Die meisten KI-Agenten-Projekte, die scheitern, scheitern nicht an der Technologie. Sie scheitern daran, dass das Unternehmen bei Projektstart nicht bereit war.
Das Muster ist beständig: Die Geschäftsleitung gerät in Begeisterung, ein Budget wird freigegeben, ein Anbieter beauftragt. Acht Wochen später funktioniert der Agent technisch — aber die Ergebnisse sind unzuverlässig, die Mitarbeitenden ignorieren ihn und niemand kann die Kosten einem konkreten Nutzen zuordnen. Die Technologie hat geliefert. Das Unternehmen hat ihr schlechte Daten, undefinierte Prozesse und keine klare Verantwortung übergeben.
Ein KI-Readiness-Assessment vor dem Aufbau ist der Weg, um diese Lehrstunde zu vermeiden. Dieser Artikel gibt Ihnen eine strukturierte Methode zur Bewertung Ihres Unternehmens in drei Dimensionen — Daten, Prozesse und Menschen — und sagt Ihnen klar, ob Sie jetzt einen Pilot starten oder zuerst Ihre Grundlagen festigen sollten.
Warum Bereitschaft wichtiger ist als Begeisterung
Es hält sich hartnäckig die Überzeugung, dass KI-Agenten heute leistungsfähig genug sind, um an ein chaotisches System angeschlossen zu werden und die Dinge von selbst zu ordnen. So funktioniert das nicht.
Ein KI-Agent ist im Kern ein Entscheidungssystem. Geben Sie ihm saubere Eingaben und klare Ziele, arbeitet er gut. Geben Sie ihm fragmentierte Daten und mehrdeutige Anweisungen, erhalten Sie automatisierte Verwirrung im grossen Massstab.
Die Kosten eines übersprungenen Readiness-Checks sind nicht nur ein gescheiterter Pilot. Es ist die organisatorische Glaubwürdigkeit, die Sie einbüssen, wenn das erste sichtbare KI-Projekt enttäuscht — und jede weitere Initiative schwieriger zu finanzieren wird. Siehe auch: Warum KI-Agenten-Projekte scheitern — und wie Sie das Risiko minimieren.
Dimension 1 — Daten: Womit Ihr Agent tatsächlich arbeitet
Jeder Agent ist nur so gut wie die Informationen, auf die er zugreifen und auf die er handeln kann. Bevor Sie etwas aufbauen, beantworten Sie diese vier Fragen ehrlich.
Liegen Ihre Daten an einem Ort — oder auf sechs verschiedenen Systemen verteilt? Ein Agent, der Kundenhistorie, Lagerbestand und Preise abgleicht, wird Mühe haben, wenn diese Daten in einem CRM, einem ERP, einer Tabelle und einem Posteingang liegen, den seit zwei Jahren niemand aufgeräumt hat. Fragmentierte Daten blockieren ein Projekt nicht dauerhaft, fügen aber eine Konsolidierungsphase hinzu, die systematisch unterschätzt wird.
Wie vollständig und konsistent sind Ihre Kerndaten? Fehlende Felder, doppelte Einträge und inkonsistente Benennungskonventionen (steht in Ihrem Adressfeld “Schweiz”, “CH” oder “Switzerland”?) beeinflussen die Genauigkeit des Agenten direkt. Ein schnelles Audit Ihrer meistgenutzten Datenentitäten sagt Ihnen an einem Tag mehr als jede Anbieterdemo.
Haben Sie ausreichend Volumen im richtigen Format? Strukturierte Daten — Datenbankeinträge, Formularantworten, API-Responses — sind unkompliziert. Unstrukturierte Daten — E-Mails, PDFs, Sprachnotizen — erfordern Extraktions- und Normalisierungsschritte. Wenn der zu automatisierende Prozess auf PDFs mit inkonsistenten Layouts basiert, sollten Sie das explizit im Budget einplanen.
Dürfen Sie diese Daten überhaupt verwenden? Für Schweizer Unternehmen, die dem revidierten DSG unterliegen, oder für Unternehmen, die Daten von EU-Bürgerinnen und -Bürgern unter der DSGVO verarbeiten: Stellen Sie sicher, dass die Daten, die Sie einem Agenten übergeben wollen, ordnungsgemäss eingewilligt und kategorisiert sind. Ein Agent, der versehentlich besonders schützenswerte Personendaten ohne Rechtsgrundlage verarbeitet, ist ein Compliance-Vorfall, der nur darauf wartet zu passieren.
Datenbereitsschaftssignal: Sie sind gut aufgestellt, wenn Ihre operativen Kerndaten in einem primären System liegen, hinreichend sauber sind und Sie klar beantworten können, wo die Daten X für den zu automatisierenden Prozess leben. Sie müssen zuerst Grundlagen schaffen, wenn die ehrliche Antwort lautet “kommt drauf an” oder “dafür müsste ich drei Personen fragen.”
