Sind Sie wirklich bereit für KI? Diese 5 Fragen verhindern teure Fehlstarts

Ein KI-Readiness-Check muss kein großes Beratungsprojekt sein. Für den ersten ehrlichen Blick reichen fünf Fragen.

Wenn Sie diese Fragen sauber beantworten können, sind Sie nicht automatisch fertig. Aber Sie sind nah genug dran, um den nächsten Schritt bewusst zu wählen: Orientierung, Potenzialanalyse, Schulung oder Pilotprojekt.

Warum Readiness wichtiger ist als Toolauswahl

Viele Unternehmen starten bei KI mit Toolvergleichen. Welches Modell? Welcher Anbieter? Welche Plattform? Welche Lizenz?

Diese Fragen sind nicht unwichtig. Aber sie kommen zu früh, wenn der operative Kontext unklar ist. Die stärkere Reihenfolge lautet:

1. Was soll im Alltag besser fließen?
2. Welche Daten und Quellen braucht der Ablauf?
3. Wer nutzt und prüft die Ausgabe?
4. Welche Risiken müssen begrenzt werden?
5. Was wäre ein messbarer erster Schritt?

Erst danach ist Toolauswahl sinnvoll. Sonst kaufen Sie eine Lösung für ein Problem, das noch nicht präzise genug beschrieben wurde.

Frage 1: Wo verliert Ihr Team wirklich Zeit?

Nicht: „Wo könnte KI theoretisch helfen?“, sondern: Wo entsteht jede Woche wiederkehrende Reibung?

Typische Signale:

• Menschen suchen dieselben Informationen immer wieder.
• Mails müssen manuell sortiert und beantwortet werden.
• Dokumente werden abgetippt oder händisch geprüft.
• Berichte entstehen aus vielen Quellen per Kopieren und Einfügen.
• Erfahrene Mitarbeitende werden ständig zu Standardfällen gefragt.
• Freigaben laufen über Zuruf, Weiterleitungen oder Bauchgefühl.

Schreiben Sie den Engpass so konkret wie möglich auf:

„Unser Team braucht jeden Freitag zwei bis drei Stunden für den Wochenreport.“

Das ist besser als:

„Wir wollen Reporting mit KI verbessern.“

Je konkreter die Reibung, desto leichter wird das erste Pilotprojekt.

Frage 2: Welche Informationen braucht der Ablauf?

KI arbeitet nicht im luftleeren Raum. Ein guter Ablauf braucht Kontext.

Fragen Sie sich:

• Welche Datenquellen werden heute genutzt?
• Liegen sie digital vor?
• Wer darf darauf zugreifen?
• Gibt es Beispielmails, Beispielbelege oder Beispielreports?
• Welche Quelle ist verbindlich, wenn zwei Systeme widersprechen?
• Sind personenbezogene oder vertrauliche Daten betroffen?

Die Daten müssen nicht perfekt sein. Aber sie müssen auffindbar und erklärbar sein. Gerade im Mittelstand ist das oft der größte Hebel: Ein KI-Projekt zwingt Sie, den eigenen Informationsfluss sichtbar zu machen.

Wenn Sie merken, dass niemand genau weiß, wo relevante Informationen liegen, ist das kein Stoppsignal. Es ist ein Hinweis: Vor dem Pilotprojekt brauchen Sie eine kleine Daten- und Quellenlandkarte.

Frage 3: Wer im Team würde das wirklich nutzen?

KI scheitert selten an fehlender Neugier. Sie scheitert häufiger daran, dass niemand den Ablauf in den Alltag zieht.

Für einen guten Start brauchen Sie mindestens drei Rollen:

Fachliche Verantwortung: Eine Person, die den Prozess versteht und entscheidet, was fachlich richtig ist.

Operative Tester: Zwei bis drei Menschen, die den Ablauf wirklich nutzen und Feedback geben.

