Die KI-Reise beginnt fast überall gleich. Jemand sieht eine Demo. Jemand liest einen Artikel. Die Geschäftsführung beschließt: Wir machen das jetzt.
Dann startet das erste Pilotprojekt. Dann das zweite. Dann die Fragen: Wo investieren wir als nächstes? Welche Use Cases priorisieren wir? Was muss sich in unserer Arbeitsweise wirklich ändern? Und wie messen wir, ob das alles etwas bringt?
Laut dem Themenmonitor "KI im deutschen Mittelstand 2025" des Bayerischen Forschungsinstituts für Digitale Transformation (bidt) haben 43 Prozent der deutschen Mittelstandsunternehmen keine konkrete KI-Strategie, und nur rund neun Prozent haben KI vollständig implementiert. Die meisten sind irgendwo in der Mitte. Und genau dort verlieren viele den Faden.
Warum die Mitte so schwer ist
Am Anfang gibt es Energie. Am Ende gibt es Ergebnisse. Die Mitte ist das Problem. Dort häufen sich Entscheidungen, für die es keine einfachen Antworten gibt.
Investieren wir in ein besseres Modell oder in bessere Prozesse? Skalieren wir, was funktioniert, oder testen wir neue Felder? Wer ist verantwortlich, wenn KI einen Fehler macht? Wie verändern wir Arbeitsweisen, ohne die Organisation zu überfordern?
Ohne Denkrahmen werden diese Fragen zur Dauerbelastung. Mental Models sind keine Patentrezepte, aber sie geben Orientierung, wenn die Richtung unklar ist.
Was folgt, ist eine kompakte Zusammenfassung von sechs etablierten Frameworks, ergänzt um das MASAKI-Framework als mittelstandspezifischen Rahmen.
Die sechs etablierten Frameworks, und wo sie aufhören
Diese sechs Modelle sind jeweils Spitzenleistungen ihrer Disziplin. Jedes bringt eine wichtige Perspektive. Und jedes hat eine Grenze, die im Praxisalltag schnell sichtbar wird.
BCG unterscheidet drei Ebenen der KI-Nutzung. Deploy bedeutet: vorhandene KI-Tools einsetzen, um bestehende Aufgaben schneller zu erledigen. Reshape bedeutet: Arbeitsabläufe und Funktionen fundamental neu strukturieren. Invent bedeutet: neue Produkte, Services oder Geschäftsmodelle entwickeln, die ohne KI nicht möglich wären. Die meisten Mittelständler stecken noch in Deploy. Das ist kein Problem, solange es bewusst so gewählt ist.
Grenze:Beantwortet das Was, nicht das Wie. Keine Reihenfolge, keine Verantwortlichkeiten, kein Umsetzungsrhythmus.
Gartners AI Opportunity Radar verortet KI-Use-Cases auf zwei Achsen. Vertikal: internal (KI für Mitarbeiter und Prozesse) gegenüber external (KI für Kunden, Lieferanten, Partner). Horizontal: everyday AI (hochfrequent, repetitiv) gegenüber game-changing AI (transformativ). Im Zentrum entscheidet Feasibility (technisch, intern, ggf. Kunde) darüber, was tatsächlich umsetzbar ist. Das Modell schafft eine gemeinsame Karte, auf der Vorstand und Fachbereich dieselben Use Cases sehen statt über unvergleichbare Wunschlisten zu streiten.
Grenze:Reines Verortungs- und Priorisierungstool. Sagt nichts darüber, wie der priorisierte Use Case umgesetzt wird oder in welche Strategie er passt. Voller Zugang über Gartner-Mitgliedschaft.
Bains Kernthese: KI verändert nicht nur Tools, sondern wer was entscheidet, wie Teams aufgestellt sind und welche Metriken zählen. Wer KI einführt, ohne das Operating Model anzufassen, implementiert Automatisierung auf alten Strukturen. Das Modell fragt: Wer verantwortet KI-Entscheidungen? Wie sind Mensch und Maschine in Workflows verzahnt? Das sind keine IT-Fragen, sondern Führungsfragen.
