Ist mein Unternehmen KI-bereit? Ein Readiness-Check.

Bevor man in KI investiert, lohnt eine nüchterne Frage: Ist der Betrieb überhaupt bereit dafür? KI-Readiness bedeutet nicht, das neueste Modell zu kennen, sondern die Grundlagen zu haben, auf denen KI tragfähig aufsetzen kann — Daten, Technik, Menschen, Organisation und Recht. Dieser Check geht die fünf Dimensionen ehrlich durch.

Warum Readiness wichtiger ist als das Modell.

Die verfügbaren Sprachmodelle sind heute beeindruckend leistungsfähig — und für die meisten Unternehmen nicht der Engpass. Der Engpass liegt fast immer im Unternehmen selbst: in verstreuten Daten, fehlenden Schnittstellen, unklaren Zuständigkeiten oder einer Belegschaft, die nicht mitgenommen wurde. Wer hier nicht vorbereitet ist, scheitert nicht am Modell, sondern an der Umgebung, in die es gestellt wird.

Ein Readiness-Check ist deshalb keine Technik-, sondern eine Reifegrad-Prüfung. Er zeigt nicht nur, ob man bereit ist, sondern auch, woran man arbeiten sollte, bevor man startet. Und er bewahrt davor, in ein Projekt zu investieren, dessen Fundament noch fehlt.

Ein verbreitetes Missverständnis lautet, man müsse erst „komplett bereit“ sein, bevor man überhaupt beginnen dürfe. Das stimmt nicht. Kein Unternehmen ist in allen Dimensionen perfekt aufgestellt, und manche Schwächen lassen sich gerade dadurch beheben, dass man mit einem klug gewählten kleinen Anwendungsfall startet und dabei lernt. Der Readiness-Check ist deshalb kein Tor, das geöffnet oder geschlossen ist, sondern eine Landkarte: Er zeigt, wo der Boden tragfähig ist und wo man vorsichtig sein muss. Die Kunst liegt darin, den Einstieg dort zu suchen, wo die eigene Reife schon ausreicht, und parallel an den Schwachstellen zu arbeiten.

Dimension 1: Daten.

Daten sind der Rohstoff der meisten KI-Anwendungen. Entscheidend sind nicht nur Menge, sondern vor allem Qualität, Zugänglichkeit und rechtliche Nutzbarkeit. Fragen Sie sich ehrlich:

• Liegen die relevanten Daten überhaupt digital und strukturiert vor — oder in PDFs, E-Mails und Köpfen?
• Wie sauber sind die Daten? Gibt es Dubletten, Lücken, widersprüchliche Stammdaten?
• Sind die Daten zugänglich, oder liegen sie in abgeschotteten Silos verschiedener Abteilungen?
• Dürfen die Daten für den geplanten Zweck genutzt werden — gerade bei personenbezogenen Daten?

Ein realistischer Befund lautet bei vielen Mittelständlern: Daten sind vorhanden, aber verstreut und uneinheitlich. Das ist kein Ausschlusskriterium, aber es bedeutet, dass die erste Investition oft in die Datengrundlage fließen muss, nicht in das KI-System selbst.

Dabei hilft eine Unterscheidung: Nicht jeder Anwendungsfall braucht eine perfekte Datenlandschaft. Wer ein Sprachmodell nutzt, um Texte zu formulieren oder zusammenzufassen, kommt mit weniger strukturierten Daten aus als jemand, der Vorhersagen aus historischen Zahlen ableiten will. Die Datenfrage muss deshalb immer im Zusammenhang mit dem konkreten Vorhaben beantwortet werden — pauschal „zu wenig Daten“ gibt es selten, eher „für diesen Zweck noch nicht die richtigen Daten in der richtigen Form“.

Dimension 2: Technik und Infrastruktur.

KI lebt nicht im luftleeren Raum, sondern muss sich in die bestehende IT-Landschaft fügen. Relevante Fragen:

• Gibt es moderne Systeme mit Schnittstellen (APIs), über die Daten ein- und ausfließen können?
• Besteht eine Cloud-Strategie, oder ist alles strikt lokal — und welche Anforderungen ergeben sich daraus?
• Ist die IT-Sicherheit auf einem Stand, der den Einsatz neuer Tools verantworten lässt?
• Hat die IT die Kapazität, ein KI-System mitzubetreuen, oder ist sie ohnehin am Limit?

