KI-Reife bedeutet nicht, möglichst viele Tools einzuführen. Es bedeutet, nützliche KI-Fähigkeiten in verlässliche Arbeit zu übersetzen. Ein Unternehmen kann ChatGPT, Claude, Gemini oder Copilot intensiv nutzen und trotzdem keinen sicheren Weg in seine Systeme haben. Ein anderes hat Integrationen, aber keine klare Verantwortung für die Agenten im Betrieb.
Dieses Modell trennt diese Realitäten. Die Phasen sind kein Ranking von Unternehmen. Sie helfen bei der Frage, was Mitarbeitende tun können, welche Systeme KI erreicht, welche Kontrollen bestehen und was vor dem nächsten Schritt zuverlässig aufgebaut werden muss.
ki reifegradmodell
1. Awareness. Das Unternehmen klärt, was KI für das eigene Geschäft bedeutet. Teams sammeln Beispiele, prüfen mögliche Anwendungsfälle und versuchen, Nutzen von Hype zu trennen. Für den nächsten Schritt braucht es eine gemeinsame Sprache, einige echte Arbeitsabläufe und eine Person, die ein Experiment voranbringt.
2. AI Chat. Mitarbeitende erzielen mit ChatGPT, Claude, Gemini oder Copilot erste Ergebnisse. Die Arbeit steckt aber noch in Prompts, kopiertem Kontext und individuellen Gewohnheiten. Für den nächsten Schritt braucht es gemeinsame Muster, Regeln für den sicheren Umgang mit Daten und einen Prozess, in dem Unternehmenskontext wirklich zählt.
3. Integrated AI. KI greift zunehmend auf Unternehmenswissen oder Tools zu. Die Organisation bewegt sich von hilfreichen Antworten zu Handlungen, muss Zugriff und Verantwortung aber noch festlegen. Für den nächsten Schritt braucht es passende Systemverbindungen, Berechtigungsgrenzen und einen ersten Handlungspfad mit menschlicher Prüfung.
4. Read/Write Agents. Agenten können in Geschäftssystemen handeln. Sie lesen Datensätze, bereiten Änderungen vor oder schreiben hinter einer Freigabe. Für den nächsten Schritt braucht es eine wiederholbare Fähigkeit, klare Zuständigkeit, Protokolle, Freigaben und einen Fallback, wenn der Agent unsicher ist oder ein System ausfällt.
5. Cloud Agents With Skills & Integrations. Agenten werden Teil der täglichen Arbeit über mehrere Teams hinweg. Die schwierige Frage ist nun weniger die Modellfähigkeit als Zuverlässigkeit, Monitoring, Versionierung und Akzeptanz. Für den nächsten Schritt braucht es beobachtbare Läufe, gepflegte Skills, Fehlerauswertung und ein Muster, das sich übertragen lässt.
6. Agentic Products & MCP Layer. KI-Fähigkeiten werden über Produkte, APIs, MCP-Server oder agentische Workflows für andere Menschen oder Agenten nutzbar. Für den nächsten Schritt müssen externer Zugriff, Identität, Berechtigungen, Schnittstellen, Support und das eigentliche Produkt geklärt werden.
Der kostenlose KI-Selbstcheck nutzt diese sechs Phasen und betrachtet zusätzlich Tools, Nutzung, gemeinsames Vokabular, Systemzugriff, Berechtigungen, Governance und Laufzeit. Der KI-Readiness-Check ist der Einstieg für das Unternehmen; das Modell eignet sich auch, um einen konkreten Prozess gemeinsam zu besprechen.
