Deepfake-Identitätstäuschung, auf die annähernd die Hälfte aller KI-getriebenen Vorfälle entfällt: eine bekannte Stimme am Telefon, ein Gesicht in der Videokonferenz, eine Freigabe, die niemand hinterfragt. An zweiter Stelle folgt KI-generierte Schadsoftware mit rund einem Fünftel. Limor Kessem, Global Lead für Cyber Crisis Management bei IBM X-Force, beschreibt die Entwicklung nicht als Weiterentwicklung des Werkzeugkastens, sondern als strukturelle Verschiebung: Wenn Aufklärung, überzeugende Phishing-Texte, angepasste Schadsoftware und Exploit-Tests automatisiert in Maschinengeschwindigkeit ablaufen, sinken Kosten und Aufwand für einen anspruchsvollen Angriff spürbar.

Ökonomisch heißt das: Angriffe werden billiger, Datenlecks werden teurer. Diese Schere ist der eigentliche Befund des Reports 2026, und sie erklärt, warum die Zahlen in nahezu allen Branchen gleichzeitig steigen. Suja Viswesan, Vice President für Security Software bei IBM, bringt es auf den Punkt: Was sich verändert, ist die Ökonomie der Cyberangriffe.

Die teuersten KI-Vorfälle: Angriffe auf das Modell selbst

Am meisten kosten Vorfälle, bei denen nicht das Unternehmensnetz, sondern das KI-System das Ziel war. Datenlecks, bei denen Model Inversion festgestellt wurde, verursachten Gesamtkosten von durchschnittlich 6,1 Millionen US-Dollar, Vorfälle mit Prompt Injection 5,9 Millionen – die höchsten Werte unter den untersuchten Angriffsarten auf KI-Modelle und KI-Anwendungen. Es sind die Gesamtkosten dieser Vorfälle, nicht der isolierte Preis des jeweiligen Angriffsschritts. Bei der Prompt Injection wird einem Sprachmodell über manipulierte Eingaben oder präparierte Dokumente eine Anweisung untergeschoben, die es ausführt, obwohl sie nie vom Betreiber stammt. Bei der Model Inversion wird aus dem Verhalten eines Modells rekonstruiert, mit welchen Daten es trainiert wurde – im Zweifel mit Kundendaten, Verträgen oder internen Dokumenten.

Wichtig ist dabei, wo die Lücke tatsächlich sitzt. Mehr als 20 Prozent der befragten Unternehmen meldeten einen Vorfall im Zusammenhang mit KI-Modellen oder KI-Anwendungen. Die häufigste Ursache waren aber nicht Fehler im Modell selbst, sondern die Systeme drumherum: kompromittierte Schnittstellen, Anwendungen und Plug-ins in 27 Prozent der Fälle und Fehlkonfigurationen in der Cloud, die auf KI-Arbeitslasten durchschlugen, in weiteren 27 Prozent. Eine ungesicherte API ist damit das eigentliche Einfallstor, nicht das Sprachmodell. Wer KI einführt, ohne das Ökosystem drumherum abzusichern, schafft sich neue Schwachstellen an einer Stelle, an der die alten Prüfroutinen nicht hinsehen.

Mehr als die Hälfte der Unternehmen, die über ein KI-System kompromittiert wurden, meldete einen direkten finanziellen Schaden – mehr als doppelt so viele wie im Vorjahr. Betriebsunterbrechungen und unbefugte Zugriffe auf sensible Daten folgten jeweils bei mehr als vier von zehn Betroffenen. Die Angriffsfläche wächst dabei nicht deshalb, weil KI unsicher wäre, sondern weil sie sich tief in Arbeitsabläufe schiebt: Ein Assistent, der Mails liest, Dokumente zusammenfasst und im Kalender schreiben darf, ist ein Zugang mit Rechten – und wird viel zu selten so behandelt.

Schatten-KI: der Vorfall, den niemand angeordnet hat

Deutlich gewachsen ist auch das Problem der sogenannten Schatten-KI, also der Nutzung nicht freigegebener KI-Werkzeuge durch Mitarbeiter. 43 Prozent der Sicherheitsvorfälle hatten damit zu tun – nach 20 Prozent im Vorjahr, also mehr als eine Verdopplung. Die durchschnittlichen Kosten solcher Vorfälle liegen bei 5,39 Millionen US-Dollar und damit über dem globalen Mittel. Etwa die Hälfte dieser Fälle endete mit Datenverlust oder kompromittierten Daten, in vier von zehn Fällen wurde der Betrieb gestört, und rund jeder fünfte Fall zog eine Aufsichtsstrafe nach sich.

