KI-Readiness beschreibt nicht, wie viele Tools ein Unternehmen bereits testet. Sie zeigt, ob ein klarer Geschäftsfall, geeignete Daten, anschlussfähige Systeme, verantwortliche Rollen und Nutzerkompetenz gemeinsam ausreichen, um eine KI-Lösung sicher in den Betrieb zu bringen.
Ein Unternehmen ist KI-ready, wenn es mindestens einen wirtschaftlich relevanten, messbaren Prozess besitzt, die benötigten Daten rechtmäßig und in ausreichender Qualität verfügbar sind, Systeme angebunden werden können, ein Owner entscheidet und Mitarbeitende die Lösung prüfen und übernehmen können. Fehlt eine dieser Grundlagen, sollte kein breiter Rollout starten; ein begrenzter Lernpilot kann dennoch sinnvoll sein.
Die sechs Dimensionen der KI-Readiness
| Dimension | Kernfrage | Nachweis |
|---|---|---|
| Strategie | Welches Unternehmensziel wird messbar verbessert? | Priorisierter Business Case |
| Prozess | Ist der Ablauf stabil, häufig und entscheidbar? | Prozessbild und Baseline |
| Daten | Sind relevante, erlaubte und aktuelle Daten erreichbar? | Dateninventar und Qualitätsprobe |
| Technik | Gibt es sichere Schnittstellen, Identitäten und Betrieb? | Architektur- und Security-Check |
| Governance | Wer genehmigt, überwacht und stoppt? | Owner, Kontrollen, Eskalation |
| Menschen | Können und wollen Nutzer Ergebnisse sinnvoll prüfen? | Rollenplan, Training, Feedback |
Scorecard: 0 bis 3 Punkte je Aussage
Bewerten Sie jede Aussage mit 0 = nicht vorhanden, 1 = teilweise, 2 = belastbar und 3 = im Betrieb bewiesen. Nicht der Durchschnitt allein entscheidet: Ein Nullwert bei Datenzugriff, Rechtmäßigkeit oder Verantwortung ist ein Stoppsignal.
- Das Ziel ist mit einer Kennzahl verbunden
- Ein fachlicher Owner trägt Ergebnisverantwortung
- Der Ausgangsprozess ist dokumentiert
- Repräsentative Testfälle liegen vor
- Datenquellen und Rechte sind bekannt
- Datenqualität wurde stichprobenartig geprüft
- Schnittstellen und Identitäten sind geklärt
- Security und Betrieb haben Kapazität
- Fehlerfolgen und menschliche Kontrolle sind definiert
- Betroffene Nutzer waren früh beteiligt
- Schulung und Support sind geplant
- Erfolg und Abbruch werden gemessen
| Gesamt | Interpretation | Nächster Schritt |
|---|---|---|
| 0–12 | Experimentierphase | Grundlagen und einen kleinen Lernfall schaffen |
| 13–24 | Pilotfähig | Eng begrenzten Pilot mit Kontrollen durchführen |
| 25–31 | Rolloutfähig mit Lücken | Lücken schließen, dann stufenweise skalieren |
| 32–36 | Hohe Reife | Portfolio, Monitoring und Wiederverwendung ausbauen |
Go-/No-Go-Kriterien vor einem Pilot
Go
- Ein klarer Nutzer und ein wiederkehrendes Problem sind benannt.
- Es gibt eine Baseline, gegen die Nutzen und Qualität gemessen werden.
- Die Lösung darf auf die nötigen Daten zugreifen.
- Ein Mensch kann kritische Ausgaben prüfen, korrigieren und stoppen.
- Ein Owner besitzt Zeit, Budget und Entscheidungsbefugnis.
No-Go oder zuerst sanieren
- Der Prozess ist selten, chaotisch oder selbst intern nicht verstanden.
- Quellen widersprechen sich und niemand pflegt sie.
- Der Anbieter darf vertrauliche Daten unklar weiterverwenden.
- Fehler würden unbemerkt rechtliche, finanzielle oder persönliche Folgen auslösen.
- Der Business Case basiert nur auf „wir brauchen auch KI“.
Warum Daten allein nicht reichen
Die OECD zeigt, dass zuverlässige IT-Infrastruktur, Datenmanagement und verfügbare Kompetenzen wesentliche Voraussetzungen der Einführung sind. Viele Unternehmen trainieren Mitarbeitende, greifen auf externe Daten zurück oder kämpfen mit fehlenden Fähigkeiten. Das bestätigt: Readiness ist organisatorisch und technisch zugleich.[1]
Gute Daten in einem schlecht geführten Prozess erzeugen keine gute Automatisierung. Ebenso scheitert ein sauberer Prozess, wenn Nutzer dem Ergebnis nicht vertrauen oder keine Zeit zur Prüfung haben. Deshalb werden die sechs Dimensionen gemeinsam bewertet.
