KI-Reifegradmodell: die fünf Stufen der KI-Steuerbarkeit und wie Sie Ihre Stufe bestimmen

Ein Betrieb mit zwölf KI-Werkzeugen in sechs Abteilungen ist nicht weiter als ein Betrieb mit einem einzigen Anwendungsfall, für den eine Baseline, ein Verantwortlicher und eine gemessene Wirkung existieren. Er ist unübersichtlicher.

Die meisten KI-Reifegradmodelle sehen das anders. Sie messen, wie viel Künstliche Intelligenz ein Unternehmen einsetzt, und lassen den Reifegrad mit dem Einsatzumfang steigen. Für einen Softwareanbieter ist das eine sinnvolle Zielfunktion. Für einen mittelständischen Industriebetrieb ist es die falsche Größe.

Dieses Modell misst eine andere: wie viel Ihrer KI Sie tatsächlich steuern können. Es besteht aus fünf Stufen, jede mit einer Bedingung, an der Sie erkennen, dass Sie die nächste erreicht haben. Es steht vollständig auf dieser Seite, ohne Formular. Die Selbsteinstufung dauert etwa zwanzig Minuten, wenn Sie die Fragen ehrlich beantworten, und deutlich länger, wenn Sie merken, dass Sie die erste nicht beantworten können.

Kurz gesagt: Ein KI-Reifegradmodell ordnet ein, wie weit ein Unternehmen im Umgang mit Künstlicher Intelligenz gekommen ist. Die meisten Modelle messen dabei den Einsatzumfang. Der KI-Steuerungsreifegrad misst stattdessen die Steuerbarkeit und ordnet fünf Stufen: Erfasst, Nachvollziehbar, Zugeordnet, Verantwortet, Gemessen. Ihre Stufe ist die erste, deren Frage Sie nicht mit einem Beleg beantworten können.

Die fünf Stufen des KI-Steuerungsreifegrads. Der Pfeil zwischen zwei Stufen trägt die Bedingung, die erfüllt sein muss, um die obere zu erreichen.

Was ein KI-Reifegradmodell ist, und welche drei Bedeutungen im Wort stecken

Bevor das Modell nützlich wird, muss ein Begriffsproblem aus dem Weg. Das Wort Reifegradmodell trägt im Deutschen drei verschiedene Bedeutungen, und sie stammen aus Welten, die nichts miteinander zu tun haben.

KI-Reifegradmodell

Ein KI-Reifegradmodell ist ein Bewertungsinstrument, das den Entwicklungsstand eines Unternehmens im Umgang mit Künstlicher Intelligenz in abgestufte Zustände ordnet und je Stufe beschreibt, was den nächsten Schritt ausmacht. Es ist ein Werkzeug, keine Norm. Weder die europäische KI-Verordnung noch die deutsche Normung kennen einen verbindlichen KI-Reifegrad.

Wie eng oder weit dieser Begriff gefasst wird, zeigt eine Definition des Fraunhofer-Instituts für Arbeitswirtschaft und Organisation. Dort heißt es, unter einem KI-Reifegrad werde ein Maß für die Fähigkeit eines Unternehmens verstanden, die Möglichkeiten von KI für sich zu nutzen und zu skalieren.

Das ist die verbreitete Lesart, und sie ist in sich schlüssig. Sie enthält allerdings eine Annahme, die für einen mittelständischen Industriebetrieb nicht zwingend gilt: dass mehr Nutzung und mehr Skalierung höhere Reife bedeuten. Genau an dieser Annahme setzt das Modell auf dieser Seite an.

Reifegradmodell in der IT: Herkunft im Capability Maturity Model

Die Idee der Reifestufen stammt aus der Softwareentwicklung. Am Software Engineering Institute der Carnegie Mellon University begann 1986 die Arbeit an einem Modell, mit dem sich die Prozessreife von Auftragnehmern beurteilen ließ. Daraus wurde 1991 das Capability Maturity Model, kurz CMM, und später CMMI.

Hier lohnt eine Genauigkeit, die in der Praxisliteratur selten vorkommt. Die vielzitierte Fünferleiter Initial, Repeatable, Defined, Managed und Optimizing beschreibt den Stand von 1993. Sie gilt so nicht mehr. Im heutigen CMMI existiert die Stufe Repeatable nicht mehr. Managed ist von der vierten auf die zweite Stufe gewandert, die vierte heißt jetzt Quantitatively Managed. Dazu kam eine Stufe null. Wer die alte Leiter als aktuelles CMMI zitiert, arbeitet mit einem Modell, das seit 2018 überholt ist.

Reifegradmodell in der Führungstheorie: Hersey und Blanchard

Die zweite Bedeutung kommt aus der Führungstheorie. Paul Hersey und Ken Blanchard beschrieben in den siebziger Jahren den Reifegrad eines Mitarbeiters als Kombination aus Fähigkeit und Wollen, gestuft von M1 bis M4. Entscheidend ist dort ein Detail, das sie selbst betonen: Reife ist aufgabenbezogen. Dieselbe Person kann bei einer Aufgabe auf M4 stehen und bei einer anderen auf M1.