Die Ursache ist selten böser Wille. Es ist der Kollege, der einen Vertragsentwurf in ein kostenloses Online-Tool kopiert, weil es schneller geht. Der Bewerbungsstapel, der zur Vorsortierung hochgeladen wird. Die Kundenliste, die ein Chatbot in ein sauberes Format bringen soll. Fast sieben von zehn betroffenen Organisationen haben keine Richtlinien, um die Nutzung von KI zu steuern oder unerlaubte Werkzeuge überhaupt zu erkennen. Und weniger als eines von fünf Unternehmen bringt Governance und Sicherheit an einen Tisch – die Regeln entstehen also an einer Stelle, an der niemand sitzt, der die Angriffe kennt.

Die gute Nachricht: KI in der Abwehr rechnet sich messbar

Der Report liefert nicht nur Schadenszahlen, sondern auch einen der wenigen belastbaren Renditewerte im Sicherheitsbereich. Unternehmen, die KI und Automatisierung umfassend in ihrer Sicherheitsarbeit einsetzen, sparen gegenüber Unternehmen ohne solche Werkzeuge im Schadensfall durchschnittlich 1,93 Millionen US-Dollar. Der Hebel liegt fast vollständig in der Zeit: Wer früher erkennt und schneller eindämmt, verhindert genau die beiden Kostenblöcke, die 2026 am stärksten gewachsen sind.

Genutzt wird dieser Vorteil allerdings von einer Minderheit. 64 Prozent der Unternehmen weltweit setzen KI und Automatisierung in ihren Sicherheitsabläufen nur eingeschränkt oder gar nicht ein – in Deutschland liegt der Anteil der Nutzer mit 32 Prozent noch einmal niedriger als im europäischen Umfeld. Christine Barbara Müller, die bei IBM Deutschland den Bereich Security Services für die DACH-Region verantwortet, nennt die Ergebnisse einen Weckruf: Die kurze Atempause bei den Kosten sei vorbei, KI-gesteuerte Angriffe seien die neue Realität. Ihr Punkt zielt weniger auf neue Werkzeuge als auf Zuständigkeit: Wer KI einsetzt, muss auch deren Absicherung und Governance verantworten, also Daten und Modelle schützen und Berechtigungen sauber definieren – sonst werden die Effizienzgewinne der KI durch das Risiko wieder aufgezehrt.

Diese Schieflage passt zu einem zweiten Befund: Böswillige oder kriminelle Angriffe sind mit 55 Prozent die häufigste Ursache von Datenlecks, ein Zuwachs von fast acht Prozent gegenüber dem Vorjahr. Menschliches Versagen und technische Fehler kommen zusammen auf 45 Prozent. Der Schwerpunkt hat sich damit vom Missgeschick zum Angriff verschoben – und Angriffe lassen sich, anders als Missgeschicke, durch geschlossene Schwachstellen tatsächlich verhindern.

Was die Zahlen für kleine Unternehmen und Selbstständige bedeuten

Millionenbeträge lassen sich leicht als Konzernproblem abtun. Der Mechanismus dahinter ist aber größenunabhängig, und in einem Punkt trifft er kleine Betriebe sogar härter: Ein Konzern übersteht drei Wochen Sonderaufwand, ein Zweipersonenbetrieb nicht. Praktisch bedeutet der Report für kleine Unternehmen, Selbstständige und Vereine dreierlei.

Erstens hängt die Meldepflicht nicht an der Größe des Betriebs, sondern daran, ob personenbezogene Daten betroffen sind und welches Risiko für die betroffenen Personen entsteht. Nach Artikel 33 DSGVO ist eine Verletzung des Schutzes personenbezogener Daten der zuständigen Aufsichtsbehörde binnen 72 Stunden zu melden, nachdem sie dem Verantwortlichen bekannt geworden ist – erforderlich ist die Meldung, sofern die Verletzung voraussichtlich zu einem Risiko für die Rechte und Freiheiten natürlicher Personen führt. Bei einem voraussichtlich hohen Risiko sind nach Artikel 34 grundsätzlich auch die betroffenen Personen zu informieren. Verstöße gegen diese Pflichten können nach Artikel 83 Absatz 4 DSGVO mit bis zu zehn Millionen Euro oder zwei Prozent des weltweiten Jahresumsatzes geahndet werden.

