A3. Reifegradanalyse

Bevor ein Unternehmen gezielt in KI investiert, muss es seine eigene KI-Reife kennen. Die Reifegradanalyse liefert dieses Bild: Wie gut ist die Organisation technisch, organisatorisch und kulturell auf KI vorbereitet? Ohne diese Bestandsaufnahme werden Investitionen an der falschen Stelle getätigt, etwa in eine teure Plattform, obwohl das eigentliche Problem fehlende Datenqualität ist.

Was dieses Kapitel liefert: eine Anleitung in fünf Schritten, die nacheinander durchlaufen werden, mit dem jeweils benötigten Input, dem konkreten Vorgehen und dem Ergebnis. Am Ende stehen das eigene Reifeprofil, der begrenzende Engpass und die daraus abgeleiteten Maßnahmen. Im Vorgehensmodell ist diese Analyse die Assess-Phase (siehe Kapitel C1).

Schritt 1: Ausgangslage und Ziele schriftlich festhalten

Was zu tun ist: Bevor irgendetwas bewertet wird, wird die Ausgangslage dokumentiert, auf ein bis zwei Seiten, gemeinsam von Geschäftsführung und IT-Leitung.

Welche Informationen erhoben werden, mit welchen Leitfragen und warum:

Ergebnis von Schritt 1: Ein kurzes Dokument mit Zielen, Randbedingungen, Systemlandschaft, bisherigen Initiativen und Ressourcen. Es dient in allen folgenden Schritten als Referenz.

Was passiert, wenn dieser Schritt übersprungen wird: Die Bewertung in Schritt 4 hängt in der Luft. Typische Folge ist eine Reifegradbewertung, die niemand mit Geschäftszielen verbinden kann und die deshalb keine Investitionsentscheidung auslöst.

Schritt 2: Die sieben Bewertungsdimensionen verstehen

Die Reife wird nicht pauschal bewertet, sondern getrennt nach sieben Dimensionen. Der Grund: Organisationen sind fast nie gleichmäßig reif. Ein Unternehmen kann technisch weit sein und trotzdem an fehlenden Rollen oder schlechter Datenqualität scheitern. Erst die getrennte Bewertung macht sichtbar, wo der Engpass liegt. Die sieben Dimensionen und fünf Stufen dieses Werks sind eine bewusst schlanke Synthese verbreiteter Reifegradmodelle aus Beratung und Forschung, zugeschnitten auf die direkte Anwendung im Strategieprozess statt auf die Vollständigkeit einer Zertifizierung.

Schritt 3: Informationen erheben

Um die sieben Dimensionen aus Schritt 2 bewerten zu können, braucht es belastbare Informationen: je Dimension die Antwort auf die Leitfrage samt Nachweisen. Vier Erhebungsmethoden haben sich dafür bewährt. Sie beleuchten unterschiedliche Aspekte und sollten kombiniert werden, weil jede für sich blinde Flecken hat.

Methode 1: Interviews mit Schlüsselpersonen

• Was: Einzelgespräche von 45 bis 60 Minuten mit 5 bis 10 Personen: Geschäftsführung, IT-Leitung, Datenverantwortliche, zwei bis drei Führungskräfte aus Fachbereichen.
• Wie: Offene Fragen entlang der sieben Dimensionen, z. B. „Welche KI-Initiativen gab es bisher und was ist aus ihnen geworden?", „Woran ist das letzte Datenprojekt gescheitert?", „Wer entscheidet heute, ob ein Modell produktiv gehen darf?"
• Warum: Interviews decken auf, was in keinem Dokument steht: Kultur, informelle Hindernisse, Widerstände, unterschiedliche Erwartungen zwischen Bereichen.
• Ergebnis: Gesprächsnotizen je Dimension, insbesondere qualitative Einschätzungen für Kultur und Organisation.

Methode 2: Standardisierter Fragebogen

• Was: Ein Fragebogen mit 5 bis 10 geschlossenen Fragen je Dimension, an einen breiteren Kreis (20 bis 50 Personen aus allen betroffenen Bereichen).
• Wie: Aussagen mit Zustimmungsskala, z. B. „Ich weiß, an wen ich mich wende, wenn ich Daten für eine Analyse benötige" (1 = trifft nicht zu, 5 = trifft voll zu).
• Warum: Der Fragebogen macht Einschätzungen vergleichbar und zeigt Abweichungen zwischen Bereichen. Wenn die IT die Datenqualität mit 4 bewertet und der Fachbereich mit 2, ist genau diese Lücke ein Befund.
• Ergebnis: Zahlenwerte je Dimension und je Bereich, als Grundlage für die Scorecard in Schritt 4.

