Die 5 Stufen der KI-Reife: Ein Selbstbewertungs-Framework für Führungskräfte

Jede CEO möchte wissen, wo ihr Unternehmen bei KI steht. Der Aufsichtsrat fragt. Investoren fragen. Wettbewerber verkünden Dinge, die real sein mögen oder auch nicht.

Die ehrliche Antwort für die meisten Mittelstandsunternehmen im Jahr 2026: Sie befinden sich auf Stufe 1 oder Stufe 2. Das ist vollkommen normal. Stufe 1 ist der Stand der Mehrheit der Unternehmen mit 50 bis 500 Mitarbeitern heute. Stufe 2 ist dort, wo die fortschrittlichsten dieser Unternehmen in den vergangenen 18 Monaten angelangt sind. McKinseys Gen-AI-Rollout-Studie ergab, dass nur 1% der Organisationen eine „reife" KI-Strategie erreicht haben, bei der KI Geschäftsergebnisse fundamental verändert, während 39% noch in der Pilot-Phase verharren. Sie sind nicht im Rückstand. Sie sind in der Mehrheit.

Dies ist die kanonische Referenz für das Level-5-Reifegradmodell des ACE Frameworks. Nutzen Sie es, um Ihren aktuellen Stand zu benchmarken, zu verstehen, was Stufe 3 wirklich erfordert (es ist nicht das, was die meisten denken), und realistische Erwartungen an die einzelnen Übergänge zu setzen. Jede Stufe folgt derselben Struktur: Wer befindet sich hier, was haben diese Unternehmen, was brauchen sie als Nächstes, und welche häufige Falle sollte vermieden werden.

Warum Reifegradmodelle für Führungskräfte relevant sind

Nicht um Berater zu beeindrucken. Nicht um ein Framework für das Board-Deck zu produzieren. Aus drei praktischen Gründen:

Realistische Erwartungen. Der CEO, der versteht, dass sein Unternehmen auf Stufe 1 ist, genehmigt keine Investitionen der Stufe 3. Der CEO, dem das nicht bewusst ist, genehmigt ein 500.000-Euro-Projekt für eine Vektordatenbank-Infrastruktur, stellt fest, dass die Datenbasis für jeden sinnvollen KI-Einsatz zu chaotisch ist, und muss dem Aufsichtsrat erklären, warum die Initiative ins Stocken geraten ist.

Korrekte Sequenzierung. Jede Stufe hat Voraussetzungen. Diese lassen sich nicht überspringen. Ein Unternehmen, das versucht, KI im Produktionsbetrieb zu skalieren (Stufe-3-Verhalten), ohne Stufe 2 abgeschlossen zu haben (validierte Pilotprojekte mit messbaren Baselines), wird mit Einführungsfehlern, Governance-Vorfällen und ROI-Unklarheiten konfrontiert. Die Voraussetzungen sind keine bürokratischen Kontrollkästchen. Sie sind die Bedingungen, die die nächste Stufe zum Funktionieren bringen.

Investitionskalibrierung. Die Kosten von Stufe 1 zu Stufe 2 unterscheiden sich erheblich von denen des Übergangs Stufe 2 zu Stufe 3. Wer seine Stufe kennt, weiß, welche Investitionen jetzt sinnvoll sind und was warten sollte. Die Ehrlichen Kosten der KI-Transformation deckt diese Zahlen im Detail ab.

Keine Stufe ist für jedes Unternehmen die „richtige". Eine 40-köpfige Professional-Services-Firma ist möglicherweise dauerhaft optimal auf Stufe 2 positioniert. Ein Series-C-SaaS-Unternehmen, das auf Produktgeschwindigkeit setzt, muss möglicherweise Stufe 4 erreichen, um wettbewerbsfähig zu bleiben. Das Ziel ist die richtige Stufe für Ihr Geschäftsmodell, nicht die höchstmögliche Stufe.