Für Unternehmen, die unter die NIS2-Regelungen fallen, kommen bei erheblichen Sicherheitsvorfällen gestufte Meldepflichten hinzu: eine frühe Erstmeldung innerhalb von 24 Stunden und eine ausführlichere Meldung innerhalb von 72 Stunden nach Kenntniserlangung. Das betrifft nicht jedes Unternehmen und nicht jede IT-Störung. Entscheidend ist in beiden Regelwerken der Zeitpunkt der Kenntnis: Ab da läuft die Uhr, und ab da muss die Bewertung stehen – was passiert ist, welche Daten betroffen sind und ob gemeldet werden muss. Genau diese Bewertung braucht Zeit, die man nur hat, wenn Zuständigkeiten vorher geklärt sind.

Zweitens ist die Deepfake-Masche keine Konzernfrage. Eine gefälschte Stimme am Telefon funktioniert bei einer Buchhaltung mit zwei Personen besser als in einem Konzern mit Vier-Augen-Prinzip. Und drittens ist die Schatten-KI in kleinen Betrieben eher die Regel als die Ausnahme, weil es schlicht keine Freigabeprozesse gibt, die man umgehen müsste.

Was jetzt konkret zu tun ist

Der Report benennt die wirksamen Hebel deutlicher als frühere Ausgaben. Die folgende Reihenfolge ist keine Rangliste aus dem Report, sondern die praktische Abarbeitung: erst das, was ohne Budget und ohne IT-Abteilung sofort geht, dann das, was Vorbereitung braucht.

1. Bestandsaufnahme aller KI-Zugänge. Welche Werkzeuge, Assistenten, Plug-ins und Schnittstellen sind im Einsatz, und welche davon dürfen schreiben, senden oder freigeben? Alles mit Schreibrechten zuerst.
2. Zugriffskontrolle auf Modell- und Schnittstellenebene. Der Befund, dass 92 Prozent der KI-bezogenen Vorfälle bei Unternehmen ohne solche Kontrollen auftraten, ist der billigste Hinweis im ganzen Report.
3. Rückrufpflicht bei Freigaben. Zahlungs- und Datenfreigaben, die telefonisch oder per Video erteilt werden, ab einer festen Betragsgrenze immer über eine bereits bekannte, unabhängig gespeicherte Nummer zurückrufen. Das ist eine der wirksamsten organisatorischen Kontrollen gegen gefälschte Sprach- und Videoanweisungen – daneben helfen Vier-Augen-Freigaben und feste Zahlungswege.
4. Klare KI-Regeln statt Verbot. Ein Verbot erzeugt Schatten-KI, eine Freigabeliste mit zwei, drei erlaubten Werkzeugen verhindert sie. Dazu eine schlichte Regel, welche Daten nie in ein externes Modell wandern.
5. Patchen und Schwachstellensuche automatisieren. Genau hier liegt die 18-Prozent-Lücke des Reports. Wer die Zeit zwischen bekannter Schwachstelle und Behebung verkürzt, senkt die Kosten am wirksamsten.
6. Zugänge von Dienstleistern befristen und begrenzen. Die kompromittierte Lieferkette ist in Deutschland das häufigste Einfallstor. Wer noch Zugriff hat, obwohl das Projekt vor zwei Jahren endete, ist ein offenes Tor.
7. Mehrfaktor-Authentifizierung überall, wo Geld oder Daten liegen. Bevorzugt mit Hardware-Schlüsseln, weil SMS-Codes gegen SIM-Swapping und Phishing nicht schützen.
8. Backups, die getrennt liegen und getestet sind. Ein Backup, das nie zurückgespielt wurde, ist eine Annahme, keine Sicherung.
9. Notfallplan mit Fristen und Zuständigkeiten. Wer meldet, wer entscheidet, wer spricht mit Kunden? Die 72 Stunden vergehen schneller, als es in der Ruhe eines Vormittags wirkt.

Einordnung: was der Report nicht sagt

Bei aller Aussagekraft lohnt ein nüchterner Blick auf die Grenzen der Studie. Die Werte beruhen auf Selbstauskünften der betroffenen Unternehmen, und Schadenshöhen sind auch dort Schätzungen, wo sie auf zwei Nachkommastellen genau wirken. Es sind außerdem Durchschnittswerte einer Benchmark-Studie und keine Prognose für ein einzelnes Unternehmen: Sehr kleine und besonders große Datenschutzverletzungen wurden bewusst ausgeschlossen, erfasst sind Vorfälle in einer mittleren Größenordnung. Kleine Betriebe sind in einer Stichprobe von 602 Organisationen zudem kaum abgebildet. Auch der Anbieterhintergrund gehört zur Einordnung: IBM verkauft Sicherheitsprodukte, und der Befund, dass KI in der Abwehr Geld spart, liegt im Interesse des Herausgebers.

