AIAndreas IndorfTransformation
KI-Readiness und KI-Potenzialanalyse: Wie bereit ist Ihr Unternehmen – und wo liegt das Potenzial?

KI-Strategie & Organisation

KI-Readiness und KI-Potenzialanalyse: Wie bereit ist Ihr Unternehmen – und wo liegt das Potenzial?

Wie Sie mit Readiness-Assessment, Potenzialanalyse, KI-Audit und Reifegradmodell prüfen, ob Ihr Unternehmen bereit für KI ist und wo KI echten Wert schafft: sieben Dimensionen, fünf Stufen, Ablauf, Compliance, Roadmap und BAFA-Beratungsförderung.

Andreas IndorfAndreas Indorf 2. Januar 2026Aktualisiert am 7. November 2026 11 Min.

KI-Readiness-Assessment und KI-Potenzialanalyse

Viele KI-Vorhaben geraten nicht wegen der Technologie ins Stocken, sondern weil die Voraussetzungen fehlen: Daten sind nicht zugänglich, Schnittstellen fehlen, Verantwortlichkeiten sind ungeklärt, rechtliche Fragen bleiben offen. Andere starten, weil gerade ein Werkzeug verfügbar ist oder ein Wettbewerber etwas angekündigt hat – und landen bei Piloten ohne klaren Nutzen. Beides verhindert eine Standortbestimmung, bevor investiert wird: Wie bereit sind wir, und wo schafft KI bei uns überhaupt Wert?

Kurz gesagt: Ein KI-Readiness-Assessment prüft Strategie, Daten, Technik, Prozesse, Kompetenzen, Kultur sowie Governance und Compliance und liefert eine Lückenliste und eine Go/No-go-Grundlage. Die KI-Potenzialanalyse verbindet diese Bewertung mit der Frage, in welchen Bereichen KI Wert schafft, und mündet in eine Roadmap. Ein KI-Audit schließt bestehende KI-Anwendungen und ihre Nachweise ein, das Reifegradmodell ordnet das Unternehmen in fünf Stufen ein. Die schwächste Dimension begrenzt meist den Fortschritt. KMU können die externe Beratung dafür über das BAFA fördern lassen.

Readiness, Potenzialanalyse, Audit, Reifegrad: Was ist der Unterschied?

Die Begriffe werden oft synonym verwendet, beantworten aber unterschiedliche Fragen:

Readiness-AssessmentPotenzialanalyseKI-AuditReifegradmodell
FrageKönnen wir dieses Vorhaben jetzt umsetzen, und was fehlt?Wo schafft KI bei uns Wert, und in welcher Reihenfolge gehen wir vor?Halten unsere KI-Anwendungen einer Prüfung stand?Wie systematisch setzt das Unternehmen KI ein?
Bezugein Vorhaben oder das UnternehmenUnternehmen und FachbereicheOrganisation plus bestehende KI-Systemegesamte Organisation
ErgebnisLückenliste, Go/No-go-GrundlagePotenzialfelder, Roadmap, RessourcenplanungBefunde, Nachweislücken, MaßnahmenEinstufung je Dimension, Entwicklungspfad
Rhythmusvor jeder größeren Investitionzum Start einer KI-Strategieeinmalig, dann bei Bedarfregelmäßig wiederholt

Das Readiness-Assessment ist damit ein Baustein der Potenzialanalyse. Davon zu trennen ist die Auswahl und Priorisierung konkreter Anwendungsfälle mit Scoring, Wert-Machbarkeits-Matrix und Datencheck: Sie folgt auf die Potenzialanalyse und ist im Beitrag KI-Use-Cases identifizieren und priorisieren ausführlich beschrieben. Die Potenzialanalyse zeigt, in welchen Bereichen sich die Suche lohnt und ob die Voraussetzungen stimmen; die Use-Case-Methodik entscheidet, welcher Kandidat zuerst umgesetzt wird.

Wo deutsche Unternehmen stehen

KI wird schnell zur Normalität, die Unterschiede sind aber groß. Laut Statistischem Bundesamt nutzten 2025 26 % der Unternehmen in Deutschland KI – bei Unternehmen mit mehr als 250 Beschäftigten 57 %, bei solchen mit 10 bis 49 Beschäftigten 23 %. EU-weit waren es laut Eurostat 2025 19,95 % der Unternehmen ab zehn Beschäftigten – 6,47 Prozentpunkte mehr als 2024. Eine Bitkom-Befragung vom September 2026 unter 603 Unternehmen ab 20 Beschäftigten zählt erstmals eine Mehrheit von 57 % als Nutzer – nach 36 % ein Jahr und 20 % zwei Jahre zuvor.