Der letzte Punkt wird oft vergessen: KI-Systeme verschwinden nicht in der Cloud und betreiben sich von selbst. Sie brauchen Pflege, Überwachung und gelegentliche Anpassung. Eine IT-Abteilung, die bereits mit dem Tagesgeschäft ausgelastet ist, kann ein zusätzliches System nicht einfach nebenbei tragen. Wer hier ehrlich ist, plant entweder zusätzliche Kapazität ein oder setzt auf Werkzeuge, die mit minimalem Betriebsaufwand auskommen — und wählt die Anwendungsfälle entsprechend.

Veraltete Systeme ohne Schnittstellen sind ein häufiger Bremsklotz. Das heißt nicht, dass KI unmöglich ist — manche Anwendungsfälle laufen vollständig in eigenständigen Tools. Aber tiefere Integrationen scheitern oft an fehlenden Schnittstellen.

Ein wichtiger Punkt bei der Technik ist die Frage des Datenschutzes und des Betriebsorts. Wer sensible oder personenbezogene Daten verarbeitet, muss klären, ob diese in eine Cloud gegeben werden dürfen und unter welchen Bedingungen. Für manche Unternehmen ist eine Lösung, bei der Daten das eigene Haus nicht verlassen, die einzige gangbare — was den Kreis möglicher Werkzeuge einschränkt und den Aufwand erhöht. Diese Anforderung früh zu kennen, bewahrt davor, einen Anwendungsfall aufzubauen, der sich am Ende aus rechtlichen Gründen nicht betreiben lässt.

Dimension 3: Kompetenzen und Menschen.

Technologie wird von Menschen genutzt — oder eben nicht. Diese Dimension entscheidet oft über Erfolg oder Misserfolg:

• Gibt es im Unternehmen jemanden, der KI-Projekte fachlich begleiten kann — intern oder über Partner?
• Wie ist die Grundhaltung der Belegschaft? Offen, neugierig, skeptisch, ängstlich?
• Werden Mitarbeitende auf neue Werkzeuge vorbereitet und geschult — oder allein gelassen?
• Gibt es Fürsprecher, die ein Projekt tragen, und Rückhalt aus der Führung?

Eine skeptische Belegschaft ist kein Grund, nicht zu starten — aber ein Grund, früh in Kommunikation und Schulung zu investieren. KI, die niemand nutzt, weil sie als Bedrohung wahrgenommen wird, ist herausgeworfenes Geld.

Im Mittelstand ist diese Dimension oft die entscheidende — und zugleich die am leichtesten unterschätzte. Anders als in großen Konzernen gibt es selten eigene Spezialisten, sodass viel vom Engagement einzelner Personen abhängt. Das ist eine Chance: Ein überzeugter Mitarbeiter, der ein Werkzeug aus eigener Motivation vorantreibt, bewirkt mehr als jede Anweisung von oben. Es ist aber auch ein Risiko, denn an einzelnen Personen hängende Vorhaben werden brüchig, wenn diese Personen ausfallen oder das Unternehmen verlassen. Eine ehrliche Readiness-Bewertung fragt deshalb nicht nur, ob Kompetenz vorhanden ist, sondern auch, wie breit sie verankert ist.

Dimension 4: Organisation und Prozesse.

Auch organisatorisch muss ein Unternehmen bereit sein. Entscheidend sind hier Klarheit und Verbindlichkeit:

• Sind die Prozesse, die KI unterstützen soll, überhaupt definiert und stabil?
• Gibt es klare Verantwortlichkeiten — wer entscheidet, wer betreibt, wer verantwortet Ergebnisse?
• Ist das Management bereit, ein Vorhaben mit Budget und Zeit auszustatten und auch Rückschläge auszuhalten?
• Existiert eine Kultur, in der man kleine Pilotprojekte starten und aus ihnen lernen darf?

