KI ist schnell eingeführt. Wirkung entsteht deutlich langsamer.

Kaum ein Technologiethema entwickelt sich derzeit so schnell wie künstliche Intelligenz. Neue Assistenten, Copilots, Agents und Automatisierungsfunktionen erscheinen laufend. Für Unternehmen entsteht dadurch ein nachvollziehbarer Druck: Man möchte nicht den Anschluss verlieren und möglichst rasch erste Anwendungsfälle umsetzen.

Doch genau hier liegt eine der grössten Gefahren. Ein neues KI-Tool kann innerhalb weniger Tage aktiviert sein. Die organisatorischen und technischen Voraussetzungen, damit daraus dauerhaft ein Mehrwert entsteht, lassen sich jedoch nicht einfach einschalten. Wenn Prozesse unklar, Daten inkonsistent, Verantwortlichkeiten offen oder Systemlandschaften historisch gewachsen sind, löst KI diese Probleme nicht automatisch. Sie kann sie sogar beschleunigen.

AI Readiness beginnt nicht bei der Auswahl eines Modells

Bei AI Readiness geht es deshalb nicht primär um die Frage, welches Sprachmodell oder welcher Anbieter eingesetzt werden soll. Die wichtigeren Fragen liegen davor: Welche Prozesse sollen verbessert werden? Wo entstehen heute Medienbrüche und manuelle Aufwände? Welche Daten stehen zur Verfügung? Wer darf auf welche Informationen zugreifen? Wo befindet sich relevantes Wissen? Und welche Systeme müssen miteinander kommunizieren?

Ein Unternehmen kann technisch Zugang zu modernster KI haben und trotzdem nicht AI-ready sein. Umgekehrt kann ein Unternehmen mit klaren Prozessen, guter Datenqualität und sauberer Governance bereits sehr nahe an einer erfolgreichen KI-Nutzung sein - selbst wenn noch kein konkretes Tool ausgewählt wurde.

Fünf Dimensionen, die ich vor einer KI-Einführung prüfen würde

  1. Prozesse: Sind die wichtigsten Abläufe verständlich, reproduzierbar und mit klaren Verantwortlichkeiten versehen? KI sollte nicht auf einen Prozess gesetzt werden, den niemand wirklich erklären kann.
  2. Daten: Sind Daten vollständig, aktuell und eindeutig? Ein intelligenter Assistent kann nur mit dem arbeiten, was ihm zur Verfügung steht. Schlechte Daten werden durch KI nicht automatisch gut.
  3. Systeme und Integrationen: Wo liegen Informationen und wie gelangen sie von System A nach System B? Gerade bei mehreren Business Applications entscheidet die Integrationsarchitektur darüber, ob KI isolierte Antworten liefert oder tatsächlich End-to-End-Prozesse unterstützen kann.
  4. Wissen und Dokumentation: Ist Know-how nur in den Köpfen einzelner Mitarbeitender vorhanden oder strukturiert dokumentiert? Für AI Assistants und Agents ist zugängliches, gepflegtes Wissen ein zentraler Erfolgsfaktor.
  5. Governance und Menschen: Wer entscheidet über Use Cases, Datenzugriff und Qualität? Wer übernimmt Verantwortung, wenn ein automatisierter Prozess eine falsche Entscheidung vorbereitet? Und sind Mitarbeitende befähigt, Ergebnisse kritisch zu prüfen?

Nicht jeder Prozess braucht KI

Ein weiterer wichtiger Punkt wird häufig übersehen: Nicht jedes Problem benötigt künstliche Intelligenz. Manchmal reicht eine saubere Schnittstelle. Manchmal ist eine klassische Workflow-Automatisierung stabiler und günstiger. Und manchmal liegt die beste Lösung schlicht darin, einen unnötigen Prozessschritt zu entfernen.

Der richtige Ansatz ist deshalb nicht "Wo können wir überall KI einsetzen?", sondern "Wo entsteht heute ein relevantes Problem und welche Technologie löst es am sinnvollsten?". KI ist dabei eine Option - nicht automatisch die Antwort.

Mit Quick Wins starten, aber mit Zielbild denken

Ein AI-Readiness-Ansatz muss nicht in einem monatelangen Strategieprojekt enden. Häufig reichen bereits kurze Interviews, Prozess-Sessions und ein Blick auf Systemlandschaft, Datenflüsse und heutige Arbeitsweisen, um erste Potenziale sichtbar zu machen.

Wichtig ist anschliessend die Priorisierung. Gute Quick Wins sind nicht nur technisch einfach, sondern lösen ein echtes Problem, haben einen klaren Owner und lassen sich messen. Parallel sollte ein Zielbild entstehen, damit einzelne Experimente später nicht zu einem neuen Tool- und Prozesschaos führen.

Fazit: Erst Klarheit, dann Automatisierung

Unternehmen müssen nicht warten, bis alles perfekt ist. Aber sie sollten wissen, worauf sie KI aufsetzen. Wer zuerst Transparenz über Prozesse, Systeme, Daten und Verantwortlichkeiten schafft, erhöht die Chance deutlich, dass KI nicht nur beeindruckt, sondern im Alltag tatsächlich Nutzen erzeugt.

Mein Grundsatz dabei ist einfach: AI ist nicht das Fundament, sondern ein Verstärker. Je besser das Fundament, desto wertvoller kann der Verstärker werden.