Wozu ein KI-Reifegrad — und für wen lohnt es sich?
Drei Situationen, in denen ein strukturierter Reifegrad mehr bringt als das nächste KI-Pilot-Meeting:
- Vor dem ersten ernsthaften KI-Investment. Wer in Tools, Lizenzen oder externe Berater investieren will, sollte vorher wissen, wo die organisationalen Engpässe liegen — meist sind es nicht die Technologie-Themen.
- Bei festgefahrenen KI-Initiativen. Wenn Pilotprojekte nie produktiv werden, ist die Diagnose fast immer ein Reifegrad-Mismatch: ein Pilot auf Stufe-3-Anspruch wird in einer Stufe-1-Organisation nicht überleben.
- Als Geschäftsleitung mit KI-Druck. Wenn der Beirat, Investoren oder Konzernmutter „KI-Strategie“ einfordern, ist eine ehrliche Reifegrad-Bewertung der einzige seriöse Startpunkt für eine belastbare Roadmap.
Der Index ersetzt keinen externen Audit, ist aber das richtige Werkzeug für die interne Selbstklärung in 60–90 Minuten. Für die externe Variante: KI-Audit-Bestandsaufnahme.
Die 5 Maturity-Stufen — Mittelstands-realistisch definiert
Jede Stufe hat eine klare Eintrittsschwelle. Sie sind erst auf einer Stufe, wenn alle Eintrittskriterien erfüllt sind — nicht schon, wenn Sie „daran arbeiten“.
Stufe 1 — Experimentell (Awareness)
- Eintritt: einzelne Mitarbeiter:innen nutzen ChatGPT/Copilot/Gemini privat oder ad-hoc im Job.
- Typische Symptome: Begeisterung in Einzelfällen, keine offizielle Position der Geschäftsleitung, Schatten-IT bei KI-Tools, kein KI-Budget, keine Datenschutz-Antwort auf KI-Fragen.
- Risiko: Datenabflüsse, Vertraulichkeitsverletzungen, EU-AI-Act-Verstöße bei produktiver Nutzung ohne Governance.
- Häufigste Selbst-Überschätzung: „Wir nutzen schon KI“ — gemeint ist meist nur unstrukturierte Tool-Nutzung ohne Wertschöpfung.
Stufe 2 — Pilotierung (Exploration)
- Eintritt: mindestens 1 dokumentierter Use Case in Pilot-Phase mit definiertem Erfolgskriterium und benannten verantwortlichen Personen.
- Typische Symptome: 1–3 Pilotprojekte parallel, KI-Verantwortlicher nominell benannt (oft Halbtags-Rolle), erste Tool-Lizenzen, erste DSGVO-Bewertungen.
- Wertbeitrag: noch keiner mess- oder bilanzwirksam — Pilot-Phase, Lerneffekt zählt.
- Typische Falle: Pilot-Friedhof — viele schöne Demos, keiner geht produktiv.
Stufe 3 — Produktiv mit Governance (Operationalisierung)
- Eintritt: mindestens 1 KI-Use-Case läuft seit ≥6 Monaten produktiv mit messbarem Business-Impact UND es existiert ein dokumentiertes KI-Register inkl. Risikoklassifizierung nach EU AI Act.
- Typische Symptome: KI-Strategie als Dokument vorhanden, KI-Budget im Budget-Plan, Datenschutz-Beauftragte:r und IT-Sec haben Reviews durchgeführt, AVV mit allen KI-Anbietern, erste KPIs.
- Wertbeitrag: erste messbare Effizienz- oder Umsatzeffekte (typisch 50.000–250.000 € Jahres-Wert pro produktivem Use Case).
- Schwelle: nur ca. 12 % der mittelständischen Unternehmen sind heute hier (Stand 2026).
Stufe 4 — Skalierend (Integration)
- Eintritt: 3+ produktive Use Cases in unterschiedlichen Funktionsbereichen, gemeinsame KI-Plattform/-Architektur, dedizierte:r KI-Verantwortliche:r mit Budget-Hoheit, Schulungsprogramm für Anwender.
- Typische Symptome: KI als Bestandteil normaler Geschäftsprozess-Reviews, eigene Prompt-/RAG-Standards, MLOps-Grundbausteine, Lieferanten-/Vertragsmanagement für KI etabliert.
