Das KI-Reifegrad-Modell für den Mittelstand.

„Wir machen schon einiges mit KI“ — diesen Satz hört man in Geschäftsführersitzungen heute fast wöchentlich. Was dahintersteht, ist sehr unterschiedlich. Mal sind es drei ChatGPT-Lizenzen im Marketing, mal eine produktive Anomalieerkennung in der Fertigung, mal ein eigenes Sprachmodell mit Anbindung an ERP und Dokumentenarchiv. Diese Spannweite zu bewerten, ist schwierig, solange jeder „KI-Einsatz“ nennt, was er selbst tut. Ein Reifegrad-Modell schafft hier Vergleichbarkeit. Es beschreibt fünf Stufen, an denen sich ein Mittelständler ehrlich einordnen kann — und es zeigt, welcher nächste Schritt zur aktuellen Lage wirklich passt. Wer auf Stufe zwei steht, profitiert nicht von einer Stufe-fünf-Roadmap, sondern stolpert daran. Diese Übersicht beschreibt das Modell und nennt die Indikatoren, an denen sich jede Stufe erkennen lässt.

Warum ein Reifegrad-Modell — und nicht nur eine ToDo-Liste.

Reifegrad-Modelle haben einen schlechten Ruf, weil sie oft als Selbstzweck herhalten. Eine Beraterin kommt ins Haus, zeichnet eine Pyramide an die Wand, und das Unternehmen bekommt die Note „Stufe 2,4“. Das ist nicht der Sinn. Ein nützliches Reifegrad-Modell hat genau eine Aufgabe: Es soll verhindern, dass Unternehmen Schritte überspringen, die nicht überspringbar sind.

In der Praxis zeigt sich das immer wieder im gleichen Muster. Ein Unternehmen, das gerade die ersten ChatGPT-Lizenzen verteilt hat, beauftragt eine Beratung mit einer „KI-Strategie 2030“. Die Strategie ist auf dem Papier brillant — sie beschreibt eine zentrale Datenplattform, ein KI Center of Excellence, eine kanzlerinnenwürdige Governance-Struktur. Nach achtzehn Monaten ist außer einem dicken PDF nichts passiert, weil das Unternehmen für diese Strategie noch zwei Reifestufen zu früh war.

Ein gutes Modell verhindert genau diese Fehlplanung. Es sagt: Auf Ihrer aktuellen Stufe geht es nicht um Plattformen, sondern um die ersten produktiven Anwendungsfälle. Es klingt unspektakulär, ist aber der einzige Weg, der trägt. Das Modell, das im Folgenden beschrieben wird, hat fünf Stufen und ist bewusst grob gehalten — feinere Differenzierungen sind in der Beratung sinnvoll, aber für die strategische Diskussion in der Geschäftsführung eher hinderlich.

Stufe 1: Tooling und Probieren.

Auf der ersten Stufe gibt es KI im Unternehmen, aber sie ist nicht organisiert. Mitarbeitende nutzen ChatGPT, Copilot oder ähnliche Werkzeuge entweder über private Accounts oder über lizenzierte Versionen, die die IT bereitgestellt hat. Es gibt keine systematische Erhebung, wer wofür welches Werkzeug verwendet. Es gibt keine Richtlinien, was hineingegeben werden darf und was nicht. Es gibt auch keinen Überblick, welchen tatsächlichen Effekt das auf Produktivität, Qualität oder Risiken hat.

Das ist keine schlechte Stufe — sie ist normal. Die meisten Mittelständler in Deutschland sind heute auf Stufe 1. Sie haben vermutlich auch mehr KI im Haus, als ihre Geschäftsführung weiß, weil Mitarbeitende längst eigene Wege gefunden haben. Genau das ist das Risiko dieser Stufe: Schatten-KI. Vertrauliche Daten landen in öffentlichen Modellen, Compliance-Pflichten werden unbemerkt verletzt, und die Geschäftsführung erfährt davon erst, wenn etwas schiefgeht.

Die Aufgabe auf dieser Stufe ist nicht der nächste große Schritt. Sie ist eine ehrliche Bestandsaufnahme: Was wird tatsächlich genutzt, von wem, wofür. Daraus wächst eine erste Nutzungsrichtlinie, die nicht verbietet, sondern Leitplanken setzt. Wer diese Bestandsaufnahme überspringt, beginnt Stufe 2 ohne Fundament. Ein strukturierter Readiness-Check ist hier oft der pragmatische Einstieg.

Stufe 2: Erste produktive Anwendungsfälle.

