Reifegrad schlägt Budget: Warum KI-Erfolg eine Kulturfrage ist

Genau hier setzt der Fachbeitrag von Matthias Kricke, Team-Lead AI and Data Foundation bei der Deutschen Telekom MMS, im ROI-Kompass für KI im Mittelstand an. Er zeigt, warum der digitale und organisatorische Reifegrad zum entscheidenden ROI-Hebel wird – und welche Schritte mittelständische Unternehmen auf dem Weg vom KI-Einstieg zur produktiven Nutzung gehen sollten.

Nach der Zukunftsmacher-Studie 2025 lassen sich 37 Prozent des KI-Investment-Ertrags Fortschritten beim digitalen und organisatorischen Reifegrad zuordnen. Für Unternehmen bedeutet das: Nicht allein die Höhe des Budgets entscheidet über den Erfolg. Ausschlaggebend ist, ob die Grundlagen für einen wirksamen Einsatz vorhanden sind.

Der erste Schritt besteht darin, den eigenen Reifegrad ehrlich zu bewerten. In vielen Unternehmen gehen Fachbereichsleitungen und IT davon aus, dass Daten in guter Qualität verfügbar sind. Die operativen Mitarbeitenden erleben dagegen häufig Nacharbeit, händische Zwischenschritte und doppelte Datenpflege.

Wer auf dieser Grundlage eine KI-Strategie entwickelt, baut auf einem Fundament, das dem ersten Lasttest möglicherweise nicht standhält. Denn künstliche Intelligenz kann nur so zuverlässig arbeiten wie die Daten, Prozesse und Schnittstellen, auf die sie zugreift.

Zur sogenannten KI-Foundation gehören deshalb mehr als leistungsfähige Modelle oder einzelne Werkzeuge. Entscheidend sind verlässliche Daten, klare Zuständigkeiten, integrierte Systeme, geeignete Prozesse und Mitarbeitende, die neue Arbeitsweisen anwenden und weiterentwickeln können.

Ein Proof of Concept (PoC) kann zeigen, dass eine Idee technisch funktioniert. Wirtschaftlicher Wert entsteht dadurch allein jedoch noch nicht. Dafür muss von Beginn an mitgedacht werden, wie aus einem erfolgreichen Test ein einsatzfähiges und skalierbares Produkt wird.

Ein Pilot kann überzeugende Ergebnisse liefern und später dennoch scheitern – etwa weil fünf oder sechs benötigte Datenquellen nicht automatisiert zusammengeführt werden können. Der eigentliche Engpass liegt dann nicht im KI-Modell, sondern in Prozessen, Zuständigkeiten und Datenstrukturen.

Deshalb empfiehlt Matthias Kricke, Leuchtturmprojekte als Minimum Viable Product (MVP) umzusetzen und nicht als isolierten PoC. Ein MVP muss noch nicht alle denkbaren Funktionen abbilden. Es sollte aber bereits auf eine spätere Nutzung im Regelbetrieb ausgerichtet sein. Dazu gehören eine tragfähige Architektur, definierte Verantwortlichkeiten und ein realistischer Blick auf die nächsten Ausbaustufen.

Viele Unternehmen behandeln Daten und künstliche Intelligenz noch immer als zusätzliches Innovationsthema. Für die Modernisierung ihrer SAP-Systeme investieren sie Millionenbeträge, während erste KI-Vorhaben häufig nur einen Bruchteil dieses Budgets erhalten.

Das zeigt: KI wird vielerorts noch erprobt, aber nicht konsequent als Bestandteil der Kernwertschöpfung geplant, finanziert und organisatorisch verankert. Entsprechend begrenzt bleibt ihre Wirkung.

Dabei kann der wirtschaftliche Nutzen an ganz unterschiedlichen Stellen entstehen – etwa durch schnellere Abläufe, bessere Entscheidungen, eine höhere Servicequalität oder neue datenbasierte Angebote. Voraussetzung ist, dass Unternehmen nicht bei der Technologie stehen bleiben, sondern konkrete Geschäftsprobleme lösen und die Wirkung messbar machen.

Eine Daten- und KI-Strategie sollte nicht im luftleeren Raum entstehen. Konkrete Anwendungsfälle machen sichtbar, welche Daten benötigt werden, wo Prozesse verbessert werden müssen und welcher Nutzen realistisch erreichbar ist.

Dabei kann ein externer Partner unterstützen: von der Reifegradanalyse über die Auswahl geeigneter Use Cases bis zur Entwicklung eines ersten Leuchtturmprojekts.

Ein erster Anwendungsfall sollte nicht als Einzelprojekt ohne Anschluss geplant werden. Bereits bei der Umsetzung gilt es zu prüfen, welche Systeme angebunden werden müssen, wie sich der Prozess auf weitere Bereiche übertragen lässt und welche Anforderungen an Sicherheit und Governance entstehen. 

So wird aus einem technischen Test Schritt für Schritt eine belastbare Lösung für den produktiven Einsatz.

KI muss nicht überall gleichzeitig eingeführt werden. Sinnvoller ist ein schrittweises Vorgehen: Mit einem klar abgegrenzten Anwendungsfall starten, Erfahrungen sammeln und anschließend weitere Fachbereiche und Datenquellen einbinden.

Dieses Prinzip – häufig als „Land and Expand“ bezeichnet – verbindet schnellen Nutzen mit kontrollierter Weiterentwicklung. Unternehmen vermeiden lange Vorbereitungsphasen und schaffen zugleich die Grundlage für eine skalierbare Daten- und KI-Landschaft.

Der Weg zu messbarem KI-Nutzen beginnt nicht mit dem größten Budget und auch nicht mit dem spektakulärsten Modell. Er beginnt mit einer realistischen Einschätzung des eigenen Reifegrads, einem konkreten Anwendungsfall und der Bereitschaft, Daten, Prozesse und Zusammenarbeit gemeinsam weiterzuentwickeln.

Denn digitale Reife ist nicht nur eine technologische Frage. Sie zeigt sich auch darin, ob Fachbereiche Verantwortung übernehmen, Mitarbeitende neue Arbeitsweisen ausprobieren und Führungskräfte Veränderung aktiv ermöglichen.