- Wertbeitrag: 0,5–2 % EBIT-Effekt p.a. messbar zuordenbar.
Stufe 5 — KI-fähige Organisation (Strategischer Hebel)
- Eintritt: KI in 5+ Kernprozessen produktiv, KI-Argumente in strategischen Investitions-Entscheidungen Standard, eigene KI-Capability für Build-vs-Buy-Entscheidungen, kontinuierliches Modell-Monitoring, Audit-Festigkeit erwiesen.
- Realität: <1 % der Mittelständler heute, primär Hidden Champions mit hoher Daten-Reife (z.B. Maschinenbau, Pharma-Zulieferer, B2B-FinTech).
- Wertbeitrag: KI ist messbare Quelle von Differenzierung, nicht nur Effizienz.
Die 6 Bewertungs-Dimensionen
Eine Stufen-Einordnung ohne Differenzierung über Dimensionen führt in die Irre. Ein Unternehmen kann in Daten auf Stufe 3 sein, in Skills aber auf Stufe 1 — der schwächste Wert ist meist limitierend für die Gesamtreife.
- Strategie & Geschäftsverankerung — KI-Vision, Verankerung in Unternehmensstrategie, Geschäftsleitungs-Commitment, Investitions-Logik.
- Daten & Wissensbasis — Datenqualität, Verfügbarkeit, Strukturierung, Daten-Governance, Datenkatalog.
- Use Cases & Wertbeitrag — Anzahl produktiver Use Cases, Messbarkeit, Portfolio-Steuerung, Wert-Tracking.
- Technologie & Architektur — Plattform-Entscheidungen, Hosting (Private vs. Public), MLOps, Integration in Bestandssysteme, Sicherheit.
- Organisation & Kompetenzen — Rollen, Verantwortlichkeiten, Schulung, Change Management, Akzeptanz in Fachbereichen.
- Governance & Compliance — DSGVO, EU AI Act, ISMS-Integration, AVV-Management, Audit-Festigkeit, Risikoklassifizierung.
Der 30-Fragen-Selbsttest (Kurzfassung)
Pro Dimension 5 Fragen, jede mit 4 Antwort-Optionen (Stufe 1–4 oder „nicht zutreffend“). Hier die jeweils diagnostisch trennscharfste Frage je Dimension — die Vollversion mit allen 30 Fragen ist im Download verfügbar:
- Strategie: „Welche Aussage zur KI-Strategie unterzeichnet die Geschäftsleitung am letzten Jahresende?“ (Stufe 1: keine; Stufe 2: Absichtserklärung; Stufe 3: dokumentierte Strategie mit 2-Jahres-Roadmap; Stufe 4: KI-Argumente Standard in Investitionsentscheidungen).
- Daten: „Existiert ein gepflegter Datenkatalog mit Verantwortlichen pro Datenobjekt?“ (Stufe 1: nein; Stufe 2: in Excel-Liste; Stufe 3: dokumentiert mit Tool-Unterstützung; Stufe 4: lebende Data-Governance mit Stewardship-Rollen).
- Use Cases: „Wie viele KI-Use-Cases laufen seit ≥6 Monaten produktiv mit dokumentiertem Business-Impact?“ (0 / 1 / 2–4 / 5+).
- Technologie: „Welche Hosting-Strategie für sensible Daten?“ (Stufe 1: keine Position; Stufe 2: ad-hoc öffentliche Cloud; Stufe 3: Private-AI oder EU-Cloud per Policy; Stufe 4: explizite Hosting-Klassifizierung pro Use Case).
- Organisation: „Wer ist organisational verantwortlich für KI-Initiativen?“ (Stufe 1: niemand; Stufe 2: nominelle Nebenrolle; Stufe 3: definierte Rolle >30 % FTE; Stufe 4: Funktion mit Budget-Hoheit + Linien-Anbindung).
- Governance: „Existiert ein KI-Register mit Risikoklassifizierung nach EU AI Act?“ (nein / in Arbeit / vorhanden für Pilotprojekte / vollständig auch für produktive Systeme).
Auswertung: Pro Dimension Mittelwert berechnen, Gesamtreife = Median über die 6 Dimensionen (nicht Mittelwert — der Median verhindert, dass eine starke Dimension Schwächen kaschiert).
