Wissen · Technologie und Souveränität
Wann ist ein Unternehmen AI-ready?
Ein Unternehmen ist AI-ready, wenn es in vier Dimensionen vorbereitet ist. Die Strategie benennt Anwendungsfälle mit messbarem Nutzen, die Architektur hält die Daten unter Kontrolle, die Daten haben verlässliche Qualität und klare Verantwortung, und die Governance regelt Freigabe, Kennzeichnung und Pflichten. Fehlt eine Dimension, liegt der größte Hebel meist zuerst in den Daten und erst danach im Modell.
Autor Andreas O. Schwan, Managing PartnerStand
Rechtliche Angaben mit Stand 17. Oktober 2026. Dieser Beitrag ist keine Rechtsberatung.
Begriff
Bereit für KI, nicht nur für ein Modell
AI Readiness beschreibt, wie gut ein Unternehmen vorbereitet ist, KI sinnvoll, sicher und wirtschaftlich einzusetzen. Sie ist kein Merkmal der IT allein, sondern ein Querschnitt über Geschäft, Daten und Technik. Die entscheidenden Fragen lauten: Wo schafft KI messbaren Nutzen, welche Daten braucht sie in welcher Qualität, und welche Architektur hält diese Daten unter Kontrolle?
In der Unternehmensanalyse BEIA läuft AI Readiness als Querschnitt über Geschäft, Daten und Technik, in der Standortbestimmung BISA gehört sie zu den Betrachtungsfeldern. So wird sichtbar, wo ein Unternehmen heute steht, bevor es in eine Plattform investiert.
Dieselben vier Dimensionen fragt der Decision Readiness Check ab, wenn der Anlass KI ist. In der Enterprise Variation Method ist AI Readiness eines der zehn Bewertungskriterien, im Business Data Transformation Framework wird sie in der Phase Understand erhoben.
Die vier Dimensionen der AI Readiness
- Strategie: Wo schafft KI messbaren Nutzen für das Geschäft?
- Architektur: Trägt die Architektur KI, und bleiben die Daten unter Kontrolle?
- Daten: Sind die Daten verfügbar, verstanden, verantwortet und verlässlich?
- Governance: Sind Verantwortung, Freigabe, Sicherheit und Kennzeichnung geregelt?
Reihenfolge
Erst die Daten, dann das Modell
In vielen Unternehmen wird KI längst genutzt, oft ohne gemeinsame Regeln. Mitarbeitende arbeiten mit Chat-Assistenten, Fachbereiche testen eigene Werkzeuge, Anbieter bauen KI in bestehende Software ein. Der erste Schritt ist deshalb eine Bestandsaufnahme: Wo wird KI heute schon eingesetzt, und welche Daten verlassen dabei das Haus? Danach werden Anwendungsfälle nach Nutzen, Aufwand, Datenbasis und Risiko priorisiert.
Häufig zeigt sich dabei, dass der größte Hebel zuerst in besseren Daten liegt. Ein Modell ist nur so verlässlich wie die Daten, auf denen es arbeitet. Modelle und Plattformen werden danach unabhängig verglichen, mit derselben Frage wie bei jeder Infrastruktur: Wo laufen sie, und wer kann auf die Daten zugreifen?
Regeln
Ein Regelwerk, das im Alltag trägt
Zur AI Readiness gehört ein KI-Regelwerk: welche Anwendungen erlaubt sind, wer sie freigibt, wie KI-erzeugte Inhalte gekennzeichnet werden und welche Pflichten aus dem EU AI Act gelten. Die Pflichten hängen von der Risikoklasse der Anwendung ab. Ein klares Regelwerk gibt Mitarbeitenden Sicherheit, statt sie mit pauschalen Verboten in die Schatten-KI zu treiben.
Seit August 2026 gelten die Transparenzpflichten nach Art. 50, etwa für Chatbots und KI-erzeugte Inhalte. Für Hochrisiko-KI-Systeme nach Anhang III, etwa in Personalauswahl oder Kreditprüfung, gelten weitere Pflichten ab dem 2. Dezember 2027, für Systeme nach Anhang I ab dem 2. August 2028 (Verordnung (EU) 2026/1744). Nach Art. 4 ergreifen Anbieter und Betreiber außerdem Maßnahmen, um die KI-Kompetenz der Beschäftigten zu fördern, die mit KI arbeiten.
Stand: Oktober 2026 · keine Rechtsberatung
Fragen der Geschäftsführung
Was Geschäftsführer dazu fragen
Woran erkennt man, dass ein Unternehmen noch nicht AI-ready ist?
An drei Zeichen: Niemand kann sagen, wo KI heute schon genutzt wird. Die Daten für einen Anwendungsfall liegen in mehreren Systemen mit widersprüchlichen Ständen. Und es gibt keine Regel, wer eine KI-Anwendung freigibt. Jedes dieser Zeichen lässt sich beheben, bevor in eine Plattform investiert wird.
Braucht ein Unternehmen eigene Modelle, um AI-ready zu sein?
Nein. Entscheidend sind Anwendungsfälle, Daten und Regeln. Ob ein Modell gemietet, selbst betrieben oder angepasst wird, ergibt sich aus der Bewertung von Nutzen, Kosten, Risiko und der Frage, wer auf die Daten zugreifen kann.
Wer sollte im Unternehmen für KI verantwortlich sein?
Die Geschäftsführung verantwortet den Rahmen: welche Anwendungen erlaubt sind und welche Risiken das Unternehmen eingeht. Für einzelne Anwendungen braucht es benannte Verantwortliche im Fachbereich, die Freigabe, Datenbasis und Kennzeichnung im Blick behalten.
Autor und Quellen
Wer antwortet, und worauf es sich stützt
Quellen und weiterführende Literatur
- Verordnung (EU) 2024/1689 (KI-Verordnung, EU AI Act) (externe Seite)
- ISO/IEC 42001:2023, Artificial intelligence: Management system
- DAMA International: DAMA-DMBOK, Data Management Body of Knowledge, 2. Auflage, 2017
- SIMO GmbH: Business Infrastructure & Security Assessment (BISA) und Business Enterprise Infrastructure Assessment (BEIA), Leistungsbeschreibungen, 2026
Stand dieser Seite:
Weiterlesen
Die nächste Frage und der Weg dahinter
Verwandte Frage
Wie schafft man verlässliche Datenflüsse?
Ein führendes System je Datenbestand, verbindliche Kennzahlen und Abgleiche, die Abweichungen sichtbar machen.
Verwandte Frage
Wie bewertet man Cloud-Souveränität?
An der Frage, wer auf Ihre Daten zugreifen kann und wie leicht sich ein Anbieter wieder verlassen lässt.
Passende Leistung
KI
Wie SIMO das Thema im Mandat bearbeitet: Vorgehen, Ergebnisse und Fragen der Geschäftsführung.
Sehen Sie, wie SIMO Alternativen strukturiert und bewertet.
Ihr nächster Schritt
Von der Antwort zur Entscheidung
Wie entscheidungsreif Ihr eigenes Vorhaben ist, zeigt der Decision Readiness Check. Wer lieber direkt spricht, wählt das Erstgespräch mit einem Managing Partner.
45 Minuten, und Sie wissen, ob SIMO zu Ihrer Entscheidung passt.
Wie entscheidungsreif ist Ihr Vorhaben? In 3 Minuten prüfen.
Oder rufen Sie an: +49 6021 625 63 40