KI-Reifegrad bestimmen: Wo steht Ihr Unternehmen?
Das Wichtigste in Kürze: 74 % der deutschen KMU befinden sich auf den ersten beiden von fünf KI-Reifegradstufen. Die meisten experimentieren, aber ohne Leitplanken und ohne Sichtbarkeit für die Ergebnisse. Ein strukturiertes Assessment über fünf Dimensionen (Strategie, Daten, Technologie, Kompetenzen, Organisation) zeigt, wo Ihr Unternehmen tatsächlich steht und welcher nächste Schritt sich lohnt.
Warum brauche ich ein KI-Reifegrad-Assessment?
Ohne ehrliche Standortbestimmung investieren Unternehmen in die falschen KI-Projekte. 54 % der KMU wissen nicht, welche KI-Anwendungsfälle für sie relevant sind.[1] Ein Assessment verhindert teure Fehlstarts und schafft die Grundlage für gezielte Investitionen.
Das Muster sehe ich regelmäßig: Ein Geschäftsführer kommt aus einem Vortrag, begeistert von KI-Möglichkeiten. Zwei Wochen später hat die IT ein ChatGPT-Abo eingerichtet. Drei Monate danach fragt jemand: Was hat uns das eigentlich gebracht?
Keiner weiß es.
Das Problem ist nicht die Begeisterung. Sondern der fehlende Startpunkt.
Laut McKinsey betrachten weltweit nur 1 % der Unternehmensführungen ihre KI-Einführung als ausgereift.[2] 89 % der Firmen geben zu, das Potenzial bei weitem nicht auszuschöpfen.[3] Die Kluft zwischen „wir machen was mit KI" und „KI verändert unsere Wertschöpfung" ist enorm.
Ein KI-Reifegrad-Assessment schließt diese Kluft nicht. Aber es zeigt, wie breit sie ist. Und das ist der erste Schritt, um sie zu überbrücken. In meinem Leitfaden zu KI im Mittelstand beschreibe ich fünf typische Fehler bei der KI-Einführung. Der erste: keine Strategie, nur Aktionismus. Ein Reifegrad-Assessment ist das Gegenmittel.
Welche Reifegrade gibt es? Das 5-Stufen-Modell
Fünf Stufen beschreiben den Weg von ersten KI-Experimenten bis zum KI-getriebenen Geschäftsmodell. 38 % der KMU befinden sich auf Stufe 1, weitere 36 % auf Stufe 2. Nur 2 % haben Stufe 5 erreicht.[1]
| Stufe | Bezeichnung | Anteil KMU | Typische Merkmale |
|---|---|---|---|
| 1 | KI-Bewusst | 38 % | Einzelne nutzen KI-Tools, aber ohne gemeinsamen Rahmen oder Richtlinien |
| 2 | KI-Aktiv | 36 % | Erste strukturierte Projekte, beginnende Strategieentwicklung |
| 3 | KI-Kompetent | 18 % | Mehrere produktive KI-Lösungen, klare Strategie und Governance |
| 4 | KI-Optimiert | 6 % | KI in Kernprozesse integriert, systematisches Monitoring |
| 5 | KI-Vorreiter | 2 % | KI-getriebene Geschäftsmodelle, messbarer Wettbewerbsvorteil |
Quelle: KI-Studie 2025, HKA / maximal.digital, n=455[1]
74 % auf Stufe 1 oder 2. Klingt ernüchternd, ist aber kein Grund zur Panik. Es bedeutet: Die meisten Unternehmen stehen am selben Punkt. Wer jetzt eine ehrliche Bestandsaufnahme macht und gezielt investiert, hat einen realen Vorsprung.
Was unterscheidet ein Stufe-1-Unternehmen von Stufe 3 in der Praxis?
Stufe 1 sieht so aus: Drei Mitarbeiter nutzen ChatGPT auf eigene Faust, weil sie den Nutzen in ihrem Arbeitsalltag erkannt haben. Eigentlich ein gutes Zeichen. Aber die Organisation hat nicht nachgezogen: keine Richtlinien, keine freigegebenen Tools, keine Auswertung. Das ist Schatten-KI. Die Mitarbeiter sind weiter als das Unternehmen.
Stufe 3 dagegen: Das Unternehmen hat zwei produktive KI-Anwendungen laufen, zum Beispiel automatisierte Dokumentenklassifikation und einen KI-Assistenten im Kundenservice. Es gibt eine KI-Strategie, klare Nutzungsrichtlinien, jemanden der die Ergebnisse überwacht. Der Unterschied liegt nicht in der Technologie. Er liegt in der Struktur drum herum.
