Alle wollen KI. Die meisten Unternehmen geben an, daran zu arbeiten. Doch KI zu wollen und dafür bereit zu sein, sind zwei völlig verschiedene Dinge. Unsere neueste Studie trennt Fakten vom Hype und zeigt schonungslos, wo Unternehmen tatsächlich stehen. Spoiler: Die meisten sind nicht so gut vorbereitet, wie sie glauben.
Wir haben einen zusammengesetzten KI-Bereitschaftsindex erstellt, indem wir sechs Indikatoren – vom Implementierungsstand bis zur Modellvielfalt – normalisiert und die Befragten anschließend in Stufen eingeteilt haben. Nur 2 % landeten in der Kategorie „sehr gut vorbereitet“. 21 % standen noch ganz am Anfang. Und die große Mehrheit? Steckte im Mittelfeld fest.
Das überrascht mich nicht, und es sollte auch Sie nicht überraschen. Die Hälfte des Index basiert auf der Nutzung bestimmter KI-Fähigkeiten – generativer KI, KI-Agenten und agentischer KI. Dass lediglich 2 % alle drei nutzen, ist nicht überraschend, da sich die agentische KI derzeit noch in der Entwicklung befindet.
Huch! Da ist noch etwas Neues.
Es geht wirklich so schnell voran.
Die Erkenntnis, dass die meisten Unternehmen mäßig gut vorbereitet sind, ist sehr erfreulich, denn sie bedeutet, dass sie im richtigen Tempo vorankommen. Sie entwickeln ihre Prozesse, ihre Infrastruktur und den Einsatz von KI für geschäftliche Anwendungsfälle auf wohlüberlegte und sinnvolle Weise weiter.
Mäßig bereit: das komfortable Mittelfeld
Siebenundsiebzig Prozent der Unternehmen fallen in diese Kategorie. Sie haben den Hype hinter sich gelassen, stecken mitten in der Experimentierphase und versuchen, KI dauerhaft zu etablieren. Die Weichen sind gestellt, doch die Lok ist noch nicht richtig in Fahrt.
Die meisten haben bereits ein GenAI-Projekt im Einsatz. Einige nutzen Agenten. Manche loten noch aus, was es überhaupt bedeutet, agentische KI „einzusetzen“. Und obwohl sie erste Erfahrungen mit verschiedenen Anwendungstypen gesammelt haben, ist der durchschnittliche KI-Footprint noch gering. Konkret heißt das: etwa fünf Anwendungsfälle, ein Drittel der Apps mit KI-Bezug und zwei Modelle im Einsatz – meist ein kostenpflichtiges und ein Open-Source-Modell. Das ist nicht schlecht. Es reicht nur noch nicht aus.
Warum ist das wichtig? Weil eine begrenzte Vielfalt an Modelltypen weniger Flexibilität bedeutet. Ein einzelnes Modell kann nicht jede Arbeitslast bewältigen. Sie brauchen Auswahlmöglichkeiten. Dasselbe gilt für Anwendungen: KI, die auf einen Chatbot oder internen Assistenten beschränkt ist, wird Ihr Unternehmen nicht grundlegend verändern. Sie brauchen sowohl Tiefe als auch eine breite Verteilung.
Sicherheit? Da besteht weiterhin Nachholbedarf. Die Zusammenarbeit zwischen KI- und Sicherheitsteams ist lückenhaft. Firewalls sind in Planung, stehen aber meist noch auf der Roadmap. Datenschutz? Hier ein wenig Inline-Durchsetzung, dort etwas Tokenisierung – aber nicht genug Disziplin bei der Infrastruktur, um von einem systematischen Ansatz sprechen zu können.
Und wenn Sie glauben, Sie könnten sich mit Provisorien und Wunschdenken irgendwie durchmogeln, dann warten Sie nur ab. Der Preis für unzureichende Sicherheit ist mehr als nur eine Runde negativer Presse: Es drohen regulatorische Konsequenzen, Vertrauensverlust und zunehmend auch existenzielle Risiken.
Und dann wären da noch die Daten selbst. Nur 21 % dieser Organisationen verfügen über formalisierte, wiederholbare Verfahren zur Datenkennzeichnung. Das ist, als würde man einen Formel-1-Wagen bauen und den Tank mit Teichwasser füllen. Man kann das zwar machen, kommt damit aber nicht besonders weit.
