Innerhalb eines Jahres hat sich der KI-Einsatz in der deutschen Wirtschaft nahezu verdoppelt: von 20 auf 36 Prozent, weitere 47 Prozent planen oder diskutieren den Einstieg (Bitkom, 2025). Gleichzeitig berichtet mehr als die Hälfte der CEOs weltweit – in Deutschland sogar rund zwei Drittel –, bislang keinen messbaren Effekt aus ihren KI-Investitionen erzielt zu haben (PwC, 2026).
Beide Zahlen gehören zusammen. Sie beschreiben einen Markt, in dem viel gestartet und wenig geerntet wird. Der Grund ist selten die Technik. Es ist die Lücke zwischen „wir wollen etwas mit KI machen“ und einer Organisation, die tatsächlich bereit ist, Nutzen daraus zu ziehen. Wer diese Lücke nicht vor dem ersten Tool schließt, produziert teure Pilotprojekte, die nie in den Regelbetrieb gehen.
Dieser KI-Readiness-Check schließt sie. Zehn konkrete Fragen, eine einfache Punkteskala, eine klare Standortbestimmung – ohne Hype, mit Handlungsoptionen für jeden Reifegrad.
Warum der Check vor dem ersten Tool kommt
KI-Readiness heißt nicht, dass Sie Modelle trainieren oder ein Data-Science-Team führen. Sie beschreibt, ob die organisatorischen, datentechnischen und kulturellen Voraussetzungen so weit stehen, dass ein KI-Projekt Wert schafft statt Frust.
Die größten Hürden im Mittelstand sind dabei bemerkenswert konstant – und es sind keine technischen:
- Rechtsunsicherheit rund um Regulierung und EU AI Act: 53 Prozent.
- Fehlendes technisches Know-how: 53 Prozent.
- Fehlende personelle Ressourcen: 51 Prozent (alle drei: Bitkom, 2025).
- Hinzu kommt mangelhafte Datenqualität und Datensilos – je nach Erhebung von der Mehrheit der Mittelständler genannt.
Anders gesagt: Die entscheidenden Engpässe sind hausgemacht – und damit beeinflussbar. Genau das macht einen Readiness-Check wertvoll. Er macht sichtbar, wo das Fundament fehlt, bevor Budget fließt. Das ist der Unterschied zwischen den 36 Prozent, die KI nutzen, und den zwei Dritteln, die noch keinen messbaren Effekt sehen.
So funktioniert der Check
Beantworten Sie die folgenden zehn Fragen für Ihr Unternehmen. Vergeben Sie pro Frage 0, 1 oder 2 Punkte:
- 0 Punkte – trifft nicht zu oder unklar
- 1 Punkt – teilweise vorhanden
- 2 Punkte – klar erfüllt
Am Ende addieren Sie die Punkte (maximal 20) und lesen Ihren Reifegrad in der Auswertungstabelle ab. Wichtig: Es geht nicht um eine möglichst hohe Zahl, sondern um eine ehrliche. Eine geschönte Selbsteinschätzung verschiebt das Problem nur in den Projektverlauf.
Die 10 Fragen zur KI-Readiness
1. Haben Sie einen konkreten, schmerzhaften Anwendungsfall?
KI ist kein Selbstzweck. Der häufigste Fehler ist, mit der Technologie zu beginnen statt mit dem Problem. Die fehlende Kenntnis konkreter Anwendungsfälle ist in mehreren Erhebungen der meistgenannte einzelne Bremsfaktor.
2 Punkte, wenn Sie einen messbaren Engpass benennen können – etwa 30 Stunden Angebotserstellung pro Woche oder eine Reklamationsquote, die niemand systematisch auswertet. 0 Punkte, wenn die Antwort lautet: „Wir wollen halt irgendwas mit KI machen.“
2. Sind Ihre Daten digital, strukturiert und auffindbar?
KI arbeitet mit Daten. Liegen Ihre Informationen in PDFs, E-Mail-Postfächern, Excel-Inseln und in den Köpfen einzelner Mitarbeiter, fehlt die Grundlage. Schlechte Datenqualität und Datensilos zählen durchgängig zu den meistgenannten technischen Hürden im Mittelstand.