Diese Bedeutung ist im deutschen Sprachgebrauch stark verankert. Sie ist auch der Grund, warum das Wort Reifegrad für viele nach Bewertung klingt. In der Prozess- und KI-Welt bewertet es niemanden. Es beschreibt einen Zustand.

KI-Readiness ist etwas anderes als KI-Reifegrad

Die beiden Begriffe werden in der Fachliteratur überwiegend synonym verwendet. Eine Unterscheidung trägt praktisch trotzdem. Schumacher, Erol und Sihn legen sie in ihrer Arbeit zur Industrie-4.0-Reife so fest: Eine Readiness-Bewertung findet vor dem Einstieg statt und klärt, ob die Voraussetzungen stehen. Eine Reifegradbewertung erfasst den Zustand im laufenden Prozess.

Für Sie heißt das: Wenn Sie noch nicht angefangen haben, brauchen Sie keinen Reifegrad. Dann ist ein Readiness-Check vor der KI-Implementierung das passende Instrument. Der Reifegrad wird interessant, sobald etwas läuft.

Readiness und Reifegrad beantworten verschiedene Fragen zu verschiedenen Zeitpunkten. Der Trennstrich markiert den ersten produktiven Anwendungsfall.

Warum die verbreiteten KI-Reifegradmodelle für den Mittelstand wenig taugen

Die Modelle, die im Umlauf sind, stammen aus drei Quellen. Jede hat einen legitimen Zweck, und jede hat für einen mittelständischen Industriebetrieb dasselbe Problem.

Modelle aus der Forschung: sauber gebaut, schwer bedienbar

Die wissenschaftlichen Modelle sind die methodisch stärksten. Das Reifegradmodell von Calvin Limat arbeitet mit sieben Gestaltungsdimensionen und achtzehn Gestaltungsobjekten über fünf Stufen. Die Studie von Wallraff und Kollegen verteilt fünf Dimensionen über vier Entwicklungsstufen. Auf der untersten steht dort, es sei keine KI-Strategie vorhanden und vorhandene KI-Initiativen seien weitgehend ungesteuert.

Beide Modelle sind sorgfältig gearbeitet. Beides setzt voraus, dass jemand die Erhebung durchführt, auswertet und interpretiert. Ein Geschäftsführer, der am Donnerstagabend wissen will, wo sein Betrieb steht, kann mit sieben Dimensionen und achtzehn Gestaltungsobjekten nichts anfangen.

Modelle von Anbietern: sie messen den Weg durch den eigenen Produktstack

Die zweite Gruppe stammt von Technologieanbietern. Das Reifegradmodell von IBM für generative KI hat fünf Phasen, die keine Namen tragen, sondern durchnummeriert sind. Ihr jeweiliges Leitmerkmal ist technisch: von generischen Modellen über zweckmäßige Modelle bis zum umgebungsübergreifenden Betrieb zu optimalen Kosten. Das Modell von Microsoft für agentische KI staffelt von Stufe 100 bis 500 und beschreibt den Weg von unkoordinierten Einzelinitiativen zum Agent-First-Unternehmen.

Diese Modelle sind ehrlich in dem, was sie tun. Sie messen Adoptionsfortschritt. Der Reifegrad steigt, wenn mehr eingesetzt wird. Wer daraus eine Standortbestimmung für einen Maschinenbaubetrieb ableiten will, übernimmt dabei eine Zielrichtung, die nicht seine eigene ist.

Ein Sonderfall ist das AI Capability Maturity Assessment von KPMG. Seine sechs Stufen sind öffentlich einsehbar und rein technologisch definiert: Datenzugang, Prompting, Kontextualisierung, Agentic RAG, Fine-Tuning, Skalierung. Das ist eine präzise Landkarte des technischen Stacks. Über Verantwortlichkeiten, Prozesszuordnung oder Wirkungsmessung sagt sie nichts.

Modelle von Beratungen: das Modell ist der Zugang zum Gespräch

Die dritte Gruppe beschreibt Reifegradmodelle, ohne sie herauszugeben. Beim Reifegradmodell von statworx ist öffentlich erkennbar, dass es vier Stufen hat. Wie sie heißen und über welche Dimensionen sie definiert sind, steht im Whitepaper hinter einem Formular.

Das ist ein legitimes Geschäftsmodell. Es beantwortet nur nicht die Frage, mit der jemand auf die Seite kommt.

Was alle drei nicht messen

Über die Gruppen hinweg fehlen dieselben drei Dinge.

Keines der hier verglichenen Modelle koppelt den Reifegrad an eine Rendite. Ein Unternehmen kann in jedem von ihnen hoch punkten, ohne dass je ein Euro verdient wurde, weil gemessen wird, was vorhanden ist, und nicht, was es einbringt.

