KI-Reifegradmodelle für Unternehmen

Lernziele

• Sie können die fünf Reifegradstufen des Gartner AI Maturity Model benennen und anhand von Unternehmensbeispielen einordnen.
• Sie kennen die vier Dimensionen des Microsoft AI Maturity Framework und können erläutern, wie diese ineinandergreifen.
• Sie sind in der Lage, den eigenen Standort Ihrer Organisation mit Hilfe der acht Selbsteinschätzungs-Indikatoren zu bestimmen.
• Sie verstehen, welche Verbindung zwischen Organisationsreife und den Pflichten aus Art. 26 EU AI Act besteht.
• Sie können konkrete Entwicklungsschritte von einer niedrigeren zu einer höheren Reifegrade-Stufe ableiten und priorisieren.
• Sie unterscheiden zwischen verschiedenen Reifegrad-Frameworks (Gartner, IDC, Microsoft) und können deren unterschiedliche Schwerpunktsetzungen erläutern.

Auf einen Blick

Worum geht es? — Der didaktische Einstieg

Jedes Unternehmen befindet sich auf einer KI-Reise — doch nicht jedes Unternehmen ist gleich weit. Wenn eine Fachkraft im Vertrieb fragt, welches KI-Tool sie morgen einsetzen soll, ist die ehrliche Antwort: Es kommt darauf an, wie weit Ihre Organisation bereits ist. Ohne eine klare Standortbestimmung vergeuden Unternehmen Ressourcen für Initiativen, die ihre aktuelle Reife übersteigen, oder — ebenso schädlich — investieren zu wenig und verlieren den Anschluss.

KI-Reifegradmodelle schaffen Orientierung. Sie übersetzen den diffusen Begriff „KI-Einsatz” in konkrete, messbare Stufen. Sie erlauben es Führungskräften und Teams zu sagen: „Wir sind auf Stufe 2. Um auf Stufe 3 zu kommen, müssen wir diese drei Dinge tun.” Das ist grundlegend anders als die übliche Diskussion, die sich an einzelnen Tools festmacht, ohne das Gesamtbild zu sehen.

In dieser Einheit lernen Sie drei etablierte Frameworks kennen: das Gartner AI Maturity Model mit fünf Stufen, das Microsoft AI Maturity Framework mit vier Dimensionen und das IDC AI Maturity Model mit vier Phasen. Jedes dieser Modelle hat einen anderen Blickwinkel — Gartner betont die strategische Entwicklung, Microsoft die konkrete Umsetzungsdimension, IDC die Marktperspektive. In der Praxis nutzen erfahrene Organisationen Elemente aus mehreren Modellen, um ein vollständiges Bild zu erhalten.

Der Bezug zum Recht ist unmittelbar: Art. 26 EU AI Act verlangt von Unternehmen als Deployer nachweisbare Governance und Kompetenzen. Wer seinen Reifegrad kennt, weiß auch, wo Compliance-Lücken bestehen. Reifegradmodelle sind damit nicht nur ein strategisches, sondern auch ein rechtliches Instrument.

Lerntext — Theorie und Konzepte

Warum Reifegrad-Assessment vor KI-Strategie?

Viele Organisationen beginnen ihre KI-Reise mit der Frage: „Welches Tool kaufen wir?” Die produktivere Frage lautet: „Wo stehen wir, und was brauchen wir als Nächstes?” Ein Reifegrad-Assessment ist kein Selbstzweck — es ist der Startpunkt für jede sinnvolle KI-Strategie. Ohne Bestandsaufnahme fehlt die Grundlage, um Prioritäten zu setzen, Budget zu rechtfertigen und Erfolge zu messen.

Die Erfahrung aus zahlreichen Transformationsprojekten zeigt: Organisationen, die systematisch mit einem Reifegradmodell arbeiten, erzielen bessere Ergebnisse als solche, die ohne Standortbestimmung starten. Der Grund ist einfach: Sie vermeiden den häufigsten Fehler — die „Piloten-Falle”. Viele Unternehmen starten zahlreiche KI-Pilotprojekte, von denen keines je in die Breite geht. Der Reifegrad erklärt oft, warum: Sie sind auf Stufe 1 oder 2, versuchen aber, Stufe-4-Projekte durchzuführen.

Merksatz

Ein Reifegradmodell ist kein Ranking-Instrument, sondern ein Navigationssystem: Es zeigt nicht, wer besser oder schlechter ist, sondern wo der nächste sinnvolle Schritt liegt.

Das Gartner AI Maturity Model — Fünf Entwicklungsstufen

Gartner, eines der weltweit einflussreichsten Marktforschungsunternehmen, beschreibt die KI-Entwicklung von Organisationen in fünf aufeinander aufbauenden Stufen. Diese Stufen sind nicht starr — eine Organisation kann in verschiedenen Bereichen verschiedene Reifegrade aufweisen.

Stufe 1 — Aware (Bewusst): Die Organisation ist sich der Relevanz von KI bewusst, hat aber noch keine strukturierten Initiativen gestartet. KI wird in einzelnen Teams experimentell genutzt, oft ohne Wissen der Führungsebene. Es gibt keine KI-Strategie, keine dedizierten Ressourcen, keine Governance. Typische Merkmale: einzelne Mitarbeitende nutzen ChatGPT privat; die Geschäftsführung hat „KI” auf der Agenda, aber noch keinen konkreten Plan.

Stufe 2 — Active (Aktiv): Erste strukturierte KI-Initiativen werden gestartet. Es gibt dedizierte Teams oder Arbeitsgruppen, erste Budgets werden freigegeben, erste Use Cases werden pilotiert. Governance-Strukturen entstehen, sind aber noch nicht vollständig. Typische Herausforderung: die Skalierung scheitert an fehlender Infrastruktur oder mangelnder Akzeptanz in der Breite der Belegschaft.

Stufe 3 — Operational (Operativ): KI ist in wesentliche Geschäftsprozesse integriert. Es gibt eine KI-Strategie, definierte Rollen (z. B. Chief AI Officer oder AI Lead), standardisierte Prozesse für KI-Entwicklung und -Deployment, sowie erste Governance-Strukturen. KI-Projekte werden nicht mehr nur ausprobiert, sondern systematisch gemessen und optimiert.