Es mag seltsam erscheinen, dass sich Menschen, die sich traditionell auf Netzwerke und Anwendungen konzentrieren, mit Daten befassen sollen. Doch letztlich ist KI nur so gut wie ihre Daten – und davon gibt es sehr viel mehr. Schließlich gilt nach wie vor der Grundsatz „Garbage in, garbage out“. Das trifft auch zu, wenn bestehende Anwendungen, Infrastrukturen oder Sicherheitslösungen durch KI ergänzt werden. Ihre KI ist nur so gut wie die Daten, mit denen sie trainiert wurde. Wenn Sie diesen Schritt auslassen, schaffen Sie keine Intelligenz, sondern verfestigen falsche Annahmen und automatisieren fragwürdige Entscheidungen.
Diese Stufe würden wir als „Dynamik ohne Souveränität“ bezeichnen. Energie und eine klare Richtung sind vorhanden, doch es gibt noch immer viele Reibungsverluste. Nicht aufgrund mangelnden Willens, sondern wegen der Herausforderungen, die Skalierung, Koordination und technische Altlasten in der Architektur mit sich bringen.
Geringe Bereitschaft: Noch immer in der Lobby festgefahren
Kommen wir nun zu den 21 %. Das sind die Unternehmen, die noch immer herauszufinden versuchen, wie sie den Einstieg schaffen – oder schlimmer noch: die sich weiterhin einreden, dass sie das gar nicht müssen. Vielleicht haben sie einen Chatbot-Prototyp. Vielleicht. Diesen Teams fehlt es nicht an einer Vision, sondern an der nötigen Dynamik.
Viele sind in regulierten Branchen oder von Altsystemen geprägten Umgebungen tätig, in denen die Risikobereitschaft gering und die Architektur fragil ist. Doch selbst hier tut sich etwas. Nur sehr wenige dieser Unternehmen haben KI-spezifische Sicherheitsmaßnahmen wie Firewalls oder Inline-Kontrollen implementiert. Die meisten verlassen sich auf allgemeine Schutzmaßnahmen für den IT-Perimeter, die sich nicht auf KI-Anwendungsfälle skalieren lassen. Zwei Drittel geben an, KI-Projekte zu erproben oder zu planen. Das ist immerhin etwas. Doch wir sollten Ambitionen nicht mit Umsetzung verwechseln.
Das Risiko besteht hier nicht darin, den Trend zu verpassen. Diesen Trend wird niemand verpassen. Das Risiko besteht vielmehr darin, von ihm überrollt zu werden, sobald er voll durchschlägt. Ohne grundlegende Vorarbeit bei Daten, Infrastruktur und Personal wird selbst das beste Modell nicht die gewünschten Ergebnisse liefern.
Was „bestens vorbereitet“ wirklich bedeutet
Du willst das nächste Level erreichen? Dann entwickle wie die besten 2 %:
- Integriere mehrere Modelle in deine Umgebung – sowohl kostenpflichtige als auch Open-Source-Modelle. Flexibilität ist entscheidend. Nicht jedes Modell eignet sich für jede Aufgabe.
- Setzen Sie Agenten nicht nur ein, um sie „zu haben“, sondern lassen Sie sie echte operative Aufgaben übernehmen. So können Sie skalieren.
- Gehen Sie über isolierte Anwendungen hinaus und integrieren Sie generative KI in Ihre Workflows. Integration ist kein optionales Extra, sondern macht den Unterschied zwischen einer bloßen Neuheit und echtem Nutzen.
- Verankern Sie die Datensicherheit auf Architekturebene, statt sich nur auf Richtlinien zu verlassen. Compliance verhindert keine Sicherheitsverletzungen – eine sichere Architektur schon.
- Und vor allem: Legen Sie die Architektur von Anfang an auf Skalierbarkeit aus. Denn Resilienz nachträglich zu integrieren, macht nie Spaß.
Die Wahrheit ist: Bereitschaft ist kein Produkt, das man kaufen kann. Sie ist auch keine Dienstleistung, die man abonnieren kann. Sie ist eine Haltung, eine Struktur und eine Denkweise. Und wenn Sie das lesen und denken: „Wir sind einigermaßen gut vorbereitet“, dann ist das nichts Schlechtes. Es ist ein Meilenstein. Doch die nächsten Schritte werden nicht von allein geschehen. Sie müssen bewusst und abgestimmt vorgehen und bereit sein, Ihre Komfortzone ein wenig zu verlassen.