Methode 3: Analyse vorhandener Systeme und Daten

• Was: Prüfung der tatsächlichen Systemlandschaft und Datenbestände durch IT und Datenverantwortliche.
• Wie: Konkrete Prüfpunkte abarbeiten: Existiert ein Datenkatalog? Wie viele Datenquellen sind dokumentiert? Gibt es produktive Modelle und werden sie überwacht? Wie lange dauert es, einen Datenzugriff zu erhalten?
• Warum: Interviews und Fragebögen erfassen Wahrnehmungen. Die Systemanalyse liefert objektive Fakten und korrigiert zu optimistische Selbsteinschätzungen. Beispiel: Wenn im Fragebogen „Datenkatalog vorhanden" angekreuzt wird, der Katalog aber seit zwei Jahren nicht gepflegt wurde, zählt der Befund der Analyse.
• Ergebnis: Faktenliste mit Nachweisen, die in der Scorecard als Belege eingetragen werden.

Methode 4: Gemeinsamer Bewertungsworkshop

• Was: Ein halbtägiger Workshop mit Management, IT und Fachbereichen, nachdem die Ergebnisse der Methoden 1 bis 3 vorliegen.
• Wie: Die Ergebnisse werden je Dimension vorgestellt, Abweichungen zwischen Wahrnehmung und Fakten diskutiert, und gemeinsam wird je Dimension eine Stufe festgelegt (Skala siehe Schritt 4). Regel: Jede Bewertung braucht einen Nachweis. „Gefühlt sind wir bei 3" zählt nicht.
• Warum: Der Workshop erzeugt ein gemeinsames, akzeptiertes Bild. Eine Bewertung, die nur von externen Berater:innen oder nur von der IT stammt, wird später angezweifelt und verliert ihre Steuerungswirkung.
• Ergebnis: Die abgestimmte, mit Nachweisen hinterlegte Scorecard.

Optional ergänzend: Benchmarking gegen Branchenwerte und externe Assessments liefern eine neutrale Außensicht. Sie ersetzen die interne Erhebung nicht, sondern validieren sie.

Schritt 4: Bewerten mit dem Reifestufenmodell

Jede Dimension wird einer von fünf Stufen zugeordnet. Die Stufen beschreiben den Entwicklungsweg von ersten Experimenten bis zur vollständig KI-getriebenen Organisation:

Vorlage: Self-Assessment-Scorecard

So wird die Scorecard ausgefüllt: Jede Dimension erhält eine Stufe von 1 bis 5 gemäß dem Reifestufenmodell oben. Die Bewertung erfolgt gemeinsam im Workshop (Schritt 3, Methode 4), und jede Stufe braucht einen Eintrag in der Nachweisspalte. Eine Bewertung ohne Beleg zählt nicht, denn genau dort schleichen sich zu optimistische Selbstbilder ein.

Ausgefülltes Beispiel für eine Zeile:

Schritt 5: Engpass bestimmen, Maßnahmen ableiten, Wiederholung planen

Engpass bestimmen: Der niedrigste Wert in der Scorecard ist in aller Regel der Engpass. Eine Organisation skaliert KI nicht schneller, als ihre schwächste Dimension erlaubt. Beispiel: Technologie auf Stufe 4, Daten auf Stufe 2 bedeutet, dass die teure Plattform brachliegt, weil die Daten fehlen. Die nächste Investition gehört in die Daten, nicht in mehr Technologie.

Maßnahmen ableiten: Je Engpass-Dimension werden zwei bis drei konkrete Maßnahmen formuliert, mit Verantwortlichen und Termin. Die Spalte „Nächster Schritt" der Scorecard liefert die Kandidaten. Die Maßnahmen fließen in die Roadmap ein (siehe Kapitel C2).

Wiederholung planen: Die Reifegradanalyse ist eine Messung, kein einmaliges Projekt. Empfohlen ist eine Wiederholung alle 6 bis 12 Monate mit derselben Scorecard. Erst die zweite Messung zeigt, ob die Maßnahmen gewirkt haben.

Checkliste: belastbare Reifegradanalyse

Die Checkliste prüft, ob alle fünf Schritte sauber durchlaufen wurden:

• Ausgangslage und Ziele schriftlich festgehalten (Schritt 1)
• Alle sieben Dimensionen bewertet, jede mit Nachweis hinterlegt
• Mindestens drei Erhebungsmethoden kombiniert (Interviews, Fragebogen, Systemanalyse)
• Bewertung im gemeinsamen Workshop durch Management, IT und Fachbereich abgestimmt
• Engpass-Dimension identifiziert und benannt
• Je Engpass zwei bis drei Maßnahmen mit Verantwortlichen und Termin abgeleitet
• Wiederholungstermin für die nächste Messung festgelegt