Stufe 4 — Systemic (Systemisch): KI ist ein integraler Bestandteil der gesamten Organisation — nicht nur in der IT, sondern in allen Fachbereichen. Es gibt unternehmensweite KI-Plattformen, systematische Datenbewirtschaftung, und eine Kultur der kontinuierlichen KI-Verbesserung. Mitarbeitende aller Ebenen haben grundlegende KI-Kompetenzen. Die Organisation lernt kollektiv.

Stufe 5 — Transformational (Transformativ): KI ist der Kern des Geschäftsmodells. Die Organisation differenziert sich durch ihre KI-Fähigkeiten am Markt, treibt Innovationen aktiv voran, und hat KI so tief integriert, dass Geschäftsmodell und KI untrennbar sind. Beispiele: Unternehmen wie Palantir oder DataRobot, die ihr gesamtes Produktangebot auf KI aufgebaut haben.

Abb. 11.1 — Gartner AI Maturity Model: Fünf Entwicklungsstufen von Aware bis Transformational

Ein kritischer Punkt: Die meisten mittelständischen Unternehmen befinden sich zwischen Stufe 2 und 3. Der Sprung von Stufe 2 zu 3 ist besonders herausfordernd, weil er strukturelle Veränderungen erfordert — nicht nur neue Tools, sondern neue Prozesse, Rollen und Governance.

Das Microsoft AI Maturity Framework — Vier Dimensionen

Microsoft beschreibt KI-Reife nicht in Stufen, sondern in vier gleichwertigen Dimensionen, die gemeinsam den Gesamtreife-Zustand einer Organisation bestimmen. Dieser dimensionale Ansatz erkennt an, dass eine Organisation in verschiedenen Bereichen unterschiedlich weit sein kann.

Dimension 1 — Workforce (Belegschaft): Welche KI-Kompetenzen hat die Belegschaft? Wer kennt die Grundlagen, wer kann KI-Lösungen entwickeln, wer hat strategisches Verständnis? Microsoft unterscheidet hier zwischen Grundlagenkenntnissen (alle Mitarbeitenden), fortgeschrittenen Kenntnissen (Fachkräfte) und Expertenwissen (KI-Spezialisten). Diese Dimension korrespondiert direkt mit Art. 4 EU AI Act (AI Literacy).

Dimension 2 — Process & Governance (Prozesse und Steuerung): Welche Prozesse und Strukturen existieren, um KI verantwortungsvoll einzusetzen? Dazu gehören: KI-Governance-Richtlinien, Risikobewertungsprozesse, ethische Prüfverfahren, Compliance-Dokumentation und Change-Management. Ohne diese Dimension bleibt KI-Einsatz risikoreich und schwer skalierbar.

Dimension 3 — Technology & Data (Technologie und Daten): Welche technische Infrastruktur und Datenbasis existiert? Zentrale Fragen: Sind die Daten zugänglich, strukturiert und verlässlich? Welche KI-Plattformen und APIs werden genutzt? Gibt es sichere Umgebungen für KI-Experimente? Die Datenqualität ist in dieser Dimension oft der limitierende Faktor.

Dimension 4 — Value & Impact (Wert und Wirkung): Wie wird der Mehrwert von KI-Initiativen gemessen und kommuniziert? Diese Dimension geht über technische Implementierung hinaus und fragt: Welche Geschäftsziele werden durch KI erreicht? Wie werden ROI und Wirksamkeit nachgewiesen? Wie werden Erfolge in der Organisation kommuniziert, um weitere Investitionen zu rechtfertigen?

Merksatz

Microsoft betont: Eine hohe technologische Reife nützt wenig, wenn Belegschaft oder Governance unterentwickelt sind. Alle vier Dimensionen müssen gemeinsam entwickelt werden — der schwächste Bereich limitiert das Gesamtergebnis.

Das IDC AI Maturity Model — Vier Phasen

IDC (International Data Corporation) beschreibt KI-Reife in vier Phasen mit einem stärkeren Fokus auf die wirtschaftlichen Auswirkungen und die Marktperspektive:

Phase 1 — Ad-hoc: KI-Nutzung ist zufällig und nicht koordiniert. Einzelne Abteilungen experimentieren isoliert. Kein gemeinsames Verständnis, keine Strategie, keine geteilte Infrastruktur.

Phase 2 — Opportunistic: Erste strukturierte Use Cases werden identifiziert und priorisiert. Die Organisation erkennt KI als strategisch relevant an, handelt aber noch reaktiv auf Marktentwicklungen.

Phase 3 — Repeatable: KI-Prozesse werden standardisiert und reproduzierbar. Erfolgsmuster werden übertragen. Die Organisation entwickelt eine systematische Herangehensweise, die über Einzelprojekte hinausgeht.

Phase 4 — Managed & Optimized: KI ist vollständig in die Unternehmenssteuerung integriert. Kontinuierliche Verbesserung ist institutionalisiert. KI-Governance ist ausgereift und wird regelmäßig überprüft und angepasst.

Acht Indikatoren zur Selbsteinschätzung

Um den eigenen Reifegrad einzuschätzen, können folgende acht Indikatoren genutzt werden. Jeder Indikator wird auf einer Skala von 1 (nicht vorhanden) bis 5 (vollständig ausgebaut) bewertet:

1. KI-Strategie: Gibt es eine schriftliche, von der Führung verabschiedete KI-Strategie mit konkreten Zielen und Meilensteinen?
2. Governance: Existieren dokumentierte Prozesse für KI-Freigabe, Risikobewertung und Eskalation?
3. Datenverfügbarkeit: Sind relevante Daten zugänglich, strukturiert, aktuell und in ausreichender Qualität vorhanden?
4. Kompetenzen: Welcher Anteil der Belegschaft hat nachgewiesene KI-Grundkenntnisse? Gibt es KI-Experten im Haus?
5. Use-Case-Portfolio: Wie viele produktiv laufende KI-Use Cases gibt es? Werden sie aktiv gemessen und optimiert?
6. Führungsunterstützung: Wie aktiv unterstützt die Führungsebene KI-Initiativen — mit Budget, Zeit und öffentlichem Bekenntnis?
7. Change Management: Gibt es strukturierte Programme, um Mitarbeitende auf KI-bedingte Veränderungen vorzubereiten?
8. Compliance-Bereitschaft: Ist die Organisation auf die Anforderungen des EU AI Act vorbereitet — insbesondere Art. 4 und Art. 26?

