KI-Reifegrad: Warum Reifegradmodelle für KMU nicht passen

Auf der ersten Suchergebnisseite zu „KI-Reifegrad“ stehen fast ausschließlich Anbieter. Sie stellen einen Self-Check bereit, berechnen einen Score und bieten danach die Begleitung an, die der Score nahelegt. Das Instrument und das Angebot stammen aus derselben Hand.

Für dich als Geschäftsführung im Mittelstand ist das teuer, bevor es nützlich wird. Du bekommst eine Zahl ohne offengelegte Herleitung und eine Empfehlung, die zum Portfolio des Absenders passt.

Hier steht, wie ein KI-Reifegradmodell aufgebaut ist und wo die Forschung es für schwach hält. Danach folgt der Vorschlag, was du vorher misst: deinen Strategie-Reifegrad, mit vier Fragen statt acht Dimensionen.

Was ist ein KI-Reifegradmodell und wie funktioniert es?

Ein KI-Reifegradmodell bewertet ein Unternehmen entlang mehrerer Dimensionen und ordnet es einer Stufe zu. Typische Dimensionen sind Daten, Technik, Prozesse, Kompetenzen, Governance und Führung. Pro Dimension gibt es Fragen, aus den Antworten entsteht ein Score, aus dem Score eine Stufe.

KI-Reifegradmodell — Ein Bewertungsraster, das den Entwicklungsstand eines Unternehmens beim Einsatz künstlicher Intelligenz auf mehreren Dimensionen in Stufen abbildet.

Die Idee stammt nicht aus dem Vertrieb, sondern aus der Wirtschaftsinformatik. Ein Literatur-Review von 1451 Publikationen beschreibt Reifegrad- und Readiness-Modelle dort als etablierte Werkzeuge. Sie schätzen ein, wie weit eine Organisation auf die Adoption einer Technologie vorbereitet ist.

Beschreibende Modelle halten einen Zustand fest, anleitende sagen, was als Nächstes zu tun ist. Der Unterschied entscheidet, was du mit dem Ergebnis anfangen kannst.

Warum sind die meisten KI-Reifegradmodelle Verkaufsargumente?

Weil sie beschreiben statt anzuleiten und ihre Aussagekraft selten geprüft ist. In einem systematischen Review von KI-Reifegradmodellen waren 13 der Modelle beschreibend und nur sechs anleitend, und sieben von 15 Studien hatten ihr Modell validiert. Ein Score ohne Validierung ist eine Meinung im Zahlenformat.

Dasselbe Review zeigt, worauf die Modelle schauen: Sechs von 13 Studien zur KI-Reife bewerten den Technikaspekt. Kein Modell misst alle kritischen Dimensionen. Was schwer zu messen ist, fällt heraus.

Diese Schlagseite ist bekannt. Organisationen priorisieren technische und geschäftliche Bewertungen, weil diese leichter durchzuführen sind. Menschliche und organisationale Aspekte bleiben dabei regelmäßig unberücksichtigt.

Daraus folgt eine Strukturaussage, kein Vorwurf an einzelne Anbieter wie assecor, noventum, digibeter, berger.team oder teamazing. Wer ein Raster baut, um daran ein Angebot anzuschließen, wählt Dimensionen, auf die sein Angebot antwortet. Fehlende Datenplattform führt zum Datenplattform-Projekt. Fehlende Governance führt zum Governance-Workshop. Die Diagnose ist bereits die Therapie des Diagnostikers.

Welche KI-Reifegradmodelle sind vendor-getrieben, welche unabhängig?

Unterscheide nicht nach Anbietern, sondern nach vier Prüffragen. Wer hat das Modell gebaut, und verkauft dieselbe Partei die Umsetzung? Ist die Konstruktion veröffentlicht und nachvollziehbar? Wurde sie empirisch validiert? Endet der Self-Check in einem Ergebnis oder in einem Kontaktformular?

Die Validierungsfrage trennt am schärfsten. Sie ist in der Forschung ein Standardkriterium, und die Mehrheit der untersuchten KI-Reifegradmodelle erfüllt es nicht.

Auch die Veröffentlichungsfrage trennt zuverlässig. Eine systematische Recherche zu Reifegradmodellen fand 297 deutsch- und englischsprachige Publikationen, von denen am Ende nur 24 Modelle ausreichende wissenschaftliche Informationen boten. Alles andere war nicht prüfbar.

Ein unabhängiges Modell verliert nichts, wenn du sein Ergebnis mitnimmst und allein weiterarbeitest. Ein Vendor-Modell schon.