Keines unterscheidet nach Betriebsgröße oder Branche. Schuster, Waidelich und Volz von der Hochschule Pforzheim haben fünfzehn KI-Reifegradmodelle verglichen, und ihre Untersuchung für kleine und mittlere Unternehmen hält fest, dass die vollständigen Modelle kaum nach Branchenzugehörigkeit oder Unternehmensgröße differenzieren. Der Befund stammt aus dem Jahr 2021 und gilt für die hier verglichenen Modelle unverändert. Bei zweien führt die oberste Stufe ausdrücklich zum autonom operierenden Unternehmen, bei Microsoft zum Agent-First-Unternehmen und bei Automation Anywhere zu vollständig autonomen Abläufen.

Und keines sagt, wie man eine Stufe verlässt. Dieselbe Untersuchung benennt diese Lücke am schärfsten: Den Reifegradphasen fehlten Handlungsmaßnahmen, also konkrete Schritte, mit denen eine bewertete Organisation das nächste Level erreichen kann. Ein Modell, das eine Stufe zuweist, aber nicht sagt, wie man sie verlässt, erzeugt eine Diagnose ohne Therapie.

Der Unterschied lässt sich in einem Satz sagen: Einsatzbreite misst, wie viel ein Unternehmen mit KI tut. Steuerbarkeit misst, wie viel davon es verantworten kann.

Hanisch-Einordnung: Für einen mittelständischen Industriebetrieb ist nicht entscheidend, wie viele KI-Anwendungen laufen, sondern ob der Betrieb über sie Auskunft geben kann. Die Frage, wo eine KI-Lösung im Unternehmen sitzt, ist deshalb für die Steuerbarkeit wichtiger als die Frage, wie viele es sind.

Was die Forschung über KI-Reifegradmodelle weiß, und was nicht

Der Eindruck, es gebe einen etablierten Stand der Technik, täuscht. Die wissenschaftliche Auseinandersetzung mit KI-Reifegradmodellen ist jung und in einem Punkt ungewöhnlich einig.

Welche Dimensionen wiederkehren. Ein systematisches Literaturreview von Sadiq und Kollegen hat fünfzehn KI-Reifegradmodelle ausgewertet. Als kritischste Dimensionen benennt es Daten, Analytik, Technologie und Werkzeuge, intelligente Automatisierung, Governance, Menschen und Organisation. Eine Arbeit von Sonntag und Kollegen leitet aus elf Modellen fünf Dimensionen ab: Kultur und Kompetenzen, Strategie, Daten, Organisation und Prozesse, Technologie. Am konsistentesten vertreten ist über die Modelle hinweg die Dimension Daten. Strategie taucht häufig auf, aber nicht durchgängig.

Welche Typologie es wirklich gibt. Reifegradmodelle werden nach ihrem Zweck unterschieden: deskriptiv für eine Standortbestimmung, präskriptiv für die Ableitung von Maßnahmen, vergleichend für Benchmarking. Diese Einteilung stammt aus der Reifegradforschung und ist älter als das Thema KI. Bei den fünfzehn geprüften Modellen sind dreizehn deskriptiv angelegt, nur sechs präskriptiv. Zehn der fünfzehn sind auf eine bestimmte Branche oder einen bestimmten Zweck zugeschnitten, fünf allgemein gehalten.

Governance ist unterrepräsentiert. Von den fünfzehn Modellen berühren nur zwei das Thema Governance, und eines davon beschränkt sich auf Datenschutzkonformität. Das ist bemerkenswert, weil Regulierung und Verantwortung im Betrieb inzwischen mehr Aufmerksamkeit binden als die Modellwahl. Erst jüngere, speziell auf die europäische Regulierung ausgerichtete Modelle bilden rechtliche Vorgaben systematisch ab.

Was ein branchenspezifisches Modell taugt, ist nicht gemessen. In der Forschung wird argumentiert, dass ein allgemeines Modell die Besonderheiten einer Branche nicht abbilden kann. Ein empirischer Nachweis, dass branchenspezifische Modelle im Einsatz zu besseren Ergebnissen führen, liegt nicht vor. Es ist eine Forderung, kein Befund.

Und der wichtigste Punkt: Dass die Anwendung eines Reifegradmodells Risiken senkt, ist für KI nicht belegt. Schuster und Kollegen fanden 2021 kein einziges in der Praxis evaluiertes KI-Reifegradmodell. Sadiq und Kollegen halten im selben Jahr fest, dass keine der ausgewerteten Studien ein bestehendes Modell tatsächlich angewendet hat. Inzwischen gibt es erste Evaluationen einzelner Modelle, etwa bei Sonntag und Kollegen. Geprüft wird dort allerdings, ob das Modell als Instrument funktioniert, und nicht, ob seine Anwendung im Betrieb etwas verändert.

Aus einer benachbarten Domäne kommt ein Befund, der für die Praxis wichtiger ist als jede Modellwahl. Eine Untersuchung von Mishra, Das und Murray über zweiundachtzig Technologieprojekte US-amerikanischer Bundesbehörden zeigt, dass höhere Prozessreife die negative Wirkung von Projektrisiken abfedert. Aber nur bei hohem Risiko. Bei niedrigem Risiko kann höhere Prozessreife die Projektleistung sogar verschlechtern.

