Beratungsansatz · IDEAL-X
Die meisten Unternehmen scheitern mit KI nicht daran, dass sie das Falsche tun. Sie tun das Richtige zur falschen Zeit: ein Pilot ohne geklärte Verantwortung, eine Skalierung ohne Betriebsmodell, ein Use Case ohne verfügbare Daten. Das Geld ist dann nicht schlecht investiert, weil die Idee schlecht war, sondern weil eine Voraussetzung fehlte, die vorher niemand geprüft hat.
Diese Seite beschreibt, wie sich das vor der Investition erkennen lässt. Sie erklärt das Reifegradmodell, mit dem wir die KI-Readiness von Unternehmen bewerten. Es ist kein Produkt, sondern die Methode hinter unserer Arbeit.
Wer wissen will, ob sein Unternehmen bereit für die KI-Einführung ist, findet dafür viele Reifegradmodelle. Die meisten funktionieren gleich: Sie bewerten mehrere Bereiche, bilden einen Mittelwert und geben eine Zahl aus. 3,4 von 5. Das klingt nach Messung und ist doch nur Arithmetik.
Zwei Unternehmen können denselben Mittelwert haben und vor völlig unterschiedlichen Entscheidungen stehen.
Das eine hat gute Technik, saubere Daten und ein motiviertes Team, aber keine Regelung, wer über den KI-Einsatz entscheidet, und niemanden, der die Verantwortung trägt. Das andere ist technisch schwächer, hat aber geklärt, wer was darf und wer haftet.
Das erste Unternehmen kann nicht verantwortbar skalieren. Jede weitere Anwendung vergrößert ein Risiko, das niemand steuert, und jede weitere Investition baut auf dieser offenen Flanke auf. Der Mittelwert sieht das nicht. Er glättet die Lücke weg, die alles andere blockiert.
Ein Reifegradmodell soll zeigen, wie viel KI ein Unternehmen tragen kann. KI-Reife verhält sich dabei wie ein Fass: Den Wasserstand bestimmt nicht die höchste Daube, sondern die niedrigste.
Deshalb arbeitet unser Bewertungsmodell mit Deckeln statt mit Durchschnitten. Bestimmte Voraussetzungen sind darin nicht verhandelbar. Fehlt eine, begrenzt sie die Reifestufe, unabhängig davon, wie gut alle anderen Bereiche dastehen. Eine hohe Bewertung an anderer Stelle hebt diesen Deckel nicht auf.
Das ist unbequem in der Präsentation und richtig in der Sache. Für eine Investitionsentscheidung ist eine Einordnung, die jede Lücke wegmittelt, gefällig und wertlos.
Ob ein Unternehmen KI einführen kann, entscheidet sich in sieben Bereichen. In der Gesamtbewertung werden sie gleich behandelt: Keine Domäne kann eine andere ausgleichen. Blockieren kann trotzdem jede einzelne, nicht weil sie schwerer wiegt, sondern weil einzelne Voraussetzungen darin nicht verhandelbar sind.
Governance. KI-Governance entscheidet nicht, ob KI möglich ist, sondern ob sie verantwortbar eingeführt werden kann. Ohne Regeln trägt jede Investition ein ungesteuertes Risiko mit.
Strategie. Ohne Zielbild lässt sich kein Vorhaben priorisieren, und ohne Priorisierung fließt Budget dorthin, wo jemand am lautesten fragt.
Daten. Gute Daten allein erzeugen keinen Nutzen. Entscheidend ist, ob sie für den konkreten Anwendungsfall verfügbar und nutzbar sind, bevor Geld in die Anwendung fließt.
Technologie. Ein Prototyp beweist Machbarkeit. Ob die Grundlage einen produktiven Betrieb trägt, ist eine andere Frage, und sie entscheidet über die Folgekosten.
Menschen. Eine Anwendung liefert ihren Nutzen erst, wenn die Beteiligten sicher mit ihr umgehen können. Was sie gekostet hat, spielt dafür keine Rolle.
Organisation. Solange Verantwortung bei einer einzelnen Person liegt, ist jede KI-Initiative genau eine Kündigung von ihrem Ende entfernt.
Steuerung. Ohne Budgetlogik und Nutzenmessung lässt sich nach der Investition nicht sagen, ob sie sich gelohnt hat. Dann war es keine Entscheidung, sondern ein Versuch.
Hinter jeder Domäne stehen konkrete Prüfkriterien, insgesamt 51. Welche davon zutreffen, hängt vom Unternehmen ab: Wer noch nichts produktiv einsetzt, wird nicht an Betriebsanforderungen gemessen.
Aus der Bewertung ergibt sich eine von fünf Reifestufen. Jede beantwortet eine andere wirtschaftliche Frage.
„Wir wissen, dass wir etwas tun müssen, aber nicht genau was."
Die Grundlagen fehlen flächendeckend. Es gibt Interesse, vielleicht erste Versuche, aber keine Regeln, keine Zuständigkeit, kein gemeinsames Zielbild.
Die wirtschaftliche Frage: Wofür soll KI in diesem Unternehmen überhaupt Geld verdienen oder sparen?
Was zu früh kommt: Ein Pilot. Er erzeugt Erwartungen, die niemand einlösen kann, und bindet Budget, bevor klar ist, woran sein Erfolg gemessen würde.
„Es passiert schon etwas, aber ungeordnet."
Ein Bild, das wir aus Gesprächen kennen: Mehrere KI-Werkzeuge laufen parallel in verschiedenen Abteilungen, Fachbereiche testen auf eigene Faust, Arbeitshilfen und Vorlagen kursieren per E-Mail, und niemand weiß, welche Daten dabei wohin fließen. Erste Strukturen existieren, aber die Nutzung läuft der Steuerung voraus.