Die Summe der acht Bewertungen (maximal 40 Punkte) ergibt einen Gesamtreife-Score: 8–16 Punkte entsprechen Stufe 1–2, 17–28 Stufe 3, 29–40 Stufe 4–5.

Verbindung zu Art. 26 EU AI Act

Art. 26 EU AI Act verpflichtet Deployer — also Unternehmen, die KI-Systeme einsetzen — zu nachweisbarer Governance und Kompetenzsicherung. Konkret bedeutet dies: Wer auf Reifegrad-Stufe 1 (Aware) ist, erfüllt die Anforderungen des Art. 26 mit hoher Wahrscheinlichkeit nicht. Die Pflichten aus Art. 26 sind im Wesentlichen die Merkmale von Stufe 3 (Operational): Governance-Strukturen, dokumentierte Prozesse, nachgewiesene Mitarbeiter-Kompetenzen, Risikomonitoring.

Das Reifegradmodell hat damit eine doppelte Funktion: Es dient der strategischen Orientierung und gleichzeitig als Compliance-Checkliste. Organisationen, die systematisch ihren Reifegrad erhöhen, schließen damit automatisch Compliance-Lücken — und Organisationen, die ihre Compliance-Pflichten erfüllen, erhöhen automatisch ihren Reifegrad.

Vertiefung — Reifegrad-Assessment in der Praxis

Wie wird ein Reifegrad-Assessment durchgeführt?

Ein Reifegrad-Assessment ist kein einmaliges Ereignis, sondern ein zyklischer Prozess. Empfohlen wird ein jährlicher Rhythmus, der mit der strategischen Planung synchronisiert ist. Der Prozess umfasst typischerweise vier Phasen:

Phase 1 — Vorbereitung (1–2 Wochen): Klärung der Ziele des Assessments, Auswahl des Frameworks, Bestimmung der Teilnehmenden (typischerweise Führungskräfte aus IT, Recht, HR und Fachbereichen), Vorbereitung der Erhebungsinstrumente (Fragebögen, Interview-Leitfäden).

Phase 2 — Erhebung (2–4 Wochen): Durchführung von Interviews und Umfragen, Auswertung vorhandener Dokumentation (Strategiepapiere, Prozessbeschreibungen, Schulungsunterlagen), Sammlung quantitativer Daten (Anzahl KI-Projekte, Schulungsstunden, etc.).

Phase 3 — Analyse und Bewertung (1–2 Wochen): Auswertung der Erhebungsdaten, Ableitung von Bewertungen je Dimension/Stufe, Identifikation von Stärken und Lücken, Benchmarking mit Branchendurchschnitt (soweit verfügbar).

Phase 4 — Handlungsplanung (1–2 Wochen): Ableitung konkreter Maßnahmen mit Prioritäten, Zuteilung von Verantwortlichkeiten und Ressourcen, Definition von Meilensteinen und KPIs, Kommunikation der Ergebnisse an Stakeholder.

Typische Stolperfallen beim Reifegrad-Assessment

Mehrere häufig beobachtete Fehler können ein Reifegrad-Assessment entwerten:

Selbstüberschätzung: Teams neigen dazu, den eigenen Reifegrad zu hoch einzuschätzen. Der Vergleich mit externen Benchmarks oder die Einbeziehung externer Beobachter kann diesen Bias reduzieren.

Technikorientierung: Viele Assessments fokussieren zu stark auf die technologische Dimension und unterschätzen die Governance-, Kompetenz- und Change-Management-Dimensionen. Das Ergebnis: eine technisch fortgeschrittene, aber rechtlich und kulturell unvorbereitete Organisation.

Punktueller Blick: Ein Assessment, das nur den aktuellen Zustand erfasst, ohne Trends und Dynamiken zu berücksichtigen, gibt ein unvollständiges Bild. Wichtige Frage: Welche Bereiche entwickeln sich schnell, welche stagnieren?

Fehlende Handlungskonsequenz: Das häufigste Problem: Ein Assessment wird durchgeführt, die Ergebnisse werden präsentiert — und dann passiert nichts. Ein Reifegrad-Assessment ohne konkreten Aktionsplan ist vergeudete Energie.

Reifegrad als kontinuierlicher Prozess

KI-Reife ist kein Ziel, das man einmalig erreicht. Die Technologie entwickelt sich schnell, regulatorische Anforderungen ändern sich (EU AI Act), und die Belegschaft muss kontinuierlich weiterentwickelt werden. Erfolgreiche Organisationen behandeln KI-Reifegrad-Management als laufende Disziplin — ähnlich wie Qualitätsmanagement oder Risikomanagement. Quartalsweise Reviews, jährliche tiefgehende Assessments und kontinuierliche Kompetenzentwicklung sind die Bausteine eines nachhaltigen KI-Reife-Programms.

Branchen-Anwendungen

IT-Dienstleistung & Beratung

Ein mittelständisches IT-Beratungsunternehmen mit etwa 150 Mitarbeitenden hat das Gartner-Modell für einen Kunden im Bankensektor durchgeführt. Ergebnis: Der Kunde befand sich auf Stufe 2 (Active) in der technologischen Dimension, aber auf Stufe 1 (Aware) in der Governance-Dimension. Die Empfehlung: Zunächst Governance-Strukturen aufbauen, bevor weitere KI-Projekte gestartet werden. Das Assessment verhinderte die Investition in zwei geplante KI-Piloten, die ohne Governance-Fundament zum Scheitern verurteilt gewesen wären. Die Beratungsdienstleistung selbst demonstrierte dabei, wie KI-Reifegradmodelle als Beratungsprodukt eingesetzt werden können — mit klarem Mehrwert für den Kunden.

