Stand der KI-Vorbereitung: Den Schritt von der Vision zur Architektur machen

Alle wollen KI. Die meisten Organisationen sagen, sie arbeiten daran. Wollen und bereit sein sind jedoch zwei grundlegend verschiedene Dinge. Unsere aktuelle Forschung durchsiebt den Lärm und zeigt klar, wo Organisationen wirklich stehen. Voraussetzung: Viele sind weniger bereit, als sie glauben.

Wir erstellten einen zusammengesetzten AI Readiness Index, indem wir sechs Signale von der Bereitstellungsphase bis zur Modelldiversität normalisierten und die Teilnehmer in Stufen einteilten. Nur 2 % erreichten die „sehr hohe Bereitschaft“. Einundzwanzig Prozent standen erst ganz am Anfang. Und die überwiegende Mehrheit? Steckt mittendrin fest. 

Das überrascht mich nicht, genauso wenig wie Sie. Die Hälfte des Index gründet auf der Nutzung bestimmter KI-Fähigkeiten – generative KI, KI-Agenten und agentenbasierte KI. Nur 2 % nutzen alle drei, was nicht verwundert, da sich agentenbasierte KI gerade erst weiterentwickelt.

Ups! Es gibt noch eine weitere Neuigkeit.

Es geht tatsächlich so schnell voran.

Die Erkenntnis, dass die meisten mittelmäßig vorbereitet sind, ist sehr positiv, weil sie zeigt, dass die Entwicklung im richtigen Tempo erfolgt. Sie verbessern ihre Vorgehensweisen, Infrastruktur und den Einsatz von KI für Geschäftsanforderungen auf durchdachte und wirkungsvolle Weise. 

77 Prozent der Organisationen gehören zu diesem Segment. Sie sind über den Hype hinaus, vertiefen sich in Experimente und setzen auf nachhaltige Umsetzung. Sie haben die Grundlagen gelegt, doch der Betrieb läuft noch nicht auf Hochtouren.

Die meisten haben bereits ein GenAI-Projekt im Einsatz. Einige setzen Agenten aktiv ein. Ein paar erforschen, was es überhaupt bedeutet, agentenbasierte KI praktisch anzuwenden. Obwohl sie verschiedene Anwendungen ausprobiert haben, bleibt der durchschnittliche KI-Einsatz noch oberflächlich. Stellen Sie sich vor: rund fünf Anwendungsfälle, etwa ein Drittel der Apps betroffen, meist zwei Modelle im Spiel – eines kostenpflichtig, eines Open Source. Das ist nicht schlecht. Aber es reicht nicht aus.

Warum ist das wichtig? Denn eine begrenzte Vielfalt an Modelltypen schränkt Ihre Flexibilität ein. Ein Modell allein kann nicht jede Arbeitslast abdecken. Sie brauchen verschiedene Optionen. Das gilt genauso für Anwendungen: KI, die nur auf einen Chatbot oder internen Assistenten begrenzt ist, wird Ihre Organisation nicht verändern. Sie brauchen sowohl Tiefe als auch Verteilung.

Sicherheit? Sie hinken noch hinterher. Die Zusammenarbeit zwischen KI- und Sicherheitsteams funktioniert nur sporadisch. Firewalls sind geplant, stecken aber meist noch in der Planung. Datenschutz? Sie setzen hier und dort ein wenig Inline-Durchsetzung und Tokenisierung ein, aber es fehlt an der nötigen Infrastrukturdisziplin, um von einem systematischen Ansatz zu sprechen.

Wenn Sie glauben, Sie könnten mit Klebeband und Wunschdenken einfach darüber hinwegkommen, warten Sie nur ab. Schwache Sicherheit kostet Sie mehr als nur schlechte Schlagzeilen: Es führt zu regulatorischen Rückschlägen, Vertrauensverlust und immer häufiger zu existenziellen Risiken.

Und dann geht es um die Daten selbst. Nur 21 % dieser Organisationen wenden formale, wiederholbare Verfahren zur Datenkennzeichnung an. Das ist wie ein Formel-1-Wagen, der mit Teichwasser betankt wird. Sie können es probieren, aber Sie kommen damit nicht weit.

