Ich habe in den letzten Tagen ein KI-Readiness-Assessment gebaut. Neun Dimensionen, ein Score, am Ende ein Spinnendiagramm. Der eigentliche Ertrag war nicht das Tool. Es war die Frage, die ich beim Bauen beantworten musste.
Was macht ein Unternehmen überhaupt »KI-ready«? Und was davon ist ein echtes K.O.-Kriterium — und was nur eine Baustelle?
Die Antwort hat mich selbst überrascht. Die Dinge, die ein KI-Projekt wirklich scheitern lassen, sind fast nie die, nach denen zuerst gefragt wird.
Gefragt wird: Welches Modell? Welcher Use Case? Welches Budget?
Zum K.O. führt etwas anderes. Steht die Führung wirklich dahinter, oder ist das Thema an einen überlasteten Mitarbeiter delegiert? Lässt sich der Schmerz in Stunden oder Euro beziffern, oder ist es FOMO? Gibt es eine minimale, zugängliche Datenbasis, oder liegt alles in E-Mail-Postfächern und im Kopf von Klaus?
Fehlt eines davon, ist der beste Use Case egal.
Der zweite Teil war lehrreicher. Die meisten roten Felder sind gar keine Absagen. Keine Prozessdokumentation, keine KI-Richtlinie, unstrukturierte Daten — das sind keine Gründe, nicht anzufangen. Das ist die Arbeit vor der Arbeit.
Eine Dimension habe ich dabei bewusst aufgenommen, obwohl sie streng genommen kein Readiness-Kriterium ist: Schatten-KI. Denn die ist meist längst da, bevor irgendjemand offiziell über KI-Projekte redet. Mitarbeiter nutzen öffentliche Tools mit Firmendaten. Das ist gleichzeitig das größte Risiko — und der beste Beweis, dass der Bedarf echt ist.
Damit ist die Frage »Seid ihr KI-ready?« keine Vorstufe zum eigentlichen Projekt.
Bei den meisten Engineering-Teams ist sie das Projekt.
Wenn du die neun Dimensionen auf euch anwendest — Daten, Prozesse, Wissen, IT, Compliance, Menschen, Führung, Reife, Wirtschaftlichkeit — welche Zeile leuchtet zuerst rot?