Der KI-Readiness-Check: 7 Fragen, die Sie vor jeder KI-Investition beantworten müssen
Bevor Sie einen Euro in KI investieren, beantworten Sie sieben Fragen. Sie dauern zehn Minuten und ersparen Ihnen potenziell ein sechsstelliges Lehrgeld. Aus zwölf Mandaten habe ich gelernt: Wer alle sieben sauber beantworten kann, gehört zu den 20 % der KI-Projekte, die produktiv gehen. Wer bei mehr als zwei Fragen ins Stocken gerät, ist noch nicht bereit — und das ist eine wertvolle, keine schlechte Erkenntnis.
Die meisten KI-Investitionen scheitern nicht an der Technik. Sie scheitern daran, dass niemand vorher die richtigen Fragen gestellt hat. Ich habe in zwölf Mandaten gesehen, wie Projekte mit sechsstelligen Budgets gegen die Wand fuhren — und fast immer hätte ein ehrlicher Vorab-Check das Scheitern vorhergesagt.
Hier ist dieser Check. Sieben Fragen, zehn Minuten. Beantworten Sie jede ehrlich. Die Auswertung am Ende sagt Ihnen, ob Sie loslegen sollten — oder zuerst Hausaufgaben machen müssen.
Frage 1: Welche Top-3-Kennzahl soll sich bewegen — und um wie viel?
Nicht „wir wollen effizienter werden". Sondern: „Die Bearbeitungs- zeit pro Angebot soll von 4 Stunden auf 1 Stunde sinken" oder „die Conversion-Rate im Erstkontakt soll von 18 % auf 25 % steigen". Eine Zahl, ein Vorher, ein Ziel-Nachher.
Wenn Sie diese Frage nicht in einem Satz mit einer Zahl beantworten können, ist das Projekt noch keine Investition, sondern ein Experiment. Das ist okay — dann budgetieren Sie es auch als Experiment (klein, zeitlich begrenzt), nicht als strategische Initiative.
Frage 2: Existieren die nötigen Daten — und in welchem Zustand?
KI braucht Daten. Die entscheidende Frage ist nicht „haben wir Daten" (die hat jeder), sondern: Liegen die relevanten Daten strukturiert, zugänglich und aktuell vor — oder verteilt über fünf Systeme, drei Excel-Inseln und den Kopf eines Mitarbeiters, der nächstes Jahr in Rente geht?
In jedem zweiten Mandat war die ehrliche Antwort: „verteilt und chaotisch". Das ist kein K.o.-Kriterium — aber es bedeutet, dass der erste Teil des Projekts Daten-Aufräumen ist, nicht KI. Wer das einplant, gewinnt. Wer es übersieht, läuft im Monat sechs in die Wand.
Frage 3: Verarbeitet die Lösung personenbezogene oder sensible Daten?
Wenn ja, kommen Datenschutz-Pflichten ins Spiel, die das Projekt verteuern und verlangsamen — und die Sie früh kennen müssen, nicht kurz vor dem Go-live. Konkret: Wenn KI Entscheidungen über Menschen beeinflusst (Bewerber, Kunden, Mitarbeiter), brauchen Sie wahrscheinlich eine Datenschutz-Folgenabschätzung, und je nach Anwendung greift auch der EU AI Act.
Faustregel: Personenbezug + Entscheidungsrelevanz = rechtliche Vorarbeit. Das ist keine Bürokratie um ihrer selbst willen, sondern Risikomanagement. Wer es ignoriert, riskiert Bußgelder, die das gesamte Projekt-ROI auffressen.
Frage 4: Wer im Unternehmen besitzt das Projekt — mit Mandat und Zeit?
Nicht „die IT macht das mit". Sondern: eine namentlich benannte Person mit (a) Entscheidungsbefugnis, (b) echter Zeit dafür und (c) genug Verständnis für den Fachprozess UND die Technik, um zwischen beiden zu übersetzen. Diese Rolle entscheidet über Erfolg oder Misserfolg.
Das häufigste Scheitermuster: Das Projekt gehört „allen" — also niemandem. Es läuft nebenher, niemand priorisiert es, nach vier Monaten ist die Energie weg. Wenn Sie keine Person benennen können, die das Projekt mit Mandat und Zeit besitzt, starten Sie nicht.
Frage 5: Sind die Mitarbeiter eingebunden — oder werden sie überrascht?
