In einem aktuellen McKinsey-Report geben 80 Prozent der Befragten an, durch KI persönlich produktiver zu arbeiten. Dass sich das auch im Unternehmensergebnis niederschlägt, sehen allerdings nur 37 Prozent. In dieser erheblichen Diskrepanz steckt die eigentliche Frage der KI-Transformation: Wie wird aus einzelnen Erfolgen echte KI-Reife, die tatsächlich bessere Arbeitsergebnisse bringt?
Denn auch wenn viele Mitarbeitende mit KI experimentieren, ist das keine KI-Reife. Dafür muss eine Organisation oder ein Team selbst auf die Einsatzmöglichkeiten der KI schauen und herausfinden, was diese für ihre Arbeitsabläufe und die Zusammenarbeit bedeuten. Von Reife lässt sich erst sprechen, wenn aus der Nutzung Einzelner ein gemeinsamer Rahmen wird: Wissen wird geteilt, Regeln und Grenzen offen diskutiert, es gibt eine Strategie und klar definierte Anwendungen, hinter denen die Führung steht. Diese Merkmale zeigen, dass KI-Reife und Changeprozess zusammengehören, ein hoher KI-Reifegrad kann nur erreichen, wer sich auf den Change einlässt.
Viele Unternehmen sind allerdings von diesem Verständnis und von einem gemeinsamen Rahmen noch weit entfernt, wie folgende Zahlen zeigen:
Nur gut jede vierte Führungskraft in Deutschland verfügt laut Gartner über eine KI-Strategie und nur jede fünfte Organisation sieht ihre Belegschaft als bereit für KI.
92 Prozent der befragten Organisationen haben Orgvue zufolge in KI investiert, doch 35 Prozent werten ihre Projekte als gescheitert und 43 Prozent kommen über Pilotprojekte nicht hinaus.
Mehr als jede zweite Führungskraft gibt offen zu, KI unter anderem deshalb eingesetzt zu haben, weil auch die Konkurrenz einstieg.
Hinter diesen Umfrageergebnissen steckt häufig ein vertrautes Muster: Eine neue Technologie wird lediglich als neue Software in die bestehende Organisation eingefügt. Schon bei der Elektrifizierung ersetzten viele Fabriken zunächst nur ihre zentrale Dampfmaschine durch einen Elektromotor – die Arbeitsabläufe blieben jedoch weitgehend unverändert, und die erhofften Produktivitätsgewinne blieben aus. Erst als die Maschinen eigene Motoren erhielten und sich dadurch Produktionsabläufe und Arbeitsorganisation flexibler gestalten ließen, wurde die neue Technologie wirklich produktiv.
Auch heute behandeln viele Unternehmen die KI wie eine beliebige Software, kaufen Lizenzen, bieten Trainings und lassen die Mitarbeitenden mit der KI experimentieren. Bei einer Technologie, die schneller voranschreitet als jedes Trainingsformat, ist das aber bei weitem nicht genug. Für einen wirklichen Produktivitätssprung müssen vielmehr Prozesse und Arbeitsorganisation verändert und die KI-Transformation als Changeaufgabe begriffen werden.
Das Commha KI-Reifegradmodell: Standortbestimmung in fünf Stufen
Wieviel KI im Einsatz ist, sagt wenig über die KI-Reife einer Organisation. Vielmehr ist es für eine Standortbestimmung aufschlussreicher zu wissen, wie weit der Changeprozess dahinter gediehen ist. Um das greifbar zu machen, haben wir das Commha KI-Reifegradmodell entwickelt. Es verbindet wissenschaftliche Erkenntnisse zur KI-Implementierung mit Erfahrungen aus unseren Kundenprojekten und beschreibt fünf Reifegrad-Stufen von Ad-hoc bis Transformational.
Das KI-Reifegradmodell versteht sich als Orientierungshilfe: Es zeigt, wo ihr im Team oder in eurer Abteilung hinsichtlich KI-Transformation heute steht und welcher Schritt als nächstes sinnvoll ist. Das Modell lädt dabei ausdrücklich nicht zum Wettlauf um die höchste Stufe ein. Ohnehin kann sich der Reifegrad je nach Team oder sogar Individuum erheblich unterscheiden – eine verlässliche Aussage über ein ganzes Unternehmen hinweg ist bisher kaum möglich.
Ein roter Faden zieht sich jedoch durch alle Stufen: Je weiter eine Organisation im Stufenmodell kommt, desto weniger hängt der Erfolg vom KI-Werkzeug ab und desto mehr von Unternehmenskultur, Führung und Zusammenarbeit.
