Eine KI-Readiness-Checkliste ist kein bürokratisches Vorspiel. Sie ist die günstigste Möglichkeit, vor dem ersten KI-Projekt schlechte Annahmen sichtbar zu machen. Wer diese Prüfung überspringt, startet oft mit einem Tool, aber ohne belastbare Daten, ohne klare Verantwortung und ohne messbaren Business Case.

Laut MIT GenAI Divide 2025 scheitern rund 95 Prozent der KI-Projekte daran, dass sie keinen messbaren Beitrag zur Wertschöpfung liefern. Aus meiner Sicht liegt das selten daran, dass die Modelle zu schwach sind. Es liegt daran, dass Unternehmen nicht sauber prüfen, ob sie für den gewählten Use Case wirklich bereit sind.

„KI-Readiness bedeutet nicht: Haben wir ein Tool? Sondern: Können wir eine Entscheidung verantworten?“

Ich definiere KI-Readiness im Mittelstand so: Ein Unternehmen ist KI-ready, wenn ein konkreter Use Case fachlich sinnvoll, datenbasiert umsetzbar, regulatorisch vertretbar, organisatorisch getragen und wirtschaftlich messbar ist. Alles andere ist Hoffnung mit Softwarelizenz.

Warum ein KI-Readiness-Check vor dem ersten Use Case Pflicht ist

Viele Unternehmen starten KI mit einer einfachen Frage: Welches Tool sollen wir nutzen? Die bessere Frage lautet: Welches Problem ist wichtig genug, damit sich KI überhaupt lohnt? Erst danach kommen Daten, Prozesse, Risiken, Rollen und Technologie.

Gerade im Mittelstand ist das entscheidend. Teams sind kleiner, Ressourcen knapper und Fehlstarts werden schneller sichtbar. Ein falsches KI-Projekt bindet nicht nur Budget, sondern auch Aufmerksamkeit von Geschäftsführung, IT, Fachbereich und Datenschutz. Deshalb prüfe ich vor dem Start fünf Felder: Infrastruktur, Skills, Compliance, Kultur und Business-Integration.

Die 5 Felder der KI-Readiness-Checkliste

Feld 1

Infrastruktur

Gibt es Daten, Zugriff, Sicherheit und technische Anschlussfähigkeit?

Feld 2

Skills & Wissen

Können Teams KI sinnvoll nutzen, bewerten und verbessern?

Feld 3

Compliance & Ethik

Sind DSGVO, EU AI Act, Anbieterfragen und Human Review geklärt?

Feld 4

Kultur & Akzeptanz

Verstehen die Menschen den Nutzen oder erwarten sie Kontrolle und Zusatzarbeit?

Feld 5

Business-Integration

Passt der Use Case zu Strategie, Prozess, Budget und erwarteter Wirkung?

Ergebnis

Go, Nachschärfen oder Stop

Die Checkliste entscheidet nicht über KI allgemein, sondern über den nächsten sinnvollen Schritt.

1. Infrastruktur: Ohne nutzbare Daten bleibt KI Dekoration

Die erste Readiness-Frage ist banal und brutal zugleich: Gibt es überhaupt die Daten, die der Use Case braucht? Nicht theoretisch. Praktisch. In ausreichender Qualität, mit Zugriff, sauberer Struktur, klaren Rechten und verständlicher Herkunft.

  • Datenverfügbarkeit: Sind genug historische oder laufende Daten vorhanden?
  • Datenqualität: Sind Dubletten, Lücken, falsche Felder oder uneinheitliche Definitionen bekannt?
  • Zugriff: Kommen Fachbereich, IT und Tool überhaupt an die relevanten Daten?
  • IT-Sicherheit: Gibt es Regeln für Daten- und Modellschutz?
  • Integration: Lässt sich der Use Case in CRM, ERP, Ticketing, Website oder Reporting einbetten?

Kurz gesagt: Wenn Datenqualität und Zugriff ungeklärt sind, sollte kein KI-Projekt skaliert werden. Dann ist zuerst Daten- und Prozessklarheit nötig.