Aufschlussreicher als die Nutzungsquote sind die Hürden: In der Bitkom-Befragung vom September 2026 nennen Unternehmen ohne KI vor allem fehlendes technisches Know-how (85 %), rechtliche Hürden und Unklarheiten (66 %) sowie fehlende personelle Ressourcen (51 %); Unternehmen, die KI bereits nutzen, bremsen vor allem Anforderungen an den Datenschutz (66 %) und rechtliche Verunsicherung (56 %). Bei Destatis führen Unternehmen, die KI 2025 erwogen, aber nicht eingeführt hatten, fehlendes Wissen an (72 %), gefolgt von unklaren rechtlichen Folgen (62 %), Datenschutzbedenken (60 %) und Problemen mit Verfügbarkeit oder Qualität der Daten (44 %). Genau diese Faktoren macht eine strukturierte Bewertung sichtbar, bevor sie ein Projekt ausbremsen. Wer mit begrenzten Mitteln einsteigt, sollte sie dort einsetzen, wo sie die größte Wirkung haben.

Die sieben Dimensionen

1. Strategie und Führung

Gibt es eine dokumentierte KI-Strategie mit messbaren Zielen? Sind Budget und ein Sponsor in der Geschäftsführung vorhanden? Wie die Strategie entsteht, beschreibt der Beitrag zur KI-Unternehmensstrategie; wie sie mit der übergeordneten IT-Planung zusammenspielt, der Artikel zu IT-Strategien.

2. Daten

KI-Systeme sind nur so gut wie ihre Daten. Prüfen Sie Verfügbarkeit, Vollständigkeit, Konsistenz, Zugriffsrechte, Datenschutz und Silos zwischen Abteilungen. Typische Lücken sind fehlende historische Daten, Dubletten und fehlende Verantwortliche für Datenqualität. Mehr dazu im Beitrag KI-Datenstrategie.

3. Technik und Infrastruktur

Können Ihre Systeme KI-Workloads tragen, und lassen sich Datenquellen anbinden? Prüfen Sie die Reife der Cloud- oder On-premise-Infrastruktur, vorhandene Schnittstellen, Pipelines für Versionierung, Bereitstellung und Monitoring, die Kapselung externer KI-Dienste sowie Verschlüsselung, Zugriffsmanagement und Protokollierung.

4. Prozesse

Sind die Zielprozesse dokumentiert, standardisiert und messbar? Gibt es abteilungsübergreifende Zusammenarbeit und Formate für Experimente? Aus dem Betrieb meiner eigenen KI-first-Firma weiß ich: Wo ein Ablauf nicht beschrieben ist, kann ihn auch kein Agent zuverlässig übernehmen. Wie Sie Prozesse vor dem KI-Einsatz verbessern, zeigt der Beitrag Prozesse mit Software und KI optimieren.

5. Kompetenzen

Bewerten Sie Know-how in Entwicklung, Datenarbeit, Betrieb und KI-Governance sowie das KI-Verständnis der Führungsebene. Seit Februar 2025 verlangt Artikel 4 der KI-Verordnung (EU) 2024/1689 von Anbietern und Betreibern Maßnahmen zur Unterstützung der KI-Kompetenz ihres Personals; ein bestimmtes Kompetenzniveau müssen sie nach der Änderung durch die Digital-Omnibus-Verordnung (EU) 2026/1744 nicht garantieren. Wie Sie Lücken schließen, zeigt der Beitrag KI-Kompetenzen aufbauen.

6. Kultur und Veränderungsbereitschaft

Rückhalt der Führung, Experimentierfreude und der Umgang mit Fehlern entscheiden, ob KI genutzt wird. Mitarbeitende, die KI als Bedrohung erleben, umgehen sie. Fragen Sie gezielt, wo es Offenheit und wo Widerstände gibt.