Übertragen auf die Frage dieses Artikels heißt das: Reife ist kein Selbstzweck. Sie zahlt sich dort aus, wo tatsächlich etwas schiefgehen kann.

Der KI-Steuerungsreifegrad: fünf Stufen

Das folgende Modell ist kein neues Framework, sondern der Ausbau eines vorhandenen. Es setzt auf den fünf Steuerungsfragen auf, die wir für KI im Mittelstand beschrieben haben, und ordnet sie in eine Reihenfolge.

Die Begriffe hängen so zusammen: Das KI-Steuerungsmodell 2026 stellt die fünf Fragen. Der KI-Steuerungsreifegrad ordnet sie in eine Reihenfolge und macht daraus Stufen. Das KI-Inventar ist das Arbeitsergebnis der ersten Stufe.

Diese Reihenfolge ist der eigentliche Inhalt des Modells. Die Stufen sind kumulativ und nicht überspringbar, weil jede die Voraussetzung der nächsten liefert. Wer Wirkung messen will, ohne zu wissen, welche Systeme laufen, misst einen Ausschnitt und hält ihn für das Ganze.

Gezählt wird von eins bis fünf. Stufe null ist keine Stufe, sondern der Zustand davor.

Jede Beschreibung hat denselben Aufbau: woran Sie die Stufe erkennen, welche Fehlannahme auf ihr typisch ist, und welche Bedingung erfüllt sein muss, damit Sie die nächste erreicht haben.

Stufe 0: Ohne Überblick, es gibt keine Liste der eingesetzten KI-Systeme

Woran Sie diese Stufe erkennen. Es existiert keine Liste der eingesetzten KI-Systeme. Auf die Frage, welche KI im Unternehmen läuft, folgen Vermutungen, nicht Antworten. Einzelne Abteilungen nutzen Assistenzsysteme, ohne dass zentral bekannt ist, welche.

Die typische Fehlannahme. „Bei uns läuft noch keine KI." Das ist selten zutreffend. Das ZEW hat im Frühjahr 2026 rund 1.500 Unternehmen aus dem verarbeitenden Gewerbe und der Informationswirtschaft befragt. Im verarbeitenden Gewerbe gaben 39 Prozent an, die KI-Nutzung ihrer Beschäftigten zu tolerieren, ohne klare Vorgaben gesetzt zu haben. Duldung ohne Vorgaben ist nicht dasselbe wie keine Nutzung. Sie ist eine Steuerungslücke.

Stufe null ist kein Versagen. Sie ist der Ausgangspunkt, an dem die meisten Betriebe stehen, weil KI nicht als Projekt eingeführt wurde, sondern über Werkzeuge in den Betrieb gekommen ist, die keine Beschaffung durchlaufen mussten.

Ausstiegskriterium. Eine Liste existiert. Nicht vollständig, nicht perfekt gepflegt, aber vorhanden und benannt.

Stufe 1: Erfasst, Sie wissen, welche KI-Systeme laufen

Woran Sie diese Stufe erkennen. Es gibt ein KI-Inventar, das die eingesetzten Systeme aufführt, einschließlich der Werkzeuge, die Fachbereiche eigenständig nutzen. Jemand ist dafür zuständig, es zu aktualisieren.

Die typische Fehlannahme. Dass das Inventar eine IT-Aufgabe sei. Die IT weiß am besten, welche Systeme beschafft wurden, und am wenigsten, welche Assistenten die Teams in den Fachbereichen im Alltag benutzen. Ohne deren Zusammenarbeit bleibt die Liste unvollständig. Ein Inventar, das nur die beschafften Systeme kennt, bleibt auf Stufe null.

Diese Stufe zahlt doppelt. Wer ein KI-Inventar aufbaut, schafft damit gleichzeitig die Grundlage für die Auskunftsfähigkeit, die sich aus der KI-Verordnung ergibt.

Ausstiegskriterium. Jedes gelistete System hat eine benannte Datenquelle.

Stufe 2: Nachvollziehbar, Sie wissen, welche Daten diese Systeme nutzen

Woran Sie diese Stufe erkennen. Für jedes System ist geklärt, welche Daten es verarbeitet, welche Struktur diese Daten haben, woher sie kommen und wer Zugriff bekommt. Damit ist auch die Frage der Sicherheit beantwortbar. Sie können sagen, ob ein System auf Produktionsdaten, auf Kundendaten oder auf öffentlich verfügbaren Inhalten arbeitet.

Die typische Fehlannahme. Dass die vorhandene Datenbasis reicht, weil das Reporting funktioniert. Eine für Auswertung taugliche Datenbasis ist nicht automatisch eine für KI taugliche. Der Unterschied zwischen einer Datenhaltung, die Berichte trägt, und einer, die Modelle trägt, ist der Punkt, an dem viele Vorhaben stehenbleiben. Die Frage, welche Datenarchitektur ein Anwendungsfall verlangt, gehört auf diese Stufe und nicht später.