2. Skills & Wissen: KI braucht bewertungsfähige Menschen

KI-Readiness bedeutet nicht, dass jedes Team Data Scientists braucht. Aber Menschen müssen verstehen, was KI leisten kann, wo sie halluziniert, welche Eingaben erlaubt sind und wie Ergebnisse geprüft werden. Sonst entsteht blinde Tool-Nutzung oder komplette Ablehnung.

Für mich sind drei Rollen besonders wichtig: ein Business Owner, der den Nutzen verantwortet; ein fachlicher Prüfer, der Ergebnisse bewerten kann; und ein technischer oder datenbezogener Ansprechpartner, der Machbarkeit und Risiken einordnet. Ohne diese Rollen bleibt KI abhängig von Einzelpersonen, die nebenbei „mal etwas ausprobieren“.

Typische Fragen im Skills-Check

  • Verstehen die Teams die Grundlagen von generativer KI und Automatisierung?
  • Gibt es Personen, die Ergebnisse fachlich prüfen können?
  • Gibt es Trainingsbedarf für Prompting, Datenschutz, Toolnutzung und Qualitätsprüfung?
  • Ist klar, wer den Use Case nach dem Pilot betreibt?

3. Compliance & Ethik: Governance gehört an den Anfang

DSGVO, EU AI Act und interne Governance dürfen nicht am Ende geprüft werden. Dann ist der Use Case oft schon politisch verkauft, technisch gebaut und organisatorisch eingeplant. Korrekturen werden teuer. Deshalb gehört Compliance direkt in die Readiness-Prüfung.

Zu prüfen ist unter anderem: Werden personenbezogene Daten verarbeitet? Gibt es sensible Daten? Werden Entscheidungen automatisiert vorbereitet? Muss ein Mensch prüfen? Welche Anbieter verarbeiten welche Daten? Und welche Dokumentation braucht das Unternehmen, damit der Use Case später auditfähig ist?

Mehr Details dazu findest du in meinem Artikel zu DSGVO, EU AI Act und KI-Compliance.

4. Kultur & Akzeptanz: Widerstand entsteht oft leise

In vielen KI-Projekten wird Akzeptanz unterschätzt. Nicht jeder Widerstand zeigt sich als offenes Nein. Manchmal werden Daten nicht gepflegt, Empfehlungen ignoriert, Workarounds gebaut oder Ergebnisse nicht weiterverwendet. Das Projekt sieht dann technisch fertig aus, wirkt aber im Alltag nicht.

Deshalb prüfe ich im Readiness-Check auch: Wer gewinnt durch den Use Case Zeit? Wer verliert gefühlt Kontrolle? Welche Führungskraft muss das Thema tragen? Welche Entscheidung bleibt bewusst menschlich? Und welche Kommunikation braucht das Team, damit KI nicht als Bedrohung, sondern als Entlastung verstanden wird?

„Eine technisch gute KI-Lösung ohne Akzeptanz bleibt ein teures Demo-System.“

5. Business-Integration: Der Use Case muss wichtig genug sein

Nicht jeder KI-Use-Case verdient ein Projekt. Manche Ideen sind interessant, aber wirtschaftlich zu klein. Andere sind wertvoll, aber regulatorisch zu riskant. Wieder andere haben Potenzial, aber die Datenbasis reicht noch nicht. Genau dafür ist der Business-Fit-Check da.

  • Geschäftsziel: Welches konkrete Ziel wird unterstützt?
  • ROI-Potenzial: Spart der Use Case Zeit, reduziert Fehler, verbessert Qualität oder erhöht Umsatz?
  • Priorität: Warum dieser Use Case zuerst und nicht ein anderer?
  • Stakeholder-Buy-in: Stehen Geschäftsführung, Fachbereich, IT/Data und Datenschutz dahinter?
  • Risiko: Was passiert, wenn die KI falsch liegt?

Der Business Fit trennt Spielerei von strategischer KI-Einführung. Ein guter Use Case ist nicht nur technisch machbar, sondern geschäftlich relevant, organisatorisch anschlussfähig und messbar.

