Ein genauerer Blick auf die KI‑Adoptionsstufen hinter dem Erfolg von Unternehmens‑KI

Jedes Unternehmen durchläuft dieselben KI‑Adoptionsstufen, egal ob es sie plant oder nicht. Der Weg führt von verstreuter Werkzeugnutzung über die ersten Pilotprojekte bis hin zur Live‑Produktion und schließlich zu gemeinsam genutzten Systemen, auf die das gesamte Unternehmen angewiesen ist. Jeder Schritt erfolgt schrittweise, sodass Unternehmen in der Regel eine neue Stufe erreichen, lange bevor sie jemand bemerkt.

Was ein Unternehmen vom anderen unterscheidet, ist, wie weit es auf diesem Pfad bereits vorangeschritten ist, und die Lücke auf dem Markt ist groß. McKinseys globale Umfrage 2025 ergab, dass 88 % der Organisationen KI inzwischen in mindestens einer Geschäfts‑funktion einsetzen, etwa ein Drittel hat begonnen, sie zu skalieren, und 7 % geben an, dass KI vollständig skaliert ist. Das bedeutet, dass fast jedes Unternehmen KI implementiert hat, aber nur sehr wenige damit erfolgreich sind.

In den letzten Jahren habe ich mit Führungsteams an fast allen Punkten dieses Pfades zusammengearbeitet, und ein Muster blieb stets bestehen. Die Stufe, in der sich ein Unternehmen befindet, sagt mehr darüber aus, was sein KI‑Programm liefern wird, als das gewählte Modell oder der unterschriebene Anbieter. Jede KI‑Adoptionsstufe verlangt eine andere Art von Veränderung innerhalb der Organisation, und genau diese Veränderung sagt das Ergebnis voraus. Gehen wir sie also einzeln durch, zusammen mit dem Punkt, an dem Unternehmen meist beim Übergang zur nächsten Stufe steckenbleiben.

Die fünf Stufen der KI‑Adoption und die Entscheidungen, die ein Unternehmen voranbringen

Bei den Unternehmen, mit denen wir arbeiten, treten diese fünf Stufen fast immer in derselben Reihenfolge auf. In der Regel beginnt alles mit einigen Personen, die KI‑Werkzeuge eigenständig nutzen, und die Führung hat oft erst viel später davon Kenntnis. Einige Unternehmen kommen nie darüber hinaus. Diejenigen, die weiterkommen, erreichen schließlich einen Punkt, an dem das Geschäft selbst um das herum aufgebaut ist, was die Technologie leisten kann. Wichtig zu verstehen ist, dass jede Stufe etwas anderes von der Organisation verlangt. Die Entscheidung, die ein Unternehmen durch die Pilotphase brachte, ist häufig dieselbe Entscheidung, die es ein Jahr später zurückhält – und genau dort gehen viele KI‑Programme still und leise auseinander.

1. Verstreute Nutzung ohne Eigentümer

Die erste Stufe wirkt meist nur wie Neugier. An diesem Punkt verwenden Mitarbeitende KI‑Werkzeuge ohne zentrale Richtlinie, die Beschaffung hat keinerlei Sicht darauf, und niemand misst, was diese Arbeit erzeugt. In diesem Chaos liegen echte Informationen, denn Neugier an den Rändern eines Unternehmens zeigt, wo die Reibung tatsächlich liegt, und dieses Signal erreicht fast nie die Führungsebene über einen formellen Kanal.

Der Fehler, den Führungskräfte hier machen, ist zu frühes Formalisieren, wodurch echte Experimente zu einer Governance‑Übung werden, lange bevor jemand herausgefunden hat, was tatsächlich geregelt werden muss.

What to decide at this stage: Der richtige Instinkt ist, zu beobachten, was passiert, anstatt zu versuchen, es zu kontrollieren. Implementieren Sie daher zunächst eine leichte Nutzungsrichtlinie, die den Umgang mit Daten abdeckt, und lassen Sie den Rest vorerst unbeachtet. Gesucht wird Wiederholung: Wenn dieselbe Umgehungslösung in drei verschiedenen Teams ohne Abstimmung auftaucht, haben Sie einen Anwendungsfall, der eine ordentliche Finanzierung verdient.

2. Finanzierte Pilotprojekte mit schwachen Erfolgskriterien

Pilotprojekte erscheinen mit einem Budget, einem benannten Eigentümer und einer Demo, die vor dem Vorstand präsentiert wird – und dann endet die Arbeit stillschweigend. Forschung der MIT‑Initiative NANDA hat ergeben, dass die überwältigende Mehrheit der Unternehmens‑Generative‑KI‑Pilotprojekte keinen messbaren Einfluss auf Gewinn und Verlust haben.