Grenze:Top-down geprägt und Strukturwandel-fokussiert. Schwer auf Mittelstands-Realitäten zu übertragen, in denen Strukturen kleiner und flexibler sind. Keine Strategie-Verbindung.
BCG's 10-20-70 ist eine Faustregel für Effort-Allocation, keine Investment-Quote im Sinne von Budget-Anteilen: rund 10 Prozent des Führungs- und Umsetzungsaufwands auf Algorithmen, 20 Prozent auf Technologie und Daten, 70 Prozent auf Menschen, Prozesse und kulturellen Wandel. In der Praxis sieht es fast überall umgekehrt aus. Tool-Auswahl und Modell-Diskussionen dominieren die Meeting-Zeit, während Change Management, Upskilling und Prozessdesign sich weich anfühlen und unterprioriert werden. Das Ergebnis: technisch funktionierende KI-Systeme, die niemand wirklich nutzt.
Grenze:Eine Faustregel, kein vollständiges Framework. Sagt nichts darüber, welche Hebel zu den 70 Prozent gehören, wie sie strukturiert werden oder in welcher Reihenfolge sie greifen.
McKinsey zeigt im State of AI 2025, dass Unternehmen mit echtem KI-Wertbeitrag sechs Dimensionen gleichzeitig bewegen: Strategy, Talent, Operating Model, Technology, Data, Adoption & Scaling. Wer nur drei oder vier angeht, bleibt unter Potenzial. Das Modell wirkt als Readiness-Check: In welchen Dimensionen sind wir stark, wo sind wir blind? Eine Maximal-Digital-KI-Studie 2025 berichtet, dass 82 Prozent der KMU eine erhebliche Kompetenzlücke bei KI-Fähigkeiten haben, das ist die Talent-Dimension, und sie bremst alle anderen.
Grenze:Diagnose ohne Umsetzungsbrücke. Sechs Dimensionen, aber keine Reihenfolge und kein Rhythmus. Die zugehörigen McKinsey-Publikationen ("Rewired", "State of AI") sind primär für Konzerne geschrieben, der Mittelstand sieht sich oft nicht abgebildet.
Das NIST AI RMF ist der US-amerikanische Standard für KI-Risikomanagement, zunehmend auch Referenzrahmen in Europa. Es strukturiert KI-Risiko in vier Funktionen: Govern (Strukturen aufbauen), Map (Risiken identifizieren), Measure (Risiken bewerten), Manage (Risiken steuern). Das RMF denkt Risiko als kontinuierlichen Prozess über den gesamten Lebenszyklus eines KI-Systems. Mit dem EU AI Act rückt das für den deutschen Mittelstand von "nice to know" zu "müssen wir kennen".
Grenze:Reines Risikoframework. Kein Wachstums- oder Wertschöpfungsblickwinkel. Compliance-fokussiert. Beantwortet nicht, wie KI strategisch eingesetzt werden soll.
Das siebte Modell: MASAKI
Sechs erstklassige Frameworks von Beratungshäusern und Behörden, und trotzdem ein wiederkehrendes Muster: Jedes Modell beantwortet einen Ausschnitt. Keines beantwortet alle Fragen, die in der Mitte einer KI-Transformation auftauchen. Genau diese Lücke schließt MASAKI.
MASAKI ist kein zusätzliches Akronym. Es ist ein vollständiges Wachstumsframework mit vier Layern, entstanden aus meiner BSFZ-geförderten Forschung 2024/25 zu KI-gesteuerten Unternehmensprozessen, kombiniert mit zwanzig Jahren Praxis in Marketing, Vertrieb und Revenue-Steuerung bei EY, etventure, Ogilvy und Sky. Die zentrale Erkenntnis der Forschung: KI scheitert selten an der Technologie. Sie scheitert daran, dass Unternehmen vorher schon nicht synchronisiert waren.
Der Name kommt aus dem Japanischen und bedeutet "rechtschaffener Baum", verwurzelt, belastbar, auf gesundes Wachstum ausgerichtet. Die Baum-Metapher ist gewollt: Jeder Layer entspricht einem Teil eines Baumes, und alle Teile müssen zusammenwirken, damit Wachstum stabil bleibt.