Das Bewertungssystem: Grün, Gelb, Rot

Grün
Das Feld ist tragfähig. Der Use Case kann in die nächste Phase gehen.
Gelb
Es gibt Lücken. Start ist möglich, aber nur mit klaren Maßnahmen und Ownern.
Rot
Das Risiko ist zu hoch. Erst stabilisieren, dann Pilot oder Skalierung planen.

Wichtig: Die Bewertung gilt immer für einen konkreten Use Case, nicht für das ganze Unternehmen. Ein Unternehmen kann für KI-gestützte Meeting-Zusammenfassungen bereit sein, aber für automatisierte Bewerberbewertung nicht. Genau diese Differenzierung verhindert pauschale KI-Euphorie und pauschale KI-Angst.

Wie der Readiness-Check in den KI Strategieaufbau passt

Im KI Strategieaufbau ist der Readiness-Check Teil der ersten Wochen. Er sorgt dafür, dass aus einer KI-Idee kein Bauchgefühl-Projekt wird. Das Ergebnis ist eine klare Entscheidung: bauen, anpassen oder stoppen.

Wenn zwei oder mehr Felder rot sind, ist Skalierung zu früh. Wenn mehrere Felder gelb sind, braucht es Finetuning, klare Owner und Maßnahmen. Wenn die Felder überwiegend grün sind, kann ein erster Use Case sauber umgesetzt und später optional skaliert werden.

Häufige Fragen

Was Entscheider am häufigsten fragen

Was ist eine KI-Readiness-Checkliste?

Eine KI-Readiness-Checkliste prüft, ob ein Unternehmen für einen konkreten KI-Use-Case bereit ist. Sie bewertet Infrastruktur, Skills, Compliance, Akzeptanz und Business Fit. Ziel ist nicht eine theoretische Reifegradnote, sondern eine belastbare Go/No-Go-Entscheidung.

Wann sollte ein Unternehmen einen KI-Readiness-Check machen?

Vor dem ersten ernsthaften KI-Pilot und spätestens vor jeder Skalierung. Der Check verhindert, dass ein Tool eingeführt wird, obwohl Daten, Rollen, Governance oder Akzeptanz fehlen. Besonders sinnvoll ist er, wenn mehrere Abteilungen vom Use Case betroffen sind.

Welche Bereiche gehören in einen KI-Readiness-Check?

Die wichtigsten Bereiche sind Infrastruktur, Skills und Wissen, Compliance und Ethik, Kultur und Akzeptanz sowie Business-Integration. Diese fünf Felder zeigen, ob ein Use Case tragfähig ist oder vorher nachgeschärft werden muss.

Ist KI-Readiness eher IT- oder Führungsthema?

Beides. IT und Data prüfen Machbarkeit, Sicherheit und Integration. Die Geschäftsführung muss aber Priorität, Risikoappetit, Budget und Business-Ziel klären. Ohne Führung bleibt KI ein Toolprojekt statt einer strategischen Entscheidung.

Was passiert, wenn der Readiness-Check schlecht ausfällt?

Dann ist das kein Scheitern, sondern ein Gewinn. Ein rotes oder gelbes Ergebnis zeigt, welche Lücken vor einem Pilot geschlossen werden müssen. Das spart Budget, schützt Teams vor Frust und verhindert, dass KI auf einem instabilen Fundament skaliert wird.

Wie hängt der Readiness-Check mit dem MASAKI-Framework zusammen?

Das MASAKI-Framework betrachtet Marketing, Alignment, Sales, Automation/KI, KPIs und Investment zusammen. Der Readiness-Check prüft, ob Automation und KI auf einem belastbaren Geschäftsprozess aufsetzen oder nur bestehende Reibung beschleunigen.

Wollt ihr wissen, ob euer KI-Use-Case tragfähig ist?

Im KI Strategieaufbau prüfen wir genau diese fünf Felder und bringen euch in sechs Wochen zur belastbaren Go/No-Go-Entscheidung.

KI Strategieaufbau ansehen

Kein Tool-Pitch. Erst Readiness, dann Umsetzung.