Dimension 2 — Prozesse: Man kann nicht automatisieren, was nicht definiert ist
Die zweite Dimension ist jene, bei der die meisten KMU-Projekte den Aufwand unterschätzen. Einen undefinierten Prozess zu automatisieren beseitigt die Unklarheit nicht — sie wird dauerhaft in das Verhalten des Agenten eincodiert.
Können Sie den Prozess in 10 Schritten oder weniger beschreiben? Wenn die Prozesskartierung eine Whiteboard-Session, drei Fachexperten und einen Nachmittag braucht, ist der Prozess nicht bereit zur Automatisierung. Das ist kein Urteil — viele wertvolle Geschäftsprozesse sind organisch komplex. Aber Sie müssen vereinfachen und standardisieren, bevor Sie automatisieren — nicht danach.
Wie sieht ein “gutes Ergebnis” aus, und können Sie es messen? Ein Agent braucht ein Ziel. Wenn Sie nicht definieren können, wie ein korrekter Output aussieht — und ihn idealerweise numerisch messen können — wissen Sie nicht, ob der Agent gut arbeitet. “Kundenanfragen schneller bearbeiten” ist kein Ziel. “Auf Tier-1-Support-Anfragen innerhalb von 2 Minuten reagieren mit einer Lösungsrate über 70%” hingegen schon.
Wo liegen die Ausnahmen, und wie häufig kommen sie vor? Jeder Prozess hat Randfälle. Die entscheidende Frage ist ihre Häufigkeit. Wenn 20% der eingehenden Bestellungen manuellen Eingriff erfordern, weil individuelle Preisregeln greifen, liefert ein Agent für die Standard-80% dennoch Mehrwert — aber Sie müssen diesen Umfang von Anfang an klar benennen und nicht erst in der Produktion entdecken.
Welche Systeme berührt dieser Prozess? Die Agent-Integration — die Anbindung an Ihr CRM, ERP, Buchungssystem oder Kommunikationswerkzeuge — ist typischerweise der zeitaufwendigste Teil eines Projekts. Ein realistischer Readiness-Check enthält eine Liste der erforderlichen Integrationen sowie eine kurze Einschätzung, ob für jede einzelne eine dokumentierte API existiert. Wie sich das in einem grösseren Aufbau zusammenaddiert, zeigt: KI-Agenten im Unternehmen implementieren: Eine Roadmap in Phasen.
Prozessbereitschaftssignal: Sie sind bereit, wenn Sie einem neuen Mitarbeitenden eine schriftliche Anleitung für diese Aufgabe in die Hand geben könnten und er sie befolgen könnte. Sie sind nicht bereit, wenn institutionelles Wissen die einzige Dokumentation ist.
Dimension 3 — Menschen: Wer ist für diesen Agenten verantwortlich?
Technologieprojekte stocken, wenn niemand für das Ergebnis verantwortlich ist. KI-Agenten-Projekte bilden keine Ausnahme.
Gibt es eine interne Sponsorperson mit echter Entscheidungsbefugnis? Nicht jemanden, der KI im Allgemeinen begeistert — sondern jemanden, der Entscheidungen über Prozessänderungen, Datenzugang und Budget treffen kann, wenn Komplikationen auftreten. Ein Pilot ohne Executive Sponsor wird zum Waisenprojekt.
Wer überprüft und verbessert die Outputs des Agenten? In den ersten Wochen wird ein Agent Fehler machen. Entscheidend ist, ob jemand Zeit eingeplant hat, Outputs zu prüfen, Probleme zu melden und Korrekturen zurückzuspielen. Gibt es diese Kapazität nicht, degeneriert die Qualität unbemerkt.
Ist das betroffene Team informiert und einbezogen? KI-Agenten, die auf Menschen losgelassen werden, ohne sie zuerst einzubeziehen, erzeugen zuverlässig Widerstand — auch wenn der Agent klar hilfreich ist. Frühes Einbeziehen wandelt potenzielle Blockierer in die beste Quelle für Randfallrückmeldungen um. In Schweizer Unternehmen mit einer formellen Arbeitnehmervertretung (Personalkommission) — typischerweise grössere Betriebe — verlangt das Mitwirkungsgesetz (SR 822.14), dass dieses Gremium vor der Einführung von Systemen, die die Arbeitsbedingungen wesentlich beeinflussen, informiert und konsultiert wird. Darüber hinaus müssen alle Schweizer Arbeitgebenden Mitarbeitende vorab über die Bearbeitung von Personendaten gemäss revidiertem DSG informieren.