Key Facts: KI-Reifegradverteilung 2026

• Nur 1% der Organisationen betrachten ihre KI-Strategie als „reif" im Sinne einer fundamentalen Veränderung von Geschäftsergebnissen, während 39% noch in der Pilot-Phase sind; die Mehrheit der Mittelstandsunternehmen mit 50 bis 500 Mitarbeitern befindet sich auf Stufe 1 oder 2 (McKinsey State of AI 2025)
• 45% der Organisationen mit hohem KI-Reifegrad halten ihre KI-Projekte mindestens drei Jahre im Betrieb, verglichen mit nur 20% der Organisationen mit niedrigem Reifegrad; in Organisationen mit hohem Reifegrad vertrauen 57% der Geschäftsbereiche KI-Lösungen und nutzen sie aktiv, gegenüber nur 14% in Organisationen mit niedrigem Reifegrad (Gartner, 2025)
• Organisationen, die KI skaliert haben (Stufe 3 und darüber), erzielen über drei Jahre einen Gesamtaktionärsertrag, der etwa 4-mal höher ist als bei KI-Nachzüglern, und der Abstand zwischen Vorreitern und Nachzüglern vergrößert sich weiter (BCG, 2025)

Die ACE Maturity Curve

Das kanonische Reifegradmodell für Organisationen, die das ACE Framework (Ingest, Analyze, Predict, Generate, Execute) auf ihre Transformation anwenden. Die ACE Maturity Curve bildet ab, wie sich der KI-Einsatz einer Organisation über fünf Stufen vertieft und ausweitet. Auf Stufe 1 (Ad-hoc) werden isolierte Generate-Fähigkeiten von Einzelpersonen ohne organisatorischen Rahmen genutzt. Auf Stufe 2 (Pilot) testen ein bis drei abgegrenzte Use Cases spezifische ACE-Fähigkeiten gegen messbare Baselines. Auf Stufe 3 (Scaled) laufen mehrere ACE-Fähigkeiten im Produktionsbetrieb über Funktionsbereiche hinweg mit gemeinsamer Infrastruktur. Auf Stufe 4 (Integrated) ist KI als erstklassige Komponente in Kernprozesse eingebettet, mit vollständigen Ingest-to-Execute-Ketten ohne manuelle Entscheidungspunkte pro Schritt. Auf Stufe 5 (Transformational) bilden proprietäre ACE-Deployments einen Wettbewerbsvorteil, und das Unternehmen bietet Produkte an, die ohne KI nicht existieren würden. Die ACE Maturity Curve ist das Referenzmodell für Diagnosen, Investitionssequenzierung und Board-Reporting in der gesamten Collection. Wenn andere Artikel „Stufe 2" oder „Stufe 4" referenzieren, verwenden sie dieses Framework.

Stufe 1: Ad-hoc

Definition: Einzelne Mitarbeiter nutzen KI-Tools ohne Unternehmensstrategie, Governance oder gemeinsame Infrastruktur.

Wer befindet sich hier: Die Mehrheit der Mittelstandsunternehmen im Jahr 2026. Unternehmen mit 50 bis 500 Mitarbeitern, in denen jemand im Marketing ChatGPT nutzt, einige Entwickler Copilot verwenden und ein paar Vertriebsmitarbeiter einen KI-E-Mail-Assistenten ausprobiert haben. Die Tools sind verstreut, die Nutzung ist undokumentiert, und die Unternehmensführung hat kein klares Bild davon, wie viele KI-Tools im Einsatz sind und welche Daten sie berühren.

Was diese Unternehmen haben:

• Individuelle Neugier und verstreute Experimente
• Mindestens ein Team, das auf persönlicher Ebene echte Zeitersparnisse durch KI-Tools erzielt
• Keine unternehmensweite KI-Richtlinie oder akzeptabler Nutzungsrahmen
• Kein gemeinsames Vokabular für das, was KI leistet (das ACE Framework wird nicht genutzt)
• Keine Messung des Einflusses von KI auf Geschäftskennzahlen
• Kein verantwortlicher Eigentümer für KI

Was sie als Nächstes brauchen:

• Eine schriftliche KI-Nutzungsrichtlinie, der Mitarbeiter tatsächlich folgen können
• Ein Reifegrad-Audit: Welche Tools sind im Einsatz, auf welche Daten greifen sie zu, wie groß ist das Risikoexposure?
• Priorisierung von Use Cases: Welche drei Geschäftsprobleme mit dem höchsten Wertpotenzial könnte KI adressieren?
• Einen verantwortlichen Eigentümer (muss kein Vollzeit-Chief AI and Innovation Officer sein; ein Transformations-Lead oder CIO mit diesem Mandat reicht)