Auf Stufe 2 verlässt das Unternehmen den reinen Probier-Modus. Es gibt zwei bis fünf Anwendungsfälle, die nicht mehr nur experimentell sind, sondern produktiv laufen — also tatsächlich Arbeit erledigen, deren Ergebnis im Unternehmen weiterverwendet wird. Typische Beispiele: Eine automatische Erstauswertung eingehender Rechnungen, ein Assistent für Angebotsentwürfe im Vertrieb, eine KI-gestützte Klassifikation eingehender Kunden-E-Mails.

Charakteristisch für diese Stufe ist, dass die Anwendungsfälle einzeln betrachtet werden. Jedes Projekt hat seinen eigenen Anbieter, seine eigene Datenanbindung, seine eigenen Verantwortlichen. Es gibt noch keine Plattform-Logik, keine gemeinsame Datenschicht. Das ist in dieser Phase richtig so. Wer auf Stufe 2 versucht, eine zentrale Plattform aufzubauen, baut sie an den falschen Anforderungen vorbei, weil er die echten Anforderungen noch nicht kennt.

Indikatoren für Stufe 2 sind: produktive Anwendungsfälle mit messbaren KPIs, eine bewusste Tool-Auswahl statt Wildwuchs, eine erste Nutzungsrichtlinie, eine benannte verantwortliche Person für KI-Themen — meist im Bereich Digitalisierung oder IT, manchmal direkt in der Geschäftsführung. Wer auf Stufe 2 fünf bis acht Projekte parallel laufen lässt, ohne sie koordiniert zu priorisieren, läuft Gefahr, dass alle gleichzeitig stocken. Ein priorisierter Backlog ist hier das richtige Werkzeug.

Stufe 3: Wiederverwendung und gemeinsame Bausteine.

Auf Stufe 3 entdeckt das Unternehmen, dass sich Anwendungsfälle Bausteine teilen. Der Klassifikator für Mail-Eingänge im Service nutzt das gleiche Modell wie der Klassifikator für Rechnungseingänge. Die Dokumentensuche für den Vertrieb basiert auf der gleichen Vektordatenbank wie die Wissenssuche im Customer Support. Das war auf Stufe 2 nicht sichtbar, weil jeder Anwendungsfall isoliert gebaut wurde.

Auf dieser Stufe beginnt der Aufbau einer kleinen Plattform — nicht im Konzernsinne, sondern als technische Grundinfrastruktur: eine gemeinsame Modell-API, ein zentrales Logging, ein einheitlicher Zugriff auf die Dokumentenablage, ein Governance-Prozess für neue Anwendungsfälle. Die Organisation lernt, KI-Projekte nicht als Einzelfälle, sondern als Bausteine in einem System zu denken. Damit entsteht erstmals echte Skalierbarkeit.

Charakteristische Indikatoren: Es gibt eine technische Referenzarchitektur, an die sich neue Anwendungsfälle anlehnen. Es gibt ein definiertes Onboarding für neue Projekte — von Idee zu Produktion in einem dokumentierten Prozess. Es gibt eine zentrale Stelle, die die Modellauswahl bewertet und konsolidiert. Die Anzahl produktiver Anwendungsfälle wächst auf acht bis zwanzig. In der Beratungspraxis sieht man, dass viele Mittelständler diese Stufe innerhalb von achtzehn bis vierundzwanzig Monaten erreichen — wenn die Geschäftsführung das Thema strategisch ernst nimmt und nicht zwischendurch das Interesse verliert.

Stufe 4: Strategische Integration ins Kerngeschäft.

Auf Stufe 4 ist KI kein eigenes Thema mehr, sondern Bestandteil von Geschäftsprozessen. Das Pricing nutzt KI-Modelle, ohne dass jemand das noch besonders erwähnt. Die Produktentwicklung greift auf Sprachmodelle für Anforderungsanalyse zurück. Der Außendienst wird durch KI-Assistenten bei Kundenbesuchen unterstützt. Die Frage „Wo setzen wir KI ein?“ verliert ihren Sinn — sie ist überall da, wo es nützlich ist.

Diese Stufe ist anspruchsvoll. Sie verlangt eine durchdachte Architektur, eine reife Governance, eine ausgebildete Belegschaft. Sie verlangt vor allem, dass KI in die strategische Planung eingebettet ist: Welche Geschäftsmodelle profitieren? Welche Produkte werden neu gedacht? Welche Wettbewerber bauen Druck auf, wenn sie KI besser einsetzen?