Wenn Sie an dieser Stelle genauer werden wollen: Die klassische Einteilung von Wang und Strong ordnet Datenqualität in vier Kategorien, nämlich die dem Datum selbst innewohnende Qualität, die Passung zum Verwendungszweck, die Verständlichkeit der Darstellung und die Zugänglichkeit. Für Stufe zwei reicht die dritte und vierte Kategorie. Die ersten beiden entscheiden später darüber, ob ein Anwendungsfall trägt.

Ausstiegskriterium. Jedes System ist einem Prozess zugeordnet.

Stufe 3: Zugeordnet, Sie wissen, welche Prozesse sie beeinflussen

Woran Sie diese Stufe erkennen. Jedes KI-System hängt an einem benannten Prozess und einem Fachbereich. Sie können sagen, welcher Arbeitsschritt sich verändert, wenn ein System ausfällt.

Die typische Fehlannahme. Dass ein Werkzeug, das viele nutzen, automatisch einem Prozess dient. Ein Assistent, den dreißig Personen für unterschiedliche Zwecke einsetzen, ist nicht einem Prozess zugeordnet. Er ist verteilt.

Die Zuordnung ist der unangenehmste Schritt im Modell, weil sie Zuordnungen erzwingt, die im Alltag bewusst offen gelassen wurden. Sie ist auch die, nach der die meisten Diskussionen über Verantwortung überhaupt erst führbar werden.

Ausstiegskriterium. Für jeden dieser Prozesse ist eine Person benannt, die die Entscheidungen des Systems verantwortet.

Stufe 4: Verantwortet, es ist geklärt, wer die Entscheidungen trägt

Woran Sie diese Stufe erkennen. Für jeden Prozess ist festgelegt, wer entscheidet, an welchem Punkt Menschen in die Entscheidungsfindung eingreifen, was bei Ausnahmen passiert und an wen eskaliert wird. Damit sind auch die Risiken benannt, die ein Fehlverhalten des Systems auslösen würde. Diese Festlegungen sind dokumentiert und nicht nur besprochen.

Die typische Fehlannahme. Dass Verantwortung mit der Nennung eines Namens geklärt ist. Verantwortung ohne Eingriffsmöglichkeit ist Haftung. Wer für die Entscheidungen eines Systems geradesteht, muss es anhalten können.

Für viele Betriebe ist diese Stufe ein sinnvoller Endpunkt. Ein Unternehmen mit 200 Beschäftigten, das für jeden KI-gestützten Prozess weiß, wer verantwortet und wann eingegriffen wird, hat die Steuerbarkeit erreicht, um die es geht.

Ausstiegskriterium. Für mindestens einen Anwendungsfall existiert eine gemessene Baseline, also ein Ausgangswert, gegen den sich Wirkung vergleichen lässt.

Stufe 5: Gemessen, die Wirkung wird gegen eine Baseline berichtet

Woran Sie diese Stufe erkennen. Für die produktiven Anwendungsfälle gibt es eine Baseline und eine Kennzahl, und die Wirkung wird gegen diese Baseline berichtet. Sie können beziffern, was ein Anwendungsfall verändert hat, und nicht nur, dass er läuft.

Die typische Fehlannahme. Dass die Messung am Ende kommt. Eine Baseline lässt sich nur vorher erheben. Wer nach der Einführung mit dem Messen beginnt, hat keinen Vergleichswert mehr und ist auf Schätzungen angewiesen. Wie sich der Nutzen von KI berechnen lässt, entscheidet sich vor dem Start.

Ausstiegskriterium. Keines, und das ist beabsichtigt. Stufe fünf ist kein Zwischenschritt zu einer sechsten Stufe, sondern ein Zustand, den Sie halten und auf den nächsten Anwendungsfall anwenden.

Die verbreiteten Modelle enden im autonom operierenden Großunternehmen und legen damit nahe, dass jede weitere Stufe erstrebenswert ist. Schuster und Kollegen halten dagegen fest, dass nicht jede Erreichung eines höheren KI-Reifegrades in einem betriebswirtschaftlichen Verhältnis steht. Stufe fünf ist ein Zustand, den man hält und auf den nächsten Anwendungsfall anwendet. Sie ist keine Vorstufe zu einer sechsten.

Einsatzbreite und Steuerbarkeit sind zwei verschiedene Größen. Wenige gesteuerte Werkzeuge stehen besser da als viele ungesteuerte.

Welche Stufe trifft auf Ihren Betrieb zu?

Die Einstufung dauert etwa zwanzig Minuten. Es werden keine Daten übermittelt, die Auswertung findet in Ihrem Browser statt. Zwei Hinweise noch, bevor Sie beginnen, und einer für danach.

Wer ausfüllen sollte. In der Praxis ist es meist die IT-Leitung, weil sie am ehesten weiß, welche Systeme laufen. Sie weiß aber am wenigsten, welche Werkzeuge die Fachbereiche eigenständig einsetzen. Die belastbarste Einstufung entsteht, wenn eine Person aus der IT und eine aus einem Fachbereich sie gemeinsam durchgehen.