Hat das Team eine grundlegende KI-Kompetenz? Sie brauchen keine Data Scientists. Sie brauchen Menschen, die grob verstehen, wie der Agent Entscheidungen trifft, erkennen können, wenn Outputs falsch aussehen, und wissen, wann sie eskalieren müssen. Ein internes Briefing von zwei Stunden reicht in der Regel aus.
Menschenbereitschaftssignal: Sie sind bereit, wenn Sie den Projektverantwortlichen, den täglichen Prüfer und den Prozessexperten namentlich nennen können, die von Tag eins an dabei sind. Sie sind nicht bereit, wenn die Antwort auf “Wer ist verantwortlich?” lautet “Das übernimmt die IT.”
Die Bereitschaftsmatrix: Wo stehen Sie?
Nutzen Sie dies als schnelles Orientierungswerkzeug, nicht als Präzisionsbewertung.
| Bereich | Bereit für den Pilot | Grundlagen zuerst schaffen |
|---|---|---|
| Daten | Kerndaten in einem System, hinreichend sauber, Verantwortlichkeit klar | Auf Systeme verteilt, erhebliche Qualitätsprobleme, Datenzuständigkeit unklar |
| Prozesse | Dokumentiert, messbar, Ausnahmequote <20% | Undokumentiert, basiert auf implizitem Wissen, hohe Ausnahmequote |
| Menschen | Verantwortliche/r benannt, Prüfkapazität eingeplant, Team informiert | Keine klare Zuständigkeit, keine Prüfkapazität, Team nicht informiert |
In einer Dimension in der Spalte “Grundlagen schaffen” zu landen, bedeutet nicht, dass Sie nicht anfangen können — es bedeutet, dass Ihr erster Sprint ein Remediation-Sprint ist, kein Build-Sprint. Budget und Zeitplan sollten das widerspiegeln.
Was Ihnen ein echter Readiness-Check erspart
Stellen Sie sich eine 12-köpfige Beratungsgesellschaft vor, die das Kunden-Onboarding automatisieren möchte. Sie haben drei Intake-Formulare in unterschiedlichen Formaten, Kundendaten in zwei CRMs und der Prozess lebt grösstenteils im Kopf der Operations-Leiterin. Beauftragen Sie sofort einen Entwickler: Sie werden Wochen mit einer Datenabstimmung verbringen, die Sie nicht eingeplant haben, einen Agenten auf Basis des mentalen Modells einer Einzelperson bauen statt auf einem dokumentierten Prozess — und keine klare Verantwortung haben, wenn sich Prioritäten verschieben.
Ein vier Stunden langes Readiness-Assessment zu Beginn hätte alle drei Probleme aufgedeckt, bevor eine einzige Codezeile geschrieben wurde. Das ist keine Verzögerung — es ist der Unterschied zwischen einem Pilot, der Ergebnisse liefert, und einem, der still und leise eingemottet wird.
Sobald Sie die Readiness-Phase hinter sich haben, zeigt Den ROI von KI-Agenten messen: ein Framework für KMU, wie Sie nachverfolgen, ob sich die Investition auszahlt. Für kleinere Teams, die das zum ersten Mal angehen, setzt KI-Agenten für Kleinunternehmen: Wo anfangen, was sich lohnt realistische Erwartungen dazu, wo Pilots schnell gewinnen.
Wann eine Selbsteinschätzung nicht ausreicht
Für die meisten Unternehmen liefern die obigen Fragen ein klares Bild. Wenn alle drei Dimensionen solide aussehen, können Sie zuversichtlich vorwärtsgehen.
Selbsteinschätzungen stossen an ihre Grenzen bei der Sichtbarkeit der eigenen blinden Flecken. Interne Teams überschätzen tendenziell die Datenqualität — sie ist fast immer schlechter als angenommen — und unterschätzen Ausnahmequoten in ihren Prozessen. Eine externe Perspektive bringt Blockaden ans Licht, die interne Teams gelernt haben zu umgehen statt zu lösen.
Unser KI-Strategie-Service beginnt jedes neue Engagement mit einer strukturierten Readiness-Review: einer klaren, ehrlichen Antwort auf “Was beheben wir zuerst und was bauen wir zuerst” — kein Verkaufsgespräch für das grösste mögliche Projekt.
Wenn Sie vor einer Investitionsentscheidung eine externe Einschätzung Ihres Unternehmens wünschen, buchen Sie ein 30-minütiges Gespräch mit dem Orange ITS Team. Wir arbeiten die drei Dimensionen gemeinsam durch und geben Ihnen eine direkte Antwort darauf, ob Ihre Grundlagen solide sind — und wenn nicht, was es braucht, um dorthin zu gelangen.