KI, die Arbeitsabläufe verändert, ist im DACH-Raum oft mitbestimmungspflichtig — der Betriebsrat muss früh mit ins Boot. Aber das ist nur die formale Seite. Die wichtigere: Die Menschen, deren Arbeit die KI berührt, müssen verstehen, dass sie unterstützt und nicht ersetzt werden — sonst sabotieren sie das Projekt, bewusst oder unbewusst.
Ich habe Projekte gesehen, die technisch funktionierten und trotzdem scheiterten, weil die Belegschaft sie nicht angenommen hat. Change- Management ist kein Nachgedanke, sondern Teil der Investition. Planen Sie es von Anfang an ein.
Frage 6: Akzeptieren Sie eine Human-in-the-Loop-Phase?
Keine seriöse KI-Lösung läuft ab Tag eins vollautomatisch fehlerfrei. Die ersten 6 bis 12 Monate braucht es einen Menschen, der prüft, korrigiert und das System justiert. Wer Vollautomatisierung ab Woche eins erwartet, wird enttäuscht — und wer sie verspricht, verkauft Risiko.
Die richtige Erwartung: Die KI macht die Vorarbeit, ein Mensch validiert, das System lernt aus den Korrekturen. Über die Zeit sinkt der menschliche Aufwand. Wenn Sie diese Phase nicht akzeptieren wollen, ist Ihr Unternehmen noch nicht bereit für produktive KI.
Frage 7: Wer betreibt die Lösung in zwei Jahren — ohne den Anbieter?
Externe Berater und Dienstleister implementieren, dann gehen sie. Was bleibt, ist ein System, das jemand verstehen und weiterentwickeln muss. Wenn niemand intern dazu in der Lage ist, haben Sie nicht eine KI-Lösung gekauft, sondern eine Abhängigkeit.
Mein Standard-Rat: Planen Sie 20 bis 30 Prozent des Projektbudgets für internen Wissensaufbau ein. Das wird fast immer zuerst gestrichen — und fast immer später bereut. Wer interne Kompetenz aufbaut, wird mit jedem weiteren KI-Projekt schneller und günstiger.
Die Auswertung
7 von 7 klar beantwortet: Sie gehören zur Minderheit, die bereit ist. Starten Sie — aber halten Sie an den Antworten fest, besonders an Frage 1 (die Zahl) als Erfolgsmaßstab.
5–6 beantwortet: Grundsätzlich bereit, aber mit Lücken. Schließen Sie die offenen Punkte, bevor das Budget freigegeben wird — meist sind es Frage 2 (Daten) oder Frage 4 (Ownership).
3–4 beantwortet: Noch nicht bereit. Das ist kein Scheitern, sondern eine ehrliche Standortbestimmung. Arbeiten Sie zuerst die Grundlagen ab — sonst wird die KI-Investition zum Lehrgeld.
Unter 3: Investieren Sie das geplante KI-Budget erst einmal in Datenstruktur, klare Verantwortlichkeiten und internes Verständnis. Die KI kommt danach — und funktioniert dann.
Warum diese sieben Fragen mehr wert sind als jedes Tool-Vergleich
Es gibt unzählige Artikel darüber, welches KI-Tool das beste ist (ich habe selbst einen geschrieben). Aber die Tool-Wahl ist die letzte Frage, nicht die erste. Die sieben Fragen oben entscheiden über Erfolg oder Misserfolg, lange bevor ein einziges Tool ausgewählt wird.
Das Muster aus zwölf Mandaten ist eindeutig: Die Unternehmen, die diese Fragen vorab ehrlich beantworten, landen im erfolgreichen Fünftel. Die anderen produzieren teure Pilotprojekte, die nie produktiv gehen — und schieben es hinterher auf „die Technik war noch nicht reif". War sie meistens. Reif war nur die Vorbereitung nicht.
Der ehrlichste Rat, den ich einem Mittelständler geben kann, lautet deshalb oft nicht „kaufen Sie diese KI", sondern „beantworten Sie zuerst diese sieben Fragen". Wer das tut, braucht mich für den Rest meist gar nicht mehr so dringend — und genau das ist das Zeichen einer ehrlichen Beratung.
Dieser Check ist eine Verdichtung wiederkehrender Muster aus Beratungsmandaten, keine Rechts- oder Investitionsberatung. Für die konkrete Bewertung Ihres Vorhabens — inklusive der rechtlichen Punkte aus Frage 3 — ziehen Sie qualifizierten Rat hinzu. Vertiefend: Warum 80 % der KI-Pilotprojekte scheitern · EU AI Act 2026.