Der Begriff „Readiness“ wird oft mit „Begeisterung“ verwechselt. Das ist ein folgenschwerer Irrtum. Bereitschaft im Sinne eines Assessments meint nicht, ob die Geschäftsführung KI spannend findet oder ob einzelne Mitarbeitende bereits mit Chatbots experimentieren. Sie meint, ob die Voraussetzungen vorhanden sind, damit KI-Initiativen tatsächlich erfolgreich werden: verfügbare und verlässliche Daten, geklärte Verantwortlichkeiten, ausreichende Kompetenzen, eine tragfähige technische Basis und ein Rahmen, der rechtliche und ethische Anforderungen abdeckt.
Damit unterscheidet sich ein Readiness-Assessment grundlegend von einer Tool-Auswahl oder einem Proof of Concept. Es bewertet nicht ein Produkt, sondern die Organisation. Es ist eine Standortbestimmung, die bewusst vor der Investitionsentscheidung steht – als Diagnose, nicht als Therapie.
In der Praxis basieren viele KI-Entscheidungen im Mittelstand auf Eindrücken: Ein Wettbewerber wirbt mit KI, ein Vorstandsmitglied hat einen Vortrag gehört, oder ein Anbieter verspricht spektakuläre Effizienzgewinne. Solche Impulse sind legitim als Auslöser – aber als Entscheidungsgrundlage gefährlich. Ein Assessment ersetzt das diffuse Gefühl „Wir müssten mal etwas mit KI machen“ durch eine nachvollziehbare Bewertung: In welchen Dimensionen sind wir stark, wo sind die Lücken, und welche Lücken blockieren konkret den nächsten sinnvollen Schritt?
Der Mehrwert liegt in der Objektivierung. Wenn sechs Dimensionen anhand definierter Kriterien bewertet werden, entsteht ein Bild, über das sich produktiv streiten lässt. Diskussionen verschieben sich weg von „Ich glaube, wir sind noch nicht so weit“ hin zu „In der Datenreife stehen wir auf Stufe 2, weil unsere Stammdaten in vier Systemen ohne gemeinsamen Schlüssel liegen“. Das ist überprüfbar, korrigierbar und planbar.
Ein Readiness-Assessment ist kein Selbstzweck und kein Compliance-Häkchen. Es liefert keine fertige KI-Lösung und ersetzt weder eine Datenstrategie noch ein konkretes Implementierungsprojekt. Es ist auch keine einmalige Übung: Reifegrad verändert sich mit jeder Investition, jeder Einstellung und jeder neuen Regulierung. Sinnvoll ist ein Assessment dann, wenn es als wiederkehrender Taktgeber verstanden wird – etwa jährlich oder vor jeder größeren KI-Investition.
Ebenso wenig ist ein Assessment ein Werkzeug, um KI-Skepsis zu bestätigen oder eine bereits getroffene Entscheidung nachträglich zu rechtfertigen. Wird es so missbraucht, verliert es seinen Wert: Eine Standortbestimmung, deren Ergebnis schon feststeht, ist Theater. Der Nutzen entsteht nur dann, wenn die Beteiligten bereit sind, auch unbequeme Befunde zu akzeptieren – etwa, dass der favorisierte Anwendungsfall an der Datenbasis scheitern würde, oder dass die Belegschaft auf eine Einführung schlechter vorbereitet ist als angenommen. Genau diese ehrliche Bereitschaft, das eigene Bild zu korrigieren, unterscheidet ein wirksames Assessment von einer Pflichtübung.
KI-Projekte scheitern selten, weil ein Modell nicht gut genug ist. Sie scheitern, weil die organisatorische Grundlage fehlt: Die Daten sind nicht zugänglich, niemand fühlt sich verantwortlich, die Belegschaft nutzt das neue Werkzeug nicht, oder die Compliance-Abteilung zieht kurz vor dem Rollout die Notbremse. Jeder dieser Stolpersteine wäre vor der Investition erkennbar gewesen – wenn jemand systematisch hingeschaut hätte.