7. Governance und Compliance

Wer darf welche KI-Entscheidung freigeben, wie wird ein System im Notfall gestoppt, und welche Nachweise erzeugen Ihre KI-Systeme? Für deutsche Unternehmen gehören in diese Dimension:

  • DSGVO: Datenschutz-Folgenabschätzung, Transparenz, Betroffenenrechte; vertiefend der Beitrag KI-Ethik und Datenschutz.
  • KI-Verordnung: Risikoklassifizierung, Dokumentationspflichten und KI-Kompetenz; einen Überblick gibt der Beitrag zum EU AI Act in Deutschland.
  • Branchenregulierung: etwa Anforderungen der BaFin oder der Medizinprodukteverordnung.
  • IT-Sicherheit: BSI IT-Grundschutz und die Anforderungen aus der NIS-2-Umsetzung.
  • Mitbestimmung: Der Betriebsrat bestimmt nach § 87 Abs. 1 Nr. 6 BetrVG bei technischen Einrichtungen mit, die dazu bestimmt sind, Verhalten oder Leistung der Beschäftigten zu überwachen – binden Sie ihn früh ein.
  • Managementsystem: gegebenenfalls ein KI-Managementsystem nach ISO/IEC 42001.

Eine anerkannte Struktur für die Risikodimension bietet das NIST AI Risk Management Framework mit seinen vier Funktionen Govern, Map, Measure und Manage. Mehr zum organisatorischen Rahmen im Beitrag KI-Governance.

Die fünf Reifegradstufen

StufeMerkmaleTypische Maßnahmen
1: Initialvereinzelte Experimente, kaum DateninfrastrukturBewusstsein schaffen, erste Piloten, Basisinfrastruktur
2: Entwickelnderste erfolgreiche Piloten, isolierte TeamsUse Cases priorisieren, Kompetenzen aufbauen, Governance starten
3: Definiertstandardisierte Prozesse, mehrere produktive Anwendungengemeinsame Plattform, MLOps, Change Management ausbauen
4: Gesteuertunternehmensweite Strategie, messbarer NutzenAutomatisierung ausweiten, KI in Kernprozesse integrieren
5: OptimiertKI prägt Geschäftsmodelle, kontinuierliche Innovationneue Geschäftsfelder, Partner-Ökosystem

Ein hoher Reifegrad bedeutet nicht, dass viele KI-Tools vorhanden sind, sondern dass KI verlässlich Wert schafft und neue Anwendungsfälle mit vertretbarem Aufwand hinzukommen. Die Einstufung hilft, realistische Ziele zu setzen: Wer auf Stufe 1 steht, sollte nicht mit einem unternehmensweiten Agentensystem beginnen. Wie Sie ab Stufe 3 den Betrieb absichern, beschreibt der Leitfaden KI im Betrieb: MLOps und Monitoring.

Ablauf: vom Assessment zur Potenzialanalyse

  1. Scoping: Ziele, Stakeholder, betrachtete Bereiche und gegebenenfalls das konkrete Vorhaben festlegen. Der Umfang bestimmt die Dauer mehr als alles andere.
  2. Discovery: Dokumentenanalyse, Interviews mit Geschäftsführung, IT, Datenschutz und Fachbereichen, technische Sichtung von Systemen und Daten, Kompetenzerhebung, Prozessanalyse und bei Bedarf eine kurze Kulturbefragung.
  3. Bewerten: Jede Dimension wird anhand fester Kriterien eingestuft, Lücken werden per Gap-Analyse nach Kritikalität priorisiert.
  4. Potenzial bestimmen: Bereiche mit hohem Volumen, wiederkehrenden Mustern, verfügbaren Daten und messbarem Ergebnis sammeln, für die aussichtsreichsten einen groben Business Case mit Nutzen und Risiken aufstellen und eine erste Risikoeinstufung nach KI-Verordnung vornehmen.
  5. Roadmap ableiten: Quick Wins, mittelfristige Projekte und strategische Initiativen trennen; Verantwortlichkeiten, Governance-Rahmen, Kompetenzaufbau und Technologieempfehlung ergänzen.
  6. Ergebnisse vorstellen: Management-Zusammenfassung, Reifegrad je Dimension, Potenzialfelder, Basiswerte für die spätere Erfolgsmessung und Empfehlung für den nächsten Schritt.

Ein kompaktes Assessment für ein klar umrissenes Vorhaben ist meist in wenigen Wochen machbar; eine Potenzialanalyse über mehrere Fachbereiche oder ein Audit mit vielen Standorten und bestehenden KI-Anwendungen dauert entsprechend länger. Legen Sie bereits hier die Basiswerte fest – Durchlaufzeiten, Fehlerquoten, Bearbeitungsaufwand –, damit Sie später belegen können, was KI tatsächlich bewirkt hat. Wie solche Werte in einen ROI übersetzt werden, beschreibt KI-ROI berechnen.