Denn KI belohnt nicht die Neugierigen. Sie belohnt diejenigen, die vorbereitet sind.
Wenn Sie tiefer in die Daten eintauchen und mehr über das Modell erfahren möchten, können Sie unseren „2025 State of AI Application Strategy Report: AI Readiness Index“ hier herunterladen.
Über den Autor
Lori MacVittie ist Distinguished Engineer und Chief Evangelist im Office of the CTO von F5 und verfügt über umfassende Expertise in den Bereichen Anwendungsbereitstellung, Automatisierungsstrategie und Infrastruktur. Sie ist dafür bekannt, Komplexität verständlich zu machen – ob sie Leitplanken für KI-Agenten definiert, fragile Multicloud-Architekturen analysiert oder die Grenzen skalierbarer Systeme auslotet. Sie verfügt über mehr als dreißig Jahre Branchenerfahrung in der Anwendungsentwicklung, IT-Architektur sowie im Netzwerk- und Systembetrieb. Bevor sie zu F5 kam, war sie als mehrfach ausgezeichnete Technologie-Redakteurin tätig. MacVittie hat einen Masterabschluss in Informatik und ist eine produktive Autorin, deren Veröffentlichungen die Bereiche Sicherheit, Cloud und Unternehmensarchitektur abdecken. Außerdem spielt sie leidenschaftlich gern Brett- und Videospiele und vertritt mit voller Überzeugung klare Ansichten zum Thema Käse.
Weitere Blogbeiträge von Lori Mac VittieÄhnliche Blogbeiträge
Ein umfassender Leitfaden zur Bereitstellung und Sicherheit von KI-Anwendungen
Entdecken Sie optimale Strategien für die Absicherung und Bereitstellung von KI-Anwendungen.
KI zulassen und einführen? Lehren aus der Public Cloud
Die Einführung von KI steht unmittelbar bevor und könnte entscheidend sein, um wettbewerbsfähig zu bleiben. Daher muss die IT-Sicherheit proaktiv handeln und der KI-Einführung schon jetzt einen Schritt voraus sein, um sie auf einen risikogerechten Weg zu lenken.
Stand der Anwendungsstrategie 2022: Zeit für die Modernisierung des Betriebs
Es ist deutlich geworden, dass Unternehmen ihren Fokus erneut auf die Geschäftsfunktionen richten müssen, um die Dynamik ihrer digitalen Transformation aufrechtzuerhalten. Kundenerlebnisse haben zwar weiterhin Priorität, doch auch Geschäftsfunktionen wie Recht, Personalwesen und Finanzen müssen digitalisiert werden. Das bedeutet, dass CIOs das Steuer übernehmen, während sich die digitale Transformation von der Modernisierung von Anwendungen hin zur Modernisierung von Betriebsabläufen verlagert.
F5s Weg zu einer vielseitigen Plattform für Anwendungsanalysen
F5 bietet heute die umfassendsten Anwendungsdienste entlang des gesamten Weges vom Code bis zum Kunden. Künftig werden wir verstärkt auf Anwendungstelemetrie und -analysen setzen, damit unsere Kunden wertvolle Erkenntnisse über ihre Anwendungen, Geschäftsabläufe und Benutzererlebnisse gewinnen können. Beim Ausbau unserer Cloud-Analysefunktionen werden wir ML und KI noch stärker nutzen, um unsere Kunden bei der Verbesserung ihrer Geschäftsdienste zu unterstützen.
Telemetrie: Eine andere Art von Daten
Verwenden wir den Begriff „Telemetrie“ nur, weil er attraktiver klingt als „Daten“? Letztlich sind sowohl Daten als auch Telemetrie strukturierte Informationseinheiten. Es ist kein Verbrechen, die Begriffe synonym zu verwenden. Doch wenn man es genau nimmt, gibt es einen Unterschied. Und dieser Unterschied wird immer wichtiger werden, je weiter Unternehmen in die Datenökonomie vordringen.
MTTR bedeutet nicht „Mean Time to Reboot“
„Schnell scheitern“ lautet heute das Mantra für mehr Geschwindigkeit. Ob in DevOps oder im Geschäftsleben: Wer in einer digitalen Wirtschaft agiert, muss eine möglichst perfekte Verfügbarkeit gewährleisten.