Der richtige erste Use Case
| Kriterium | Günstig | Ungünstig |
|---|---|---|
| Häufigkeit | Täglich oder wöchentlich | Wenige Sonderfälle pro Jahr |
| Messbarkeit | Zeit, Fehler, Qualität oder Conversion | Nur subjektives „fühlt sich besser an“ |
| Risiko | Fehler wird vor Wirkung erkannt | Automatische irreversible Entscheidung |
| Daten | Begrenzt, gepflegt, berechtigt | Unklar, verteilt, widersprüchlich |
| Akzeptanz | Team hat spürbaren Engpass | Lösung wird von oben aufgezwungen |
Readiness-Assessment in vier Phasen
Ziel und Portfolio
Geschäftsziele klären, Prozesse sammeln und anhand Nutzen, Machbarkeit und Risiko priorisieren.
Beweise statt Einschätzungen
Prozessdaten, Dokumente, Zugriffswege, Systemgrenzen und reale Testfragen stichprobenartig prüfen.
Lückenplan
Jede Lücke erhält Owner, Maßnahme, Aufwand und Termin — vom Datencleanup bis zur Schulung.
Pilotvertrag
Scope, Metriken, Freigaben, Sicherheitsgrenzen und Abbruchkriterien vor Entwicklung festschreiben.
Readiness ist je Use Case unterschiedlich
Ein Unternehmen kann für automatische Angebotsentwürfe bereit und für KI im Recruiting noch nicht bereit sein. Die Bewertung gehört deshalb an einen konkreten Prozess. Unternehmensweite Aussagen wie „unsere Daten sind gut“ oder „wir sind noch nicht digital genug“ sind zu grob, um Budget freizugeben oder zu stoppen.
| Reifegrad | Merkmal | Geeignete Aktivität |
|---|---|---|
| 1 · orientieren | Ziele und Zuständigkeiten sind noch offen | Prozessinterviews und Portfolio |
| 2 · vorbereiten | Use Case klar, Daten oder Betrieb lückenhaft | Daten-, Integrations- und Governance-Arbeit |
| 3 · pilotieren | Kontrollierter Scope und messbare Baseline | Begrenzter End-to-End-Pilot |
| 4 · skalieren | Qualität und Betrieb wiederholt bewiesen | Rollout mit Monitoring und Support |
Welche Messwerte gehören in den Pilot?
Ein Pilot ist kein Demo-Termin, sondern ein Vergleich mit dem heutigen Ablauf. Neben Geschwindigkeit müssen Qualität, Nacharbeit, Ausnahmen und Akzeptanz sichtbar werden. Ein System, das 30 Prozent schneller ist, aber doppelt so viel Kontrolle erzeugt, ist möglicherweise kein Fortschritt.
- Bearbeitungs- und Wartezeit vorher/nachher
- Anteil vollständig nutzbarer Ergebnisse
- Fehler nach Art und möglicher Wirkung
- Minuten für Prüfung und Nacharbeit
- Nicht beantwortete oder eskalierte Fälle
- Kosten pro erfolgreich abgeschlossenem Vorgang
- Nutzerakzeptanz und tatsächliche Nutzung
- Vorfälle, Zugriffs- und Datenprobleme
Typische Fehlsignale
Viele Logins bedeuten noch keine Adoption, eine gute Demo noch keine Prozessqualität und hohe Modellgenauigkeit noch keinen wirtschaftlichen Nutzen. Ebenfalls kritisch ist ein Pilot, der nur einfache Beispielaufgaben testet. Die Testmenge muss normale Fälle, Grenzfälle, schlechte Eingaben, fehlende Daten und bewusste Gegenbeispiele enthalten.
Skalieren Sie nur, wenn der Use Case seinen Zielkorridor erreicht, die wichtigsten Fehler beherrscht werden, Betrieb und Support geklärt sind und die Fachverantwortlichen die Lösung tatsächlich übernehmen.
Häufige Fragen
Wie lange dauert ein KI-Readiness-Assessment?
Für einen klar abgegrenzten Bereich reichen häufig zwei bis vier Wochen. Ein unternehmensweites Portfolio mit mehreren Standorten und Systemen benötigt mehr Zeit.
Brauchen wir perfekte Daten?
Nein. Sie müssen für den konkreten Zweck ausreichend, erlaubt und prüfbar sein. Ein Pilot kann Datenlücken sichtbar machen, darf sie aber nicht verschleiern.
Kann ein Unternehmen ohne eigene KI-Entwickler bereit sein?
Ja. Entscheidend sind fachliches Eigentum, technische Anschlussfähigkeit und externe oder interne Kompetenz für Auswahl, Integration, Tests und Betrieb.
Was ist das wichtigste Ergebnis?
Keine einzelne Punktzahl, sondern eine begründete Entscheidung: welcher Use Case jetzt startet, welche Lücken vorher geschlossen werden und woran Erfolg gemessen wird.