Vier Layer, ein integriertes System. Jeder Layer ist eigenständig nutzbar, und gleichzeitig im Zusammenspiel mit den anderen drei stärker. Das ist die Eigenschaft, die kein einzelnes der sechs externen Frameworks bietet.
Sieben Frameworks im direkten Vergleich
Damit sichtbar wird, was MASAKI von den sechs externen Modellen unterscheidet, hier die Frameworks nebeneinander entlang der fünf Kerndimensionen, die in einer ernsthaften KI-Transformation alle adressiert werden müssen. Die Frage der Anwendbarkeit auf Mittelstand und Konzern behandle ich separat im nächsten Abschnitt, weil das keine Dimension der Transformation ist, sondern eine Eigenschaft des Frameworks selbst:
| Dimension | BCG DRI | Gartner Radar | Bain OpModel | BCG 10/20/70 | McKinsey 6D | NIST RMF | MASAKI |
|---|---|---|---|---|---|---|---|
| Strategische Richtung | teilweise | ✓ | — | — | teilweise | — | ✓ NORTH |
| Organisationales Fundament | — | — | ✓ | — | teilweise | teilweise | ✓ CORE |
| Wachstumshebel integriert | teilweise | — | — | teilweise | — | — | ✓ MASAKI |
| Risiko & Governance | — | — | teilweise | — | teilweise | ✓ | ✓ CORE |
| Umsetzungsrhythmus | — | — | — | — | — | — | ✓ KATA |
Fünf Kerndimensionen einer ernsthaften KI-Transformation. MASAKI ist das einzige Framework, das alle abdeckt.
Die Aussage dieser Tabelle ist nicht: BCG, McKinsey oder NIST machen schlechte Arbeit. Diese Modelle sind exzellent in dem, was sie tun. Die Aussage ist: Wer eine vollständige KI-Transformation steuern will, müsste fünf oder sechs dieser Frameworks parallel anwenden und selbst integrieren. Das macht in der Praxis fast niemand.
Warum MASAKI vom Mittelstand bis zum Konzern funktioniert
Die meisten etablierten Frameworks sind für Konzernkontexte entwickelt. Das ist nicht falsch, aber im deutschen Mittelstand passen sie selten ohne erheblichen übersetzungsaufwand. MASAKI ist von Anfang an auf beiden Ebenen gedacht.
Jeder Layer ist eigenständig nutzbar. Geschäftsführung und Führungsteam können in einem Klarheitstag den schwächsten Layer identifizieren und sofort beginnen. Kein zwölfmonatiges Diagnose-Programm. Keine Beratungsbudgets im sechsstelligen Bereich.
MASAKI ersetzt keine bestehenden Frameworks. NORTH ist mit Golden Circle kompatibel, CORE mit ISO-Governance-Modellen, KATA mit OKRs und 4DX. Was Konzerne bereits aufgebaut haben, wird im MASAKI-Rahmen sinnvoll verbunden statt parallel betrieben.
Was ihr in der Praxis nutzen solltet
Eine ehrliche Empfehlung: Wenn ihr die sechs etablierten Frameworks für strategische Analysen nutzen wollt, sind sie hervorragend. Gartner für Priorisierung. BCG für Portfolio-Klarheit. McKinsey für Readiness-Diagnose. NIST für Risikomanagement.
Wenn ihr aber etwas sucht, das eure tatsächliche Transformation steuert, vom strategischen Filter über das Fundament und die Wachstumshebel bis zum operativen Rhythmus, in einem zusammenhängenden System, das ohne Berater funktioniert, dann ist MASAKI das passendere Werkzeug. Genau dafür wurde es gebaut.
Praxisorientierte Einstiege findet ihr im Artikel zu KI-Strategie im Mittelstand mit dem Golden Circle (NORTH-Layer) sowie in der KI-Readiness-Checkliste (CORE-Layer-Diagnose).
"BCG, McKinsey und Co. geben euch ein Diagnoseinstrument. MASAKI gibt euch ein Betriebssystem."