Wie viele Dimensionen braucht ein Reifegradmodell für KMU?

Weniger, als die verbreiteten Modelle ansetzen. Dieselbe systematische Recherche kommt zu dem Ergebnis, dass die Mehrheit der bestehenden Reifegradmodelle nicht an die Bedürfnisse von KMU angepasst ist, weil kleine und mittlere Unternehmen begrenzte Ressourcen für die Umsetzung einer Digitalisierungsstrategie haben.

Ein Unternehmen mit 30 Beschäftigten kann acht Dimensionen nicht besetzen. Es hat weder eine Data-Governance-Rolle noch ein Portfolio-Board. Ein Modell, das Breite über alle Dimensionen belohnt, bewertet genau diese Fokussierung als Unreife.

Der Abstand ist real und messbar. 2025 nutzten 23 Prozent der Unternehmen mit 10 bis 49 Beschäftigten KI-Technologien, gegenüber 57 Prozent der Unternehmen ab 250 Beschäftigten. Ein Raster, das an Konzernen kalibriert ist, stuft ein KMU zwangsläufig als unreif ein.

Nützlicher sind wenige Dimensionen, die eine Geschäftsführung selbst beantworten kann. Vier reichen, wenn sie die richtigen sind.

Warum scheitern KI-Projekte im Mittelstand an der Strategie?

Weil die Abbruchgründe vor der Technik liegen. In einer Befragung der Bundesnetzagentur mit 808 vollständigen Interviews nannten Unternehmen, die KI wieder eingestellt haben, Zeitmangel (59 Prozent), das Nichterreichen der Ziele (58 Prozent) und fehlende Fachkräfte (50 Prozent).

Das sind Prioritäts- und Kapazitätsprobleme. Zeitmangel heißt, dass etwas anderes wichtiger war, ohne dass jemand das entschied. Nichterreichen der Ziele heißt oft, dass das Ziel nie überprüfbar formuliert war.

Bei den Unternehmen, die gar nicht erst anfangen, sieht es ähnlich aus. Fehlendes Wissen nennen 72 Prozent als Grund gegen den KI-Einsatz, zu hohe Kosten dagegen nur 32 Prozent. Das Hindernis ist Unsicherheit in der Entscheidung, nicht das Budget.

Kein KI-Reifegradmodell misst, ob ein Unternehmen ein Ziel so formulieren kann, dass sein Erreichen feststellbar ist. Genau das entscheidet aber, ob ein Vorhaben durchgehalten wird. Diesen Zusammenhang argumentiere ich hier, eine Studie belegt ihn nicht.

Was ist Strategie-Reifegrad und was unterscheidet ihn vom KI-Reifegrad?

Der Strategie-Reifegrad beschreibt, ob ein Unternehmen eine Richtung wählen, sie überprüfbar machen, entscheiden und Ressourcen binden kann. Er fragt nach der Fähigkeit, Strategie zu betreiben, nicht nach dem Stand der Technik. Die folgenden vier Dimensionen sind mein Vorschlag, kein Forschungsstand.

Strategie-Reifegrad — Die Fähigkeit eines Unternehmens, eine Richtung festzulegen, in überprüfbare Ziele zu übersetzen, Entscheidungen darüber zu treffen und Ressourcen entsprechend zu binden.

Die Anker dahinter sind bekannt. Strategie-Klarheit folgt der Logik von Roger Martins Playing to Win. Umsetzungs-Fähigkeit lässt sich mit OKR oder NCT prüfen. Entscheidungs-Reife knüpft an Mintzbergs Beobachtung an, dass Strategie im Handeln entsteht.

OKR — Ein Zielsetzungs-Framework, das ein qualitatives Ziel (Objective) mit messbaren Ergebnissen (Key Results) verbindet.

Wenn du bei zwei der vier Fragen kein Signal hast, beantwortet ein KI-Reifegrad keine Frage, die du gerade hast. Die Grundlagen dazu stehen in meinem Text darüber, was Strategie nach Porter, Martin und Mintzberg bedeutet.

Was kommt vor dem KI-Reifegrad?

Die Bedarfsanalyse. Der Leitfaden von Mittelstand-Digital beschreibt neun Punkte zur KI-Integration. Er beginnt mit einer sorgfältigen Bedarfsanalyse und der Frage, was du mit KI erreichen willst.