Industrie & Fertigung

Ein Automobilzulieferer mit mehreren Werken führte ein internes Reifegrad-Assessment mit dem Microsoft AI Maturity Framework durch. Dabei stellte sich heraus, dass die technologische Dimension (Dimension 3) auf Stufe 4 lag — die Werke verfügten über hochwertige Sensordaten und moderne Dateninfrastruktur. Die Workforce-Dimension (Dimension 1) lag hingegen auf Stufe 2: Nur wenige Ingenieure konnten die vorhandenen KI-Tools wirklich nutzen. Die Konsequenz: Ein unternehmensweites Schulungsprogramm wurde priorisiert, bevor weitere technologische Investitionen genehmigt wurden. Innerhalb von 18 Monaten stiegen produktiv genutzte KI-Anwendungen um 340 %.

Finanzdienstleistung & Versicherung

Eine mittelgroße Versicherung nutzte das IDC-Modell, um ihre KI-Reife im Bereich Schadensbearbeitung einzuschätzen. Das Assessment ergab: Phase 2 (Opportunistic). Mehrere Abteilungen hatten unkoordiniert KI-Tools evaluiert, ohne gemeinsame Standards. Das Assessment schuf die Grundlage für eine konsolidierte KI-Strategie: Drei Use Cases wurden als prioritär identifiziert, ein zentrales KI-Team wurde gegründet, und ein gemeinsames Governance-Framework wurde verabschiedet. Dieses Vorgehen ersparte der Versicherung geschätzte 400.000 Euro an redundanten Tool-Lizenzen und Doppelentwicklungen.

Öffentliche Verwaltung

Eine kommunale Verwaltung (ca. 800 Mitarbeitende) nutzte die acht Selbsteinschätzungs-Indikatoren im Rahmen einer Digitalisierungsoffensive. Der Gesamtscore lag bei 12 von 40 Punkten — klar auf Stufe 1. Besonders niedrig bewertet wurden Governance (1/5) und Kompetenzen (1/5). Die Verwaltungsleitung nutzte diese Daten, um beim Stadtrat ein Budget für KI-Schulungen und einen externen Governance-Berater zu beantragen. Der konkrete Reifegrad-Score half dabei, das abstrakte Thema „KI-Bereitschaft” in einer für Politikerinnen und Politiker greifbaren Sprache darzustellen — und das Budget wurde genehmigt.

KI-Reifegradmodelle im Vergleich — Stärken und Schwächen

Die drei vorgestellten Modelle — Gartner, Microsoft und IDC — bieten unterschiedliche Perspektiven, die sich gegenseitig ergänzen:

Das Gartner-Modell ist besonders nützlich für die strategische Kommunikation mit dem C-Level: Die fünf Stufen lassen sich anschaulich erklären und schaffen ein gemeinsames Verständnis. Schwäche: Das Modell ist relativ abstrakt und gibt wenig konkrete Handlungsanweisungen für den Übergang von einer Stufe zur nächsten.

Das Microsoft-Framework ist stärker operationalisiert: Die vier Dimensionen (Workforce, Process/Governance, Technology/Data, Value/Impact) lassen sich direkt in konkrete Maßnahmen übersetzen. Besonders nützlich für Organisationen, die bereits im Microsoft-Ökosystem arbeiten (Azure, Copilot, Power Platform). Schwäche: Das Framework hat einen natürlichen Bias in Richtung Microsoft-Produkte.

Das IDC-Modell fokussiert stärker auf die wirtschaftlichen Auswirkungen der KI-Nutzung und eignet sich besonders für die Business-Case-Entwicklung. Die vier Phasen (Ad-Hoc → Opportunistisch → Wiederholt → Optimiert) sind messbar und lassen sich mit konkreten ROI-Indikatoren verbinden.

Empfehlung für die Praxis: Verwenden Sie Gartner für die strategische Standortbestimmung, Microsoft für die operative Roadmap-Entwicklung und IDC für die ROI-Argumentation gegenüber Entscheidungsträgern. Kein einzelnes Modell ist allein ausreichend.

KI-Reifegradmodelle und organisationaler Wandel

Ein oft unterschätzter Aspekt der Reifegrad-Entwicklung ist die kulturelle Dimension. Technologische Reife allein genügt nicht — Organisationen müssen gleichzeitig eine KI-affine Kultur entwickeln. Forschungen von McKinsey und Deloitte zeigen konsistent, dass der größte Engpass bei der KI-Skalierung nicht die Technologie ist, sondern die Fähigkeit der Organisation, mit KI umzugehen.

Was kennzeichnet eine KI-affine Kultur? Erstens eine Fehlertoleranz bei KI-Experimenten: Pilotprojekte, die nicht funktionieren, werden als Lernchance betrachtet — nicht als Versagen. Zweitens eine Datenkompetenz auf allen Ebenen: Mitarbeitende verstehen, was Daten bedeuten und wie KI-Empfehlungen zustande kommen. Drittens eine cross-funktionale Zusammenarbeit: KI-Projekte sind keine IT-Projekte — sie erfordern enge Zusammenarbeit zwischen Fachbereichen, IT, Legal und HR.

Die Verbindung zum Reifegradmodell: Eine Organisation, die kulturell auf Stufe 2 (Aktiv) ist, wird bei der technologischen Implementierung Schwierigkeiten haben, nachhaltig auf Stufe 4 (Systemisch) zu wechseln — selbst wenn die technologische Infrastruktur vorhanden wäre.

Merksatz

Technologischer Fortschritt ohne kulturelle Reife führt zu Frustration auf allen Ebenen. Der KI-Reifegrad einer Organisation ist immer das Minimum aus technologischer Reife und kultureller Reife.

Reifegrad-Assessment als Führungsinstrument

Reifegrad-Assessments sind nicht nur analytische Werkzeuge — sie sind auch Führungsinstrumente. Der Prozess des Assessments selbst hat Wert: Er zwingt Führungsteams, sich zu einigen, was KI-Reife für ihre Organisation bedeutet. Er schafft eine gemeinsame Sprache. Er macht Lücken sichtbar, die bisher unter dem Tisch geblieben sind.

