Das KI-Readiness-Audit: Ein Praxisleitfaden für Unternehmensführungen

Jedes Scheitern einer KI-Einführung, das wir in Unternehmen erlebt haben, hat eines gemeinsam: Die Organisation hat die Readiness-Bewertung übersprungen und ist direkt zur Anbieterauswahl übergegangen. Sie kaufte eine Plattform und stellte dann fest, dass die Daten nicht im richtigen Format vorlagen, die Prozesse nicht klar definiert waren, das Team nicht überzeugt war und das Compliance-Rahmenwerk nicht einbezogen worden war. Das Projekt geriet ins Stocken. Das Budget wurde abgeschrieben. Anschließend wandte sich dieselbe Organisation an einen neuen Anbieter und wiederholte das Ganze.

Dieser Leitfaden bietet eine strukturierte Selbstbewertung über sieben Dimensionen. Bewerten Sie sich ehrlich. Das Ergebnis zeigt Ihnen, ob Sie bereit sind, KI sofort einzusetzen, welche konkreten Lücken zuerst geschlossen werden müssen und wie lange das ungefähr dauern wird.

Für ein Führungsteam dauert eine sorgfältige Durchführung des Audits etwa zwei bis drei Stunden. Eine vertretbare Investition, um ein sechsmonatiges Fehlprojekt zu vermeiden.

Dimension 1: Dateninfrastruktur

KI-Systeme lernen aus Daten und arbeiten mit ihnen. Qualität und Zugänglichkeit Ihrer Daten sind der wichtigste Einzelfaktor dafür, ob eine KI-Einführung funktioniert.

Zu beantwortende Fragen

Wo sind Ihre operativen Daten derzeit gespeichert? In strukturierten Datenbanken, Tabellen, gemeinsamen Laufwerken, E-Mail-Verläufen oder einer Kombination davon? Können Sie sie programmatisch abfragen: Gibt es eine Datenbankverbindung, eine API oder exportierbare Formate? Wie aktuell sind sie? Werden Datensätze in Echtzeit, täglich oder sporadisch aktualisiert? Wie steht es um die Datenqualität: Gibt es offensichtliche Fehler, Lücken, Inkonsistenzen oder Dubletten?

Bewertungsleitfaden

5: Daten in strukturierten Datenbanken mit sauberen Schemata, Zugriff per API oder direkter Abfrage, laufend aktualisiert, bekannte Qualitätsprobleme bereits behoben. 3: Mischung aus strukturierten und unstrukturierten Daten, zugänglich per Export, falls keine API vorhanden; Qualitätsprobleme sind bekannt und dokumentiert. 1: Daten überwiegend in Tabellen, E-Mails oder nicht verbundenen Systemen. Qualität unbekannt. Kein programmatischer Zugriff.

Dimension 2: Data Governance

Bei Data Governance geht es darum, wem die Daten gehören, wer darauf zugreifen darf und unter welchen Bedingungen. Schwache Governance erzeugt nicht nur Compliance-Risiken, sondern Stillstand. KI-Projekte geraten ins Stocken, wenn niemand befugt ist, den Zugriff auf die benötigten Daten freizugeben.

Zu beantwortende Fragen

Haben Sie ein dokumentiertes Schema zur Datenklassifizierung? Gibt es für jede Datenkategorie eine verantwortliche Person, die Zugriff gewähren darf? Haben Sie aktuelle Auftragsverarbeitungsverträge mit Ihren wichtigsten Softwareanbietern? Wissen Sie, welche Daten Ihre Netzwerkgrenze nicht verlassen dürfen – und warum?

Bewertungsleitfaden

5: Formale Datenklassifizierung, klare Verantwortlichkeiten, aktuelle Anbieterverträge, dokumentierte Anforderungen an die Datenresidenz. 3: Informelle Klassifizierung, Datenverantwortliche identifizierbar, aber nicht formal dokumentiert, einige Lücken in Anbieterverträgen. 1: Keine Datenklassifizierung. Verantwortlichkeiten unklar. Anbieterverträge nicht geprüft.