Was die Einstufung nicht ist. Sie fragt nicht nach Ihrer Einschätzung, sondern nach Belegen. Stufe eins heißt nicht, dass Sie ungefähr wissen, was läuft. Sie heißt, dass eine Liste existiert. Diese Härte ist der Grund, warum das Ergebnis brauchbar ist.

Wenn Sie das Ergebnis weitergeben müssen. Eine niedrige Stufe ist kein Rückstand gegenüber dem Wettbewerb, sondern eine Aussage über die eigene Auskunftsfähigkeit. Der belastbarste Satz für eine Gremiensitzung lautet deshalb nicht „wir sind auf Stufe eins", sondern: „Wir wissen, welche KI-Systeme laufen. Wir wissen noch nicht bei allen, auf welchen Daten sie arbeiten. Das ist der nächste Schritt, und er ist intern zu erledigen."

Für genau diese Sitzung gibt es den Reifegrad-Steckbrief auf einer Seite: die fünf Bedingungen zum Abhaken, je Stufe die Rolle, die den nächsten Schritt erledigt, und Platz für Notizen. Kein Formular, keine E-Mail-Adresse.

Was auf Ihrer Stufe der nächste Schritt ist

Wenn Sie auf Stufe null oder eins stehen, ist ein Beratungsgespräch nicht der nächste Schritt. Was Ihnen fehlt, ist eine Inventur, und die kann niemand von außen für Sie machen, weil die Information in Ihren Fachbereichen liegt und nicht in einer Systemlandschaft, die sich von außen auslesen lässt. Wenn Ihnen an dieser Stelle ein Projekt angeboten wird, fragen Sie, welchen Teil davon Ihre eigenen Leute nicht erledigen könnten. Auf dieser Stufe ist die ehrliche Antwort meistens: keinen.

Auf Stufe zwei und drei entsteht eine andere Frage. Sie wissen dann, was läuft, und müssen entscheiden, was zuerst weiterentwickelt wird. Das ist der Punkt, an dem eine KI-Potenzialanalyse trägt. Sie ordnet Anwendungsfälle nach Wert, Datenverfügbarkeit und Machbarkeit und endet mit einer Reihenfolge, die sich vor der Geschäftsführung begründen lässt.

Auf Stufe vier und fünf verschiebt sich die Frage erneut. Wer Verantwortung geklärt und Wirkung gemessen hat, stößt als Nächstes an die Grenze der Einzellösung: Jeder weitere Anwendungsfall bringt eigene Protokolle, eigene Dashboards und eigene Zuständigkeiten mit. An dieser Stelle wird eine Steuerungsschicht über den bestehenden Systemen zur eigentlichen Antwort, weil sie Monitoring, Governance und Kennzahlenmessung zusammenführt, statt sie je Anwendungsfall zu wiederholen. Wichtig ist dabei, was eine solche Schicht nicht tut. Sie ersetzt weder ERP noch MES oder Warenwirtschaft. Die Integration läuft über Schnittstellen zur vorhandenen Infrastruktur.

In eigener Sache. Ein Reifegradmodell bei einer Beratung zu lesen, die davon lebt, dass Unternehmen Unterstützung einkaufen, ist ein berechtigter Grund für Skepsis. Schuster und Kollegen halten in ihrer Untersuchung fest, dass sich viele KI-Reifegradmodelle eher als Beratungsangebote lesen lassen. Deshalb steht dieses Modell vollständig auf dieser Seite. Deshalb führt es auf den unteren beiden Stufen ausdrücklich nicht zu einem Termin. Und deshalb nennt die Tabelle oben zu jedem Schritt die Rolle im eigenen Haus, die ihn erledigen kann. Wo Sie uns brauchen, sagen wir es. Wo nicht, auch.

Was der KI-Steuerungsreifegrad nicht misst

Dieses Modell hat einen engen Zuschnitt, und das ist bewusst so.

Es misst keine technische Modellqualität. Ob ein Prognosemodell gut trainiert ist, ob die Fehlerrate akzeptabel ist und ob die gewählte Architektur zum Problem passt, sind Fragen, die es nicht berührt. Wer dort tiefer einsteigen will, findet die Verfahrensebene bei Machine Learning in der Industrie 4.0.

Es misst keine MLOps-Reife. Versionierung, Deployment-Ketten und Modellüberwachung im technischen Sinn sind ein eigenes Feld.

Es misst weder Kultur noch Kompetenz. Beides taucht in fast allen anderen Modellen auf, und das zu Recht: Jöhnk, Weißert und Wyrtki führen Kultur in einer Interviewstudie mit fünfundzwanzig Fachleuten als eine von fünf Voraussetzungskategorien. Eine Erhebung unter 143 Technologieverantwortlichen von Mikalef und Gupta findet einen positiven Zusammenhang zwischen einer breit gefassten KI-Fähigkeit und der Unternehmensleistung, und diese Fähigkeit schließt Kompetenzen und Veränderungsbereitschaft ausdrücklich ein. Gemessen wurde dort allerdings das Gesamtkonstrukt und nicht die Kultur für sich. Der Steuerungsreifegrad lässt beides weg, weil es sich nicht mit einem Beleg beantworten lässt. Wer wissen will, ob seine Organisation mitzieht, braucht ein anderes Instrument.