Eine KI-Investition bindet nicht nur Lizenzkosten, sondern Aufmerksamkeit, Projektkapazität und politisches Kapital. Wird ein groß angekündigtes Vorhaben abgebrochen, kostet das mehr als Geld: Es beschädigt die Glaubwürdigkeit künftiger Initiativen. Ein Assessment senkt dieses Risiko, indem es vorab klärt, ob ein Vorhaben überhaupt auf tragfähigem Boden steht. Es trifft die Vorentscheidung „bauen, kaufen oder erst vorbereiten“ – und schützt davor, Stufe drei anzugehen, während Stufe eins noch fehlt.
Besonders im Mittelstand mit begrenzten Ressourcen ist diese Priorisierung entscheidend. Es gibt selten Budget für mehrere parallele KI-Experimente. Das Assessment hilft, die knappen Mittel auf den einen Anwendungsfall zu lenken, bei dem Reifegrad und Nutzenpotenzial zusammenpassen – statt sie auf drei halbgare Initiativen zu verteilen.
Ein zweiter, oft unterschätzter Nutzen ist die Wirkung nach innen. KI berührt fast jede Abteilung, und entsprechend unterschiedlich sind die Einschätzungen: Die IT sorgt sich um Sicherheit, der Vertrieb um schnelle Ergebnisse, der Betriebsrat um Mitbestimmung, die Geschäftsführung um den Return. Ein Assessment bringt diese Perspektiven an einen Tisch und erzeugt ein gemeinsames Lagebild. Allein dieser Abstimmungsprozess ist wertvoll, weil er verhindert, dass jede Abteilung mit eigenen Annahmen in ein Großprojekt geht.
Wer KI-Readiness auf die technische Frage reduziert, ob die Infrastruktur Modelle ausführen kann, übersieht die eigentlichen Hürden. In unserer Projektpraxis liegt der Engpass fast nie in der Technologie. Er liegt in der Datenverfügbarkeit, in unklaren Zuständigkeiten oder in einer Belegschaft, die das Werkzeug nicht annimmt. Genau deshalb ist die Mehrdimensionalität kein akademischer Luxus, sondern die Bedingung dafür, dass das Bild stimmt. Ein Assessment, das nur die IT befragt, produziert systematisch zu optimistische Ergebnisse.
Die sechs Dimensionen sind nicht additiv, sondern multiplikativ verbunden. Eine exzellente Datenbasis nützt wenig, wenn niemand sie zu nutzen weiß; eine begeisterte Belegschaft läuft ins Leere, wenn die Governance den Einsatz blockiert. Für die Praxis bedeutet das: Das realistische Tempo eines Unternehmens wird oft von seiner schwächsten relevanten Dimension bestimmt. Ein Assessment macht diesen Engpass sichtbar – und verhindert, dass in eine bereits starke Dimension weiter investiert wird, während der eigentliche Flaschenhals unangetastet bleibt.
Ein verbreiteter Fehler ist es, dem Unternehmen eine einzige Reifegradnote zu geben. Aussagekräftig wird das Modell erst, wenn jede der sechs Dimensionen separat eingestuft wird. Typisch ist ein gemischtes Profil: Ein Maschinenbauer kann in der Technologie auf Stufe 3 stehen, weil seine IT modern ist, in der Datenreife aber auf Stufe 2, weil Produktionsdaten in isolierten Steuerungen liegen, und in der Governance auf Stufe 1, weil es keine KI-Richtlinie gibt. Genau dieses Profil ist die wertvolle Information – nicht ein gemittelter Durchschnittswert, der die Lücken verschleiert.
Reifegrad ist kein Selbstzweck, und Stufe 5 ist nicht für jedes Unternehmen das richtige Ziel. Ein mittelständischer Dienstleister mit klar umrissenen Anwendungsfällen kann mit einer soliden Stufe 3 in allen relevanten Dimensionen vollkommen gut aufgestellt sein. Der Nutzen des Modells liegt nicht im Erreichen der höchsten Stufe, sondern darin, die Ziel-Stufe bewusst zu wählen – passend zur Ambition und zum tatsächlichen Bedarf. Übersteigerte Reifegradziele führen zu Überinvestition genauso sicher wie zu niedrige Ziele zu verpassten Chancen.