Häufige Falle: Stufe-1-Organisationen sind anfällig für Anbieterbegeisterung. Eine überzeugende Anbieter-Demo und ein motivierter interner Champion führen zu einem 200.000-Euro-Enterprise-KI-Plattform-Vertrag, bevor das Unternehmen grundlegende Fragen beantwortet hat: Auf welchen Daten wird das laufen, wer verwaltet es, wie sieht Erfolg aus? BCG stellte fest, dass nur 4% der Organisationen substanziellen KI-Wert schaffen, und dass der Abstand zwischen Vorreitern und Nachzüglern sich vergrößert, nicht verringert. Der entscheidende Unterschied ist fast immer Governance und Datengrundlage, nicht die Tool-Auswahl. Die Organisation setzt ein ausgefeiltes Tool auf ungelöste Daten- und Governance-Probleme, produziert inkonsistente Ergebnisse und kommt zu dem Schluss, dass „KI bei uns nicht funktioniert."

Der Übergang von Stufe 1 zu Stufe 2 ist eine Governance-Aufgabe, keine Technologieaufgabe. Investieren Sie nicht in Enterprise-Tooling, bevor Sie die Stufe-1-Grundlagen geklärt haben. Die Checkliste für den Übergang von Stufe 1 zu Stufe 2 deckt die spezifische Arbeit im Detail ab.

„78% der Wissensarbeiter nutzen persönliche KI-Tools am Arbeitsplatz ohne ausdrückliche Genehmigung des Arbeitgebers, laut Microsofts Workplace-Studie 2024. Auf Stufe 1 ist das der Standardzustand. Das Unternehmen hat die Tools nicht genehmigt, aber sie werden genutzt. Die KI-Richtlinie ist die erste und wichtigste Governance-Maßnahme, die jede Organisation ergreifen kann." (Rework)

Stufe-1-Realitätscheck: Wenn Mitarbeiter KI-Tools nutzen, die Sie nicht genehmigt haben, wenn niemand im Unternehmen die Frage beantworten kann „Welche KI-Tools sind derzeit im Einsatz und auf welche Daten greifen sie zu?", oder wenn Sie keine schriftliche KI-Nutzungsrichtlinie haben, befinden Sie sich auf Stufe 1, unabhängig davon, was im Board-Deck steht.

Stufe 2: Pilot

Definition: Ein bis drei abgegrenzte KI-Projekte mit definierten Hypothesen, namentlich genannten Eigentümern und messbaren Baselines.

Wer befindet sich hier: Unternehmen, die 2024 bis 2025 KI-Experimenten zugestimmt haben und diese mit einer gewissen Struktur durchgeführt haben. Der CIO oder ein Geschäftsbereichsleiter hat einen Pilot gesponsert. Es gibt eine definierte Problemstellung. Jemand hat das Vorher-Nachher gemessen (oder versucht zu messen). Das Unternehmen bewertet, ob die Pilot-Ergebnisse eine Produktionsbereitstellung rechtfertigen.

Was diese Unternehmen haben:

• Mindestens ein laufender oder kürzlich abgeschlossener KI-Pilot
• Erste getroffene Infrastrukturentscheidungen (welche Large-Language-Model-API oder Plattform, wer die Wartung übernimmt)
• Erste Ergebnisse: gemischt, aber aufschlussreich. Der Pilot hat wahrscheinlich teilweise funktioniert und ebenso viele Fragen aufgeworfen wie beantwortet.
• Ein Gespür für die Datenqualitätsprobleme, auch wenn sie noch nicht vollständig gelöst sind
• Einen aufkommenden internen Champion, der KI auf einem tieferen Niveau versteht als alle anderen

Was sie als Nächstes brauchen:

• Produktionsbereitstellung mindestens eines Pilots. Das ist der Sprung von Stufe 2 zu Stufe 3: aus dem Pilot-Modus heraus und zu einer vollständigen Bereitstellung für das gesamte betroffene Team.
• Eine dokumentierte Entscheidung über den ersten Pilot: skalieren, anpassen oder einstellen. Endlose Piloten, die im „Bewertungs"-Modus bleiben, sind Stufe-2-Purgatorium.
• Einen Dateninfrastrukturplan: Welche Datenbereinigung und Infrastrukturinvestition sind für den Produktionsmaßstab erforderlich?
• Einen Skalierungsplan für den zweiten und dritten Use Case

