Viele Unternehmen beginnen ihr erstes KI-Projekt mit der Frage nach dem passenden Tool. Wichtiger ist zunächst eine andere Frage: Kann der Betrieb ein solches Tool überhaupt sinnvoll einsetzen? Ein KI-Readiness-Check klärt das vorab. Er prüft vier Bereiche, bevor Budget in einen Piloten fließt.
Kurzfassung
Ein KI-Readiness-Check prüft vier Bereiche: Prozesse, Datenlage, Verantwortung und Kompetenz der Beschäftigten. Kostenlose Online-Selbsttests liefern eine erste Orientierung, ersetzen aber keine Einschätzung, die das konkrete Vorhaben kennt. Ist ein Bereich noch nicht so weit, verschiebt das nicht den Piloten, sondern die Reihenfolge der Schritte.
Wer bereits einen Kandidaten für den ersten Workflow hat, findet das weitere Vorgehen unter KI-Use-Cases finden. Dieser Beitrag behandelt den Schritt davor: ob die Voraussetzungen im Unternehmen stimmen.
Was ein KI-Readiness-Check prüft
Unter dem Begriff laufen zwei verschiedene Angebote. Das eine ist ein Online-Fragebogen, der nach wenigen Minuten eine Ampel oder einen Punktwert ausgibt. Solche Selbsttests bieten unter anderem die Mittelstand-Digital-Zentren kostenlos an, für einen ersten Eindruck taugen sie. Das andere ist eine Standortbestimmung, die benennt, wo es im Unternehmen hakt und was daraus für das nächste Vorhaben folgt.
Inhaltlich fragen beide Varianten dieselben vier Bereiche ab, nur unterschiedlich tief:
| Bereich | Bereit, wenn… | Noch nicht bereit, wenn… |
|---|---|---|
| Prozessreife | ein Ablauf wiederholt gleich abläuft und sich in wenigen Sätzen beschreiben lässt | jeder Fall anders läuft und niemand den Ablauf ohne Rückfrage erklären kann |
| Datenlage | feststeht, welche Daten hineinfließen und welcher Kategorie sie angehören | unklar ist, woher die Daten kommen und ob sie das Haus verlassen dürfen |
| Verantwortung | eine Person Entscheidungen zum Piloten treffen darf und dafür Zeit hat | die Verantwortung diffus im Team liegt oder nirgends benannt ist |
| Kompetenz | die Beteiligten die Grenzen des Systems kennen und mitziehen | Skepsis, Zeitmangel oder fehlendes Grundverständnis den Start blockieren |
Die folgenden Abschnitte behandeln die Bereiche einzeln.
Prozessreife: Abläufe müssen wiederkehren und beschreibbar sein
Ein KI-System arbeitet nur dann verlässlich, wenn klar ist, wie ein korrekt bearbeiteter Fall aussieht. Das setzt Prozesse voraus, die häufig und in ähnlicher Form ablaufen, ein erkennbares Ergebnis haben und sich beschreiben lassen, ohne dass ständig der Satz “kommt drauf an” fällt.
Ein einfacher Test: Kann eine neue Mitarbeiterin den Ablauf anhand der vorhandenen Unterlagen nachvollziehen, ohne dass jemand danebensitzt? Falls nicht, ist der Prozess nicht nur für KI zu unklar, sondern schon für eine geordnete Einarbeitung. Dieselbe Probe hilft später bei der Auswahl des ersten Anwendungsfalls.
Ungeeignet ist ein solcher Prozess deshalb nicht. Er muss aber zuerst geklärt und dokumentiert werden, bevor ein System darauf aufsetzt. Das dauert in der Regel einige Tage und verhindert, dass der Pilot später an einem ungeklärten Ablauf scheitert.
Datenlage: Klar sein muss, welche Daten wohin dürfen
Die Datenfrage bleibt in der Praxis am längsten offen: Welche Daten fließen in den geplanten Workflow, und dürfen sie das eigene Netz verlassen? Fehlt die Antwort, stoppt der Pilot entweder, oder er läuft in einer rechtlichen Grauzone weiter, aus der er später nur mit Verzögerung herauskommt.
Geklärt ist die Datenlage, wenn drei Punkte feststehen: die Datenkategorie, also etwa allgemeine Bürodokumente oder personenbezogene, mandatsbezogene und besonders schützenswerte Daten, dann der Ort der Verarbeitung und schließlich, ob der Anbieter mit diesen Daten trainiert. Für allgemeine Bürodokumente genügt meist ein Enterprise-Tier mit Auftragsverarbeitungsvertrag (AVV). Sensiblere Kategorien erfordern Datenresidenz in der EU oder eine private Infrastruktur. Den vollständigen Prüfweg beschreibt der Beitrag Datenschutzkonforme KI für Unternehmen.