Führung oder Sponsor: Jemand, der Priorität schafft, Hindernisse löst und sagt: Das ist kein privates Bastelprojekt.

Ohne diese Rollen wird KI schnell zum Nebenbei-Thema. Und Nebenbei-Themen verlieren gegen den Tagesbetrieb.

Frage 4: Welche Grenzen gelten?

Readiness heißt nicht nur „bereit für Chancen“. Readiness heißt auch „bereit für Grenzen“.

Klären Sie:

• Welche Daten dürfen nicht in KI-Systeme?
• Welche Tools sind offiziell erlaubt?
• Wer prüft KI-Ausgaben?
• Dürfen Kundendaten verarbeitet werden?
• Müssen Betriebsrat, Datenschutzbeauftragte oder IT eingebunden werden?
• Muss ein Verarbeitungsverzeichnis ergänzt werden?
• Welche Fälle bleiben bewusst manuell?

Seit dem 2. Februar 2025 gilt im EU AI Act außerdem Artikel 4 zur KI-Kompetenz. Unternehmen, die KI einsetzen, müssen angemessene Maßnahmen ergreifen, um Menschen passend zum Einsatzkontext zu befähigen. Das heißt praktisch: Mitarbeitende müssen verstehen, was sie tun dürfen, wo Risiken liegen und wie Ergebnisse geprüft werden.

Das muss kein Drama sein. Aber die Maßnahmen sollten dokumentiert werden.

Frage 5: Was ist ein realistisches erstes Pilotprojekt?

Ein gutes erstes Pilotprojekt ist klein genug für Tempo und groß genug für Erkenntnis.

Gute Kandidaten:

• eine wiederkehrende Mailkategorie
• ein Dokumenttyp
• ein Wochenreport
• ein FAQ-/Wissensbereich
• eine Angebots- oder Anfrageart

Schlechte Kandidaten:

• „alle Kundenmails automatisieren“
• „ein Chatbot für das ganze Unternehmen“
• „KI soll unsere Planung übernehmen“
• „erstmal alles anbinden“

Für den ersten Schritt reicht eine klare Hypothese:

„Wenn KI unsere Statusanfragen vorsortiert und Antwortentwürfe vorbereitet, reduziert sich die Such- und Schreibzeit im Service-Team spürbar.“

Dann starten Sie nicht auf Hoffnung. Sie prüfen eine belastbare Annahme.

Ein einfaches Readiness-Raster

Geben Sie für jede Frage eine Einschätzung:

• Grün: geklärt und belastbar
• Gelb: teilweise geklärt, braucht Nacharbeit
• Rot: unklar oder blockierend

Wenn Sie drei grüne und zwei gelbe Felder haben, können Sie meist den nächsten konkreten Schritt gehen.

Wenn Sie mehrere rote Felder haben, starten Sie nicht direkt mit einem Pilotprojekt. Starten Sie mit Orientierung oder Potenzialanalyse.

Wenn alles grün ist und der Hebel klar ist, ist ein Pilotprojekt wahrscheinlich sinnvoller als noch ein Workshop.

Was Readiness nicht bedeutet

Readiness heißt nicht:

• perfekte Daten
• vollständige KI-Strategie
• eigener KI-Beauftragter
• komplette Toollandschaft
• monatelange Vorarbeit

Readiness heißt:

• ein echter Engpass
• ausreichend Kontext
• ein Team, das mitgeht
• klare Grenzen
• ein nächster Schritt, der messbar ist

Das reicht, um in Bewegung zu kommen.

Quellen und Kontext

• Bitkom Research: Digitalisierung der Wirtschaft 2026
• Europäische Kommission: AI Literacy Q&A
• NIST AI Risk Management Framework (AI RMF)

Wenn Sie Ihre Antworten schnell einordnen möchten, nutzen Sie den KI-Check. Wenn Sie danach einen belastbaren Pilotpfad brauchen, ist die KI-Potenzialanalyse der bessere nächste Schritt.