Benchmarks aus 47 Mittelstands-Mandaten (2024–2026)
Verteilung der Reifegrade in unserer Mandanten-Stichprobe (N = 47, Industrie/B2B-Dienstleistung/Logistik/öffentliche Hand, 50–800 Mitarbeitende):
- Stufe 1 (Experimentell): 41 % — meist mit unrealistischer Selbsteinschätzung „wir sind eigentlich schon weiter“.
- Stufe 2 (Pilotierung): 47 % — typischerweise 1–2 Pilotprojekte, oft im Stau zwischen Pilot und Produktiv-Übergabe.
- Stufe 3 (Produktiv + Governance): 11 % — meist getrieben durch externen Compliance-Druck (Konzernmutter, regulierte Branche).
- Stufe 4 (Skalierend): ca. 1 % — wenige spezialisierte Hidden Champions mit guter Daten-Vorgeschichte.
- Stufe 5: in unserer Stichprobe nicht vertreten.
Branchen-Spreizung: B2B-FinTech, Pharma-Zulieferer und Spezial-Maschinenbau sind im Mittel 0,5–0,8 Stufen voraus; öffentliche Hand und Bauwesen ca. 0,5 Stufen zurück. Mehr Branchendetails in den Branchen-Tiefenanalysen.
Next-Best-Step pro Stufe — der ROI-stärkste Schritt
Der nächste Schritt ist fast nie der spektakulärste. Es ist meist der, der die niedrigste Dimension auf das Niveau der höchsten zieht.
Aus Stufe 1 → Stufe 2
- Wichtigste Maßnahme: 1 fokussierter Discovery-Workshop mit Geschäftsleitung + 2 Fachbereichen, Auswahl von 2 Pilot-Kandidaten nach klarem Kriterien-Raster.
- Aufwand: 8–12 Tage Begleitung über 4–6 Wochen.
- Typische Falle: direkter Sprung in „große KI-Strategie“ — Strategie ohne Use-Case-Erfahrung wird Papier.
Aus Stufe 2 → Stufe 3
- Wichtigste Maßnahme: 1 Pilot zur Produktiv-Übergabe bringen — inklusive Governance (KI-Register, Risikoklassifizierung, Schulung Anwender, KPI-Definition).
- Aufwand: 60–120 Beratertage über 4–6 Monate, oft kombiniert mit KI-Audit und EU-AI-Act-Umsetzung.
- Typische Falle: mehr Piloten parallel starten, weil „wir noch lernen müssen“ — die Lernkurve liegt in der Produktiv-Übergabe, nicht im Pilot.
Aus Stufe 3 → Stufe 4
- Wichtigste Maßnahme: KI-Plattform-Entscheidung (Build vs. Buy), Skalierung auf 2–3 weitere Funktionsbereiche, Aufbau Schulungsprogramm.
- Aufwand: 12–18 Monate, eigenes Budget mittlere 6-stellige Größenordnung.
Aus Stufe 4 → Stufe 5
- Wichtigste Maßnahme: KI-Differenzierungs-Strategie (Welche Capability ist Kerndifferenzierung?), Aufbau In-House-Capability, Investitionslogik im Geschäftsmodell.
- Realität: für die meisten Mittelständler ist Stufe 4 ausreichend — Stufe 5 lohnt nur, wenn KI klar zum Geschäftsmodell-Hebel wird.
Vier Reifegrad-Fallen — und wie man sie erkennt
- Die ChatGPT-Illusion: Schatten-IT-Nutzung von ChatGPT/Copilot wird als „wir machen schon KI“ interpretiert. Test: existiert ein dokumentierter, geprüfter Use Case mit Wertnachweis? Wenn nein → Stufe 1.
- Pilot-Friedhof: 3+ Piloten parallel, keiner geht produktiv. Symptom: jeder will einen eigenen Pilot, niemand hat Verantwortung für Produktiv-Übergabe. Lösung: harter Stopp — 1 Pilot, 1 Produktiv-Übergang, dann erst der nächste.
