KI-Readiness-Check: Ist dein Unternehmen bereit?

Kaum ein Thema erzeugt so viel Druck wie künstliche Intelligenz. Auf jeder Konferenz, in jedem Newsletter und von jedem Anbieter heisst es, KMU müssten jetzt handeln, sonst verpassten sie den Anschluss. Dieser Druck führt zu Aktionismus: Unternehmen starten KI-Projekte, weil KI gerade angesagt ist, nicht weil sie wissen, welches Problem sie lösen wollen.

Genau hier scheitern die meisten Vorhaben. Nicht an zu schwacher Technik, sondern an fehlender Vorbereitung. Bevor ein KMU Geld und Zeit in KI investiert, lohnt ein nüchterner Blick auf die eigenen Voraussetzungen. Dieser Artikel liefert einen Readiness-Check entlang von vier Dimensionen, mit dem ihr ehrlich beurteilt, ob ihr bereit seid oder zuerst Grundlagen schaffen müsst.

Dimension eins: Das klare Problem

Die wichtigste Frage steht ganz am Anfang und wird am häufigsten übersprungen: Welches konkrete Problem soll KI lösen? Nicht abstrakt im Sinne von Effizienzsteigerung, sondern konkret. Sollen Kundenanfragen schneller beantwortet, Angebote schneller erstellt oder Dokumente automatisch ausgewertet werden?

Wer diese Frage nicht in einem Satz beantworten kann, ist noch nicht bereit. Ein KI-Projekt ohne klar definiertes Problem ist eine Lösung auf der Suche nach einer Aufgabe, und solche Projekte verlaufen fast immer im Sand. Sie verschlingen Budget, produzieren ein paar beeindruckende Demos und versanden dann, weil niemand sagen kann, ob sie tatsächlich etwas verbessert haben.

Der bessere Weg führt vom Problem zur Lösung, nicht umgekehrt. Sammelt die wiederkehrenden Engpässe im Betrieb, die viel Zeit kosten oder Fehler verursachen, und prüft erst dann, ob KI dafür ein geeignetes Werkzeug ist. Manchmal ist die Antwort nein, und auch das ist ein wertvolles Ergebnis, weil es eine teure Fehlinvestition verhindert.

Dimension zwei: Die Datenbasis

KI lebt von Daten. Ein Werkzeug, das Kundenanfragen klassifizieren soll, braucht vergangene Anfragen, um daraus zu lernen oder sinnvoll zu arbeiten. Ein System, das Verkaufsprognosen erstellen soll, braucht saubere historische Verkaufsdaten. Fehlen diese Daten oder sind sie unbrauchbar, scheitert das beste Werkzeug.

Die ehrliche Frage lautet deshalb: Liegen die nötigen Daten überhaupt vor, und in welcher Qualität? Viele KMU überschätzen ihre Datenlage. Informationen liegen verstreut in E-Mails, Tabellen und Köpfen, sind unvollständig oder widersprüchlich. KI verstärkt, was da ist. Auf schlechter Datenbasis produziert sie selbstbewusst falsche Ergebnisse, was gefährlicher ist als gar kein Ergebnis.

Das heisst nicht, dass ihr perfekte Daten braucht, bevor ihr beginnt. Aber ihr solltet wissen, wo ihr steht. Manchmal ist der erste sinnvolle Schritt zur KI-Readiness schlicht, die eigenen Daten aufzuräumen und an einem Ort zusammenzuführen.

Dimension drei: Stabile Prozesse

KI entfaltet ihren Nutzen am ehesten in Prozessen, die klar definiert und stabil sind. Ein Ablauf, der bei jedem Durchlauf anders aussieht und von Ausnahmen lebt, lässt sich schwer automatisieren oder unterstützen. Wo niemand genau sagen kann, wie ein Prozess eigentlich abläuft, kann auch KI ihn nicht zuverlässig verbessern.

Prüft deshalb, ob der Prozess, den ihr mit KI angehen wollt, überhaupt beschreibbar ist. Lässt sich in klaren Schritten festhalten, was passiert, wer beteiligt ist und welche Entscheidungen getroffen werden? Wenn ja, ist er ein guter Kandidat. Wenn der Prozess dagegen chaotisch und voller Sonderfälle ist, lohnt es sich, ihn zuerst zu ordnen, bevor man KI darauf ansetzt.

Oft zeigt sich dabei, dass schon das Ordnen des Prozesses einen grossen Teil des erhofften Nutzens bringt, ganz ohne KI. Ein sauber strukturierter Ablauf ist effizienter, fehlerärmer und leichter an neue Mitarbeitende zu übergeben. KI kommt dann als Verstärker oben drauf, nicht als Reparatur für ein grundlegendes Durcheinander.

Dimension vier: Menschen, die einordnen können

Die letzte Dimension wird am häufigsten unterschätzt. KI liefert Ergebnisse, aber sie liefert sie ohne Garantie auf Richtigkeit. Sie kann selbstbewusst danebenliegen, und sie tut es manchmal auf eine Weise, die für Laien nicht erkennbar ist. Deshalb braucht es im Team Menschen, die KI-Ergebnisse einordnen, hinterfragen und im Zweifel korrigieren können.

Das bedeutet nicht, dass jeder zum KI-Experten werden muss. Aber es braucht ein gesundes Verständnis dafür, was KI kann und was nicht, wo sie zuverlässig ist und wo Vorsicht geboten ist. Ein Unternehmen, das KI-Ergebnisse blind übernimmt, handelt sich Risiken ein, die teurer werden können als der eingesparte Aufwand.

Der ehrliche Readiness-Check

Fasst man die vier Dimensionen zusammen, ergibt sich ein einfacher Check. Habt ihr ein klar benennbares Problem? Liegen die nötigen Daten in brauchbarer Qualität vor? Ist der betroffene Prozess stabil und beschreibbar? Und gibt es Menschen, die Ergebnisse einordnen können? Vier Mal Ja bedeutet, dass ihr bereit seid, sinnvoll mit KI zu starten.

Fehlt eine Voraussetzung, ist das kein Grund zur Resignation, sondern eine klare Agenda. Vielleicht müsst ihr zuerst das Problem schärfen, die Daten aufräumen oder den Prozess ordnen. Diese Vorarbeit ist keine Verzögerung, sondern die Grundlage dafür, dass eure spätere KI-Investition tatsächlich Wirkung zeigt, statt zur teuren Enttäuschung zu werden.

Und für die meisten KMU gilt: Bereit zu sein heisst nicht, eigene Modelle zu bauen, sondern fertige Werkzeuge klug einzusetzen. Der Wettbewerbsvorteil entsteht nicht durch die ausgefeilteste Technik, sondern durch die ehrliche Vorbereitung und den disziplinierten Einsatz dort, wo KI ein echtes Problem löst.