2 Punkte, wenn Ihre Kerndaten (Kunden, Aufträge, Dokumente) digital und zentral abrufbar sind. 1 Punkt, wenn die Systeme existieren, aber nicht verknüpft sind.
3. Können Sie den Nutzen in Euro oder Stunden beziffern?
Ohne Zielgröße kein ROI – und kein Kriterium, an dem der Pilot scheitern oder bestehen darf. Wer den erwarteten Nutzen nicht beziffern kann, kann ihn später auch nicht nachweisen. Genau das erklärt einen Teil der zwei Drittel ohne messbaren Effekt: Es wurde nie definiert, was „Erfolg“ heißt.
2 Punkte, wenn Sie sagen können: „Wenn das funktioniert, sparen wir X Stunden oder Y Euro pro Monat.“ 0 Punkte bei reinem Bauchgefühl.
4. Gibt es einen Verantwortlichen mit Mandat und Zeit?
KI-Projekte sterben, wenn sie „nebenbei“ laufen. Es braucht eine Person, die das Thema treibt, Entscheidungen herbeiführt und ein realistisches Zeitbudget hat – kein Data Scientist, aber jemand mit Rückendeckung der Geschäftsführung.
2 Punkte, wenn diese Rolle besetzt und mit Zeit ausgestattet ist. 1 Punkt, wenn jemand „theoretisch zuständig“ ist, aber keine Kapazität hat.
5. Ist die Geschäftsführung aktiv eingebunden?
Der Kontrast zur Spitze ist deutlich: 91 Prozent der befragten deutschen Unternehmen halten generative KI inzwischen für entscheidend für ihr Geschäftsmodell, 69 Prozent haben eine KI-Strategie (KPMG, 2025). Wo die Führung das Thema dagegen an die IT delegiert und sich selbst nicht damit befasst, fehlt die Priorisierung im Tagesgeschäft – und damit fast immer auch das Budget.
2 Punkte, wenn die Leitung KI als strategisches Thema versteht und Ressourcen freigibt. 0 Punkte, wenn es als reines IT-Thema abgetan wird.
6. Haben Sie die rechtlichen Rahmenbedingungen geklärt?
Rechtsunsicherheit – vor allem rund um den EU AI Act – ist mit 53 Prozent die meistgenannte Hürde überhaupt. Sie müssen kein Jurist sein. Aber Sie sollten wissen, welche Daten Sie verarbeiten dürfen, wo personenbezogene Daten betroffen sind und wer im Haus für DSGVO-Fragen zuständig ist.
2 Punkte, wenn DSGVO-Zuständigkeit und ein Grundverständnis der KI-Regulierung vorhanden sind. 1 Punkt, wenn das Thema bekannt, aber ungeklärt ist.
7. Ist Ihre IT-Infrastruktur anschlussfähig?
Moderne KI-Tools arbeiten über Schnittstellen (APIs) mit bestehenden Systemen – ERP, CRM, Dokumentenmanagement. Veraltete Software ohne Schnittstellen macht jede Integration zur Insellösung mit manuellem Datentransfer und frisst den Effizienzgewinn wieder auf.
2 Punkte, wenn Ihre Kernsysteme cloudfähig sind oder Schnittstellen bieten. 0 Punkte bei reinen Altsystemen ohne Exportmöglichkeit.
8. Sind Ihre Mitarbeiter offen – und werden sie befähigt?
Technik ist die eine Hälfte, Akzeptanz die andere. KI scheitert oft an Mitarbeitern, die ein Werkzeug ignorieren, weil sie nicht eingebunden wurden. Die Grundstimmung hat sich allerdings gedreht: Nur noch 17 Prozent der Unternehmen halten KI für kein relevantes Thema – ein Jahr zuvor waren es 41 Prozent (Bitkom, 2025).