Stufe 1 – Ad-hoc: Experimentieren auf eigene Faust
Auf der ersten Stufe liegt der Umgang mit KI in den Händen Einzelner, und die Organisation hat keinen Überblick, wer welches Tool wofür einsetzt. Wer sich sicher fühlt, legt begeistert los. Wer unsicher ist, wohin die eigenen Daten wandern oder wer bei Fehlern geradesteht, hält sich zurück oder greift heimlich zu privaten Tools. Wie verbreitet das ist, zeigt Gartner: Selbst in Unternehmen mit bestem offiziellem KI-Angebot nutzen 88 Prozent der Beschäftigten nebenbei private KI-Anwendungen für Arbeitsaufgaben. Die Existenz von Schatten-KI ist damit eher der Normalfall als die Ausnahme, und sie öffnet Tür und Tor für unkontrollierten Datenabfluss.
Emotional ist dies die intensivste Stufe. Die klassische Change-Kurve beschreibt, dass zu Beginn tiefgreifender Veränderungen zunächst Verunsicherung und Skepsis überwiegen, ehe Akzeptanz wachsen kann. Bei KI schwingt zusätzlich die Frage mit, was die eigene Arbeit künftig noch wert ist. Diese Widerstände sind berechtigt und brauchen einen geschützten Rahmen sowie einfache Leitplanken. Bewährt haben sich unter anderem ein Team-Workshop zum Festlegen einer gemeinsamen KI-Roadmap, ein Austauschformat, bei dem Kolleginnen und Kollegen ihre Experimente zeigen oder ein Netzwerk aus KI Champions, die als Multiplikatorinnen und Multiplikatoren in die Fachbereiche hineinwirken.
Selbst in Unternehmen mit bestem offiziellem KI-Angebot nutzen 88 Prozent der Beschäftigten nebenbei private KI-Anwendungen für Arbeitsaufgaben.
Stufe 2 – Basic: Aus Einzelerfahrungen wird ein Fundament
Ein solcher Rahmen bringt Organisationen auf Stufe 2. Einzelne Erfahrungen werden gebündelt, eine erste KI-Strategie zeichnet sich ab und fixe Regeln legen fest, was erlaubt ist. Teams legen eine Bibliothek mit bewährten Prompts an, damit nicht alle bei Null anfangen müssen. Die Kompetenz wächst insbesondere durch wiederholtes, geschütztes Ausprobieren. Schulungen sind auf dieser Stufe daher kein Zusatz, sondern ein zentraler Baustein. Doch genau hier klafft eine Lücke: Laut TÜV-Weiterbildungsstudie 2026 setzen 56 Prozent der befragten Unternehmen KI im Arbeitsalltag ein, aber erst 27 Prozent haben ihre Beschäftigten dafür qualifiziert.
Am sinnvollsten sind Trainings, die sich an den eigenen Aufgaben orientieren statt allgemeine Prompts zum Lernthema zu machen. Auch bewährt haben sich Use-Case-Workshops, in denen aus verstreuten Ideen konkrete Anwendungen entstehen. Meist ist dabei noch ungeklärt, wie es mit der Machbarkeit aussieht und welche Ideen sich am meisten lohnen. Und weil manche Mitarbeitenden schneller Routine gewinnen als andere, entwickeln sich auch die Teams unterschiedlich schnell. Führungskräfte sind deshalb auf dieser Stufe besonders gefragt: Sie erarbeiten die Strategie und stecken den Rahmen ab, an dem sich ihre Teams orientieren.
Stufe 3 – Operational: Wenn sich die eigene Arbeit verändert
Auf Stufe 3 gehört KI fest zur Routinearbeit. Es entstehen konfigurierte Assistenten und erste Automatisierungen, und Governance sowie gemeinsame Standards nehmen Gestalt an. Bis hierher kommt man mit Tools und Schulungen weit, nun aber verändert sich die eigene, gewohnte Arbeit. KI greift in ganze Abläufe ein und übernimmt dabei deren Schwachstellen: Ein schlechter Prozess wird durch KI nicht besser, er wird nur schneller durchlaufen. Und wer nur eine einzelne Aufgabe automatisiert ohne den gesamten Ablauf anzuschauen, optimiert häufig nur scheinbar: Beispielsweise gewinnt eine Person auf diese Weise vielleicht etwas Zeit, aber anderswo wächst für jemand anderen der Prüfaufwand. Dies gilt besonders für die Fälle, bei denen es versäumt wurde, diejenigen Mitarbeitenden einzubinden, welche die ungeschriebenen Regeln und wunden Punkte am besten kennen.