Dimension 3: Prozessdefinition

KI-Systeme automatisieren Prozesse. Was nicht definiert ist, lässt sich nicht automatisieren. Die häufigste Einzelursache für das Scheitern von KI-Projekten ist der Versuch, einen schlecht verstandenen Prozess zu automatisieren, bei dem Ausnahmen, Grenzfälle und menschliche Ermessensentscheidungen nie erfasst wurden.

Zu beantwortende Fragen

Können Sie den Zielprozess Schritt für Schritt beschreiben – einschließlich Auslöser, benötigter Daten, getroffener Entscheidungen und des Ergebnisses? Sind die Ausnahmefälle dokumentiert, also Situationen, in denen ein Mensch eingreifen muss? Läuft der aktuelle Prozess einheitlich ab, oder unterscheidet er sich stark je nachdem, wer ihn ausführt?

Bewertungsleitfaden

5: Vollständig dokumentierter Prozess mit Auslösern, Schritten, Ausnahmen und aktuellen SLA-Kennzahlen. Geringe Abweichungen in der Ausführung. 3: Prozess ist den Ausführenden bekannt, aber nicht vollständig dokumentiert. Einige bekannte Ausnahmen. Mäßige Abweichungen. 1: Prozess ist informell, variiert stark je nach Person, Ausnahmen werden nach Gefühl behandelt. Nicht dokumentiert.

Dimension 4: Technische Infrastruktur

KI-Systeme müssen sich in Ihre bestehende Software integrieren. Die Frage ist, wie aufwendig diese Integration wird.

Zu beantwortende Fragen

Verfügen Ihre Kernsysteme über APIs: CRM, ERP, Dokumentenmanagement, Kommunikationstools? Kann Ihr IT-Team containerisierte Anwendungen bereitstellen und betreiben? Verfügen Sie über eine geeignete Recheninfrastruktur (Cloud, On-Premises oder hybrid) oder einen Plan zu deren Beschaffung? Wie ist Ihr aktueller Stand bei Softwaresicherheit und Patch-Management?

Bewertungsleitfaden

5: APIs für alle wichtigen Systeme verfügbar. Interne IT-Kompetenz für Container-Deployments. Recheninfrastruktur passend zur Last. Sicherheitskontrollen aktuell. 3: Teilweise API-Abdeckung, etwas manuelle Integration erforderlich. IT-Team lernbereit. Recheninfrastruktur muss für On-Premises-Inferenz eventuell aufgerüstet werden. 1: Kein API-Zugriff auf Kernsysteme. IT-Team nicht mit modernen Deployment-Werkzeugen vertraut. Erhebliche Infrastrukturinvestitionen vor dem Deployment nötig.

Dimension 5: Veränderungsbereitschaft der Organisation

KI-Einführungen scheitern seltener aus technischen als aus menschlichen Gründen. Widerstand gegen Veränderung, falsch ausgerichtete Anreize und eine unentschlossene Führung sind verlässliche Vorboten eines Scheiterns.

Zu beantwortende Fragen

Versteht die Führung konkret, was das KI-System leisten wird und was nicht? Gibt es einen Executive Sponsor, der für das Ergebnis verantwortlich ist? Wurden die Mitarbeitenden, deren Arbeitsabläufe sich ändern, in die Festlegung des Automatisierungsumfangs einbezogen? Gibt es einen Plan für Umschulung oder die Neudefinition von Rollen der Betroffenen?

Bewertungsleitfaden

5: Executive Sponsor benannt. Betroffene Mitarbeitende in das Design eingebunden. Change-Management-Plan dokumentiert. Führung einig über Umfang und Erwartungen. 3: Unterstützung durch die Geschäftsleitung vorhanden, aber informell. Teilweise Einbindung der Mitarbeitenden. Change-Management-Plan noch nicht dokumentiert, aber in Planung. 1: Kein Executive Sponsor. Mitarbeitende nicht eingebunden. Change Management steht nicht auf der Agenda. Hohes Risiko von Widerstand.

Dimension 6: Compliance und Regulierung

In regulierten Branchen ist Compliance kein Thema für die Spätphase. Sie ist eine Rahmenbedingung, die die Architektur vom ersten Tag an prägt. Compliance-Anforderungen erst nach den Deployment-Entscheidungen zu entdecken, wird teuer.