Wie bestimme ich den KI-Reifegrad meines Unternehmens? Die fünf Dimensionen
Ein belastbares Assessment bewertet fünf Dimensionen: Strategie, Daten, Technologie, Kompetenzen und Organisation. Jede Dimension einzeln zu betrachten zeigt, wo die größten Lücken liegen. Und wo der größte Hebel steckt.
1. Strategie
68 % der KMU haben keine ausgearbeitete KI-Roadmap.[1] Die zentrale Frage: Existiert eine dokumentierte Verbindung zwischen KI-Vorhaben und Geschäftszielen?
Prüffragen:
- Gibt es eine schriftliche KI-Strategie mit konkreten Zielen?
- Sind KI-Investitionen an messbare Geschäftsergebnisse gekoppelt?
- Wer verantwortet das Thema KI auf Führungsebene?
Nur 19 % der KMU haben eine dedizierte KI-Verantwortung in der Geschäftsleitung.[1] Solange KI ein Nebenthema der IT-Abteilung bleibt, passiert entweder nichts oder das Falsche.
Und hier liegt ein grundlegendes Missverständnis: KI ist kein IT-Thema. Es ist ein Geschäftsprozess-Thema. Die besten Anwendungsfälle findet nicht die IT-Abteilung, sondern die Sachbearbeiterin im Einkauf, der Vertriebsleiter, die Teamleiterin im Kundenservice. Die Leute, die täglich in den Prozessen arbeiten. Wir schreiben auch niemandem vor, wie Word oder Excel zu benutzen sind. Bei KI sollte es genauso laufen: Zugang schaffen, Leitplanken setzen, ausprobieren lassen. KI-Initiativen, die von oben verordnet werden, scheitern häufiger als solche, die aus den Fachabteilungen wachsen. In meinem Artikel „KI ist kein IT-Thema" gehe ich darauf ausführlich ein. Aber die These gehört auch hierher, weil sie den Strategiebegriff grundlegend verändert: Strategie heißt nicht, KI top-down auszurollen. Strategie heißt, den Rahmen zu schaffen, in dem die Anwender selbst herausfinden, wo KI ihnen hilft.
2. Daten
76 % der KMU kämpfen mit unzureichender Datenqualität und Datensilos.[1] Daten sind der Treibstoff für KI. Bei den meisten Unternehmen ist der Tank löchrig.
Prüffragen:
- Sind Ihre geschäftsrelevanten Daten zentral zugänglich oder über Abteilungen verstreut?
- Gibt es eine Datenstrategie? Wissen Sie, welche Daten Sie für KI brauchen?
- Wie steht es um Datenqualität: vollständig, konsistent, aktuell?
83 % haben keine umfassende Datenstrategie. 69 % wissen nicht einmal, welche Daten sie für KI benötigen.[1] Das ist die häufigste Schwachstelle, die ich bei Assessments finde. Und die, bei der sich mit überschaubarem Aufwand am meisten bewegen lässt. Oft reicht ein Überblick über vorhandene Datenquellen und ihre Qualität, um die ersten realistischen Use Cases zu identifizieren.
3. Technologie
Die technische Infrastruktur bestimmt, was möglich ist. Moderne Cloud-Architekturen machen den Einstieg leichter als je zuvor. Legacy-Systeme ohne APIs machen ihn schwer.
Prüffragen:
- Haben Ihre Kernsysteme (ERP, CRM) offene Schnittstellen?
- Gibt es Cloud-Infrastruktur oder läuft alles on-premise?
- Können Sie einen externen KI-Service anbinden, ohne die halbe IT-Landschaft umzubauen?
Technologie ist selten der eigentliche Engpass. Die meisten KI-Dienste laufen über Cloud-APIs, die sich mit moderatem Aufwand integrieren lassen. Schwieriger wird es, wenn Kernsysteme veraltet sind und keine Schnittstellen bieten. Dann steht vor dem KI-Projekt ein Modernisierungsprojekt. Das verändert den Zeitrahmen erheblich.
4. Kompetenzen
82 % der KMU berichten von einer erheblichen KI-Kompetenzlücke.[1] Nicht nur in der IT, sondern auf allen Ebenen.
Prüffragen:
- Kann die Geschäftsführung KI-Projekte realistisch einschätzen und priorisieren?
- Verstehen Fachabteilungen, was KI kann und was nicht?