Der letzte Punkt ist oft der heimliche Erfolgsfaktor. Unternehmen, in denen ein gescheiterter Pilot als wertvolle Lektion verstanden wird, kommen mit KI weiter als solche, in denen jeder Fehlschlag persönliche Konsequenzen hat. Denn der erste Anlauf gelingt selten perfekt — die entscheidende Frage ist, ob die Organisation aus dem Lernen Kapital schlägt oder ob die Angst vor dem Scheitern jede Experimentierfreude erstickt. Eine ehrliche Readiness-Bewertung schaut deshalb nicht nur auf Prozesse und Zuständigkeiten, sondern auch auf das Klima: Trauen sich Teams, Neues auszuprobieren, und werden sie dabei von der Führung gestützt?

Dimension 5: Recht und Governance.

Schließlich muss der rechtliche Rahmen mitgedacht werden — nicht als Bremse, sondern als Voraussetzung für tragfähigen Einsatz:

• Sind die datenschutzrechtlichen Grundlagen geklärt, insbesondere bei personenbezogenen Daten?
• Ist bekannt, in welche Risikoklasse der EU-KI-Verordnung (AI Act) ein geplanter Anwendungsfall fällt?
• Gibt es Regeln dafür, welche Daten in welche Tools gegeben werden dürfen?
• Ist Transparenz gegenüber Mitarbeitenden und Kunden sichergestellt?

Recht und Governance werden gerne als lästige Pflicht ans Ende geschoben — das ist ein Fehler. Die EU-KI-Verordnung verlangt für bestimmte Anwendungen besondere Vorkehrungen, und der Datenschutz setzt klare Grenzen, welche Daten in welche Werkzeuge gegeben werden dürfen. Wer diese Fragen erst klärt, nachdem ein System gebaut ist, riskiert, das Vorhaben kurz vor dem Ziel wieder einstampfen zu müssen. Die gute Nachricht: Die meisten Anwendungsfälle im Mittelstand fallen in unkritische Bereiche. Aber ob das so ist, sollte man bewusst prüfen — nicht annehmen.

Der Readiness-Check im Überblick.

Eine einfache Selbsteinschätzung je Dimension auf einer Skala von „nicht bereit“ bis „gut aufgestellt“ ergibt schnell ein Bild:

Wichtig: Ein „nicht bereit“ in einer Dimension ist selten ein Grund, gar nichts zu tun. Es ist eine Wegweisung, wo der Hebel zuerst angesetzt werden sollte. Viele Unternehmen sind in einer Dimension stark und in einer anderen schwach — und können trotzdem mit einem gut gewählten, kleinen Anwendungsfall sinnvoll starten.

Ehrlich bleiben: Readiness ist kein Freifahrtschein.

Selbst ein guter Readiness-Befund garantiert keinen Projekterfolg. Er senkt nur das Risiko. Genauso wenig bedeutet ein schwacher Befund, dass KI keinen Sinn ergibt — es bedeutet, dass zuerst Grundlagen geschaffen werden müssen. Der Check ist ein Werkzeug für ehrliche Selbsteinschätzung, kein Gütesiegel. Sein eigentlicher Wert liegt darin, dass man mit offenen Augen startet und nicht überrascht wird von Hürden, die man hätte kennen können.

Praktisch lässt sich der Check in einem halben Tag mit den richtigen Personen durchführen: je ein Vertreter aus Geschäftsführung, IT und einer betroffenen Fachabteilung gehen die fünf Dimensionen gemeinsam durch und einigen sich auf eine ehrliche Einschätzung. Das Ergebnis ist kein Zertifikat, sondern eine kurze Liste konkreter nächster Schritte: Wo müssen wir Daten aufräumen, wo Kompetenz aufbauen, wo eine rechtliche Frage klären? Genau diese Klarheit über die ersten Handgriffe ist der eigentliche Ertrag — sie verwandelt das diffuse Gefühl, man müsse mal etwas mit KI machen, in einen geordneten, überschaubaren Anfang. Und sie sorgt dafür, dass die erste Investition dort landet, wo sie das Fundament stärkt, statt auf wackeligem Grund ein beeindruckendes, aber instabiles System zu errichten.

Sie wollen wissen, wie KI-bereit Ihr Unternehmen wirklich ist? Unverbindlich anfragen — wir gehen die fünf Dimensionen gemeinsam durch und leiten konkrete nächste Schritte ab.