2 Punkte, wenn Ihr Team neugierig ist und Weiterbildung erhält. 1 Punkt, wenn Offenheit da ist, aber Schulung fehlt.
9. Können Sie mit einem kleinen Projekt starten?
Reife Organisationen denken in Iterationen: ein klar umrissener Pilot, messbar, mit überschaubarem Budget und – oft vergessen – einem definierten Abbruchkriterium. Wer gleich die „große KI-Transformation“ ausruft, verliert sich in Komplexität, bevor der erste Nutzen entsteht.
2 Punkte, wenn Sie einen abgegrenzten Bereich für einen Test benennen können. 0 Punkte, wenn nur „alles oder nichts“ denkbar ist.
10. Ist Budget für Aufbau UND Betrieb eingeplant?
KI ist kein Einmalkauf. Lizenzen, Anpassung, Wartung und Weiterentwicklung laufen weiter. Wer nur die Einführung budgetiert, steht nach sechs Monaten ohne Mittel für den Betrieb da – und das Projekt verkümmert genau dann, wenn es sich rechnen sollte.
2 Punkte, wenn ein realistisches Budget für Einführung und laufenden Betrieb steht. 1 Punkt bei reinem Projektbudget ohne Betriebsmittel.
Auswertung: Wo steht Ihr Unternehmen?
| Punkte | Reifegrad | Empfehlung |
|---|---|---|
| 0–6 | Fundament fehlt | Noch nicht mit KI starten. Erst Daten digitalisieren, Anwendungsfälle sammeln, Verantwortlichkeit klären. |
| 7–12 | Grundlagen vorhanden | Bereit für einen eng abgegrenzten Pilotversuch in einem datenstarken Bereich. Lücken parallel schließen. |
| 13–17 | Gut aufgestellt | Mehrere Anwendungsfälle realistisch. Nach ROI priorisieren, mit dem stärksten beginnen, dann skalieren. |
| 18–20 | Skalierungsreif | Reif für ein KI-Programm über mehrere Abteilungen. Fokus auf Governance, Integration und Standardisierung. |
Drei Muster, an denen Punkte verloren gehen
In der Praxis fallen die meisten Punkte in denselben drei Bereichen weg – und keiner davon ist technischer Natur:
| Engpass | Symptom im Alltag | Erster Schritt |
|---|---|---|
| Daten | Informationen stecken in PDFs, Mails und Köpfen | Kerndokumente zentral und digital ablegen |
| Klarheit | „Irgendwas mit KI“ ohne Zielgröße | Einen messbaren Engpass auswählen und beziffern |
| Verantwortung | Niemand hat zugleich Zeit und Mandat | Rolle benennen, Zeitbudget verbindlich freigeben |
Die gute Nachricht: Keiner dieser Punkte verlangt ein Millionenbudget oder ein eigenes KI-Team. Es sind organisatorische Hausaufgaben, die sich in Wochen statt Jahren erledigen lassen – und sie sind oft der eigentliche Hebel, nicht das Tool.
Zwei kurze Beispiele zur Einordnung
Handwerksbetrieb, 40 Mitarbeiter. Der Wunsch lautete zunächst „KI zur Effizienzsteigerung“ (Frage 1: 0 Punkte). Im Gespräch zeigte sich der eigentliche Schmerz: Die Angebotserstellung band wöchentlich rund 25 Stunden, weil Preise und Textbausteine aus alten Angeboten zusammengesucht wurden. Damit war ein messbarer Anwendungsfall definiert. Da die Altangebote nur als PDF vorlagen (Frage 2: 1 Punkt), entstand zuerst eine durchsuchbare Dokumentenbasis – und erst danach ein KI-Assistent, der neue Angebote vorbefüllt.
Dienstleister, 12 Mitarbeiter. Klein, aber mit hoher Readiness: ein klarer Engpass (wiederkehrende Angebots- und Mailtexte), saubere digitale Daten im CRM und eine Geschäftsführerin, die das Thema selbst trieb. Hier war kein Fundament-Aufbau nötig – der Pilot konnte direkt starten. Die Unternehmensgröße sagt über Readiness wenig aus; die Reihenfolge entscheidet.