In der Praxis empfiehlt sich ein Workshop-Format: Das Führungsteam bewertet die Organisation gemeinsam anhand der Indikatoren — nicht individuell. Die Diskussionen, die dabei entstehen, sind oft wertvoller als das Ergebnis selbst. Sie decken unterschiedliche Wahrnehmungen auf und führen zu Aushandlungsprozessen, die die organisationale Reife tatsächlich erhöhen.

Öffentliche Verwaltung

Öffentliche Verwaltungen stehen beim KI-Reifegrad vor besonderen Herausforderungen: Datenschutzanforderungen, politische Sensibilität und lange Beschaffungszyklen verlangsamen die Reife-Entwicklung. Dennoch gibt es Vorreiter: Die Bundesagentur für Arbeit nutzt KI-gestützte Systeme für Arbeitsmarktanalysen, und mehrere Kommunen experimentieren mit KI-gestützter Antragsbearbeitung. Das Reifegradmodell hilft Verwaltungen, ihren Fortschritt zu messen und realistisch gegenüber politischen Entscheidungsträgern zu kommunizieren — ohne unrealistische Erwartungen zu wecken. Typisch für öffentliche Verwaltungen: Stufe 2 (Aktiv) mit vereinzelten Piloten, ohne systematische Governance.

Übung 1 — Selbsteinschätzungs-Assessment

Aufgabe: Bewerten Sie Ihre eigene Organisation (oder eine Ihnen bekannte Organisation) anhand der acht Selbsteinschätzungs-Indikatoren. Vergeben Sie je Indikator eine Punktzahl von 1 (nicht vorhanden) bis 5 (vollständig ausgebaut). Berechnen Sie den Gesamtscore und ordnen Sie ihn einer Reifegradstufe zu. Notieren Sie für die drei niedrigst bewerteten Indikatoren je eine konkrete Maßnahme, die den Reifegrad erhöhen würde.

Zeitrahmen: 15 Minuten Einzelarbeit, 10 Minuten Austausch in Kleingruppen

Musterlösung Übung 1:

Eine vollständige Musterlösung hängt von der konkreten Organisation ab. Typische Befunde für ein mittelständisches Unternehmen in Deutschland: KI-Strategie: 2/5 (erste Diskussionen vorhanden, aber kein verabschiedetes Dokument), Governance: 1/5 (keine formalen Prozesse), Datenverfügbarkeit: 3/5 (ERP-Daten vorhanden, aber nicht gut strukturiert), Kompetenzen: 2/5 (einzelne Vorreiter, Masse der Belegschaft ungeschult), Use-Case-Portfolio: 2/5 (1–2 Piloten laufen), Führungsunterstützung: 3/5 (Interesse vorhanden, aber kein aktives Commitment), Change Management: 1/5 (keine strukturierten Programme), Compliance-Bereitschaft: 1/5 (EU AI Act weitgehend unbekannt). Gesamtscore: 15/40 → Stufe 2 (Active). Drei Maßnahmen für niedrigst bewertete Indikatoren: (1) Governance: Einführung eines einfachen Freigabeprozesses für neue KI-Tools (1-Seiter-Template). (2) Change Management: Monatliche KI-Sprechstunde für Mitarbeitende. (3) Compliance-Bereitschaft: Interne Schulung zu AI Act Grundlagen (diese Qualifizierungsmaßnahme).

Übung 2 — Reifegrad-Roadmap entwickeln

Aufgabe: Wählen Sie eine der vier Branchen-Vignetten aus (IT-Dienstleistung, Industrie, Finanzdienstleistung oder Öffentliche Verwaltung). Entwickeln Sie in Ihrer Gruppe eine 12-Monats-Roadmap, die diese Organisation von ihrem aktuellen Reifegrad auf die nächste Stufe führt. Die Roadmap soll: drei konkrete Initiativen benennen, je Initiative einen Verantwortlichen (Rolle) und ein Budget (grobe Schätzung) angeben, und zwei messbare KPIs definieren, anhand derer der Fortschritt nach 12 Monaten bewertet werden kann.

Zeitrahmen: 20 Minuten Gruppenarbeit, 10 Minuten Präsentation

Musterlösung Übung 2 (Beispiel: Öffentliche Verwaltung):

Ausgangslage: Stufe 1 (Score 12/40). Ziel: Stufe 2 (Score 20–25/40) nach 12 Monaten. Initiative 1 — KI-Governance-Framework: Verantwortlicher: IT-Leitung gemeinsam mit Rechtsabteilung. Budget: 15.000 € (externer Beratungstag + Workshop-Kosten). Meilenstein: Governance-Dokument verabschiedet und kommuniziert (Monat 4). Initiative 2 — Schulungsprogramm: Verantwortlicher: HR / Personalentwicklung. Budget: 25.000 € (externe Schulungsmaßnahme für 50 Mitarbeitende). Meilenstein: 50 % der Mitarbeitenden haben Grundlagenschulung abgeschlossen (Monat 9). Initiative 3 — Pilot Use Case „Dokumentenverarbeitung”: Verantwortlicher: Digitalisierungsbeauftragte(r). Budget: 30.000 € (Software-Lizenz + Implementierung). Meilenstein: Pilot live, erste Messungen vorliegend (Monat 6). KPI 1: Anzahl Mitarbeitende mit abgeschlossener KI-Grundlagenschulung (Ziel: ≥ 50). KPI 2: Anzahl dokumentierter und genehmigter KI-Use Cases (Ziel: ≥ 3).

Strategische Implikationen des Reifegradmodells

Die Position eines Unternehmens im Reifegradmodell hat direkte strategische Implikationen. Sie bestimmt, welche KI-Investitionen sinnvoll sind und welche verfrüht wären:

Stufe 1 (Aware): Das primäre Investment sollte in Bildung und Bewusstseinsbildung fließen, nicht in Technologie. Teure KI-Implementierungen auf dieser Stufe scheitern häufig, weil die organisationale Grundlage fehlt. Empfehlung: KI-Literacy-Programme, Besuche bei KI-Vorreitern der Branche, interne Champions aufbauen.