Eine Reifegradmessung kommt in diesen neun Punkten nicht als eigener Schritt vor. Die Quelle ohne Implementierungsinteresse setzt anders an als jede Quelle mit einem.

In der Reihenfolge heißt das: erst der Engpass, dann das Ziel, dann die Frage nach der Bereitschaft. Benenne das Problem, das KI lösen soll, in einem Satz ohne das Wort KI. Lege fest, woran du in sechs Monaten erkennst, ob es gelöst ist. Kläre, wer die Umsetzung verantwortet und wie viel Zeit diese Person dafür hat.

Erst danach lohnt sich eine Bestandsaufnahme von Daten und Technik. Ob dein Unternehmen diese Reihenfolge überhaupt durchhält, kannst du mit dem Strategy Health Check in wenigen Minuten einschätzen.

Wie messe ich meinen KI-Reifegrad als KMU?

Mit einem veröffentlichten Modell, und zu einem Zeitpunkt, an dem die Frage „wo zuerst“ lautet statt „ob überhaupt“. Die Kritik in diesem Text gilt der Dimensionenwahl und der fehlenden Validierung, nicht dem Instrument.

Dieselben Forschenden, die die Schlagseite der Modelle benennen, bauen selbst ein Reifegrad-Framework. Das Raster ist brauchbar, sobald es die richtigen Dinge misst und jemand geprüft hat, ob es das tut.

Nimm also ein veröffentlichtes Modell statt eines Self-Checks mit Kontaktformular. Kürze es auf die Dimensionen, die dein Unternehmen tatsächlich besetzen kann. Und trenne die Messung von der Umsetzung, indem du beide nicht bei derselben Partei kaufst.

Vor der Strategie-Klarheit bleibt die Messung ein Vorwand, die Strategiearbeit zu verschieben.

Fazit

Erstens beschreiben KI-Reifegradmodelle mehrheitlich, statt anzuleiten, und ihre Aussagekraft ist selten geprüft. Zweitens sind sie an Unternehmensgrößen kalibriert, die ein KMU nicht erreicht, und bewerten Fokussierung als Unreife. Drittens liegen die Gründe, an denen KI-Vorhaben im Mittelstand scheitern, vor der Technik: bei Zeit, Zielen und Kapazität.

Wer seinen Strategie-Reifegrad kennt, weiß danach auch, ob ein KI-Reifegrad eine Frage beantwortet, die er wirklich hat. Die vier Prüffragen oben kosten dich eine halbe Stunde im Führungsteam.

Bei mehr als einem „noch nicht“ ist der Strategy Sprint der nächste Schritt. Zwei Tage, an deren Ende Richtung und Prioritäten stehen.

Häufige Fragen

Woran erkenne ich ein vendor-getriebenes KI-Reifegradmodell?

An vier Merkmalen: Der Anbieter verkauft selbst Implementierung. Die Dimensionen des Modells decken sich mit seinem Leistungsangebot. Die Konstruktion ist nicht veröffentlicht und nicht empirisch geprüft. Der Self-Check endet in einem Kontaktformular statt in einem Ergebnis, das du ohne den Anbieter weiterverwenden kannst.

Was ist der Unterschied zwischen KI-Reifegrad und Strategie-Reifegrad?

Ein KI-Reifegrad misst, wie weit ein Unternehmen mit Daten, Technik und KI-Anwendungen gekommen ist. Ein Strategie-Reifegrad misst, ob das Unternehmen eine Richtung festlegen, Prioritäten setzen, entscheiden und Ressourcen binden kann. Der zweite ist die Voraussetzung dafür, dass der erste eine verwertbare Antwort liefert.

Brauche ich einen KI-Reifegrad, bevor ich eine KI-Strategie habe?

Nein. Eine Reifegradmessung ohne Strategie erhebt die Bereitschaft für Vorhaben, die noch niemand beschlossen hat. Sinnvoll wird die Messung, sobald feststeht, welchen Engpass KI lösen soll und wer die Umsetzung verantwortet. Dann beantwortet sie die Frage nach dem Wo, nicht mehr die Frage nach dem Ob.

Was bedeutet Strategiefähigkeit in einem kleinen Unternehmen?

Strategiefähigkeit ist die Fähigkeit, eine Richtung zu wählen, sie in überprüfbare Ziele zu übersetzen und Vorhaben abzubrechen, die nicht auf diese Ziele einzahlen. Sie zeigt sich nicht in Dokumenten, sondern in Entscheidungen: daran, was ein Unternehmen bewusst nicht tut, und daran, wie schnell es das klärt.