KI-Readiness: Ist Ihr Unternehmen wirklich bereit für KI?
Wie Sie den Hype durchschauen und Ihre tatsächliche operative Reife ehrlich einschätzen – ein Selbst-Check für den Mittelstand.
Table of Contents
Datenschutzrisiken auf der einen Seite – und dem Druck, jetzt sofort handeln zu müssen, den jeder Software-Anbieter und jeder enthusiastische IT-Leiter befeuert.
Eine Lizenz für Copilot oder ChatGPT Enterprise kaufen ist der einfache Teil. Der schwierige Teil – und der eigentliche Grund, warum die meisten dieser Initiativen keinen messbaren ROI liefern – ist ein anderer: Der Betrieb ist strukturell schlicht nicht in der Lage, diese Tools sinnvoll einzusetzen.
Die entscheidende Frage lautet nicht: „Welches Tool sollen wir kaufen?“ Sie lautet: „Ist unser operatives Fundament stabil genug, um KI zu tragen?“
KI-Readiness ist kein technischer Test, sondern ein Stresstest für Ihr Unternehmen. Im Folgenden finden Sie einen diagnostischen Ansatz, mit dem Sie herausfinden, ob Ihr Betrieb wirklich bereit ist, KI zu skalieren – oder ob Sie dabei sind, Ihre eigenen Ineffizienzen nur schneller zu machen.
Teil 1: Der Reality-Check (Bevor Sie einen Euro ausgeben)
Vergessen Sie die Infrastruktur-Checkliste für einen Moment. Suchen Sie stattdessen nach den rohen Signalen echter Nachfrage – direkt in Ihrem eigenen Unternehmen. Sie suchen nach operativem Schmerz, der so akut ist, dass Ihr Team bereits versucht, ihn selbst zu lösen.
Das Schatten-IT-Signal
Gehen Sie durch Ihr Backoffice. Beobachten Sie Ihre Mitarbeitenden im Kundenservice oder in der Sachbearbeitung. Exportieren sie Daten aus dem ERP in Excel? Kopieren sie Informationen manuell zwischen Systemen? Nutzen sie kostenlose Online-Tools zum Übersetzen oder Zusammenfassen, weil die internen Systeme zu langsam sind?
Das gilt normalerweise als Sicherheitsrisiko – und das stimmt. Aber es ist gleichzeitig Ihr stärkstes Bereitschaftssignal. Ihr Team hat ein klares, wiederkehrendes Problem, das es dringend lösen möchte. Toyota hat das verstanden: Als das Unternehmen aufgehört hat, Veränderungen von oben durchzudrücken, und stattdessen den Mitarbeitenden einfache Werkzeuge in die Hand gegeben hat, entstanden über 10.000 eingesparte Arbeitsstunden pro Jahr, dokumentiert in einer Google-Cloud-Fallstudie – weil die Menschen, die dem Problem am nächsten waren, die Lösung selbst gebaut haben.
Der Schrei-Test
Wenn Sie nicht sicher sind, ob ein Prozess reif für die Automatisierung ist, schauen Sie auf die Abhängigkeit. Wenn Sie bereits einen frühen Piloten laufen haben – zum Beispiel ein automatisiertes Skript für eine Routineaufgabe – schalten Sie ihn für einen Tag ab. Schreit der Fachbereich?
Wenn alle mit den Schultern zucken und zur alten Methode zurückkehren, haben Sie keine Lösung – Sie haben eine Spielerei. Wenn hingegen Panik ausbricht, weil Deadlines ohne das Tool nicht mehr zu halten sind, haben Sie echte operative Relevanz bewiesen.
Teil 2: Die Kennzahlen, die nach dem Piloten zählen
Sobald Sie die Pilotphase hinter sich gelassen haben, ändern sich die relevanten Erfolgskennzahlen. Die meisten Mittelständler scheitern genau hier – weil sie die falschen Dinge messen. Kennzahlen wie „Anzahl aktiver Nutzer“ oder „eingesetzte Modelle“ sind Metriken für Enterprise-IT-Abteilungen und Softwareanbieter. Ein mittelständischer Dienstleister mit 80 Mitarbeitenden in Düsseldorf misst mit Sicherheit keine „eingesetzten Modelle“ – und hat wahrscheinlich überhaupt keine strukturierten Kennzahlen für seine KI-Tools.