- Hat die IT Erfahrung mit Integration und Betrieb von KI-Lösungen?
73 % bieten keine systematische KI-Schulung an.[1] Das erklärt die Kompetenzlücke ziemlich direkt. In meiner Erfahrung ist ein KI-Workshop auf Führungsebene der wirksamste erste Schritt. Nicht weil er alle Probleme löst, sondern weil er die richtigen Fragen auslöst.
5. Organisation & Kultur
67 % der KMU berichten von Widerstand der Mitarbeiter gegen KI-Einführung.[1] Dahinter stecken konkrete Ängste: 58 % fürchten um ihren Arbeitsplatz, 51 % fühlen sich von der Technologie überfordert.[1]
Prüffragen:
- Gibt es eine offene Experimentierkultur oder dominiert Angst vor Fehlern?
- Existieren klare KI-Nutzungsrichtlinien?
- Ist Change Management bei KI-Projekten eingeplant, oder doch eher Nachgedanke?
Nur 28 % haben eine Change-Management-Strategie für KI-Einführung.[1] Das ist, als würde man eine neue Produktionslinie installieren und vergessen, die Mitarbeiter einzuweisen.
Entscheidend ist: KI-Kompetenz entsteht nicht durch Schulungsfolien. Sie entsteht durch Ausprobieren, durch täglichen Umgang, durch Fehler machen und daraus lernen. Unternehmen, die ihren Mitarbeitern erlauben, KI-Tools in ihrem Arbeitsalltag zu testen, bauen Kompetenz und Akzeptanz gleichzeitig auf. Unternehmen, die KI als Projekt der IT-Abteilung behandeln und fertige Lösungen ausrollen, bekommen weder das eine noch das andere.
Alles auf einen Blick: Dimension × Reifegrad
| Dimension | Niedrig (Stufe 1–2) | Mittel (Stufe 3) | Hoch (Stufe 4–5) |
|---|---|---|---|
| Strategie | Keine Roadmap, KI als IT-Thema | Dokumentierte Strategie, Führungsverantwortung | KI in Unternehmensstrategie verankert |
| Daten | Silos, keine Datenstrategie | Zentrale Datenhaltung, Qualitätsstandards | Data Governance etabliert, Daten als Asset |
| Technologie | Legacy ohne APIs | Cloud-Anbindung, erste Integrationen | Skalierbare KI-Infrastruktur mit Monitoring |
| Kompetenzen | Keine Schulungen, Einzelkämpfer | Strukturierte Weiterbildung, KI-Verantwortliche | KI-Kompetenz auf allen Ebenen |
| Organisation | Widerstand, keine Richtlinien | Nutzungsrichtlinien, Change Management | Experimentierkultur, KI als Selbstverständlichkeit |
Was mache ich mit dem Ergebnis? Handlungsempfehlungen je Stufe
Jede Stufe hat einen klaren nächsten Schritt. Der häufigste Fehler: zwei Stufen überspringen wollen. Wer auf Stufe 1 steht, braucht keine unternehmensweite KI-Plattform. Der braucht Leitplanken und Freiraum zum Experimentieren.
Stufe 1 — KI-Bewusst: Schaffen Sie Leitplanken, damit Ihre Mitarbeiter loslegen können. Ein Strategieworkshop auf Geschäftsführerebene klärt in einem Tag die Grundlagen: Welche Tools sind erlaubt? Welche Daten sind tabu? Was wollen wir erreichen? Parallel: Nutzungsrichtlinien aufsetzen und den Teams den Raum geben, innerhalb dieses Rahmens zu experimentieren.
Stufe 2 — KI-Aktiv: Sie haben erste Projekte, jetzt brauchen Sie Fokus. Schauen Sie, was Ihre Teams bereits von sich aus ausprobiert haben, und greifen Sie den vielversprechendsten Ansatz auf. Validieren Sie ihn mit einem Proof of Concept in vier bis sechs Wochen. Messbarer Erfolg bei einem Projekt überzeugt mehr als PowerPoint-Strategien. Beginnen Sie parallel mit einer Datenstrategie. Die brauchen Sie für alles, was danach kommt.
Stufe 3 — KI-Kompetent: Zeit für Struktur. Bauen Sie KI-Governance auf: Wer verantwortet was? Wie werden Modelle überwacht? Wie sieht der Prozess für neue KI-Projekte aus? Unternehmen mit hohem KI-Reifegrad erzielen bis zu 41 % ihrer Erträge aus digitalen Geschäftsmodellen.[4] Ohne Governance kommen Sie da nicht hin.