Die wirtschaftliche Frage: Welche der laufenden Initiativen bringt Nutzen, welche erzeugt nur Risiko, und wer entscheidet das?
Was zu früh kommt: Eine Investitionsentscheidung über ein größeres Vorhaben, solange der Überblick fehlt.
„Wir müssen Struktur reinbringen."
Die Grundgovernance trägt, aber die Skalierung stockt. Es wird entschieden, ohne dass klar ist, auf welcher Grundlage.
Die wirtschaftliche Frage: Welche Vorhaben sind wirtschaftlich tragfähig und werden weiterverfolgt, welche werden gestoppt, und nach welchen Kriterien?
Was zu früh kommt: Breites Ausrollen, solange das Betriebsmodell nicht steht. Skalierung multipliziert auch die Kosten jeder ungelösten Schwäche.
„Wir wollen das systematisch nutzen."
Mehrere Bereiche sind ausgereift, einzelne Anwendungen laufen produktiv. Jetzt entscheidet sich, ob aus Einzellösungen ein System wird.
Die wirtschaftliche Frage: Wo lohnt sich gezielt mehr Investition, wo nicht, und woher weiß man das?
Was zu früh kommt: Neue Vorhaben, bevor die laufenden gemessen sind.
„KI ist Teil unseres Geschäftsmodells."
KI ist normale Betriebsrealität. Die Frage ist nicht mehr, ob etwas funktioniert, sondern ob es dauerhaft Wert liefert.
Die wirtschaftliche Frage: Wie wird laufend gesteuert, dass Nutzen, Risiko und Investitionen im Verhältnis bleiben?
Was hier passiert, wenn niemand hinsieht: Reife verfällt. Eine Schlüsselperson geht, ein Werkzeug wird gewechselt, Dokumente veralten. Deshalb kann eine spätere Bewertung auch niedriger ausfallen als eine frühere.
Der Unterschied zwischen einer Selbsteinschätzung und einer Bewertung liegt in den Nachweisen.
Gibt ein Unternehmen an, eine Regelung sei vorhanden, legt aber kein Dokument vor, gilt sie in der Bewertung als nicht vorhanden. Nicht aus Misstrauen, sondern weil eine Regelung, die niemand zeigen kann, im Ernstfall auch niemand anwendet.
Widersprechen sich zwei Aussagen im Gespräch, gilt die vorsichtigere.
Bei mehreren Anwendungen im Unternehmen zählt nicht die beste, sondern die schwächste. Ein sauber betriebener Chatbot gleicht ein ungeprüftes System in der Personalabteilung nicht aus. Bewertet wird die Fähigkeit des Unternehmens, KI zu steuern, nicht die Qualität eines Einzelfalls.
Und manche Deckel setzt nicht unser Modell, sondern das Gesetz. Ein Beispiel von mehreren: Wer produktiv mit KI arbeitet, muss seit Februar 2025 nachweisen können, dass die beteiligten Menschen dafür geschult sind. Ausgereifte Technik ohne dokumentiertes Schulungskonzept steht in unserem Modell deshalb nicht auf Stufe 4, sondern auf Stufe 2, mit einer klaren Sofortmaßnahme.
Nicht jede Frage rechtfertigt denselben Aufwand.
Die schnelle Einordnung. Sieben Reifegradfragen entlang der Domänen, dazu die Prüfung, ob eine der nicht verhandelbaren Voraussetzungen fehlt. Ergebnis ist ein Phasenprofil je Domäne und ein Gesamtbild: wo Sie stehen, was einer Investition heute im Weg steht. Das ist die KI-Standortbestimmung.
Die vollständige Erhebung. Abstimmung des Prüfumfangs, moderiertes Interview entlang der zutreffenden Kriterien, Prüfung der Nachweise, ausführlicher Bericht und ein Termin, in dem Ihr Führungsteam die Ergebnisse einordnet und die nächsten Entscheidungen trifft. Das ist der Readiness-Workshop.
Der Unterschied ist nicht die Gründlichkeit der Methode, sondern die Tiefe der Erhebung. Die schnelle Einordnung arbeitet mit Ihren Angaben. Die vollständige Erhebung prüft sie.
Ein Reifegrad allein ändert nichts an Ihrer Roadmap. Deshalb endet die Bewertung nicht mit einer Zahl, sondern mit einer Auswahl aus zehn Maßnahmenbereichen:
Governance-Basis · Klassifikation nach EU AI Act und Datenschutz · Daten- und Anbietersicherheit · Use-Case- und ROI-Steuerung · Organisation und Verantwortungsmodell · Enablement, Adoption und Mitbestimmung · Betriebsmodell, Guardrails und Störungsbehandlung · Roadmap, Budget und Kapazität · Hochrisiko-Compliance · Strategie und Zielbild
Welche greifen, ergibt sich aus dem Befund, nicht aus einem Katalog. Und sie haben eine Reihenfolge: Manche Bereiche setzen andere voraus, und wer sie überspringt, bezahlt die Abkürzung später doppelt.
Die Umsetzung läuft in einzeln beauftragten Schritten. Nach jedem entscheiden Sie neu, ob und wie es weitergeht. Das ist der Gegenstand der Proof-Sprints.
Wenn Sie nach dem Lesen nicht sicher sagen können, auf welcher Stufe Ihr Unternehmen steht, ist genau das der Zweck der Standortbestimmung. Sie liefert nicht nur eine Einordnung, sondern benennt die Voraussetzungen, die Ihrer nächsten Investitionsentscheidung im Weg stehen, bevor Sie das Budget freigeben.