Dauerhafte Nutzung ist die einzige Wahrheit
In der Startup-Welt gilt Retention als Beweis für Product-Market-Fit. Dasselbe gilt für Ihre internen Tools. Wenn Sie einen KI-Workflow für Ihr Vertriebsteam einführen, prüfen Sie nach sechs Monaten die Nutzungslogs.
Wenn die Kurve flach ist – also dieselbe Gruppe das Tool jeden Tag nutzt – haben Sie die Technologie wirklich integriert. Wenn die Nutzung im ersten Monat hochgeht und danach langsam wegbröckelt, hat Ihr Team die Neuerung abgelehnt. Meistens liegt das nicht daran, dass die KI schlecht war, sondern daran, dass der zugrundeliegende Prozess kaputt war.
Die Enttäuschungs-Schwelle
Verschicken Sie keine generische Zufriedenheitsumfrage. Stellen Sie Ihren Mitarbeitenden eine einzige, konkrete Frage: „Wie würden Sie sich fühlen, wenn Sie dieses KI-Tool ab morgen nicht mehr nutzen könnten?“
Wenn weniger als 40 Prozent antworten, sie wären sehr enttäuscht, sollten Sie das Projekt wahrscheinlich einstellen – die 40-Prozent-Schwelle stammt aus dem Sean-Ellis-Test, mit dem Startups Product-Market-Fit messen. In einem ressourcenknappen Umfeld können Sie es sich nicht leisten, Software aufrechtzuerhalten, die nur nett ist, aber nicht gebraucht wird.
Teil 3: Datenqualität und Governance – die eigentliche KI-Readiness-Arbeit
Hier findet die eigentliche Arbeit statt – aber vermutlich anders, als Sie erwarten. Wenn Sie seit zehn Jahren ein ERP betreiben und die DSGVO-Einführung überlebt haben, ist Ihre Datenlage kein Desaster. Die einzelnen Systeme sind meistens solide.
Das eigentliche Problem ist simpler und struktureller: Niemand besitzt den Raum zwischen den Systemen. Ihre ERP-Daten sind sauber. Ihre CRM-Daten sind sauber. Aber sobald ein KI-Einsatz Kundendaten aus dem einen und Bestellhistorien aus dem anderen System braucht, stellen Sie fest: Es gibt keinen gemeinsamen Schlüssel, kein vereinbartes Format – und niemanden, dessen Aufgabe es ist, das abzugleichen. Das ist keine Technologie-Lücke. Es ist eine Verantwortungslücke.
Das 4-Stunden-Daten-Audit (Aufgabe für Ihren IT-Leiter)
Um zu wissen, ob Ihre Daten nutzbar sind, brauchen Sie kein großes Beratungsprojekt. Sie brauchen einen ehrlichen halben Tag – kein Quartal.
Wir haben kürzlich mit einem Kunden in einem KI-Entwicklungsprojekt die Klassifikation von Transaktionen aus PDF-Rechnungen automatisiert. Die KI-Technologie selbst war unkompliziert. Als wir das Archiv überprüften, stellte sich heraus: 15 Prozent der historisch digitalen Belege waren tatsächlich unleserliche Bilddateien, die keine Texterkennung auslesen konnte.
85 Prozent sauber klingt handhabbar. Aber es handelte sich um Finanztransaktionsdaten für Compliance-Berichte. Jeder einzelne Datensatz musste nachvollziehbar sein – einem Prüfer gegenüber lässt sich nicht sagen: „Die meisten haben wir klassifiziert.“
Anstatt das gesamte Projekt auf Eis zu legen, haben wir einen hybriden Ablauf entwickelt: Die KI klassifiziert automatisch die 85 Prozent sauberer Daten; die verbleibenden 15 Prozent werden markiert und an einen menschlichen Prüfer weitergeleitet – mit dem relevanten Kontext bereits vorgeladen. Der Kunde hatte vom ersten Tag an vollständige Abdeckung. Der manuelle Aufwand sank um rund 80 Prozent, und die Archivbereinigung konnte parallel stattfinden, ohne den Rollout zu blockieren.
Beauftragen Sie Ihr Team mit diesem einfachen Audit:
- Inseln kartografieren (1 Stunde): Listen Sie auf, wo die Daten tatsächlich liegen. Steckt die Kundenadresse im CRM, im ERP oder in einer Tabelle auf dem Desktop des Vertriebsleiters?
- Eindeutigkeit prüfen (1 Stunde): Gibt es Duplikate? Wenn „Hans Müller“ in drei Systemen mit unterschiedlichen Adressen existiert, liefert ein KI-Modell inkonsistente Ergebnisse. Bestimmen Sie die einzige Quelle der Wahrheit.