Stufe 4–5 — KI-Optimiert bis Vorreiter: Hier geht es nicht mehr um Einführung, sondern um Transformation. Prüfen Sie, welche neuen Geschäftsmodelle KI ermöglicht. Investieren Sie in die Weiterentwicklung Ihres Teams. Und bleiben Sie wachsam. Was heute Wettbewerbsvorteil ist, kann in zwei Jahren Standard sein.
Fazit: Ehrlichkeit ist der erste Schritt
74 % der KMU stehen bei KI am Anfang. Das ist kein Makel, sondern Normalzustand. Entscheidend ist nicht, wo Sie stehen. Sondern ob Sie wissen, wo Sie stehen.
Drei Dinge, die ich aus jedem Assessment mitnehme:
Blinde Flecken sind teurer als Lücken. Die größten Probleme sehe ich nicht bei Unternehmen, die ihren Rückstand kennen. Sondern bei denen, die sich weiter schätzen als sie sind. 81 % der KMU messen den ROI ihrer KI-Projekte nicht.[1] Ohne Messung keine Korrektur.
Jede Dimension einzeln bewerten. Ein Unternehmen kann bei Technologie auf Stufe 3 stehen und bei Kompetenzen auf Stufe 1. Das Gesamtbild entsteht erst durch alle fünf Dimensionen. Der nächste Schritt richtet sich nach der schwächsten, nicht nach der stärksten.
Der nächste Schritt muss zum Reifegrad passen. Keine Sprünge über zwei Stufen. Keine unternehmensweite KI-Plattform, wenn Sie noch nicht wissen, wo Ihre Daten liegen. Ein Assessment gibt Ihnen nicht nur eine Zahl. Es gibt Ihnen einen Fahrplan.
Wenn Sie wissen wollen, wo Ihr Unternehmen steht und welcher Schritt sich als Nächstes lohnt, sprechen Sie mich an. Ich führe Reifegrad-Assessments durch, die in ein bis zwei Tagen Klarheit schaffen.
Fußnoten
-
HKA Hochschule Karlsruhe / maximal.digital, „KI-Studie 2025: KI im Mittelstand und KMU", n=455 Unternehmen, 2025. ↩ ↩2 ↩3 ↩4 ↩5 ↩6 ↩7 ↩8 ↩9 ↩10 ↩11 ↩12 ↩13
-
McKinsey & Company, „The State of AI in 2025", Global Survey, November 2025. ↩
-
British Chambers of Commerce, AI Adoption Survey, 2025. ↩
-
Smarter Service, „Die Zukunftsmacher 2025: Wie KI den Mittelstand stärker macht", November 2025. ↩
Häufige Fragen
Wie lange dauert ein KI-Reifegrad-Assessment?
Eine fundierte Standortbestimmung lässt sich in ein bis zwei Tagen durchführen. Das umfasst Interviews mit Schlüsselpersonen, eine Analyse der Datenlandschaft und eine Bewertung der technischen und organisatorischen Voraussetzungen. Ergebnis: eine klare Einordnung auf dem 5-Stufen-Modell mit konkreten Handlungsempfehlungen.
Kann ich den KI-Reifegrad selbst bestimmen oder brauche ich externe Hilfe?
Eine erste Einschätzung können Sie mit den fünf Dimensionen aus diesem Artikel selbst vornehmen. Für eine belastbare Bewertung empfehle ich externe Begleitung. Nicht weil es kompliziert ist, sondern weil interne Bewertungen blinde Flecken übersehen. Besonders bei Datenqualität und tatsächlichem Kompetenzstand ist ein Blick von außen wertvoll.
Was kostet ein KI-Readiness-Assessment?
Ein strukturiertes Assessment liegt typischerweise zwischen 3.000 und 10.000 Euro, je nach Unternehmensgröße und Tiefe der Analyse. Gemessen an den Kosten eines fehlgeleiteten KI-Projekts (oft fünf- bis sechsstellig) ist das eine sinnvolle Investition in die richtige Richtung.
Wie oft sollte ich den KI-Reifegrad neu bewerten?
Alle 12 bis 18 Monate. Die KI-Landschaft entwickelt sich schnell, und Ihr Unternehmen verändert sich mit. Nach jedem größeren KI-Projekt oder einer strategischen Neuausrichtung lohnt sich eine Neubewertung, um den Fortschritt zu messen und die nächsten Schritte anzupassen.