Häufige Falle: Pilot-Purgatorium. Der Pilot hat stattgefunden. Die Ergebnisse waren positiv, aber nicht überwältigend. Die Entscheidung zur Produktionsbereitstellung wird immer wieder verschoben, weil das Team unsicher ist, ob die Ergebnisse gut genug sind, um auf Skalierung zu setzen. Deloittes State of AI in the Enterprise 2026 ergab, dass nur 34% der Organisationen ihr Geschäft mit KI wirklich neu gestalten. Der Rest steckt in Effizienz-Piloten fest, die nie in Transformation umgewandelt werden. Andere Prioritäten übernehmen. Der Pilot läuft 14 Monate. Niemand kann klar formulieren, ob er funktioniert hat.

Das Gegenmittel gegen das Pilot-Purgatorium ist ein im Voraus festgelegtes Entscheidungsprotokoll: Bevor der Pilot startet, wird definiert, was „gut genug zum Skalieren" bedeutet. Wenn die Ergebnisse diesen Schwellenwert erreichen, wird die nächste Phase automatisch genehmigt. Wenn nicht, wird der Pilot eingestellt und die Erkenntnisse werden dokumentiert. Der Entscheidungsprozess sollte ein Meeting dauern, kein Quartal. Stufe 2 zu 3: Vom Pilot zur Skalierung zeigt, wie diese Entscheidung strukturiert werden sollte.

„Deloittes State of AI in the Enterprise 2026 ergab, dass nur 34% der Organisationen Geschäftsprozesse mit KI wirklich neu gestalten. Die verbleibenden 66% führen Effizienz-Piloten durch, die nicht in Transformation umgewandelt wurden. Der Stufe-2-Pilot ist nicht das Ziel. Er ist der Test, der das Recht auf Bereitstellung erarbeitet." (Rework, basierend auf Deloitte 2026)

Stufe-2-Realitätscheck: Wenn Ihre Piloten seit mehr als neun Monaten laufen, ohne eine klare Produktionsbereitstellungsentscheidung, befinden Sie sich im Pilot-Purgatorium. Das Problem ist nicht die Technologie. Das Problem ist der Entscheidungsprozess.

Stufe 3: Scaled

Definition: Mehrere KI-Use-Cases im Produktionsbetrieb mit gemeinsamer Infrastruktur, messbarem ROI bei mindestens zwei Use Cases und einem funktionierenden KI-Team oder Center of Excellence (CoE).

Wer befindet sich hier: Die besten 20% der Mittelstandsunternehmen. Die meisten Unternehmenstechnologieunternehmen. Unternehmen, die ihre Stufe-2-Piloten 2024 bis 2025 in Produktion gebracht haben und die Infrastruktur aufgebaut haben, um mehr zu unterstützen.

Was diese Unternehmen haben:

• Zwei oder mehr KI-Anwendungen im vollständigen Produktionsbetrieb (kein Pilot, keine eingeschränkte Einführung)
• Gemeinsame KI-Infrastruktur: wahrscheinlich eine Vektordatenbank, eine Retrieval-Augmented-Generation-Pipeline (RAG) für mindestens einen Use Case, eine API-Schicht, die KI mit Kerngeschäftssystemen verbindet
• Messbarer, dokumentierter ROI bei mindestens zwei Use Cases (eingesparte Zeit, Verbesserung der Konversionsrate, Reduzierung der Fehlerquote)
• Ein KI-Team (CoE) oder zumindest einen dedizierten KI-Lead mit funktionsübergreifender Autorität
• Ein Governance-Framework, das die Produktionssysteme abdeckt (nicht nur eine Richtlinie, sondern aktives Monitoring und Audit-Trails)
• Beginn der Standardisierung von KI-Patterns in der Organisation (die häufigsten: RAG-basierte Wissensassistenten, Lead-/Risikoscoring, Dokumentenanalyse)

Was sie als Nächstes brauchen:

• Integrationstiefe: KI wechselt von einer separaten Schicht über bestehenden Systemen hin zu KI, die in die Kernprozesse selbst eingebettet ist. Der Unterschied zwischen „Es gibt einen KI-Assistenten in der Seitenleiste" und „Der Workflow ist um das ausgelegt, was KI leisten kann."
• Governance-Reife: Mit wachsender Zahl von KI-Systemen im Produktionsbetrieb wächst die Governance-Komplexität. Stufe-3-Organisationen benötigen formales Modell-Monitoring, Erkennung von Leistungsdegradierung und Notfallreaktionsverfahren.
• Kosten-Governance: Stufe 3 ist der Punkt, an dem KI-Infrastrukturkosten zu kumulieren beginnen. Token-Kosten, Rechenkosten, Vektordatenbank-Speicherkosten und Engineering-Wartung summieren sich. Stufe-3-Organisationen, die KI-Kosten nicht nach Use Case verfolgen, können feststellen, dass sie deutlich mehr ausgeben, als ihr ROI rechtfertigt.

Häufige Falle: Die falschen Patterns skalieren. Stufe-3-Organisationen haben die Infrastruktur und das Team, um KI breit zu skalieren. Aber sie skalieren, was als Erstes ausprobiert wurde, nicht notwendigerweise das, was den höchsten Wert liefert. Ein Unternehmen könnte eine ausgezeichnete RAG-basierte Dokumentensuche im Maßstab betreiben und gleichzeitig einen hochwertigeren Predict-Use-Case (Lead-Scoring, Churn-Vorhersage) vermissen, der 5-mal mehr ROI liefern würde. Stufe 3 ist der Moment, in dem das Portfolio der KI-Investitionen strategischer Kuration bedarf, nicht nur technischer Ausführung.

„Gartners Umfrage 2025 ergab, dass 45% der Organisationen mit hohem Reifegrad KI-Projekte mindestens drei Jahre im Betrieb halten, gegenüber 20% der Organisationen mit niedrigem Reifegrad. Die Stufe-3-Schwelle geht nicht nur darum, KI im Produktionsbetrieb zu haben. Es geht darum, die Infrastruktur und Governance aufzubauen, die KI dauerhaft macht, nicht eine Serie von einmaligen Bereitstellungen, die bei System- und Datenwandel neu gestartet werden müssen." (Rework, basierend auf Gartner 2025)

Stufe-3-Realitätscheck: Stufe 3 ist der Punkt, an dem KI aufhört, sich wie ein Experiment anzufühlen, und anfängt, sich wie Infrastruktur anzufühlen. Wenn Sie KI auf dieselbe Weise verwalten wie andere Technologieprojekte (Projekt für Projekt, isoliert nach Team, ohne gemeinsame Infrastruktur), haben Sie Stufe 3 nicht erreicht, unabhängig davon, wie viele Piloten Sie durchgeführt haben.

Stufe 4: Integrated

Definition: KI als erstklassige Komponente in Kernprozessen und Systemen verankert, nicht als separate Tool-Schicht. KI ist Teil der Arbeitsweise des Unternehmens, kein Add-on.

Wer befindet sich hier: Fortgeschrittene Unternehmen. KI-native Unternehmen. Eine wachsende Teilmenge gut kapitalisierter Mittelständler in hochdynamischen Branchen (Fintech, SaaS, Digital Health). Hier sind Organisationen, aus denen man die KI nicht entfernen kann, ohne den Workflow zu beschädigen.

Was diese Unternehmen haben:

• Vollständige Dateninfrastruktur: saubere, zugängliche, governance-konforme Daten über alle Kerngeschäftssysteme
• In kundenorientierten und internen Workflows an jedem wichtigen Berührungspunkt eingebettete KI
• Ausgereifte Verantwortungsrahmen: klare Eigentümerschaft für KI-produzierte Outputs, Notfallreaktionsprotokolle, regelmäßige Modellleistungsprüfungen
• Funktionsübergreifende Ausrichtung auf KI: CEO, CIO und COO koordinieren sich bei der KI-Strategie, anstatt unabhängige Initiativen zu verfolgen
• Feedback-Loops von KI-Operationen in Produkt, Strategie und Personalplanung
• KI-Kompetenz in der gesamten Organisation: die Mehrheit der Mitarbeiter versteht, was die KI-Systeme, mit denen sie arbeiten, leisten und welche Verantwortung sie tragen, wenn diese Systeme fragwürdige Outputs produzieren

Was sie als Nächstes brauchen:

• KI-Denken auf Produktebene: nicht „Wie verbessert KI unsere Abläufe", sondern „Wie verändert KI, was wir verkaufen können?" Das ist die Frage, die Stufe 4 von Stufe 5 trennt. Stufe-4-Organisationen sind besser in dem, was sie bereits tun. Stufe-5-Organisationen bieten etwas an, was sie vorher nicht anbieten konnten.
• Regulatorische und ethische Bereitschaft: Stufe-4-Organisationen haben KI in folgenreichen Entscheidungen verankert (Kredit, Einstellung, Kundenservice, Preisgestaltung). Das regulatorische Umfeld rund um KI in folgenreichen Entscheidungen entwickelt sich schnell. Stufe-4-Organisationen müssen dieser Kurve voraus sein, nicht reagieren.
• KI-Governance auf Board-Ebene: Der Aufsichtsrat benötigt ausreichende KI-Kompetenz, um das KI-Risikoexposure des Unternehmens zu steuern. Dies ist zunehmend eine treuhänderische Anforderung.

Häufige Falle: Zu tief integrieren, bevor die Governance aufholt. Stufe-4-Organisationen können KI schneller in folgenreiche Prozesse (Zeichnung, Einstellung, Kundenservice-Entscheidungen) einbetten, als ihre Governance-Frameworks reifen, um diese Systeme verantwortungsvoll zu verwalten. Wenn auf Stufe 4 etwas schiefläuft, ist es kein Pilot, der gescheitert ist. Es ist ein Produktionssystem, das echte Kunden, echte Mitarbeiter oder echte Geschäftsergebnisse beeinflusst hat. Das Reputations- und Regulierungsexposure ist entsprechend höher.

Die Integrations- und Governance-Investitionen müssen gemeinsam voranschreiten, nicht sequenziell.

Stufe 5: Transformational

Definition: KI gestaltet um, welche Produkte und Dienstleistungen das Unternehmen anbietet, nicht nur wie sie geliefert werden. Das Geschäftsmodell ist durch KI anders. Der Wettbewerbsvorteil ist teilweise KI-bedingt.

Wer befindet sich hier: KI-native Unternehmen und eine kleine Anzahl großer Unternehmen im Jahr 2026. OpenAI, Anthropic, Perplexity sind auf Stufe 5 geboren. Salesforce, Microsoft und Adobe haben Stufe 5 in ihren Kernprodukten durch bewusste KI-First-Produktwetten erreicht. Legacy-Unternehmen mit echten Stufe-5-Bereitstellungen (keine Pressemitteilungen) lassen sich in jeder Branche an einer Hand abzählen.

Was diese Unternehmen haben:

• Proprietäre Modelle oder proprietär fein abgestimmte Modelle, die auf einzigartigen Daten trainiert wurden
• Datenvorteil: angesammelte Daten, die Wettbewerber nicht leicht replizieren können
• KI als Kernproduktoberfläche: Der Kunde kauft die KI-Fähigkeit, nicht nur die Software, die zufällig KI nutzt
• KI-Governance auf Board-Ebene mit echter Expertise, nicht nur nominaler Aufsicht
• Regulatorische Beziehungen und proaktives Engagement in KI-Politik
• Eine Organisationsstruktur, in der KI kein separates Team ist, sondern auf jeder Ebene in Produkt, Engineering und Geschäftsentscheidungen integriert ist

Was sie als Nächstes brauchen:

• Die Stufe-5-Herausforderung ist nicht mehr KI. Es ist Governance und Ethik auf einem Niveau, das dem Einfluss der KI des Unternehmens entspricht. Wenn KI umgestaltet, was ein Unternehmen anbietet, ist die Wirkung der KI auf Kunden, Mitarbeiter und Märkte groß genug, um regulatorische und öffentliche Aufmerksamkeit auf sich zu ziehen. Stufe-5-Organisationen, die nicht in Responsible AI auf diesem Niveau investieren, sind mit dem entsprechenden regulatorischen und Reputationsrisiko konfrontiert.
• Wettbewerbliche Dauerhaftigkeit: Proprietäre Modelle und Datenvorteile erodieren im Laufe der Zeit, wenn Wettbewerber ihre eigenen aufbauen. Stufe-5-Organisationen müssen kontinuierlich in die nächste Differenzierungsschicht investieren.