- Datenqualität prüfen (1 Stunde): Öffnen Sie die drei meistgenutzten Tabellen für den betreffenden Prozess. Wenn 10 Prozent der Zeilen fehlerhaft sind, ist das ein Grund, das vor dem Aufbau zu wissen – damit Sie entscheiden können, ob Sie zuerst bereinigen, einen hybriden Ablauf entwickeln oder die KI auf den sauberen Teil beschränken.
- Compliance-Kennzeichnung (1 Stunde): Kennzeichnen Sie jeden Datensatz, der personenbezogene Daten enthält. Klären Sie für jeden einzelnen, was das für Ihren Einsatz bedeutet: Ist lokales Hosting erforderlich? Ein Auftragsverarbeitungsvertrag mit dem Anbieter? Eine Anonymisierung, bevor die Daten das Modell berühren? Wer das jetzt klärt, verhindert, dass ein juristisches Review das Projekt in Woche drei stoppt.
Die RACI-Matrix: klare Zuständigkeiten im Mittelstand
Die goldene Regel: Wer ein KI-Tool will, muss auch die Daten pflegen.
In den meisten mittelständischen Unternehmen besitzt niemand explizit die Frage: Was passiert, wenn die KI einen Fehler macht? Wer das Tool eingerichtet hat, wird angerufen, wenn es nicht funktioniert – ist aber meistens nicht die Person, die die geschäftlichen Auswirkungen eines falschen Ergebnisses beurteilen kann. Weisen Sie die Verantwortlichkeiten zu, bevor Sie starten – nicht nach dem ersten Fehler. Was sonst passiert: Jede neue Entscheidung rund um das KI-Projekt wird im schlechten Licht betrachtet, weil es so aussieht, als würde das System nicht funktionieren – dabei fehlte schlicht jemand, der Verantwortung übernimmt.
Nutzen Sie das RACI-Framework, um Zuständigkeiten klar zuzuordnen. Für einen typischen KI-Piloten im Mittelstand sieht das so aus:
Aufgabe | Business Owner / Abteilungsleiter | IT-/Tech-Lead | Externer Partner |
Geschäftsproblem definieren | Rechenschaftspflichtig (A) | Verantwortlich (R) | Informiert (I) |
Daten bereinigen | Rechenschaftspflichtig (A) | Verantwortlich (R) | Konsultiert (C) |
Tool auswählen | Konsultiert (C) | Verantwortlich (R) | Rechenschaftspflichtig (A) |
DSGVO-/Ethik-Freigabe | Rechenschaftspflichtig (A) | Verantwortlich (R) | Konsultiert (C) |
Geschäftsergebnisse überwachen | Rechenschaftspflichtig (A) | Verantwortlich (R) | Informiert (I) |
Legende (RACI):
- R – Verantwortlich (Responsible): führt die Aufgabe aus
- A – Rechenschaftspflichtig (Accountable): trägt die Gesamtverantwortung, gibt frei
- C – Konsultiert (Consulted): wird um Rat gefragt
- I – Informiert (Informed): wird über Ergebnisse informiert
Das Wiener Unternehmen Prewave, eine Plattform für Lieferkettenrisiken, zeigt exemplarisch, wie ein Governance-first-Ansatz in der Praxis aussieht. Das Unternehmen nutzt KI, um Millionen von Nachrichtenquellen auf Lieferkettenrisiken zu scannen. Die KI trifft jedoch keine finale rechtliche Entscheidung – sie kennzeichnet Risiken für den menschlichen Compliance-Verantwortlichen. Die KI erkennt; der Mensch entscheidet. Das ist der einzige Weg, in einem regulierten Umfeld sicher zu skalieren.
Teil 4: Der 30-Tage-Sprint „Vom Denken zum Tun“
Wenn Sie beim Lesen dieses Artikels festgestellt haben, dass Sie noch nicht bereit sind – gut. Diese Erkenntnis hat Sie gerade 50.000 Euro gespart. Sie müssen nicht perfekt sein, um zu starten. Aber Sie brauchen Momentum.
Woche 1: Der Schmerz-Audit
Beginnen Sie mit dem Schmerzpunkt-Gespräch, nicht mit der Technologie. Fragen Sie Ihre Abteilungsleiter: „Was ist die eine Aufgabe, die Ihr Team jeden Tag hasst?“ Wählen Sie ein langweiliges, repetitives, textbasiertes Problem aus – zum Beispiel das Beantworten standardisierter Ausschreibungen oder das Kategorisieren von Support-Tickets.