Das entwertet die Zahlen nicht – die Erhebung läuft seit über zwanzig Jahren methodisch konsistent, durchgeführt vom Ponemon Institute, gesponsert und ausgewertet von IBM. Es heißt nur: Belastbar sind vor allem die Verhältnisse und die Entwicklung. Dass KI-gestützte Angriffe binnen eines Jahres um 56 Prozent zugenommen haben, dass fehlende Zugriffskontrollen bei fast allen KI-Vorfällen im Spiel waren und dass Schatten-KI sich verdoppelt hat, sind Aussagen, die auch dann tragen, wenn man jede Euro-Angabe mit einem Sicherheitsabschlag liest.

Häufige Fragen zum IBM-Report 2026

Was kostet ein Datenleck in Deutschland 2026 im Durchschnitt?

4,25 Millionen Euro pro Vorfall. Im Vorjahr waren es 3,87 Millionen Euro, 2024 lagen die Kosten bei 4,9 Millionen Euro. Der Wert stammt aus dem Cost of a Data Breach Report 2026 von IBM und dem Ponemon Institute.

Wie hoch sind die weltweiten Durchschnittskosten?

4,99 Millionen US-Dollar, ein Plus von zwölf Prozent gegenüber dem Vorjahr und der höchste je gemessene Wert. Umgerechnet auf die Dauer eines Vorfalls entspricht das nach IBM-Angaben rund 1.100 US-Dollar pro Stunde.

Warum sind KI-Angriffe teurer als andere Angriffe?

Weil sie schneller ablaufen und die Zeitspanne zwischen erstem Zugriff und Schaden verkürzen. Böswillige Angriffe mit KI-Unterstützung kosten im Schnitt rund eine Million US-Dollar mehr als böswillige Angriffe ohne festgestellte KI-Unterstützung. Am teuersten sind Vorfälle mit Angriffen auf das KI-Modell: Datenlecks mit Model Inversion kosten im Schnitt 6,1 Millionen US-Dollar, Vorfälle mit Prompt Injection 5,9 Millionen.

Was ist Prompt Injection?

Ein Angriff, bei dem einem Sprachmodell über manipulierte Eingaben, Webseiten oder Dokumente eine Anweisung untergeschoben wird, die es ausführt, obwohl sie nicht vom Betreiber stammt. Typische Ziele sind das Auslesen interner Daten, das Umgehen von Regeln oder das Auslösen von Aktionen in angebundenen Systemen.

Was bedeutet Schatten-KI?

Die Nutzung von KI-Werkzeugen, die im Unternehmen nicht freigegeben sind. 43 Prozent der Sicherheitsvorfälle standen 2026 damit in Verbindung, nach 20 Prozent im Vorjahr. Die durchschnittlichen Kosten solcher Vorfälle liegen bei 5,39 Millionen US-Dollar, und etwa jeder fünfte Fall zog ein Bußgeld nach sich.

Wie lange dauert ein Datenleck in Deutschland im Schnitt?

160 Tage. Davon entfallen 121 Tage auf die Entdeckung und 39 Tage auf die Eindämmung. Damit sind deutsche Unternehmen deutlich schneller als der weltweite Durchschnitt von 247 Tagen (183 Tage bis zur Entdeckung, 64 Tage bis zum Ende des Vorfalls).

Welche Branche ist in Deutschland am stärksten betroffen?

Die Industrie mit durchschnittlich 7,02 Millionen Euro je Datenleck, nach 6,67 Millionen Euro im Vorjahr – und damit im dritten Jahr in Folge an der Spitze. Es folgen Technologieunternehmen mit 5,65 Millionen Euro und die Finanzbranche mit 5,64 Millionen Euro.

Wie kommen Angreifer in Deutschland am häufigsten hinein?

Über die kompromittierte Lieferkette, also einen Dienstleister, ein Update oder einen angebundenen Partner, in 17 Prozent der Fälle. Danach folgen Social Engineering mit 16 Prozent, etwa als vorgetäuschter IT- oder Helpdesk-Mitarbeiter, und Phishing über Telefon oder SMS mit 15 Prozent.

Lohnt sich der Einsatz von KI in der Sicherheitsabwehr wirtschaftlich?

Nach den Daten des Reports ja: Organisationen mit umfassendem Einsatz von KI und Automatisierung zahlen im Schadensfall durchschnittlich 1,93 Millionen US-Dollar weniger als Organisationen ohne diese Werkzeuge. Der Effekt entsteht vor allem durch schnellere Erkennung und Eindämmung.