Damit die Einstufung nicht zur Geschmacksfrage wird, braucht jede Stufe je Dimension klar beschriebene, beobachtbare Kriterien. Statt zu fragen „Sind wir bei den Daten gut?“, prüft ein gutes Assessment konkrete Indikatoren: Gibt es ein Verzeichnis der relevanten Datenquellen? Existiert eine benannte Verantwortung für Datenqualität? Sind Zugriffsrechte dokumentiert? Erst wenn solche Belege vorliegen, wird eine Stufe vergeben – idealerweise mit kurzer Begründung. Diese Beweis-Orientierung macht die Bewertung nachvollziehbar, wiederholbar und vor allem über die Zeit vergleichbar. Eine spätere Wiederholung des Assessments kann so objektiv zeigen, ob sich tatsächlich etwas verbessert hat oder ob lediglich die Selbstwahrnehmung optimistischer geworden ist.
In der Praxis bewährt es sich, die Einstufung im Validierungsworkshop gemeinsam mit den Beteiligten zu schärfen. Wo Einschätzungen auseinandergehen, liegt oft die interessanteste Erkenntnis: Wenn die IT die Datenreife auf Stufe 3 sieht, die Fachbereiche aber auf Stufe 1, deutet das auf eine Lücke zwischen technischer Verfügbarkeit und tatsächlicher Nutzbarkeit hin – ein Befund, der ohne den Abgleich der Perspektiven verborgen geblieben wäre.
„Wir haben doch jede Menge Daten“ ist einer der häufigsten Sätze in Erstgesprächen – und einer der trügerischsten. Datenmenge ist nicht Datenreife. Entscheidend ist nicht, wie viele Daten vorhanden sind, sondern ob sie auffindbar, verlässlich, dokumentiert, zugänglich und rechtlich nutzbar sind. Ein Datenberg ohne Struktur ist für KI-Zwecke oft weniger wert als ein kleiner, sauber gepflegter Datenbestand.
Im Assessment betrachten wir Daten entlang von vier praktischen Prüfsteinen:
Daten sind unsichtbar. Anders als eine veraltete Maschine oder ein langsamer Server fällt eine schlechte Datenbasis im Alltag kaum auf – bis ein KI-Projekt sie schonungslos offenlegt. Solange Menschen die Lücken im Kopf ausgleichen, funktioniert der Betrieb scheinbar. Ein KI-System hat diesen impliziten Kontext nicht; es arbeitet exakt mit dem, was tatsächlich in den Daten steht. Deshalb deckt der erste ernsthafte Anwendungsfall fast immer Datenprobleme auf, die jahrelang unbemerkt blieben.
Die gute Nachricht: Datenreife ist verbesserbar, und das Assessment macht den Aufwand abschätzbar. Oft genügt es, die Datenbasis für den einen priorisierten Anwendungsfall in Ordnung zu bringen, statt das gesamte Datenhaus zu sanieren. Diese fokussierte Vorgehensweise verkürzt den Weg zum ersten Erfolg erheblich – ein Detail, das im Assessment direkt in die Roadmap einfließt.
KI-Kompetenz im Unternehmen ist kein einzelnes Skill, sondern ein Spektrum. Am einen Ende steht die breite Grundkompetenz – das Verständnis aller Mitarbeitenden dafür, was KI kann und was nicht, wo ihre Grenzen liegen und wie man Ergebnisse kritisch prüft. Diese sogenannte AI Literacy ist kein „Nice-to-have“: Ohne sie nutzen Mitarbeitende Werkzeuge falsch, vertrauen Ergebnissen blind oder lehnen sie pauschal ab. Am anderen Ende steht das Spezialwissen einzelner Rollen, die Anwendungsfälle konzipieren, Datenqualität sichern oder Modelle integrieren.
Das Assessment prüft beide Enden. Es fragt nicht nur, ob es Spezialisten gibt, sondern auch, ob die Breite der Belegschaft KI verantwortungsvoll einsetzen kann. Häufig ist genau die Breite die Lücke: Es gibt zwei, drei begeisterte Power-User, aber kein Konzept, um die übrigen Hunderte mitzunehmen. Ein Assessment zeigt, ob die Kompetenzbasis trägt oder ob Befähigung Teil der Roadmap werden muss.
