Systematisierung: System im KI-Reifegrad-Atlas
Systematisierung
Auf dieser Stufe hört KI auf, Zufall zu sein, und wird zum Prozess. Du legst geteilte Zugänge an, wählst pro Aufgabe bewusst das passende Modell, sammelst Prompts und Skills in einer Bibliothek und baust die ersten Agenten.
Für den Mittelstand ist das die entscheidende Weiche: aus privater Spielerei einzelner wird eine gemeinsame Fähigkeit des Betriebs.
Was auf dieser Stufe zählt
Aus Zufall wird Prozess: geteilte Zugänge, bewusste Modellwahl und eine Skill-Bibliothek machen Ergebnisse wiederholbar und Kosten planbar.
Modell-Routing statt Alleskönner
Nimm für wertvolle Aufgaben das stärkste Modell und stufe herunter, bis die Qualität kippt. Ein Muster: das große Modell schreibt Aufträge für günstige Worker-Modelle.
Skill ist ein Ordner mit Anleitung
Die KI löst ihn bei passender Aufgabe selbst aus. Trenne die Anleitung von vertraulichen Beispielen und gib mindestens zwei bis drei Beispiele mit.
Tokens sind die neue Kostenwährung
Jeder Prompt und jeder Denk-Schritt kostet Tokens. Ohne Tacho pro Projekt und Mitarbeiter verbrennt KI unbemerkt Geld.
Kontext schlägt Intelligenz
Ein Modell füllt jede Lücke selbst, wenn das Ziel unklar ist. Halte das Kontextfenster sauber: eine Session pro Zweck, unter der Grenze bleiben, ab der Modelle schwächer werden.
Datenfundament vor Use-Case
KI wirkt nur auf sauberer Datenbasis. Was nie erfasst wurde, kann auch eine KI nicht auswerten, und rund 95 Prozent der Projekte zeigen sonst keinen Return.
Text-Leitplanken sind freiwillig, technische zwingend
Eine Anweisung wirkt wie ein Verkehrsschild, eine Sandbox oder ein Hook wie ein Tempolimit im Auto. Auf dieser Stufe brauchst du beides.
Effizienz statt Token-Verbrennen
Wenn ein Team nach drei Monaten nur sagen kann, es fühle sich produktiver an, hat es kein KI-Programm, sondern ein Werkzeug. Binde jeden Einsatz an eine Zahl, und wo eine Regel oder ein Stück Code reicht, nimm die Regel statt das Sprachmodell.
Erst der Prozess, dann die Automatisierung
Der erste Schritt jeder Automatisierung hat nichts mit KI zu tun: Schreib den Ablauf auf und räum ihn auf. Ein schlechter Prozess bleibt schlecht, du machst ihn nur schneller und zementierst ihn. Kandidat ist alles, was jemand mehr als zwei- bis dreimal wiederholt.
Agent nur, wo Nicht-Determinismus gewollt ist
Ein Agent entscheidet jedes Mal neu und liefert deshalb jedes Mal etwas anderes. Für die meisten Fälle im Mittelstand reicht eine klassische Automatisierung mit ein paar KI-Schritten darin. Wer das verwechselt, baut teure Unzuverlässigkeit in einen Ablauf ein, der vorher berechenbar war.
KI-Allianzen für den Mittelstand
Ein kleineres Unternehmen zieht schwerer Talent an und hat ein kleineres Budget als ein Konzern. Mehrere nicht konkurrierende Mittelständler können sich mit einem Tech-Partner um einen gemeinsamen Use-Case zusammentun und so Talent, Budget und Erfahrung bündeln.
Wo du auf jeder Achse stehst
Reife ist ein Profil aus fünf Werten. So sieht jede Achse auf dieser Stufe aus.
Vom Tool-Touristen zum echten Anwender, der Werkzeuge umbaut. Neue Kernkompetenz ist, ganze Aufgaben zu erkennen, die man an einen Agenten übergibt. In die Breite kommt das über Multiplikatoren, nicht über Schulungskataloge: rund 69 Prozent der Beschäftigten lernen lieber von Kollegen als von Externen.
Vor dem ersten Agenten steht die Frage nach sauberen, teilbaren Daten. Prompts, Anleitungen und Fachwissen wandern in eine gemeinsame Bibliothek. Hier fällt die Entscheidung, eigenes Wissen über RAG anzubinden statt ein Modell zu trainieren, und der Engpass ist fast nie die Technik, sondern die Qualität dessen, was du hineingibst.