Es misst keinen Automatisierungsgrad. Ein Betrieb auf Stufe fünf kann sehr wenig automatisiert haben. Das ist kein Widerspruch, sondern der Punkt: Steuerbarkeit und Automatisierungsgrad sind unabhängig voneinander.

Und es taugt nicht als Einstiegsinstrument. Wer noch nichts einsetzt, braucht einen ersten Anwendungsfall.

Die bekannten KI-Reifegradmodelle im Vergleich

Trotz Stufenzahlen zwischen vier und sechs beschreiben fast alle dieselbe Bewegung: von verstreut und personenabhängig hin zu zentral gesteuert und unternehmensweit. Microsoft macht die Herkunft offen sichtbar und benennt seine Stufen wie das CMM von 1991.

Eine Ausnahme von diesem Muster ist bemerkenswert. Das Modell von OTRS nimmt die nächsten sinnvollen Schritte ausdrücklich in die Definition auf und kommt der Frage damit näher als die übrigen. Es beantwortet sie über allgemeine Empfehlungen zur Verbesserung. Der Unterschied zum Modell auf dieser Seite liegt darin, dass hier je Stufe eine überprüfbare Bedingung steht statt einer Empfehlung. Der Zuschnitt ist zudem ein anderer: OTRS denkt vom Servicemanagement her, dieses Modell vom Industriebetrieb.

Reifegrad und KI-Verordnung: warum die Vorarbeit doppelt zahlt

Die europäische KI-Verordnung verlangt keinen bestimmten Reifegrad. Der Amtsblatttext der Verordnung (EU) 2024/1689 enthält den Begriff Reifegrad nicht, und auch nicht Reife oder Einsatzbereitschaft. Die englische Fassung kennt weder maturity noch readiness. Die Verordnung ist konformitätsrechtlich gebaut: Ein System erfüllt die Anforderungen oder nicht. Wo Entwicklung mitgedacht ist, arbeitet sie mit dem allgemein anerkannten Stand der Technik, einer beweglichen Referenz, aber keiner Stufenleiter. Auch die Deutsche Normungsroadmap Künstliche Intelligenz von DIN und DKE, Ausgabe 2 aus dem Jahr 2022, kennt kein organisationales KI-Reifegradmodell. ISO/IEC 42001, seit Dezember 2023 veröffentlicht, ist ein Managementsystemstandard für Künstliche Intelligenz. Die ISO beschreibt ihn als Regelwerk, das mit dem Plan-Do-Check-Act-Zyklus arbeitet, also mit fortlaufender Verbesserung statt mit festen Reifestufen.

Trotzdem hängen beide Themen zusammen, und zwar an einer sehr praktischen Stelle. Die Bestandsaufnahme, die Stufe eins verlangt, ist dieselbe, die Sie für die Auskunftsfähigkeit gegenüber Behörden brauchen. Wer weiß, welche KI-Systeme laufen, welche Daten sie nutzen und wer sie verantwortet, hat die Vorarbeit für beides geleistet. Reifegradbestimmung und regulatorische Bestandsaufnahme sind derselbe Arbeitsschritt, nicht zwei.

Hinweis: Diese Einordnung ersetzt keine Rechtsberatung. Sie zeigt, welche Steuerungs- und Dokumentationsfragen Unternehmen organisatorisch klären sollten. Rechtsstand: August 2026, unter Berücksichtigung der Änderungsverordnung (EU) 2026/1744 und des deutschen KI-Marktüberwachungs- und Innovationsförderungsgesetzes.

Vier Zahlen, die im Umfeld kursieren, und was von ihnen bleibt

Wer sich mit KI-Reifegraden beschäftigt, stößt auf immer dieselben Prozentwerte. Wir haben vier davon auf ihre Primärquelle zurückverfolgt. Das Ergebnis ist gemischt und lohnt die Mühe, weil zwei der vier in Ihrem Zusammenhang etwas anderes bedeuten, als sie zu bedeuten scheinen.

„Bis 2030 könnten KI-Anwendungen in Europa die Produktivität um 20 bis 38 Prozent steigern." Diese Zahl zirkuliert seit 2020. Die Spur endet bei einer Beratungsseite, die eine Fußnote setzt, aber nie ein Literaturverzeichnis veröffentlicht hat. Die nächstliegende überprüfbare Angabe stammt vom McKinsey Global Institute und lautet anders: rund 19 Prozent zusätzliche Wirtschaftsleistung der EU bis 2030, ein Einzelwert und keine Spanne, und Wirtschaftsleistung ist nicht Produktivität. Ein Wert von 38 Prozent kommt dort nicht vor. Die Zahl ist nicht belegbar.