Drei Dinge erklären fast alles: Erstens werden Erfolgskriterien um Modellgenauigkeit gebaut, statt um eine Kennzahl, die das Geschäft tatsächlich interessiert. Zweitens fehlt unter der Demo eine echte Datenpipeline. Drittens bleibt nach Abschluss des Starts niemand für das Ergebnis verantwortlich. Was diese Phase von innen schwer zu erkennen macht, ist, dass sie wie Fortschritt aussieht – Demos verbessern sich, Anbieter kämpfen um die nächste Phase, und Komitees treffen sich weiter –, während nichts in eine finanzielle Kennzahl überführt wird.

The call to make here: Genehmigen Sie keinen Piloten ohne eine Geschäftskennzahl und einen Eigentümer, der auch ein Jahr später noch für diese Kennzahl verantwortlich ist, und streichen Sie die Projekte, bei denen niemand beides benennen kann. Vier disziplinierte Pilotprojekte bringen mehr voran als zwölf, die alle bewundert werden.

3. Produktionsintegration

Von allen KI‑Adoptionsstufen beendet diese die meisten Programme. Mitarbeitende und Kunden verlassen sich nun täglich auf das System, und Anforderungen tauchen auf, die ein Pilot nie erfüllen musste: Monitoring, Eskalationspfade für Menschen, Versionskontrolle für Prompts und Modelle, Incident‑Response und Datenherkunft, die einer Prüfung standhalten. Das NIST‑AI‑Risk‑Management‑Framework dokumentiert diese Kontrollen im Detail, und es lohnt sich, es zu lesen, bevor ein Starttermin festgelegt wird.

Das schwierigere Problem ist hier nicht technischer, sondern organisatorischer Natur, weil diese Stufe Engineering‑Disziplin über weitere Experimente belohnt. Ein Team, das bisher wie eine Forschungsgruppe operierte, wird damit kämpfen, während die Führung nach einer rein technischen Erklärung sucht. Auch die Wirtschaftlichkeit ändert sich: Pilotkosten bleiben einmalig und leicht zu genehmigen, während die Produktion eine permanente Betriebslinie schafft, und Unternehmen, die dafür nie budgetiert haben, interpretieren die erste Verlängerungsanfrage oft als Beweis dafür, dass die Investition fehlgeschlagen ist.

What has to change before you launch: Verlegen Sie das Ownership vor den Launch statt danach, geben Sie die Lieferung in die Hände von Personen, die bereits in der Produktion tätig waren, und finanzieren Sie die Betriebskosten für drei Jahre ab Start. Benennen Sie dann die Person, die den Alarm erhält, wenn ein Modell degradiert, denn dieser einzelne Name trennt ein funktionierendes System von einer Demo.

4. Geteilte Fähigkeit und Wiederverwendung

In diesem Stadium wird KI zur Infrastruktur, die mehrere Geschäftsbereiche nutzen. Ein Plattformteam pflegt wiederverwendbare Komponenten, ein standardisiertes Bewertungsverfahren und einen Bereitstellungsweg, sodass die Kosten jedes neuen Anwendungsfalls sinken, weil niemand jedes Mal das Fundament von Grund auf neu baut.

Das eindeutigste Signal, dass ein Unternehmen diese Stufe erreicht hat, hat überhaupt nichts mit Technologie zu tun. Die Budget‑Autorität wandert vom Innovationsteam zu den Geschäftsbereichs‑Eigentümern, und wenn ein Bereichsleiter KI‑Arbeit aus einem operativen Budget finanziert und den Return in eigenen Zahlen trägt, hat die Organisation den Sprung vollzogen. Wir haben gesehen, dass diese eine Verschiebung die Qualität der Anwendungsfälle stärker verbessert als jede technische Entscheidung im selben Jahr.

Where the money should sit: Finanzieren Sie das Plattformteam als Infrastruktur statt als Projekt und messen Sie es an Wiederverwendung statt an der Anzahl gestarteter Initiativen. Verlegen Sie das KI‑Budget aus der Innovation in die Divisionen, denn sobald ein Geschäftsinhaber dafür zahlt, werden die Anwendungsfälle schärfer, ohne dass jemand eingreifen muss.

5. KI im Betriebsmodell verankert

Unternehmen in dieser Stufe entwerfen Produkte, Prozesse und Entscheidungen von Anfang an rund um die KI‑Fähigkeit, und nichts wird später nachgerüstet. Neue Angebote gehen davon aus, dass die Fähigkeit bereits vorhanden ist, Rollen ändern sich, um das zu reflektieren, was die Systeme übernehmen, und Planungszyklen verkürzen sich, weil eine Idee innerhalb von Tagen an realen Daten getestet werden kann.