Die Leitachse dieser Stufe: Zugänge, Modell-Routing und Skill-Bibliothek entstehen, dazu das Vokabular MCP, Plugins und Harness. Merksatz: MCP regelt, wie ein Werkzeug bedient wird, ein Skill trägt das Fachwissen. Wo der Endpunkt feststeht, ist der direkte Anschluss sparsamer, weil MCP seine Werkzeugbeschreibungen jedes Mal mitlädt.
Erste ganze Aufgaben werden delegiert, per Zeitplan oder autonom. Größter Hebel ist, Fachkräfte vom administrativen Ballast zu befreien. Miss solche Abläufe an der Durchlaufzeit von Anstoß bis Ergebnis, nicht an gefühlter Zeitersparnis.
Erste Leitplanken: Token-Budgets mit Spending-Limits, Evals als Ja-Nein-Checks, enger MCP-Zugriff, ein Mensch gibt jede Aktion nach außen frei. Dazu kommt der AI Act: seit Februar 2025 gilt die Kompetenzpflicht für alle, die mit KI arbeiten, ab dem 2. August 2026 die Transparenz- und Kennzeichnungspflicht. Die Human-in-the-Loop-Regel stufst du über eine Konfidenzschwelle ab, statt sie pauschal zu setzen.
Woraus diese Stufe besteht
- Geteilte Zugänge mit Rahmen: Ein Geschäfts-Zugang mit AVV und No-Training-Zusage, damit ein Agent überhaupt auf Kalender, Postfach oder Ablagen zugreifen darf.
- Modell-Routing-Matrix: Eine Übersicht, welches Modell und welcher Denk-Aufwand für welche Aufgabenklasse gilt, von Planung bis einfacher Massenarbeit.
- Prompt- und Skill-Bibliothek: Ein gemeinsamer Ort für erprobte Anleitungen, jede mit klarer Auslösebeschreibung, Selbstprüfung und kurzem Gedächtnis.
- Erste Agenten und Routinen: Ein Tagesbriefing per Zeitplan oder eine Telefon-KI, begonnen dort, wo du das Ergebnis selbst beurteilen kannst.
- Token-Tacho und Budget: Ein sichtbarer Verbrauchsmesser pro Projekt, Caching für Wiederkehrendes und die Gewohnheit, das Kontextfenster klein zu halten.
- Wissensanbindung statt Modelltraining: Statt ein eigenes Modell zu trainieren, hängst du eine gepflegte Wissensbasis daneben, aus der die KI erst nachschlägt und dann antwortet, mit Quellenangabe. Das Verfahren heißt RAG und braucht einen Verantwortlichen für die Pflege, sonst veraltet die Basis in wenigen Monaten.
- Technische Leitplanken: Eine Sandbox, die der Agent nicht verlassen kann, ein Hook, der gefährliche Befehle von vornherein verhindert, und abgestufte Rechte von Nachfragen bis Vollzugriff. Ein surfender Agent bekommt nie Zugriff auf Passwortspeicher oder Bankzugänge, und wenn er zahlen muss, eine eigene Karte mit engem Limit.
- Make or Buy in drei Schichten: Standardtool, Plattform und Eigenentwicklung sind keine Lager, sondern drei Schichten, die du je Anwendungsfall kombinierst. Die teuerste KI-Entscheidung ist längst nicht mehr die Lizenz, sondern der falsch gewählte Anwendungsfall.
Die ersten Schritte
Die Kennzahlen dieser Stufe
- Wiederholbarkeit: gleiche Aufgabe liefert über einen geteilten Skill verlässlich dasselbe Niveau
- Kostentransparenz: Verbrauch pro Projekt und Mitarbeiter sichtbar
- Geteilte Bibliothek: Zahl genutzter, geteilter Skills wächst
- Erste Agenten in Betrieb: mindestens einer im Alltag mit klarer Freigabestelle
- Bestehende Evals je Skill: rund 80 Prozent der Ergebnisse ohne Nacharbeit brauchbar, dann reif fürs Team
- Eine Zahl pro Anwendungsfall: Durchlaufzeit, Fehlerquote oder Stückkosten statt fühlt sich schneller an