„BCGs globale Studie 2025 ergab, dass Organisationen, die KI skaliert haben, über drei Jahre einen Gesamtaktionärsertrag erzielen, der etwa 4-mal höher ist als bei Nachzüglern. Aber 'skalierte KI' ist Stufe 3 und darüber, nicht Stufe-1-Experimente, die als Transformation verkauft werden. Das wettbewerbliche Kompoundieren beginnt beim Übergang von Stufe 2 zu Stufe 3, nicht bei der Ankündigung einer KI-Strategie." (Rework, basierend auf BCG 2025)

Stufe-5-Realitätscheck: Wenn ein Wettbewerber die KI-Systeme Ihres Unternehmens erwerben würde und die Produkte des Unternehmens im Wesentlichen auf dieselbe Weise funktionieren würden, befinden Sie sich nicht auf Stufe 5. Stufe 5 bedeutet, KI ist das Produkt oder so tief in das Produkt eingebettet, dass sie nicht getrennt werden können.

Wichtiger Hinweis für Mittelstandsführungskräfte: Stufe 5 ist nicht das Ziel für die meisten Unternehmen. Eine 200-köpfige Professional-Services-Firma, die Stufe 3 erreicht und dauerhaft hält, ist gut positioniert. Eine Regionalbank auf Stufe 4 mit starker Governance ist besser positioniert als eine große Bank, die Stufe-5-Ambitionen ohne die nötige Grundlage ankündigt. Die richtige Stufe für Ihr Unternehmen ist die, die Ihrem Wettbewerbskontext entspricht, nicht die höchste Zahl auf dieser Skala.

Wie die Übergänge tatsächlich funktionieren

Jeder Stufenübergang hat eine primäre Voraussetzung. Nicht eine Liste von Anforderungen. Eine Sache, die, wenn sie fehlt, den Übergang unmöglich macht.

Die Übergänge dauern länger, als die meisten Organisationen erwarten. Stufe 1 zu Stufe 2 dauert typischerweise 6 bis 12 Monate für ein Unternehmen, das es korrekt durchführt. Stufe 2 zu Stufe 3 dauert typischerweise 12 bis 24 Monate. Organisationen, die diese Zeitpläne komprimieren wollen, überspringen die Voraussetzungsarbeit, stoßen auf die oben beschriebenen Misserfolge und verlieren mehr Zeit als sie gespart haben.

Selbstbewertungs-Diagnose

Beantworten Sie diese fünf Fragen, um Ihre aktuelle Stufe zu identifizieren. Beantworten Sie sie ehrlich, nicht wunschgemäß.

1. Verfügt Ihre Organisation über eine schriftliche KI-Nutzungsrichtlinie, die alle Mitarbeiter kennen, mit einem namentlich genannten verantwortlichen Eigentümer?

• Nein, oder unsicher: Stufe 1
• Ja: Weiter zu Frage 2

2. Läuft derzeit mindestens eine KI-Initiative mit einem definierten Geschäftsproblem, einer messbaren Baseline und einem namentlich genannten Eigentümer?

• Nein, oder „Wir erkunden gerade": Stufe 1
• Ja, im Pilot, aber nicht in Produktion: Stufe 2
• Ja, im vollständigen Produktionsbetrieb für das gesamte betroffene Team: Weiter zu Frage 3

3. Laufen zwei oder mehr KI-Anwendungen im Produktionsbetrieb, unterstützt durch gemeinsame Infrastruktur (keine separaten Einzelbereitstellungen), mit dokumentiertem ROI für jede?

• Nein: Stufe 2
• Ja, aber verwaltet als separate Tools pro Team: Frühes Stufe 3
• Ja, mit gemeinsamer Infrastruktur und einem funktionierenden KI-Team oder CoE: Stufe 3

4. Ist KI eine erstklassige Komponente in Ihren Kernbetriebs- oder kundenorientierten Workflows (d.h. Sie könnten sie nicht entfernen, ohne den Workflow zu beschädigen)?

• Nein, es ist eine Tool-Schicht über bestehenden Systemen: Stufe 3
• Ja, in Kernworkflows integriert mit vollständiger Dateninfrastruktur und funktionsübergreifender Governance: Stufe 4

5. Bietet Ihr Unternehmen Produkte oder Dienstleistungen an, die durch KI bedeutsam differenziert sind, Produkte, die Wettbewerber ohne KI-Infrastruktur nicht replizieren können?