Zu beantwortende Fragen

Welche Vorschriften regeln den Umgang Ihrer Organisation mit Daten (GDPR, HIPAA, PDPL der VAE, indischer DPDP Act, branchenspezifische Regelwerke)? Haben Sie geprüft, ob das KI-System unter die Hochrisiko- oder verbotenen Kategorien des EU AI Act fallen würde? Wurden Rechts- und Compliance-Teams über das Projekt informiert? Sind die Anbieterverträge mit Ihren regulatorischen Pflichten vereinbar?

Bewertungsleitfaden

5: Regulatorisches Umfeld vollständig erfasst. Rechts- und Compliance-Teams informiert und eingebunden. Anbieterverträge geprüft und konform. Einstufung nach dem AI Act abgeschlossen, sofern zutreffend. 3: Wesentliche Vorschriften identifiziert. Rechtsabteilung noch nicht vollständig eingebunden. Anbieterverträge in Prüfung. 1: Regulatorisches Umfeld nicht erfasst. Compliance und Rechtsabteilung nicht eingebunden. Anbieterbedingungen nicht geprüft.

Dimension 7: Erfolgskennzahlen

Ein KI-System, das sich nicht messen lässt, lässt sich nicht steuern – und ein Projekt ohne definierte Erfolgskennzahlen kann weder für erfolgreich noch für gescheitert erklärt werden. Beides ist schlecht.

Zu beantwortende Fragen

Wie sieht Erfolg nach 30 Tagen, 90 Tagen und 12 Monaten aus? Sind die Kennzahlen quantitativ – Bearbeitungszeit, Fehlerquote, Kosten pro Transaktion, Arbeitsstunden – oder qualitativ? Können Sie den aktuellen Ausgangswert messen, um die Verbesserung zu berechnen? Wer ist für das Reporting dieser Kennzahlen verantwortlich, und an wen?

Bewertungsleitfaden

5: Quantitative Erfolgskennzahlen für mehrere Zeithorizonte definiert. Ausgangswert gemessen. Verantwortung zugewiesen. Reporting-Rhythmus vereinbart. 3: Übergeordnete Erfolgskriterien vereinbart. Ausgangswert messbar, aber noch nicht gemessen. Verantwortung informell. 1: Keine definierten Erfolgskennzahlen. Erfolg wird informell beurteilt. Kein Ausgangswert.

Das Audit durchführen

Füllen Sie die folgende Bewertungstabelle für Ihre Organisation aus. Bewerten Sie zurückhaltend; dies ist eine interne Einschätzung, und ehrliche Werte sind nützlicher als optimistische.

30–35: Bereit für das Deployment. Ihre Organisation verfügt über die nötigen Grundlagen. Gehen Sie zur Auswahl von Anbieter oder Architektur und zur Festlegung des Umfangs für das erste produktive Deployment über.

20–29: Konkrete Lücken schließen. Ermitteln Sie die Dimensionen, in denen Sie unter 3 Punkten liegen, und schließen Sie diese Lücken, bevor Sie sich auf ein vollständiges Deployment festlegen. Ein fokussierter Sprint von 30–45 Tagen für diese Dimensionen reicht in der Regel aus.

10–19: 60-Tage-Plan zur Behebung erforderlich. Die Lücken sind so groß, dass ein jetzt gestartetes Deployment wahrscheinlich scheitert oder teure Nacharbeit erfordert. Priorisieren Sie zuerst Data Governance und Prozessdefinition; sie sind Voraussetzung für alles Weitere.

Unter 10: Ziehen Sie eine externe Bewertung hinzu. Bei diesem Ergebnis ist eine interne Bewertung wahrscheinlich unvollständig. Eine externe Prüfung Ihrer Daten-, Prozess- und Infrastrukturlandschaft vor jeder Deployment-Entscheidung spart deutlich mehr, als sie kostet.

Der Wert dieses Audits liegt nicht in der Endpunktzahl. Er liegt in der Diskussion, die es in Ihrem Führungsteam darüber auslöst, was Sie tatsächlich haben, was Sie tatsächlich brauchen und wie Ihr realistischer Zeitplan aussieht. Diese Diskussion – geführt, bevor ein Anbieter ausgewählt wird – ist die wirkungsvollste Einzelmaßnahme, die Organisationen bei der Bewertung von Unternehmens-KI zur Verfügung steht.