Stufe 2 (Aktiv): Investitionen in gezielte Pilotprojekte mit klaren Lernzielen sind sinnvoll. Der Fokus sollte auf schnellen, messbaren Erfolgen liegen (Quick Wins), um organisationale Überzeugung aufzubauen. Governance-Strukturen werden erste Formen annehmen: KI-Policy, erste Datenschutz-Prüfprozesse, erste Schulungsmaßnahmen.

Stufe 3 (Operational): Investitionen in Skalierung und Standardisierung sind nun rentabel. Bewährte Piloten werden auf breiter Basis ausgerollt. Governance wird formalisiert: AI-Act-Compliance-Roadmap, Betriebsvereinbarungen, systematisches Risikomanagement.

Stufe 4 (Systemic): KI wird als strategisches Asset verwaltet. Portfolio-Management-Ansatz: Welche KI-Systeme sind Core (selbst entwickelt oder tief customized), welche sind Context (Standardlösungen)? KI-Kompetenz wird zur Differenzierungsfähigkeit im Markt.

Stufe 5 (Transformational): KI verändert das Geschäftsmodell selbst. Datengetriebene Dienste, KI-basierte Produktinnovation, veränderte Wertschöpfungsarchitektur. Nur wenige Unternehmen erreichen diese Stufe — und diejenigen, die es tun, setzen Branchenstandards.

Messung des Reifegrads — Praktische Indikatoren

Für jede der fünf Gartner-Stufen lassen sich konkrete, messbare Indikatoren definieren:

Diese Indikatoren ermöglichen eine faktenbasierte Standortbestimmung und eine messbare Fortschrittsdokumentation über Zeit.

Warnung — Compliance-Risiko

Rechtliche Konsequenz eines niedrigen KI-Reifegrads unter dem EU AI Act

Art. 26 EU AI Act verpflichtet Deployer (alle Unternehmen, die KI-Systeme einsetzen) zu nachweisbaren Governance- und Kompetenzstrukturen. Dies gilt ab dem 2. August 2026 für Hochrisiko-KI-Systeme, und die AI Literacy-Pflicht nach Art. 4 gilt bereits seit dem 2. Februar 2025 für alle KI-Systeme.

Konkrete Rechtsfolgen bei Verstößen: Bußgelder nach Art. 99 EU AI Act von bis zu 15 Millionen Euro oder 3 % des weltweiten Jahresumsatzes (für Deployer). Bei Verstößen gegen Art. 4 (AI Literacy): Bußgelder bis 7,5 Millionen Euro oder 1,5 % des weltweiten Jahresumsatzes. Darüber hinaus drohen Reputationsschäden und — bei gravierenden Verstößen — ein Verbot des Einsatzes des betreffenden KI-Systems.

Praktische Konsequenz: Ein Unternehmen auf Reifegrad-Stufe 1 oder 2, das KI-Systeme einsetzt, ohne Governance-Strukturen und Kompetenz-Nachweise zu etablieren, ist nicht compliant. Das Reifegradmodell ist damit nicht nur ein strategisches Werkzeug, sondern auch ein Compliance-Risikoinstrument. Organisationen sollten ihren Reifegrad-Score mit ihrem Compliance-Status abgleichen und Lücken systematisch schließen.

Empfehlung: Führen Sie spätestens alle 12 Monate ein vollständiges Reifegrad-Assessment durch. Dokumentieren Sie Maßnahmen zur Reifegrad-Erhöhung als Nachweis aktiver Compliance-Bemühungen. Diese Dokumentation kann im Falle einer behördlichen Überprüfung entscheidend sein.

Cheatsheet — KI-Reifegradmodelle

Gartner-Stufen: 1-Aware · 2-Active · 3-Operational · 4-Systemic · 5-Transformational

Microsoft-Dimensionen: Workforce · Process & Governance · Technology & Data · Value & Impact

EU AI Act Verbindung: Art. 4 (AI Literacy) + Art. 26 (Deployer-Pflichten) = Mindest-Anforderungen an Reifegrad 3

Rote Flagge: Score unter 20/40 = hohe Compliance-Lücke bezüglich EU AI Act → sofortiger Handlungsbedarf

Praxisinstrument: Der KI-Reifegradsbericht

Viele Organisationen führen jährliche Geschäftsberichte durch — doch ein strukturierter KI-Reifegradsbericht ist noch selten. Ein solcher Bericht dokumentiert nicht nur den aktuellen Stand, sondern auch den Fortschritt über die Zeit und gibt dem Management und dem Betriebsrat eine faktenbasierte Grundlage für KI-Investitionsentscheidungen.

Ein kompakter KI-Reifegradbericht enthält typischerweise:

Abschnitt 1 — KI-Systeminventar: Vollständige Liste aller aktiven KI-Systeme mit Einsatzbereich, Anbieter und Risikoklasse. Wird aus dem KI-Register extrahiert.

Abschnitt 2 — Reifegradsbewertung: Positionierung auf dem gewählten Reifegradmodell (z. B. Gartner), mit Begründung. Vergleich mit dem Vorjahr.

Abschnitt 3 — Compliance-Status: Übersicht über den AI-Act- und DSGVO-Compliance-Status aller Systeme. Ampel-Darstellung: Grün = compliant, Gelb = in Bearbeitung, Rot = Handlungsbedarf.

Abschnitt 4 — Investitionsplan: Welche KI-Initiativen sind für das kommende Jahr geplant? Welche Reifegradsstufe soll erreicht werden?

Dieser Bericht positioniert KI-Management als strategisches Führungsinstrument und fördert die interne Transparenz.

Prompt-Beispiel: KI-Reifegradanalyse für eine Organisation

Rolle: Sie sind ein erfahrener KI-Strategieberater mit fundiertem Kenntnisstand zu Gartner AI Maturity Model und Microsoft AI Maturity Framework.

Aufgabe: Analysieren Sie die folgende Selbsteinschätzung eines Unternehmens und ordnen Sie es auf dem Gartner AI Maturity Model (Stufe 1–5) ein. Begründen Sie die Einordnung anhand der genannten Indikatoren und empfehlen Sie drei priorisierte Entwicklungsmaßnahmen für den nächsten Entwicklungsschritt.