• Nein: Stufe 4 oder darunter
• Ja, mit proprietären Modellen oder Datenvorteilen und KI-Kernprodukten: Stufe 5

Die meisten Leser dieses Artikels werden bei Stufe 1 oder Stufe 2 landen. Wer tatsächlich auf Stufe 3 ist, weiß es bereits, weil er die operative Veränderung gespürt hat. Wer versucht ist, sich auf eine höhere Stufe hochzurunden, erhält von der Diagnose eine nützliche Botschaft: Die Ambition ist real, aber die Voraussetzungen sind noch nicht vollständig vorhanden.

Rework-Analyse: Die Daten der ACE Maturity Curve zeigen durchgehend, dass der folgenreichste Übergang Stufe 2 zu Stufe 3 ist, nicht Stufe 1 zu Stufe 2. Stufe 1 zu Stufe 2 ist ein Governance- und Priorisierungsproblem: Die meisten Organisationen können es in 6 bis 12 Monaten mit CEO-Mandat und klarer Use-Case-Auswahl abschließen. Stufe 2 zu Stufe 3 ist ein Infrastruktur- und Disziplinproblem: Einen Pilot zur vollständigen Produktion zu bringen und gleichzeitig gemeinsame KI-Infrastruktur aufzubauen, typischerweise 12 bis 24 Monate und 200.000 bis 500.000 Euro in Daten- und Engineering-Investitionen über Stufe-2-Kosten hinaus. Die steckengebliebenen Organisationen stecken fast immer bei Stufe 2 fest, nicht bei Stufe 1. Sie haben die Piloten durchgeführt. Sie haben sich nicht zur Produktion verpflichtet. Der BCG-4x-Gesamtaktionärsertrag-Vorteil gehört Stufe 3+, nicht Stufe 2.

Was ehrlich 2026 bedeutet

Die Mehrheit der Mittelstandsunternehmen befindet sich 2026 auf Stufe 1. Etwa ein Viertel hat Stufe 2 erreicht. Eine kleinere Kohorte, vielleicht die besten 10 bis 15% der Mittelstandsunternehmen, hat den Übergang zu Stufe 3 vollzogen. BCGs Forschung ergab, dass Organisationen, die KI skaliert haben, über drei Jahre einen Gesamtaktionärsertrag erzielen, der etwa viermal höher ist als bei Nachzüglern, was bedeutet, dass der Übergang von Stufe 2 zu Stufe 3 nicht nur operativ, sondern wettbewerblich kumulierend ist.

Das ist kein Versagen. Das ist der Stand einer Branche drei Jahre nach dem Mainstream-Generative-AI-Durchbruch. Stufe 1 ist der Startpunkt. Stufe 2 ist der Ort, an dem die grundlegenden Entscheidungen getroffen werden. Stufe 3 ist der Punkt, an dem KI die Investition zuverlässig zurückgibt.

Die Unternehmen, die bis 2028 und darüber hinaus dauerhafte KI-Vorteile haben werden, sind jene, die Stufe 1 und Stufe 2 in 2025 und 2026 richtig machen: Governance, Datengrundlage, validierte Piloten, Produktionsdisziplin. Nicht jene, die Stufe-5-Ambitionen auf Konferenzen ankündigen.

Für die quartalsweise Roadmap durch die frühen Stufen ist die 18-monatige CEO-KI-Agenda der operative Begleiter zu diesem Artikel. Für den Übergang Stufe 1 zu Stufe 2 deckt Stufe 1 zu 2: Von Ad-hoc zum Pilot die Governance- und Use-Case-Arbeit im Detail ab. Für Stufe 2 zu 3 zeigt Stufe 2 zu 3: Vom Pilot zur Skalierung, was Produktionsdisziplin tatsächlich erfordert.

Siehe auch:

• Was KI-Transformation auf C-Level bedeutet: die Geschäftsdefinition, auf der dieses Reifegradmodell aufgebaut ist
• Warum die meisten KI-Transformationen scheitern: warum so viele Unternehmen bei Stufe 2 stagnieren
• Die SaaS-KI-Reifegradufen: wie SaaS-spezifische Dynamiken die Reifegradkalkulation verändern

Stufenreferenz-Zusammenfassung