Die kulturelle Dimension ist die schwerste zu messen und zugleich oft die entscheidende. Sie umfasst die Offenheit für Veränderung, das Vertrauen zwischen Führung und Belegschaft, die Fehlertoleranz im Umgang mit neuen Werkzeugen und – ganz konkret – die Frage, ob Mitarbeitende KI als Bedrohung oder als Entlastung erleben. Ein Unternehmen mit hervorragenden Daten und moderner Technik kann an einer ablehnenden Kultur scheitern, in der das neue Werkzeug aus Angst, Trotz oder Misstrauen einfach nicht benutzt wird.
Im Assessment wird Kultur nicht als weicher Faktor abgetan, sondern systematisch erhoben – etwa über Gespräche, anonyme Befragungen und die Beobachtung, wie frühere Veränderungsprojekte verlaufen sind. Wie ein Unternehmen die letzte ERP-Einführung oder die letzte Prozessumstellung erlebt hat, ist ein guter Indikator dafür, wie es auf KI reagieren wird.
Kompetenz und Kultur bilden ein Paar aus Können und Wollen. Beide müssen vorhanden sein. Wer könnte, aber nicht will, blockiert; wer will, aber nicht kann, scheitert an der Umsetzung. Das Assessment macht diese Konstellation sichtbar und erlaubt gezielte Maßnahmen: Bei einer Kompetenzlücke helfen Schulung und Befähigung, bei einer Kulturlücke Führungsarbeit, Beteiligung und transparente Kommunikation. Die Verwechslung beider – etwa Schulungen gegen ein Akzeptanzproblem einzusetzen – ist eine der häufigsten Fehlinvestitionen in der Einführungsphase.
Ohne Governance entsteht im besten Fall Reibung und im schlimmsten Fall ein ernsthaftes Risiko. Mitarbeitende laden vertrauliche Daten in öffentliche Tools, niemand verantwortet die Qualität von KI-Ergebnissen, und es gibt keine Stelle, die im Zweifel entscheidet. Solche unkontrollierte „Schatten-KI“ ist im Mittelstand weit verbreitet – und ein zentraler Befund vieler Assessments.
Die Governance-Dimension prüft, ob ein tragfähiger Rahmen existiert:
Zwei Regelwerke prägen den KI-Einsatz im DACH-Raum besonders. Der EU AI Act folgt einem risikobasierten Ansatz: Je nach Risikoklasse eines KI-Systems gelten unterschiedliche Pflichten, von Transparenzanforderungen bis zu strengen Vorgaben für Hochrisiko-Anwendungen. Ein Assessment prüft, ob ein Unternehmen die eigenen geplanten oder bestehenden KI-Anwendungen überhaupt klassifizieren kann – die Grundvoraussetzung, um die jeweils geltenden Pflichten zu erkennen. Hinzu kommt die Anforderung an KI-Kompetenz der Beschäftigten, die die Verbindung zur Kompetenzdimension verstärkt.
Die DSGVO ist immer dann relevant, wenn personenbezogene Daten verarbeitet werden – und das ist bei vielen KI-Anwendungen der Fall. Zweckbindung, Rechtsgrundlage, Transparenz, Betroffenenrechte und gegebenenfalls eine Datenschutz-Folgenabschätzung sind die zentralen Stichworte. Das Assessment betrachtet, ob diese Anforderungen im Unternehmen bekannt und prozessual verankert sind, nicht ob jede Einzelfrage abschließend geklärt ist.
Die Übersetzung vom Befund zur Maßnahme folgt einer klaren Logik: Die Lücken zwischen Ist- und Ziel-Stufe in jeder Dimension werden identifiziert, nach Wirkung und Aufwand priorisiert und in eine zeitliche Abfolge gebracht. Dabei gilt das Prinzip, zuerst die Engpässe zu schließen, die den ersten sinnvollen Anwendungsfall blockieren – nicht alle Lücken gleichzeitig.