Dies wirft eine Frage auf, die auf den ersten Stufen kaum auftauchte: Wer entwirft, wer kontrolliert, wer verantwortet? Aufgaben wandern zur KI, ohne dass die geänderten Zuständigkeiten und Kompetenzprofile neu besprochen werden. Gleichzeitig gibt es Verschiebungen bei der Frage, worauf es ankommt und welches die relevanten Erfolgsfaktoren sind: Die Technologie wird dabei zur reinen Selbstverständlichkeit, den Unterschied machen Kultur, Führungsverhalten und die Güte der eigenen Datenbasis. Erfolgreich sind diejenigen Unternehmen, die ihre Abläufe aus Sicht der Zusammenarbeit von Mensch und KI neu denken. Das kann beispielsweise in Prozess-Workshops sein oder in einem KI-Bootcamp, bei dem sich ein Team aus dem Alltag herausnimmt und gemeinsam eigene Anwendungsfälle durchspielt.
Stufe 4 – Advanced: Das eigene Wissen wird zum Rohstoff
Ab Stufe 4 steht die Zusammenarbeit von Mensch und KI auf einer neuen Grundlage: dem Wissen der Organisation selbst. Technisch geschieht das etwa über Retrieval Augmented Generation (RAG), Gedächtnisfunktionen oder hinterlegte Skills. KI wird mit internen Dokumenten und Systemen verbunden und greift auf den Wissensschatz zu, den ein Unternehmen über Jahre angesammelt hat. Das hört sich nach reiner Technik an, ist aber vor allem Aufräum- und Ordnungsarbeit, und am Anfang steht ein Audit der internen Quellen.
Die KI macht Einzelne zwar häufig schneller. Aber ob daraus Reife erwächst und ob daraus auch Verluste entstehen können, entscheidet sich an drei Bruchstellen der Produktivität:
Die erste Bruchstelle ist die Wissenssicherung. Berufseinsteiger können mit KI überzeugende Ergebnisse liefern, ohne den Weg dorthin verstanden zu haben. Sie verpassen so das Lernen, das früher in der gemeinsamen Arbeit mit erfahreneren Kolleginnen und Kollegen stattfand. Diese werden im Gegenzug nun zu Prüfern fremder Ergebnisse, statt ihr Know-how aktiv weiterzugeben. Das hat spürbare Folgen für die Arbeit und die Arbeitsweisen. So fragte vor kurzem etwa jemand in einer Schulung, wie junge Kolleginnen und Kollegen das Schreiben überhaupt noch lernen sollen, wenn das Ringen um die erste Fassung wegfällt. Meine Vermutung: Aus dem Leere-Blatt-Problem wird ein Volles-Blatt-Problem. Wer künftig einem fertigen Vorschlag gegenübersitzt, muss vorab klären, woran sich ein gutes Ergebnis messen lässt, und trainiert dadurch das kritische Hinterfragen.
Die zweite Bruchstelle ist die Qualitätssicherung. Dieselbe KI arbeitet mal auf Expertenniveau, liegt aber bei der nächsten, ganz ähnlichen Aufgabe überraschend daneben. Und beim sogenannten Automation Bias werden überzeugend formulierte, aber falsche Antworten ungeprüft übernommen. Außerdem verkürzen schnelle Ergebnisse die Debatte im Team: Wo die Antwort sofort da ist und gut klingt, fragt kaum jemand nach.
Die dritte Bruchstelle betrifft die Innovation. Sie ist vielleicht die am wenigsten sichtbare Bruchstelle, kann aber den größten Verlust bedeuten, nämlich den an menschlicher Kreativität. Der erste plausible Vorschlag der KI wirkt wie ein Anker, an dem das Denken unbemerkt hängen bleibt, und wer sich daran orientiert, schlägt seltener einen ganz anderen Weg ein. Neue Ideen entstehen jedoch vor allem dann, wenn verschiedene Blickwinkel einfließen und Widerspruch geübt wird, weniger aus schneller Einigkeit.
Allen drei Bruchstellen und Verlustorten liegt dieselbe Ursache zugrunde: KI beseitigt die Reibung, die bislang oft – und ohne geplant zu sein – Gutes bewirkt hat, vom mühseligen Lernweg bis zur kritischen Diskussion. Wer also die Transformation voranbringen und Kreativität erhalten und fördern will, baut auch bei überzeugenden Ergebnissen diese Reibung gezielt wieder ein, etwa durch feste Rückfrage- und Prüfschleifen sowie Austauschformate zwischen Abteilungen und unter Führungskräften
Stufe 5 – Transformational: KI als neue Teamkollegin
Auf Stufe 5 gehört KI ganz selbstverständlich zur Arbeitsweise. Das heißt, die meisten Prozesse laufen vernetzt mit ihr, etwa über agentische Systeme. Über den Erfolg entscheiden jetzt weniger Kontrollen und Arbeitsprozesse als vielmehr Kultur und Zusammenarbeit zwischen Mensch und KI. Orchestriert wird das Ganze von Führungskräften, die sich dieser Rolle stellen. Diese Rolle gut auszufüllen, wird mit jeder Stufe anspruchsvoller, denn viele Führungskräfte sind als Fachexpertinnen und Fachexperten in ihre Position gekommen und führen nun Teams in einem Gebiet, in dem sie oft weniger wissen als jüngere Kolleginnen und Kollegen.