Kontext: Unternehmen: mittelständischer Maschinenbauer, 350 Mitarbeitende, Einzelne Mitarbeitende nutzen ChatGPT privat für E-Mails und Recherchen. Die IT-Abteilung hat einen Azure-OpenAI-Zugang beantragt, der noch nicht genehmigt ist. Eine KI-Strategie existiert nicht. Die Geschäftsführung hat KI auf der Agenda des nächsten Strategieworkshops (in 3 Monaten). Es gibt keinen dedizierten KI-Verantwortlichen.

Format: Strukturierter Bericht mit: (1) Reifegrad-Einordnung mit Begründung (2-3 Sätze), (2) Stärken (2 Punkte), (3) Lücken (3 Punkte), (4) Drei priorisierte Entwicklungsmaßnahmen mit je einer konkreten ersten Handlung. Maximal 400 Wörter. Keine Nummerierung von Abschnitten, klare Zwischenüberschriften.

Branchen-Vignette — KI-Reife im öffentlichen Dienst

Eine Stadtverwaltung mit 1.200 Beschäftigten beauftragt eine interne Arbeitsgruppe damit, den KI-Reifegrad der Behörde zu bewerten. Die Ergebnisse sind ernüchternd: In der Kämmerei nutzen zwei Sachbearbeiter ein kostenloses KI-Tool für Textbausteine — ohne Wissen der Amtsleitung und ohne datenschutzrechtliche Prüfung. Die IT-Abteilung hat eine Richtlinie erlassen, die „jegliche KI-Nutzung bis auf Weiteres” untersagt, die jedoch nicht durchgesetzt wird. Auf Bundeslandebene gibt es eine KI-Strategie, die aber keine operativen Vorgaben für Kommunalbehörden enthält.

Analyse: Diese Behörde befindet sich auf Stufe 1 des Gartner-Modells (Aware), weist jedoch in der Dimension „Process & Governance” des Microsoft-Frameworks einen besonders kritischen Befund auf: Die Diskrepanz zwischen offizieller Verbotspolitik und gelebter Praxis schafft rechtliche Risiken (DSGVO, § 26 BDSG) und verhindert eine geordnete Entwicklung.

Handlungsempfehlung: Statt das Verbot zu verschärfen, empfiehlt sich ein kontrollierter Pilotrahmen — ein freigegebenes KI-Tool mit AVV, Schulung und Dokumentation. So werden Nutzungspraktiken legalisiert, Compliance hergestellt und Schritt 2 (Active) eingeleitet. #### Zusammenfassung UE 11

Die fünf Entwicklungsstufen des Gartner AI Maturity Models — Aware, Active, Operational, Systemic, Transformational — bilden ein Kontinuum der organisationalen KI-Reife. Das Microsoft-Framework fügt die vier Dimensionen Workforce, Process/Governance, Technology/Data und Value/Impact hinzu. Das IDC-Modell ergänzt eine wirtschaftliche Leistungsperspektive. Acht praktische Indikatoren ermöglichen die Selbsteinschätzung. Reifegradmodelle dienen nicht nur der Standortbestimmung, sondern auch der strategischen Kommunikation, der Investitionsplanung und der Fortschrittsdokumentation. Verbindung zu Art. 26 EU AI Act: Die AI-Literacy-Anforderungen (Art. 4) setzen einen Mindest-Reifegrad bei Deployer-Organisationen voraus. Die Reifegradstufe beeinflusst die Fähigkeit, KI-Compliance nachhaltig zu managen — nicht nur als einmalige Maßnahme, sondern als dauerhaften Prozess.

Querverweise zu anderen UEs

UE 11 bildet das Fundament für die gesamte Schulungsmaßnahme in Bezug auf die strategische KI-Positionierung. Die Reifegradmodelle verbinden sich direkt mit Art. 26 EU AI Act (UE 17): Deployer-Pflichten lassen sich nur dann nachhaltig erfüllen, wenn die Organisation einen ausreichenden Reifegrad erreicht hat. Die acht Selbsteinschätzungs-Indikatoren korrespondieren mit den AI-Literacy-Anforderungen in UE 18 (Art. 4). Wer weiß, wo seine Organisation steht, kann gezielt planen, wohin sie will — und welche Maßnahmen in welcher Reihenfolge sinnvoll sind. Dieser strategische Blick unterscheidet reaktive KI-Compliance von proaktiver KI-Governance.

Reflexionsfragen

1. Auf welcher Reifegrad-Stufe nach Gartner schätzen Sie Ihre eigene Organisation ein? Welche drei Faktoren haben diese Einschätzung am stärksten beeinflusst?
2. Welche der vier Microsoft-Dimensionen (Workforce, Process & Governance, Technology & Data, Value & Impact) ist in Ihrer Organisation am stärksten entwickelt — und welche am schwächsten? Was erklärt dieses Muster?
3. Was würde es in Ihrer Organisation konkret bedeuten, von Stufe 2 auf Stufe 3 zu wechseln? Welche organisatorischen Hindernisse sehen Sie?
4. Inwiefern können Reifegrad-Assessments als Compliance-Instrument im Kontext des EU AI Act genutzt werden? Welche Risiken entstehen, wenn keine regelmäßigen Assessments durchgeführt werden?
5. Wie könnte ein Reifegrad-Assessment in Ihrer Organisation kommuniziert werden, um die nötige Unterstützung der Führungsebene zu gewinnen?

Merksatz zu UE 11: Reifegradmodelle sind keine Bewertungsurteile, sondern Orientierungswerkzeuge. Jede Stufe hat ihren Wert — entscheidend ist, ob die aktuelle Stufe zur gewählten Strategie passt. Eine Organisation auf Stufe 1, die dies weiß und entsprechend handelt, ist besser positioniert als eine Organisation auf Stufe 3, die glaubt, auf Stufe 5 zu sein.