Welche Branche ist am stärksten betroffen?

Das Gesundheitswesen, im dreizehnten Jahr in Folge, mit etwa 6,4 bis 6,6 Millionen US-Dollar je Vorfall – allerdings mit sinkender Tendenz. Dahinter folgen Finanzdienstleistungen mit 6,3 Millionen US-Dollar sowie Industrie und Technologie mit jeweils 5,5 Millionen US-Dollar.

Ab wann muss ein Datenleck gemeldet werden?

Die 72-Stunden-Frist nach Artikel 33 DSGVO beginnt, sobald dem Verantwortlichen die Verletzung des Schutzes personenbezogener Daten bekannt geworden ist. Gemeldet werden muss, sofern die Verletzung voraussichtlich zu einem Risiko für die Rechte und Freiheiten natürlicher Personen führt; bei voraussichtlich hohem Risiko sind nach Artikel 34 grundsätzlich auch die Betroffenen zu informieren. Für Einrichtungen im Anwendungsbereich von NIS2 gelten bei erheblichen Sicherheitsvorfällen zusätzlich eine Erstmeldung binnen 24 Stunden und eine ausführlichere Meldung binnen 72 Stunden nach Kenntniserlangung.

Weiterlesen

KI sicher nutzen als Selbstständiger und kleines Unternehmen – der Report zeigt, dass fast sieben von zehn betroffenen Organisationen keine Regeln für den Umgang mit KI haben. Genau dort entsteht Schatten-KI, und genau dort ist der Abstand zwischen Konzern und Kleinbetrieb am größten. Welche Daten nie in ein externes Modell gehören, wie eine schlanke Freigabeliste aussieht und mit welchen Einstellungen sich gängige Werkzeuge halbwegs datensparsam betreiben lassen, steht dort Schritt für Schritt. Das ist der Baustein, den du ohne IT-Abteilung selbst umsetzen kannst.

EU AI Act, NIS2 und DORA für kleine Unternehmen – die Kostenzahlen des Reports sind das eine, die Meldepflichten das andere. Wer wann welche Frist einhalten muss, hängt davon ab, in welchen Anwendungsbereich ein Betrieb fällt, und das ist seit 2026 für deutlich mehr Unternehmen relevant als früher. Dort findest du die Abgrenzung der drei Regelwerke, die jeweiligen Fristen und die Frage, ob dein Betrieb überhaupt betroffen ist. Ohne diese Einordnung nützt der beste Notfallplan wenig.

Disaster Recovery im Unternehmen – der größte Kostenblock des Reports ist das entgangene Geschäft, und das entsteht durch Stillstand. Wie lange ein Betrieb nach einem Vorfall steht, entscheidet sich nicht am Tag des Angriffs, sondern an der Vorbereitung: Rettungsmedien, Wiederherstellungsreihenfolge, getestete Abläufe. Dort steht, wie man Ausfallzeit begrenzt, statt reihenweise Rechner neu aufzusetzen. Das ist der direkte Hebel auf die teuerste Position der Rechnung.

System-Image erstellen und Festplatte sichern – ein Backup, das nie zurückgespielt wurde, ist eine Hoffnung. Weil mehr als die Hälfte aller Datenlecks inzwischen auf kriminelle Angriffe zurückgeht und Verschlüsselung dabei Standard ist, entscheidet die Qualität der Sicherung über die Verhandlungsposition. Dort wird erklärt, worin sich ein Dateibackup von einem vollständigen Systemabbild unterscheidet und warum die Trennung vom Netz der wichtigste Teil ist.

Krypto-Datenlecks: welche Anbieter Kundendaten verloren haben – die abstrakte Millionensumme wird konkret, wenn man sieht, welche Daten bei welchem Dienst abgeflossen sind. Die laufend gepflegte Übersicht zeigt, dass Ausweiskopien und Wohnanschriften aus Verifizierungsprozessen besonders häufig betroffen sind, und was das für dich als Kunde bedeutet. Wer wissen will, warum Datensparsamkeit beim Anbieter eine Sicherheitsfrage ist, findet dort die Belege.

KI lokal betreiben statt Daten aus der Hand geben – wenn Modellzugriffe die teuerste Angriffskategorie sind, ist die Frage berechtigt, welche Aufgaben überhaupt ein externes Modell brauchen. Für Zusammenfassungen, Übersetzungen und Textarbeit reicht ein lokal betriebenes Modell in vielen Fällen aus, und die Eingaben gehen nicht an einen externen Anbieter. Dort steht, welche Hardware dafür wirklich nötig ist und wo die Grenzen liegen.