Wie prüfe ich die KI-Readiness meines Unternehmens?

Warum Assessment vor KI-Initiativen

90 % aller KI-Initiativen scheitern (Gartner 2023). Hauptursache: nicht Algorithmen-Probleme, sondern fehlende Voraussetzungen. KI-Readiness-Assessment zeigt vorher wo die Lücken sind.

Fünf Reife-Dimensionen

1. Daten-Reife: gibt es saubere, gelabelte, zugängliche Daten? Sind Daten siloed oder zentralisiert? Welche Datenqualität?

2. Tech-Infrastruktur: Cloud verfügbar? MLOps-Tooling? Compute für Training? Production-Deployment-Pfad?

3. Talent + Skills: Daten-Literacy in der Breite, Daten-Engineering + ML-Expertise gezielt. Wer macht das? Wer interpretiert?

4. Governance: Ethik-Framework, Datenschutz-Prozesse, EU-AI-Act-Compliance, klare Verantwortungen.

5. Strategie + Sponsorship: gibt es C-Level-Buy-In? Klare Use-Cases mit Business-Hypothesen? Budget?

Assessment-Format

4-Wochen-Sprint mit 3 Bausteinen:

• Survey: Fragebogen an alle relevanten Stakeholder pro Dimension (3-5 Fragen pro Dim, 5er-Likert).

• Interviews: 10-15 Tiefen-Interviews mit Schlüssel-Personen (CIO, CDO, Heads-of-Departments).

• Daten-Audit: technische Inventur. Welche Daten existieren wo, in welcher Qualität?

Output: Reife-Heatmap

Pro Dimension Reife-Stufe 1-5. Beispiel: Daten = 2, Tech = 4, Talent = 2, Governance = 3, Strategie = 4. Schwächste Dimension (hier: Daten + Talent bei 2) ist der Engpass.

Was passiert nach Assessment

• Roadmap: 6-12-Monats-Plan zur Schliessung der Top-2-Lücken.

• Pilot-Auswahl: 1-2 KI-Use-Cases die zur aktuellen Reife passen. Nicht zu ambitioes.

• Investitions-Antrag: konkrete Budgets für Daten-Infrastruktur, Hiring, Tooling.

Anti-Patterns

• Reife übertreiben: Selbst-Einschätzung ist meist 1-2 Punkte zu hoch.

• Tech-First-Denken: Compute kaufen ohne Daten-Reife - vergeudet Geld.

• Ohne Sponsorship starten: Assessment-Ergebnis bekommt keine Konsequenzen.