„Nur 12 Prozent der Unternehmen erreichen ihre Transformationsziele" und „30 Prozent der Transformationen sind erfolgreich." Beide Zahlen existieren und stammen von Bain beziehungsweise aus einer McKinsey-Befragung von 2021. Beide messen jedoch Geschäftstransformationen allgemein und nicht KI. Wer sie in einem KI-Zusammenhang zitiert, wechselt unbemerkt die Bezugsgröße. Dass sie sich zu widersprechen scheinen, hat einen einfachen Grund: Bain prüft gegen das ursprünglich gesetzte Zielniveau, McKinsey fragt nach der Selbsteinschätzung der Befragten. Zwei verschiedene Maßstäbe, zwei verschiedene Werte.

„90 Prozent der CFOs planen, mehr für KI auszugeben." Diese Zahl stammt aus einer Gartner-Befragung von 302 Finanzverantwortlichen im Dezember 2023 und bezieht sich auf die Budgets für 2024, nicht für 2025, wie es häufig wiedergegeben wird. Sie misst außerdem Planungsabsichten und keine getätigten Ausgaben.

Interessant ist sie trotzdem, und zwar wegen dessen, was daneben steht. Accenture befragte zwischen September und November 2023 Führungskräfte großer Unternehmen aus neunzehn Ländern. Über 65 Prozent von ihnen gaben an, ihnen fehle die technologische Expertise für eine von generativer KI getriebene Transformation.

Die Budgets steigen also, und die Menschen, die über sie entscheiden, halten sich selbst mehrheitlich für fachlich nicht vorbereitet. Genau in dieser Lücke entstehen die Zustände, die Stufe null und Stufe eins beschreiben.

Warum hier nicht steht, wie viele Unternehmen auf welcher Stufe stehen

An dieser Stelle stünde in vielen Texten ein Vergleichswert. Er fehlt hier, weil es ihn nicht gibt.

Für Deutschland existiert keine institutionelle Erhebung zur Verteilung von KI-Reifegraden. Was verfügbar ist, sind Reifegradmodelle ohne Erhebungsdaten sowie Studien von Anbietern, die ein Interesse an der Antwort haben. Beides taugt nicht als Maßstab.

Belegbar ist etwas anderes, und der Vergleich zweier Zahlen ist aufschlussreicher als jede einzelne. Bitkom Research hat zu Jahresbeginn 2026 604 Unternehmen ab 20 Beschäftigten befragt. 41 Prozent nutzen KI bereits. KfW Research kommt für den Mittelstand auf 20 Prozent. Gefragt wurde dort allerdings nach der Nutzung im Zeitraum 2022 bis 2024. Und der Mittelstandsbegriff richtet sich nach dem Umsatz bis 500 Millionen Euro, schließt also Kleinstunternehmen ein.

Zwei Erhebungen, zwei Grundgesamtheiten, zwei Zeiträume, doppelter Wert. Die Zahlen widersprechen sich nicht. Sie messen Verschiedenes.

Zwei Nutzungsquoten und ein Steuerungsbefund. Der ZEW-Wert ist abgesetzt, weil er nicht misst, ob KI genutzt wird, sondern ob die Nutzung geduldet wird.

Genau deshalb taugt eine Verbreitungszahl nicht als Standortbestimmung. Sie sagt Ihnen, wie viele Unternehmen irgendetwas mit KI tun. Über die Frage, ob Ihr Betrieb seine eigene KI steuern kann, sagt sie nichts.

Zu diesem Beitrag: Die Einordnung stützt sich auf institutionelle Quellen und auf die zugängliche Dokumentation der genannten Reifegradmodelle. Anbieterangaben sind als solche gekennzeichnet und werden nicht als Marktdaten verwendet. Wo für Deutschland keine belastbaren Zahlen vorliegen, ist das im Text vermerkt. Stand: August 2026.

Fazit

Reifegrad ist im Zusammenhang mit KI ein missverständliches Wort. Es klingt nach einer Note, und die verbreiteten Modelle verstärken diesen Eindruck, indem sie eine Leiter aufstellen, deren oberste Sprosse für die meisten Mittelständler weder erreichbar noch erstrebenswert ist.

Die nützlichere Frage ist die nach der Reihenfolge. Inventar vor Daten. Daten vor Prozess. Prozess vor Verantwortung. Verantwortung vor Messung. Jede dieser Stufen ist ohne die vorherige nicht belastbar, und jede lässt sich an einer Bedingung überprüfen statt an einem Gefühl.

Wenn Sie sich eingestuft haben und auf Stufe zwei oder höher stehen, klärt ein Gespräch drei Dinge: welcher Anwendungsfall bei Ihrer Datenlage zuerst trägt, was die Anbindung an Ihre vorhandenen Systeme realistisch bedeutet, und woran sich Wirkung bei Ihrer Betriebsgröße messen lässt. Dreißig Minuten, kein Pitch, mit einer schriftlichen Zusammenfassung für Geschäftsführung und IT: Kostenloses Erstgespräch vereinbaren.

Wenn Sie auf Stufe null oder eins stehen, sparen Sie sich den Termin und legen die Liste an.