Quellen & Weiterlesen

Reifegradmodelle und KI-Budgetplanung

Eine der praktischen Anwendungen von Reifegradmodellen ist die fundierte KI-Budgetplanung. Organisationen, die ohne Reifegradsbewertung KI-Investitionen planen, riskieren Fehlinvestitionen: zu frühe Skalierung ohne Governance-Fundament, oder zu zögerliche Investitionen trotz vorhandener organisationaler Reife.

Als Faustregel haben Studien von Gartner und McKinsey gezeigt: Organisationen auf Stufe 1–2 sollten 60–70 % ihres KI-Budgets in Bildung, Kulturwandel und Piloten investieren — und nur 30–40 % in Technologie. Auf Stufe 3–4 kehrt sich dieses Verhältnis um: Die organisationale Grundlage ist vorhanden, jetzt kann skaliert werden.

Diese Erkenntnis steht im Widerspruch zur intuitiven Neigung vieler Führungskräfte, die zuerst in sichtbare Technologie investieren (Software-Lizenzen, KI-Systeme) — und dann feststellen, dass die Adoption scheitert, weil das organisationale Fundament fehlt.

Praxishinweis: Das Gartner-Modell wird von Analysten und Beratungsunternehmen regelmaessig aktualisiert. Ueberpruefen Sie jaehrlich, ob neue Reifegradmodelle oder aktualisierte Versionen bessere Indikatoren fuer Ihre Branche bieten. Branchenverbaende veroeffentlichen teilweise branchenspezifische Reifegradmodelle, die den allgemeinen Modellen an Relevanz ueberlegen sein koennen.

Trainerhinweise

Timing: UE 11 ist auf 45 Minuten ausgelegt. Empfohlene Aufteilung: 10 Minuten Einstieg und Modellvorstellung (Gartner), 8 Minuten Microsoft- und IDC-Überblick, 15 Minuten Selbsteinschätzungs-Übung (Übung 1), 7 Minuten Roadmap-Entwicklung (Übung 2, verkürzbar), 5 Minuten Abschluss und Überleitung.

Methodik: Beginnen Sie die Einheit mit der Frage an die Gruppe: „Wer hat in den letzten 6 Monaten ein neues KI-Tool in der Abteilung eingeführt?” — typischerweise melden sich 40–60 % der Teilnehmenden. Dann folgen: „Wer hat vorher einen strukturierten Entscheidungsprozess durchlaufen?” — meist deutlich weniger. Dieses Eröffnungsmoment schafft Relevanz für den Reifegradbegriff ohne theoretischen Vorspruch.

Stolpersteine: (1) Teilnehmende verwechseln „Reifegrad” mit „Qualität” — betonen Sie explizit, dass höherer Reifegrad nicht automatisch bedeutet, dass KI besser eingesetzt wird, sondern dass der Einsatz strukturierter und messbarer ist. (2) In Gruppen mit gemischter Unternehmenszugehörigkeit kann Übung 1 schwierig sein — erlauben Sie in diesem Fall Einzelarbeit über die eigene Abteilung statt das Gesamtunternehmen. (3) Das Gartner-Modell ist bekannter als das Microsoft-Modell — geben Sie letzterem explizit Zeit, da es für die Compliance-Diskussion (Art. 26) besonders relevant ist.

Diskussionsfragen: „Was verhindert in Ihrer Organisation den Sprung zur nächsten Stufe?” „Wer sollte in Ihrer Organisation für das KI-Reifegrad-Assessment verantwortlich sein?” „Welche Stakeholder müssen bei einem Reifegrad-Assessment unbedingt einbezogen werden?”

Tafelbild: Zeichnen Sie die fünf Gartner-Stufen als aufsteigende Treppe. Lassen Sie Teilnehmende einen Pfeil setzen, wo sie ihre Organisation verorten. Das schafft sofortige Diskussion.

Differenzierung: Für fortgeschrittene Gruppen: Ergänzen Sie die Diskussion um McKinseys „State of AI”-Studie, die branchenspezifische Reifegraddaten enthält. Für Einsteiger: Vereinfachen Sie auf das Gartner-Modell und die vier Selbsteinschätzungs-Kernindikatoren (Strategie, Governance, Kompetenzen, Use Cases).

Materialliste: Flip-Chart oder digitales Whiteboard, Selbsteinschätzungs-Fragebogen (als Handout oder digital), Timer für Gruppenarbeiten.

Übergang zu UE 12: „Sie haben jetzt Werkzeuge, um den KI-Reifegrad zu bestimmen. In UE 12 überprüfen wir Ihr Wissen aus den ersten zehn Einheiten. Nutzen Sie den Reifegradbegriff auch, um Ihren persönlichen Lernstand einzuordnen.”

Branchenauswahl-Tipp: Für Gruppen aus der öffentlichen Verwaltung: Das IDC-Modell und der öffentliche Sektor-Benchmark sind besonders relevant. Für Industrieunternehmen: Betonen Sie die technologische Dimension und den Datenverfügbarkeits-Indikator. Für Beratungsunternehmen: Die Perspektive des Assessment als Kundendienstleistung öffnet eine zweite Relevanzdimension.

KI-Reifegradmodelle in der Kommunikation mit dem Aufsichtsrat

Wenn Vorstände oder Aufsichtsräte über KI-Strategien berichten, bieten Reifegradmodelle eine wertvolle Grundlage. Statt vager Aussagen wie „Wir investieren in KI” ermöglichen sie präzise Aussagen: „Wir befinden uns derzeit auf Stufe 2 (Aktiv) und planen, bis Ende 2026 Stufe 3 (Operational) zu erreichen.” Dieser Fortschrittsnachweis ist greifbar, messbar und schafft Vertrauen. Aufsichtsräte können konkrete Fragen stellen: „Welche Indikatoren belegen den Übergang von Stufe 2 auf Stufe 3?” Und Vorstände müssen konkrete Antworten geben können. Das Reifegradmodell diszipliniert damit die interne KI-Governance-Diskussion auf eine positive Weise.

Quelle: KI-Wissensbasis von MindsMachines, Edition Juni 2026. Vollständige Fassung mit Anhängen und Musterlösungen: als PDF anfordern.