Im Mittelstand findet man Stufe 4 heute eher selten. Wer sie erreicht hat, gehört meist zu den Branchenführern oder zu den ambitionierten Familienunternehmen mit langem Atem. Die Indikatoren sind: Es gibt eine KI-Verantwortung in der Geschäftsführung, ein etabliertes Center of Excellence oder eine vergleichbare Struktur, dokumentierte Erfolge in mindestens drei strategisch relevanten Bereichen, eine Belegschaft, die KI als selbstverständlichen Arbeitsbestandteil versteht. Die Investition pro Jahr liegt typischerweise im niedrigen siebenstelligen Bereich, der Return im hohen sechsstelligen bis zweistelligen Millionenbereich.

Stufe 5: KI als Wettbewerbsfaktor.

Stufe 5 ist die seltenste. Hier nutzt das Unternehmen KI nicht nur intern, sondern als Element des Marktangebots. Produkte werden durch KI-Funktionen erweitert, eigene Daten werden zu Trainingsmaterial für branchenspezifische Modelle, neue Geschäftsmodelle entstehen — etwa der Verkauf von Datenprodukten oder von KI-gestützten Services an Kunden. Das Unternehmen ist nicht mehr Anwender, sondern Anbieter.

In dieser Stufe gehört KI in die Investitionsrechnung wie früher die Maschinen-CAPEX. Es gibt eigene KI-Produkte mit eigenem P&L, KI-Patente oder geschützte Datenbestände, möglicherweise eine eigene Tochter oder Sparte. Die Anzahl der Mitarbeitenden mit dediziert KI-bezogener Aufgabe liegt typischerweise bei einem bis drei Prozent der Belegschaft.

Stufe 5 ist nicht für jedes Unternehmen das richtige Ziel. Viele Mittelständler sind auf Stufe 4 vollständig wettbewerbsfähig — KI ist dann ein wichtiger interner Hebel, ohne das Geschäftsmodell zu verändern. Stufe 5 verlangt strategische Klarheit darüber, dass man als KI-Unternehmen wahrgenommen werden will. Diese Entscheidung sollte bewusst getroffen werden und nicht aus Marketing-Reflexen heraus. Wer Stufe 5 als Pflicht versteht, baut Druck auf, der die Organisation überfordert.

Indikatoren auf einen Blick.

Die folgende Übersicht hilft bei der Selbsteinordnung. Sie ist bewusst grob — feinere Bewertung lohnt sich erst nach einer ersten Verortung.

Wichtig: Eine Stufe ist nicht erreicht, wenn alle Indikatoren punktuell vorkommen, sondern wenn sie stabil und über mehrere Jahre tragen. Wer einmal ein Projekt auf Stufe-3-Niveau durchführt, ist nicht auf Stufe 3 — er hat ein Pilotprojekt erfolgreich beendet. Reifegrad bezieht sich auf die Organisation, nicht auf einzelne Leuchtturmprojekte.

Was Sie mit der Einordnung anfangen können.

Die ehrliche Selbsteinordnung ist der Anfang, nicht das Ergebnis. Wer feststellt, dass das eigene Unternehmen auf Stufe 1 oder 2 steht, hat einen klaren Auftrag: keine großen Strategiepapiere, sondern zwei bis fünf gut gewählte Anwendungsfälle, von denen mindestens drei in Produktion gehen. Das ist mehr Arbeit, als es klingt — und es ist die Voraussetzung, um Stufe 3 überhaupt zu erreichen.

Wer auf Stufe 3 angekommen ist, hat eine andere Aufgabe. Hier geht es um Konsolidierung: Welche Bausteine wiederholen sich? Wie wird die Architektur stabil? Welche Governance brauchen wir, ohne überzubürokratisieren? Diese Phase ist wenig sichtbar, aber sie entscheidet darüber, ob das Unternehmen Stufe 4 erreicht oder im Pilot-Modus hängen bleibt.

Die häufigste Falle in der Praxis ist der Wunsch, gleich auf Stufe 4 zu sein, weil die Konkurrenz angeblich schon dort ist. In den seltensten Fällen stimmt das. Wer ehrlich bei Branchenkollegen nachfragt, hört oft die gleiche Geschichte: ein paar Pilotprojekte, viel Hoffnung, wenig Substanz. Wer sich realistisch einordnet, gewinnt zwei Dinge: Er weiß, was als Nächstes wirklich dran ist. Und er kann mit der Belegschaft ehrlich darüber sprechen, wo das Unternehmen steht und wohin es geht — was die Akzeptanz dauerhaft trägt.

Sie wollen wissen, auf welcher Reifestufe Ihr Unternehmen tatsächlich steht? Unverbindlich anfragen — wir gehen gemeinsam Ihre aktuellen Anwendungsfälle, Datenlage und Organisation durch — und benennen den nächsten Schritt, der jetzt wirklich passt.