Woche 2: Der Papier-Pilot
Das ist der wichtigste Schritt. Bevor Sie Software kaufen, simulieren Sie die KI. Wenn Sie möchten, dass eine KI E-Mails kategorisiert, drucken Sie 50 E-Mails aus und geben Sie sie einem fähigen Menschen. Geben Sie dieser Person exakt die Regeln, die Sie später der KI geben wollen.
- Wenn der Mensch verwirrt ist, sind Ihre Regeln schlecht.
- Wenn der Mensch ohne Nachfragen nicht weiterkommt, fehlen Daten.
- Wenn ein Mensch Ihrer Logik nicht folgen kann, kann es eine KI erst recht nicht. Reparieren Sie zuerst den Prozess.
Woche 3: Der Sicherheits-Check
Jetzt haben Sie eine funktionierende Prozesslogik und eine Datenquelle. Bevor Sie einen Anbieter oder Produktivdaten anfassen, schließen Sie zwei Lücken.
Erstens: Weisen Sie die RACI-Rollen, die Sie zuvor definiert haben, diesem konkreten Piloten zu. Wer genehmigt das Ergebnis, wenn die KI einen Fehler macht? Das muss eine namentlich genannte Person sein, kein Fachbereich.
Zweitens: Prüfen Sie, ob die beteiligten Daten personenbezogene Informationen enthalten – Kundennamen, Kontaktdaten, Adressen. Falls ja, benötigen Sie einen unterzeichneten Auftragsverarbeitungsvertrag (AVV) mit jedem externen Tool oder Anbieter, der diese Daten verarbeitet. Das ist nach Art. 28 DSGVO keine Option, sondern Pflicht. Liegt der AVV nicht vor, lassen Sie ihn entweder vor Projektbeginn unterzeichnen oder schränken Sie den Piloten auf anonymisierte oder interne Daten ein. Bei großen Anbietern wie Microsoft oder Google ist der AVV in der Regel im Enterprise-Vertrag enthalten. Bei kleineren Anbietern sollten Sie zwei bis vier Wochen für die Verhandlung einplanen.
Wer in Deutschland ohne diese Grundlage startet und sechs Wochen später in einer Compliance-Prüfung steckt, zahlt den Aufschub mit Zinseszins.
Woche 4: Die Entscheidung
Jetzt – und erst jetzt – schauen Sie sich Anbieter an. Achten Sie auf mittelstandsfreundliche Partner, die lokales Hosting anbieten und die deutschen Compliance-Standards kennen. US-amerikanische Anbieter können nach dem CLOUD Act gesetzlich verpflichtet werden, europäische Daten an ihre Behörden weiterzugeben – wählen Sie daher bevorzugt europäische Anbieter. Präsentieren Sie die Ergebnisse: Sie haben ein definiertes Problem, eine geprüfte Logik aus dem Papier-Piloten und eine Governance-Struktur. Sie sind bereit zu kaufen. Wie Sie von hier aus die Einführung strukturiert aufsetzen – von der Priorisierung bis zum Produktivbetrieb, zeigt unser Leitfaden zu KI im Mittelstand.
Fazit: Erst das Fundament, dann das Tool
Die meisten gescheiterten KI-Projekte scheitern nicht an der Technologie. Sie scheitern daran, dass jemand ein Tool gekauft hat, um einen Prozess zu beschleunigen, der bereits kaputt war.
Toyota hatte mit KI in der Fertigung Erfolg, weil es den Menschen, die dem Problem am nächsten waren, die Lösung überlassen hat – und weil es zuerst die Daten in Ordnung gebracht hat. Mit unbegrenzten Budgets hatte das nichts zu tun.
Ihre Aufgabe als Führungskraft ist es nicht, KI-Experte zu werden. Es ist, sicherzustellen, dass Ihr Betrieb es wert ist, beschleunigt zu werden.
Daten reparieren. Verantwortlichkeiten klären. Dann das Tool kaufen. In dieser Reihenfolge.
Wo steht Ihr Unternehmen wirklich? In einer unverbindlichen KI-Beratung prüfen wir gemeinsam Datenlage, Prozesse und Zuständigkeiten – und Sie bekommen eine klare Antwort: ob sich ein KI-Projekt jetzt rechnet, oder welche Hausaufgaben zuerst anstehen.
Vereinbaren Sie einen kostenlosen und unverbindlichen Beratungstermin mit unserem Team.
DE 
EN 
FR 
ES