Die schwächste Dimension begrenzt meist den Gesamtfortschritt: Ein Unternehmen mit moderner Cloud-Plattform, aber ungeklärten Datenverantwortlichkeiten bleibt in der Praxis auf Stufe 2. Beginnen Sie deshalb oft bei der Datendimension.

Bestehende KI-Anwendungen auditieren

Laufen bereits KI-Systeme, prüft ein Audit zusätzlich deren Betrieb. Wer ist Owner jedes Systems? Werden Modellversionen, Freigaben und Ergebnisse protokolliert? Gibt es ein Monitoring für Qualität und Drift? Ist für jedes System die Risikoklasse nach KI-Verordnung bestimmt? Und gibt es eine Rückfalloption, wenn ein Anbieter ein Modell abkündigt? Fehlen solche Nachweise, steht ihre Einführung ganz oben auf der Roadmap – unabhängig davon, wie gut das System fachlich funktioniert.

Typische Stolpersteine

  • Technik vor Strategie: Infrastruktur wird aufgebaut, ohne Potenzialfelder zu kennen.
  • Datenqualität unterschätzt: Ohne saubere Daten liefern auch gute Modelle schlechte Ergebnisse.
  • Kein Sponsor: Ohne Rückhalt der Geschäftsführung scheitern Vorhaben an internen Widerständen.
  • Späte Governance: Rechtliche und Risikoaspekte werden erst kurz vor dem Go-live betrachtet.
  • Unrealistische Erwartungen: Zu hohe Renditeerwartungen in zu kurzer Zeit führen zu Frust und Abbruch.

Vom Ergebnis zur Umsetzung

  1. Kritische Lücken schließen: Datenzugang, Schnittstellen, Sponsor sichern.
  2. Quick Wins umsetzen: Anwendungsfälle mit schneller Umsetzbarkeit und unmittelbar messbarem Nutzen, etwa Dokumentenverarbeitung mit vorhandenen Daten. Wie ein solches Projekt in der Praxis verläuft, zeigt der Praxisbericht zur KI-Automatisierung in der Logistik.
  3. Governance parallel aufbauen: Rollen, Freigaben, Compliance-Strukturen.
  4. Erneut bewerten: die Reifegradbewertung in regelmäßigen Abständen wiederholen.

Ein nützlicher Gedanke für Unternehmen, die KI-Agenten einsetzen wollen: Bewerten Sie nicht nur, ob Sie bereit für KI sind, sondern für welche Autonomiestufe in welchem Prozess. Ein gut dokumentierter Prozess mit sauberen Daten verträgt mehr Autonomie als einer, der vor allem im Kopf erfahrener Mitarbeitender existiert. Wie solche Stufen in der Organisation verankert werden, beschreibt der Leitfaden zum KI-Department.

Förderung: BAFA-Beratungsförderung für KMU

Kleine und mittlere Unternehmen können eine externe Beratung, etwa zu Readiness, Potenzialanalyse oder Roadmap, über das Programm Förderung von Unternehmensberatungen für KMU des BAFA mit einem nicht rückzahlbaren Zuschuss fördern lassen. Laut BAFA gilt:

  • Reihenfolge: Erst nach Erhalt des unverbindlichen Informationsschreibens darf die Beratung beginnen – und als Beginn gilt bereits der Abschluss des Beratungsvertrags.
  • Kontingent: maximal fünf in sich abgeschlossene Beratungen, jedoch nicht mehr als zwei pro Jahr.
  • Laufzeit: Die Richtlinie wird mit geänderten Bedingungen ab dem 1. Januar 2027 bis zum 31. Dezember 2028 verlängert.
  • Änderungen ab 2027: Das verpflichtende Regionalpartnergespräch entfällt, als Zahlungsnachweis reicht eine von der Bank erstellte Umsatzanzeige, und Anträge sind nur noch über das Elster-Konto oder die BundID möglich.

Förderquoten und Höchstbeträge regeln die Merkblätter des BAFA; prüfen Sie diese vor dem Antrag. Welche weiteren Programme für die Umsetzungsphase infrage kommen, beschreibt der Beitrag KI-Finanzierung für Unternehmen. Wenn Sie Ihre Bereitschaft und Ihr Potenzial strukturiert prüfen und daraus Organisation und Governance ableiten wollen, finden Sie unter KI-Department mein Vorgehen; geht es vor allem um Prozesse im Mittelstand, setze ich bei der Mittelstand-Digitalisierung an.