Für Menschen, die sich traditionell auf Netzwerke und Anwendungen konzentrieren, mag es ungewöhnlich erscheinen, sich für Daten zu interessieren. Doch am Ende ist KI nur so gut wie ihre Daten – und davon gibt es deutlich mehr. Das Axiom „Garbage in, garbage out“ gilt nach wie vor, besonders wenn Sie bestehende Anwendungen, Infrastruktur oder Sicherheit mit KI erweitern. Ihre KI ist nur so stark wie die Daten, mit denen sie trainiert wurde. Wenn Sie diesen Schritt übergehen, schaffen Sie keine Intelligenz; stattdessen verstärken Sie falsche Annahmen und automatisieren fragwürdige Entscheidungen.

Dieses Level nennen wir „Schwung ohne Meisterschaft“. Es steckt Energie und klare Ausrichtung drin, doch viel Reibung bremst noch. Nicht aus Mangel an Einsatz, sondern wegen der Herausforderungen in Größe, Koordination und Architekturverschuldung.

Kommen wir nun zu den 21 %. Das sind die Organisationen, die noch herausfinden wollen, wie sie starten oder – schlimmer – immer noch so tun, als bräuchten sie es nicht. Vielleicht haben sie bereits einen Chatbot-Prototyp. Vielleicht. Für diese Teams ist nicht die Vision das Problem, sondern die Trägheit.

Viele arbeiten in regulierten Branchen oder veralteten Umgebungen, in denen die Risikobereitschaft gering und die Architektur fragil ist. Doch auch dort tut sich etwas. Kaum eine Organisation hat KI-spezifische Sicherheitsmaßnahmen wie Firewalls oder direkte Durchsetzung eingeführt. Die meisten setzen auf allgemeine IT-Grenzkontrollen, die für KI-Anwendungen nicht skaliert sind. Zwei Drittel berichten, dass sie KI-Projekte in der Pilotphase haben oder planen. Das ist ein Fortschritt. Doch lassen Sie uns Ehrgeiz nicht mit konsequenter Umsetzung verwechseln.

Das Risiko besteht nicht darin, den Trend zu verpassen. Darauf wird niemand verzichten. Die Gefahr ist, von ihm überwältigt zu werden, wenn er eintritt. Ohne Grundarbeit an Daten, Infrastruktur und Personal wird selbst das beste Modell nicht erfolgreich sein.

Möchten Sie einen Sprung nach vorn machen? Dann bauen Sie wie die oberen 2 %:

• Kombinieren Sie mehrere Modelle in Ihrer Umgebung, sowohl kostenpflichtige als auch offene. Flexibilität zählt. Nicht jedes Modell eignet sich für jede Aufgabe.
• Setzen Sie Agenten gezielt ein, um echte operative Aufgaben zu erledigen. So schaffen Sie echte Skalierung.
• Erweitern Sie Ihre Anwendungen über Einzelanwendungen hinaus und integrieren Sie GenAI nahtlos in Ihre Arbeitsprozesse. Ohne Integration bleibt es nur eine Neuheit – richtig eingebunden wird es zum echten Nutzen.
• Stellen Sie Datensicherheit auf der Architektur-Ebene sicher, nicht nur durch Richtlinien. Compliance stoppt keine Verstöße – mit der richtigen Gestaltung tun Sie das.
• Planen Sie von Anfang an für Skalierbarkeit. Denn Resilienz nachträglich einzubauen, kostet Kraft und Nerven.

Die Wahrheit ist: Bereitschaft ist kein Produkt, das Sie kaufen können. Sie ist auch kein Dienst, den Sie abonnieren. Bereitschaft ist eine Haltung, eine Struktur und eine Denkweise. Wenn Sie gerade denken: „Wir sind einigermaßen bereit“, dann ist das ein guter Anfang. Das ist ein wichtiger Meilenstein. Die nächsten Schritte passieren jedoch nicht von selbst. Sie müssen bewusst handeln, sich abstimmen und ein Stück weit auch Unbehagen zulassen.

Weil KI nicht Neugier, sondern Vorbereitung belohnt. Sie honoriert, wer bereit ist.

Um die Daten genauer zu analysieren und mehr über das Modell zu erfahren, laden Sie unseren „2025 State of AI Application Strategy Report“ herunter: AI Readiness Index“ direkt hier.