Eine HiBob-Studie zeigt, wie groß die Unsicherheit bezüglich KI-Kompetenz und wer sie aufbauen soll, ist: Nur 16,5 Prozent der Führungskräfte sehen sich in der Verantwortung, KI-Kompetenz in ihren Teams aufzubauen. Es liegt auf der Hand, dass diese Anzahl an Führungskräften, die den KI-Kompetenzaufbau in ihren Teams als ihre Aufgabe begreifen, nicht genügt, um Orientierung geben und den Wandel kommunizieren zu können. Fachliche Antworten müssen sie nicht liefern, wohl aber das Wissen ihres Teams aktiv einbinden, statt es als Gefahr für den eigenen Status zu erleben. Hilfreich sind Rollen-Redesigns, in denen ein Team durchspielt, wie Aufgaben und Zusammenarbeit nun aussehen. Oder wenn Teams definieren, welche Aufgaben bewusst KI-frei bleiben sollen. Auf diese Weise bleibt erkennbar, worin Menschen stark sind und was sie nicht verlernen sollten.
KI-Transformation ist ein Changeprojekt
Die fünf Stufen machen deutlich: Mit jeder Stufe rückt die KI selbst weiter in den Hintergrund. Im Mittelpunkt stehen vielmehr Arbeitsweise, Entscheidungswege, Führung und gemeinsames Lernen. Wer KI einführt, sollte deshalb wie in jedem Veränderungsvorhaben mit einer Standortklärung und einem klaren Zielbild starten. Es gilt, Mitarbeitende zu beteiligen, Kompetenz im Arbeitsalltag aufzubauen, Führungskräfte auf ihre neue Rolle vorzubereiten und verbindliche Leitplanken zu setzen. Kommunikationsstärke, Befähigung und Beteiligung der Teams und Führung sind dabei das Fundament jeder KI-Initiative.
Und selbst wo KI gut funktioniert, bleibt dem Menschen eine große Verantwortung. Bei Arbeitsprozessen, an denen Mensch und KI beteiligt sind, darf “Human in the Loop“ beispielsweise kein bloßes Abnicken und Freigeben sein. Wer etwas abnimmt, muss die Aufgabe durchdringen, die Qualität einschätzen und den Mut haben zu sagen: „Das klingt stimmig, taugt aber nichts, geht am Thema vorbei oder ist schlicht langweilig.“ Genauso gehört dazu, bewusst Nein zu KI sagen zu dürfen. Der Druck, irgendein KI-Projekt vorzeigen zu müssen, ist derzeit groß, doch nicht jeder Prozess muss automatisiert und nicht jeder Inhalt KI-generiert sein. KI-Reife heißt, begründet entscheiden zu können, wo KI hilft und wo nicht.
Und selbst wo KI gut funktioniert, bleibt dem Menschen eine große Verantwortung. Bei Arbeitsprozessen, an denen Mensch und KI beteiligt sind, darf “Human in the Loop“ kein bloßes Abnicken und Freigeben sein.
Innehalten, bevor es weitergeht
In der Praxis erleben wir oft, dass KI übereilt „eingeführt“ wird, wohl aus dem Wunsch heraus, dass etwas passiert und man nichts verpasst. Mit dem Commha KI-Reifegradmodell möchten wir dazu anregen, kurz innezuhalten, den eigenen Status quo zu klären und von dort aus gezielt die nächsten Schritte zu gehen, die euch wirklich weiterbringen. Wo steht euer Team und was folgt daraus? Mit dem KI-Reifegrad-Test könnt ihr eine erste Einschätzung Eures KI-Standorts vornehmen. Oder sprecht gerne mit uns über eure KI-Transformation.
Quellen: McKinsey (State of AI, 2026) · Gartner (KI-Strategie und Bereitschaft in Deutschland; Schatten-KI) · Orgvue (KI-Projekterfolg) · TÜV-Verband Weiterbildungsstudie 2026 · HiBob (Führungskräfte und KI-Kompetenz)