Nur sehr wenige Organisationen erreichen tatsächlich diese Stufe, und die Zahl derjenigen, die sie beanspruchen, ist deutlich größer als die der qualifizierten. Der Test lässt sich in einem einzigen Meeting durchführen: Fragen Sie, was das Unternehmen aufhören würde zu tun, wenn die Modelle morgen verschwänden. Eine ehrliche Antwort ist unangenehm, weil sie Umsatz statt Bequemlichkeit benennt. Jedes Mal, wenn wir diese Frage einem Führungsteam stellen, liegt die ehrliche Antwort ein bis zwei Stufen unter dem, was die Strategie‑Präsentation behauptet.

The board-level question: Betrachten Sie KI‑Fähigkeiten als strategisches Asset und wenden Sie dieselbe Sorgfalt an wie bei jedem anderen Asset. Prüfen Sie die Anbieter‑Konzentration, Modell‑Abhängigkeit und Daten‑Eigentum auf Vorstandsebene, fragen Sie dann, wie das Backup für jeden Prozess aussieht, der ohne Modell nicht mehr läuft, und finanzieren Sie dieses Backup, bevor es jemand benötigt.

Was passiert, wenn ein Unternehmen eine Stufe überspringt: Real‑World‑Beispiel

Wir haben genug Unternehmen gesehen, und die Reihenfolge ist fast immer dieselbe: ein erfolgreicher Pilot, das Board ist begeistert, alle wollen Fortschritt zeigen, und das Unternehmen geht von der Demo zum vollständigen Rollout, ohne bei der Produktionsintegration zu stoppen. Niemand will ein Quartal für Monitoring und Ownership ausgeben, wenn die Demo bereits funktioniert, also überspringen sie diesen Schritt. Einer unserer Kunden tat genau das, und es kostete ihn mehr, als er erwartet hatte.

Was schiefgelaufen ist

Der Kunde war ein Dienstleistungsunternehmen, das einen Support‑Workload betrieb, und das Modell übernahm die Erstantworten, die zuvor vom Team bearbeitet wurden. Es ging nach einem gut funktionierenden Pilot live über die gesamte Operation, und vier Monate lang sah alles in Ordnung aus. Als wir das tatsächliche System prüften, gab es kein Monitoring für das Modell, sodass niemand gewarnt wurde, wenn die Antworten aus dem Ruder liefen. Es fehlte ein Eskalationsweg für Fälle, die ein Mensch prüfen sollte. Das Team, das das System gebaut hatte, war bereits zum nächsten Projekt übergegangen und hatte niemandem Ownership übergeben, und weil der Pilot ein einmaliger Kostenpunkt war, hatte niemand ein Betriebsbudget hinter etwas gestellt, das nun täglich lief.

Was es sie kostete

Die Antworten begannen tatsächlich abzurutschen, und jeder, der das System beobachtet hätte, hätte es frühzeitig bemerkt, aber niemand schaute hin, sodass ein Kunde es zuerst bemerkte. Das Modell zu korrigieren war der einfache Teil und dauerte etwa zwei Wochen. Das Zurückgewinnen des Vertrauens der Nutzer, die sich auf das Ergebnis verlassen hatten, nahm das restliche Quartal in Anspruch, und die Führung verbrachte denselben Zeitraum damit zu diskutieren, ob die KI‑Investition ein Fehler war – wobei der eigentliche Fehler im Launch lag.

Was man daraus lernen sollte

Monitoring und Ownership wirken wie Overhead, bis man darauf verzichtet, und das Weglassen lässt einen Launch günstiger erscheinen, als er tatsächlich ist. Die Kosten verschwinden nicht, sie tauchen später als verlorenes Vertrauen statt als Budget‑Zahl wieder auf.

Wie Sie die aktuelle KI‑Adoptionsstufe Ihres Unternehmens identifizieren

• Können Sie die Geschäftskennzahl benennen, die jedes eingesetzte Modell beeinflusst?
• Wer erhält die Benachrichtigung, wenn eines davon degradiert?
• Wie lange dauert ein neuer Anwendungsfall von der Anforderung bis zur Produktion?
• Wie viel Ihrer KI‑Arbeit nutzt bereits Erstelltes wieder?

Klare Antworten bestätigen die erreichte Stufe eines Unternehmens. Unklare Antworten zeigen sofort die Ebene, die als nächstes finanziert werden sollte, und sind deshalb ebenso wertvoll.

Die Unternehmen, die vorausgehen, sind selten die mit den besten Modellen, sondern die, die ihre Position ehrlich einschätzen und Geld in das investieren, was sie zur nächsten Stufe trägt. Das ist schwieriger, als es klingt, weil jedes Team über den eigenen Fortschritt berichtet und niemand derjenige sein will, der zugibt, dass der eigene Teil hinterherhinkt. Die Führungskräfte, die das richtig machen, stellen die Fragen direkt und prüfen die Antworten gegen das, was tatsächlich läuft.

Jede Organisation gehört bereits zu einer dieser Stufen, ob sie nun benannt wurde oder nicht. Der Vorteil gehört den Führungsteams, die wissen, welche Stufe es ist, und die den nächsten Schritt bewusst finanzieren.