Eine gute Roadmap mischt zwei Arten von Maßnahmen. Quick Wins sind schnell umsetzbare Schritte mit sichtbarem Nutzen – etwa eine KI-Richtlinie, eine erste Schulungswelle oder ein eng umrissener Pilot. Sie erzeugen Momentum und Vertrauen. Strukturelle Maßnahmen brauchen länger, schaffen aber die dauerhafte Grundlage – etwa die Bereinigung der Datenbasis, der Aufbau einer Governance-Struktur oder die breite Kompetenzentwicklung. Wer nur Quick Wins verfolgt, baut Strohfeuer; wer nur strukturell arbeitet, verliert die Organisation unterwegs. Die Kunst der Roadmap ist die richtige Mischung.
Eine Roadmap ist keine in Stein gemeißelte Projektliste, sondern ein lebendes Steuerungsinstrument. KI entwickelt sich schnell, Regulierung verändert sich, und jeder umgesetzte Schritt verändert den Reifegrad. Deshalb gehört zur seriösen Roadmap die Festlegung, wann und wie sie überprüft wird. Das wiederkehrende Assessment liefert dafür die Datenbasis und schließt den Kreis: Diagnose, Maßnahme, erneute Diagnose. Genau dieser Zyklus unterscheidet nachhaltige KI-Entwicklung von einmaligen Strohfeuer-Projekten.
Im Kern besteht jedes Assessment aus denselben Bausteinen: Informationen entlang der sechs Dimensionen erheben, sie gegen die Reifegradstufen bewerten, das Profil mit den Beteiligten validieren und die Ergebnisse in eine Roadmap übersetzen. Der Unterschied liegt im Anspruch an Tiefe, Objektivität und Verbindlichkeit.
Ein Selbstcheck ist ein ausgezeichneter erster Schritt. Er schärft das Bewusstsein, bringt die richtigen Fragen auf den Tisch und liefert eine grobe Verortung. Für ein Unternehmen ganz am Anfang seiner KI-Reise, das zunächst überhaupt einen Eindruck gewinnen will, ist er oft völlig ausreichend. Seine Grenze liegt in zwei Punkten: Erstens neigen Selbsteinschätzungen systematisch zu Verzerrungen – man bewertet sich entweder zu wohlwollend oder, bei kritischen Naturen, zu streng. Zweitens fehlt der Vergleichsmaßstab: Ohne Erfahrung aus vielen anderen Unternehmen fällt es schwer, die eigene Stufe realistisch einzuordnen.
Sobald es um eine konkrete, größere Investitionsentscheidung geht oder interne Einschätzungen weit auseinandergehen, lohnt sich ein begleitetes Assessment. Die externe Perspektive bringt nicht nur Methodik, sondern auch einen neutralen Blick, der festgefahrene interne Debatten auflöst. Außerdem öffnet ein neutraler Dritter oft Türen für offene Antworten, die intern aus politischen Gründen nicht ausgesprochen würden.
In der Praxis dauert ein begleitetes Assessment im Mittelstand typischerweise zwei bis sechs Wochen. Es beginnt mit der Abstimmung von Umfang und Zielen, gefolgt von einer Erhebungsphase aus Interviews, Dokumentensichtung und gegebenenfalls einer Befragung der Belegschaft. Danach werden die sechs Dimensionen bewertet und das Reifegradprofil erstellt. In einem Validierungsworkshop wird das Bild mit den Beteiligten geschärft, bevor die Ergebnisse in einen Bericht mit Roadmap münden. Der Aufwand für das Unternehmen bleibt überschaubar – die Hauptlast liegt bei der Begleitung.
Unabhängig vom gewählten Weg gilt: Ein Assessment ist nur so gut wie die Breite seiner Quellen. Wer nur die Geschäftsführung oder nur die IT befragt, erhält ein verzerrtes Bild. Entscheidend ist, Stimmen aus Fachbereichen, IT, Datenschutz, Personal und – wo vorhanden – der Mitbestimmung einzubeziehen. Erst diese Breite macht das Profil belastbar und erzeugt zugleich die gemeinsame Sicht, die jede spätere Umsetzung trägt. Das Assessment ist damit immer auch ein Stück Organisationsentwicklung.