- Tool-Overload: 5+ KI-Tools eingekauft, keine durchdrungene Architektur. Symptom: jedes Fachbereich-Tool meldet eigenen DSGVO-/AVV-Status. Lösung: Plattform-Entscheidung erzwingen, Tool-Konsolidierung.
- Strategie-ohne-Pilot: 30-seitige KI-Strategie, 0 Use Cases. Symptom: Strategie wurde extern geschrieben, niemand intern fühlt sich verantwortlich. Lösung: Strategie auf 2 Seiten kürzen, dafür 1 Pilot starten — Reifegrad steigt nur über produktive Use Cases.
Vollversion anfordern
Die Vollversion enthält:
- Excel-Tool mit allen 30 Bewertungsfragen, automatischer Reifegrad-Berechnung pro Dimension, Spider-Diagramm.
- 12-seitiges PDF mit Stufen-Definitionen, Benchmark-Werten, Roadmap-Vorlagen.
- Vorlage für Geschäftsleitungs-Vorlage (1-Pager) zur Reifegrad-Kommunikation.
- Optional: 30-Minuten-Auswertungsgespräch mit Boris Karge, KBD-Geschäftsführung.
Anforderung formlos per E-Mail an info@ki-beratung-unternehmen.de mit Stichwort „Maturity-Index“ — oder direkt über die KI-Potenzialanalyse-Anfrage, wenn auch eine erste Diskussion gewünscht ist.
Häufig gestellte Fragen
Wie unterscheidet sich dieser Index von den großen Beratungs-Modellen (Gartner, Accenture, McKinsey)?
Die genannten Modelle sind für DAX-Konzerne mit mehreren hundert KI-Mitarbeitern entwickelt. Stufe 5 bedeutet dort z.B. „eigene Foundation Models, dedizierte AI-Plattform-Teams, KI in jedem Geschäftsprozess“ — irrelevant für ein 200-Personen-Unternehmen. Unser Index hat realistische Stufen für Mittelstand: Stufe 5 ist hier produktive KI in 3–5 Kernprozessen mit messbarem Business-Impact und sauberer Governance, nicht KI-Allmacht.
Wie ehrlich muss man bei der Selbsteinschätzung sein?
Der Index ist nur nützlich, wenn Sie sich nicht selbst betrügen. Häufige Selbst-Überschätzung: „Wir nutzen ja schon ChatGPT“ → das ist Stufe 1, nicht Stufe 3. Test-Frage: gibt es eine messbare Effizienz-Steigerung in mindestens einem Prozess, die ohne KI nicht erreichbar wäre? Erst dann beginnt Stufe 2.
Wie schnell kann man von Stufe 1 auf Stufe 3?
Realistisch 9–18 Monate bei fokussierter Umsetzung mit externer Begleitung. Schneller geht oft nur, wenn vorher schon Vorarbeiten in Datenqualität und Prozess-Dokumentation existieren. Versuche, direkt von Stufe 1 auf Stufe 4 zu springen, scheitern fast immer — die organisationale Reife fehlt.
Welche Stufe braucht man für DSGVO-/EU-AI-Act-Konformität?
Schon ab Stufe 2 muss Compliance mitgedacht werden, sobald produktive Use Cases mit Personendaten oder Geschäftsentscheidungen entstehen. Stufe 3 erfordert formal dokumentierte AI-Governance (KI-Register, Risikoklassifizierung, AVV mit allen Anbietern). Ab Stufe 4 sollten Prozesse für Modell-Audit, Bias-Monitoring und Incident-Response stehen.
Wer im Unternehmen sollte das Self-Assessment ausfüllen?
Nicht nur die IT. Bestes Ergebnis: 1 Person aus IT, 1 aus Datenmanagement/BI, 1 aus einem Fachbereich, der KI nutzt (oder nutzen soll), 1 Führungskraft. Jede:r füllt allein aus, dann werden Differenzen besprochen — die Diskussion über Bewertungsdivergenzen ist oft wertvoller als die Endzahl.
Wie oft sollte man neu bewerten?
Alle 6 Monate während aktiver KI-Einführungsphase, danach jährlich. Wichtig: dieselben Fragen wie beim Vorquartal nutzen — sonst sind Verschiebungen nicht echt vergleichbar. Veränderung zwischen den Bewertungen ist die wichtigere Kennzahl als der Absolutwert.