Aus meinen Produkten

Die gründlichste Potenzialanalyse habe ich an meinem eigenen Unternehmen gemacht – nicht nach Tools, sondern Rolle für Rolle entlang des Organigramms. Daraus ist das Unternehmens-Cockpit von mysoftwarelab entstanden, in dem KI-Spezialisten nach Berufsbildern arbeiten: im Grunde eine Landkarte, in welchen Aufgaben KI bei uns tatsächlich trägt. Das Potenzial lag dabei selten in einer spektakulären Anwendung, sondern in vielen wiederkehrenden, klar beschreibbaren Aufgaben.

Für die Readiness-Seite habe ich gelernt, dass eine Bewertung nur so gut ist wie die Spuren, die ein System hinterlässt. Für jeden Spezialisten ist eine von vier Autonomiestufen festgelegt, kritische Aktionen laufen über Freigabe-Tore, und ein AI-Act-Protokoll hält fest, wer was freigegeben hat. Ein Freigabe-Tor hält immer ein Mensch. Die Grenze: Ein Protokoll belegt, dass ein Mensch freigegeben hat – nicht, dass er gründlich geprüft hat. Deshalb gehören Stichproben der Freigaben selbst in jede Prüfung.

Häufig gestellte Fragen

Was ist der Unterschied zwischen KI-Readiness-Assessment und KI-Potenzialanalyse?

Das Readiness-Assessment bewertet, ob Ihr Unternehmen bereit für KI ist – Daten, Technik, Prozesse, Kompetenzen, Kultur und Governance. Die Potenzialanalyse geht weiter: Sie verbindet diese Bewertung mit der Frage, wo KI Wert schafft, und mündet in eine Roadmap. Die anschließende Auswahl und Priorisierung einzelner Anwendungsfälle ist ein eigener Schritt.

Was ist der Unterschied zwischen Readiness-Assessment und KI-Audit?

Das Readiness-Assessment prüft, ob ein Vorhaben jetzt umsetzbar ist und was dafür fehlt. Ein KI-Audit bewertet zusätzlich bestehende KI-Anwendungen, ihre Nachweise sowie Governance und Compliance. Beide nutzen dieselben Dimensionen und überschneiden sich in der Praxis stark.

Wie bestimme ich den KI-Reifegrad meines Unternehmens?

Kombinieren Sie Interviews mit Führung und Fachbereichen, eine technische Sichtung von Systemen und Daten, eine Kompetenzerhebung und eine Prozessanalyse. Bewerten Sie jede der sieben Dimensionen einzeln, denn die schwächste begrenzt in der Regel den Gesamtfortschritt.

Wie lange dauern Readiness-Assessment und Potenzialanalyse?

Für ein mittelständisches Unternehmen und ein klar umrissenes Vorhaben genügen meist wenige Wochen. Eine Potenzialanalyse über mehrere Fachbereiche oder ein Audit mit vielen Standorten und bestehenden KI-Anwendungen dauert länger. Entscheidend sind ein klar definierter Umfang und eine priorisierte Maßnahmenliste am Ende.

Kann ich eine KI-Potenzialanalyse über das BAFA fördern lassen?

Für KMU kommt das BAFA-Programm „Förderung von Unternehmensberatungen für KMU“ infrage, das einen nicht rückzahlbaren Zuschuss vorsieht. Wichtig ist die Reihenfolge: Die Beratung darf erst nach Erhalt des Informationsschreibens beginnen, und schon der Vertragsabschluss gilt als Beginn. Ab 2027 gelten geänderte Bedingungen, Anträge laufen dann über Elster oder BundID.

Andreas Indorf

Über den Autor

Andreas Indorf

Gründer & Geschäftsführer der mysoftwarelab GmbH, KI-Software-Architekt. 7 KI-SaaS-Produkte live, 20+ Jahre Enterprise-IT.

Mehr über mich

Passende Leistung

KI-Department & KI-Strategie

Nächster Schritt

Lassen Sie uns bauen, was bei Ihnen arbeitet.

30 Minuten, kostenlos und unverbindlich. Sie erfahren, wo KI in Ihrem Unternehmen den größten Hebel hat – und wie schnell er sich umsetzen lässt.

Antwort in der Regel innerhalb von 24 Stunden.