Vom Check zum nächsten Schritt
Ein ehrlicher Readiness-Check ist unbequem, aber nützlich. Er verhindert, dass Sie Geld in ein Projekt stecken, dem das Fundament fehlt – und er zeigt umgekehrt, wenn Sie startklarer sind, als Sie dachten. Bei einem Markt, dessen Nutzung sich binnen eines Jahres nahezu verdoppelt hat, ist Abwarten keine neutrale Option. Aber gezieltes Vorgehen schlägt Aktionismus – das ist die Lehre aus den zwei Dritteln ohne messbaren Effekt.
Wenn Sie Ihren Punktwert kennen und unsicher sind, welcher erste Anwendungsfall sich für Ihr Unternehmen wirklich lohnt, ordnen wir das gern gemeinsam ein. Im kostenlosen Erstgespräch bewerten wir Ihre Ausgangslage und benennen den realistischsten nächsten Schritt – nüchtern und ohne Verkaufsdruck.
Häufige Fragen
Ab welcher Unternehmensgröße lohnt sich KI im Mittelstand?
Es gibt keine Mindestgröße. Entscheidend ist nicht die Mitarbeiterzahl, sondern ein wiederkehrender, zeitintensiver Prozess mit digital verfügbaren Daten. Laut Statistischem Bundesamt nutzen 17 Prozent der kleinen, 28 Prozent der mittleren und 48 Prozent der großen Unternehmen KI. Dieser Abstand erklärt sich vor allem über Datenreife und Verantwortlichkeit, nicht über die Größe allein – auch ein Betrieb mit 15 Personen profitiert, wenn ein klarer Anwendungsfall existiert.
Brauche ich eigene KI-Experten oder Data Scientists?
Für den Einstieg in der Regel nicht. Viele Anwendungsfälle lassen sich mit bestehenden Werkzeugen oder maßgeschneiderten Tools umsetzen, ohne eigene Modelle zu trainieren. Wichtiger als Spezialisten ist eine verantwortliche Person mit Mandat und Zeit (Frage 4) plus ein Partner für die technische Umsetzung. Internes KI-Personal wird erst relevant, wenn Sie über mehrere Abteilungen hinweg skalieren.
Was kostet die Einführung von KI in einem KMU?
Die Spanne ist groß und hängt vom Anwendungsfall ab. Ein abgegrenzter Pilot bewegt sich häufig im niedrigen vier- bis fünfstelligen Bereich. Entscheidend ist, dass Sie – wie in Frage 10 beschrieben – nicht nur die Einführung, sondern auch den laufenden Betrieb (Lizenzen, Wartung, Weiterentwicklung) einplanen. Bei klar gewähltem Anwendungsfall erwarten viele Anwender die Amortisation innerhalb des ersten Jahres; ohne messbares Ziel lässt sie sich dagegen gar nicht erst nachweisen.
Wie lange dauert es von der Idee bis zum produktiven Einsatz?
Bei einem klar umrissenen Anwendungsfall mit vorhandenen Daten sind erste produktive Ergebnisse oft in wenigen Wochen bis zu drei Monaten erreichbar. Fehlen die Grundlagen – etwa digitalisierte Daten oder eine klare Verantwortlichkeit –, verlängert sich der Zeitraum entsprechend. Genau deshalb steht der Readiness-Check vor dem Projekt: Er deckt diese Verzögerungsfaktoren früh auf, statt sie im Projekt teuer zu entdecken.
Was ist der häufigste Grund, warum KI-Projekte im Mittelstand scheitern?
Selten die Technologie. Am häufigsten fehlt entweder ein klar definierter Anwendungsfall mit messbarem Ziel oder die Datengrundlage ist unzureichend. Hinzu kommt mangelnde Einbindung von Führung und Mitarbeitern. Dass rund zwei Drittel der deutschen CEOs bislang keinen messbaren KI-Effekt sehen, liegt überwiegend an dieser Vorbereitung – nicht an den Werkzeugen selbst.