Entscheidend ist also nicht, wie kompliziert die Datenlage ist, sondern ob sie geklärt ist. Ein Unternehmen mit sensiblen Daten kann sofort starten, wenn es die Kategorie kennt und die passende Infrastruktur wählt. Ein Unternehmen mit unkritischen Daten kommt dagegen nicht voran, solange niemand die Frage gestellt hat.
Verantwortung: Eine Person muss entscheiden können
Dieser Bereich wird am häufigsten übersehen, weil er nicht nach Technik klingt. Ein Pilot braucht eine Person, die Entscheidungen trifft, ohne jedes Mal eine Abstimmungsrunde einzuberufen, und die dafür Zeit im Kalender hat. Der Satz “Das Team kümmert sich darum” benennt keine Verantwortung. Er verteilt sie, und das verzögert jede Entscheidung.
In mittelständischen Betrieben ist diese Rolle selten eine Vollzeitstelle. Meist übernimmt sie die IT-Leitung, eine Prozessverantwortliche oder die Geschäftsführung zusätzlich. Der Titel ist dabei zweitrangig. Wichtig ist, dass die Person schnell und verbindlich festlegen kann, welche Fälle in den Piloten gehen und ab wann ein Test als gescheitert oder erfolgreich gilt.
Fehlt die Rolle, ist das kein Grund, den Piloten zu verschieben. Die Benennung wird dann zum ersten Schritt, noch bevor der erste Workflow ausgewählt wird.
Kompetenz: Beschäftigte müssen die Grenzen des Systems kennen
Der vierte Bereich hat eine praktische und eine rechtliche Seite. Praktisch braucht ein Pilot Mitarbeitende, die wissen, was das System leistet und was nicht, und die Ergebnisse prüfen, statt sie ungesehen zu übernehmen. Rechtlich verpflichtet der EU AI Act Anbieter und Betreiber von KI-Systemen seit Februar 2025, für ausreichende KI-Kompetenz ihres Personals zu sorgen. Welche Rollen das betrifft und wie sich die Schulung nachweisen lässt, erklärt der Beitrag EU AI Act Schulungspflicht.
Modelle trainieren muss dafür niemand können. Es genügt, dass die Beteiligten typische Fehlerquellen kennen, etwa Halluzinationen (frei erfundene, aber plausibel klingende Aussagen), und wissen, wann sie eine Ausgabe hinterfragen müssen. Fehlt dieses Grundverständnis, hilft auch die beste Tool-Auswahl wenig. Die Schwachstelle liegt dann im Umgang mit den Ergebnissen, nicht in der Technik.
Warum ein kostenloser Online-Selbsttest nicht ausreicht
Kostenlose Selbsttests von Mittelstand-Digital-Zentren oder Industrie- und Handelskammern haben durchaus ihren Nutzen. Sie sind schnell ausgefüllt, unverbindlich und ein brauchbarer Anlass, sich mit dem eigenen Stand zu befassen. Allerdings müssen sie allgemein bleiben, damit sie für jedes Unternehmen funktionieren. Welcher Workflow bei dir ansteht, welche Systeme im Haus laufen oder welche Datenkategorie das größte Risiko birgt, können sie nicht wissen.
Besonders deutlich wird das bei Verantwortung und Daten. Die Frage, ob “jemand zuständig ist”, lässt sich mit Ja beantworten, auch wenn diese Person gar nichts entscheiden darf. Ebenso pauschal lässt sich ankreuzen, dass “die Datenlage geklärt ist”, ohne dass die Kategorie eines konkreten Vorhabens bekannt ist. Ein Selbsttest funktioniert wie ein Fieberthermometer: Er zeigt, dass etwas nicht stimmt, aber nicht, woher das Problem kommt.
Hier setzt eine Einschätzung durch jemanden an, der beides kennt: die vier Bereiche und die Workflows, die im Mittelstand tatsächlich funktionieren. Einen Überblick über geeignete Einstiegs-Workflows und typische Anfängerfehler gibt der Beitrag KI im Mittelstand: der Einstieg.
Was jetzt zu tun ist
Geh die vier Bereiche einmal durch, und zwar mit den Personen, die die Antworten kennen, nicht mit denen, die sie vermuten. Steht ein Bereich auf Rot, ergibt sich daraus der nächste Schritt: die Rolle benennen, die Datenkategorie klären oder den Prozess einmal sauber aufschreiben. Sind die Voraussetzungen erfüllt, folgt die Frage nach der Wirtschaftlichkeit, beschrieben in KI ROI berechnen.
Eine Einschätzung, die deine tatsächliche Ausgangslage berücksichtigt, bekommst du im Kennenlerngespräch. Es dauert 30 Minuten. Danach weißt du, ob ein erster Pilot jetzt sinnvoll ist oder was vorher geklärt werden muss.
