KI Readiness Check: ist Ihr Unternehmen bereit für KI?

Kurze Antwort

Ein KI Readiness Check ist eine strukturierte Selbstbewertung, die zeigt, ob Ihr Unternehmen die Daten, das Team, die Technik und die Anwendungsfälle hat, um KI erfolgreich einzuführen. Für den E-Commerce Mittelstand dauert ein sinnvoller Check etwa einen Nachmittag, deckt fünf Säulen ab (Daten, Team, Tech-Stack, Use Case, Compliance) und gibt am Ende eine klare Antwort: jetzt starten, vorbereiten oder klein anfangen.

Die meisten KI Readiness Modelle im Netz wurden für Konzerne mit eigenen KI-Teams und mehrjährigen Transformationsbudgets geschrieben. Diese Modelle helfen Ihnen nicht. Sie sind 200-Mitarbeiter-Onlinehändler, Ihr Support-Postfach wächst schneller als das Team, und Ihre IT besteht aus zwei Entwicklern, die ohnehin schon ausgelastet sind.

Diese Anleitung ist für Sie geschrieben.

Sie bekommen ein Fünf-Säulen-Modell, eine Checkliste mit 12 Fragen, die Sie selbst durchgehen können, und eine ehrliche Auswertung am Ende. Auch der Fall "noch nicht bereit" wird abgedeckt, weil das eine valide und nützliche Antwort ist. Bei Neople führen wir diesen Check jede Woche mit E-Commerce Mittelständlern durch, deshalb ist die Struktur an das ausgerichtet, was Projekte tatsächlich zum Erfolg führt, nicht an das, was in einer Berater-Präsentation gut aussieht.

Los geht's.

Was ist ein KI Readiness Check?

Ein KI Readiness Check ist eine strukturierte Selbstbewertung, die feststellt, ob Ihr Unternehmen bereit ist, KI sinnvoll einzuführen. Bewertet werden Ihre Daten, die Kapazität Ihres Teams, Ihr bestehender Tech-Stack, Ihre Anwendungsfälle und Ihre Compliance-Aufstellung. Das Ergebnis ist kein 60-seitiger Bericht, sondern eine klare Entscheidung: jetzt investieren, sechs Monate vorbereiten oder mit einem kleineren Anwendungsfall starten.

Fünf Dinge sollte ein nützlicher Check beantworten:

• Sind Ihre Daten in einem brauchbaren Zustand für KI?
• Hat Ihr Team die Kapazität, eine Einführung zu begleiten?
• Können Ihre bestehenden Tools mit KI integriert werden, ohne dass Sie alles neu bauen?
• Haben Sie einen Anwendungsfall, der schnell ROI liefert?
• Sind Sie DSGVO- und AI-Act-konform aufgestellt?

Wer eine dieser Fragen überspringt, landet im dritten Monat in einem KI-Projekt, das nicht vorankommt. Wir sehen das oft genug, dass es ganz oben auf unserer Liste steht.

Warum der Mittelstand einen anderen Ansatz braucht als Konzerne

Die meisten KI Readiness Modelle, die Sie online finden (das Microsoft AI Maturity Model, die Reifegradmodelle der großen Beratungen, die Frameworks von Gartner), wurden für Unternehmen mit eigenen KI-Abteilungen, langjährigen Transformationsbudgets und der Bereitschaft entwickelt, neun Monate in eine Discovery-Phase zu investieren.

Wenn das auf Sie zutrifft, super. Nutzen Sie die.

Wenn Sie ein Mittelständler mit 50 bis 200 Mitarbeitern sind und Ihr Support-Team in WISMO-Tickets versinkt, sind diese Modelle überdimensioniert. Schlimmer noch: sie sagen Ihnen, dass Sie nicht bereit sind, obwohl Sie es eigentlich sind. Sie brauchen nur eine Definition von "bereit", die zu Ihrer Größe passt.

In der Praxis sieht das so aus:

Die Frage verschiebt sich von "Sind wir bereit, ein KI-Unternehmen zu werden" zu "Sind wir bereit, die drei Workflows zu automatisieren, die unser Support-Team auffressen". Die zweite Frage ist deutlich einfacher zu beantworten, und die Antwort lautet meistens ja.

Wenn Sie sich für das Konzern-Modell interessieren: der Reifegradmodell-Ansatz ist sinnvoll, wenn Sie KI bereits seit zwei oder drei Jahren einsetzen und wissen wollen, wie weit Sie im Vergleich zu anderen sind. Für den ersten Pilot ist ein Readiness Check der richtige Einstieg.

Die 5 Säulen der KI Readiness für E-Commerce

Die fünf Dinge, die tatsächlich vorhersagen, ob ein KI-Projekt im Mittelstand funktioniert, in der Reihenfolge ihrer Wichtigkeit:

1. Daten-Readiness

Sie brauchen keinen Data Lake. Sie müssen wissen, wo Ihre Kundendaten liegen, in welchem Format sie vorliegen, und ob ein KI-Tool über eine API oder Integration darauf zugreifen kann. Im E-Commerce heißt das in der Regel: Ihr Helpdesk (Gorgias, Zendesk, Freshdesk), Ihr Warenwirtschaftssystem und Ihr Produktkatalog.

Die entscheidende Frage: kommen Ihre Support-Mitarbeitenden in unter 30 Sekunden an die Informationen, die sie für eine Antwort brauchen? Wenn ja, sind Ihre Daten bereit. Wenn nicht, weil sie zwischen vier Tabs und einem Slack-Channel hin- und herspringen müssen, haben Sie ein Datenproblem, das KI nicht löst, solange Sie es nicht selbst angehen.

2. Team-Readiness

Es geht nicht darum, KI-Engineers einzustellen. Es geht darum, ob Ihr bestehendes Team Kapazität und Buy-in hat, um die Einführung erfolgreich zu machen.

Zwei Dinge zählen:

• Kapazität. Jemand (oft ein Head of Support oder Operations Lead) muss in den ersten 90 Tagen vier bis sechs Stunden pro Woche aufbringen, um Automatisierungsqualität zu prüfen, Workflows zu verfeinern und Lücken zu identifizieren. Ohne diese Person stagniert das Projekt.
• Buy-in. Ihre Mitarbeitenden müssen KI als Entlastung sehen, nicht als Bedrohung. Wie Sie das intern kommunizieren, ist genauso wichtig wie das Tool selbst.

3. Tech-Stack-Readiness

Die Frage ist nicht, ob Ihr Stack modern ist. Die Frage ist, ob Ihre bestehenden Tools mit KI-Plattformen integriert werden können. Die meisten modernen E-Commerce-Stacks tun das.

Eine kurze Prüfung:

• Nutzen Sie einen Standard-Helpdesk wie Gorgias, Zendesk oder Freshdesk? Dann passt es.
• Hat Ihr Warenwirtschaftssystem eine API? Fast immer ja.
• Läuft Ihr Shop auf Shopify, WooCommerce oder BigCommerce? Dann passt es.

Wenn Sie auf einem selbstgebauten Helpdesk ohne dokumentierte API arbeiten, ist Ihr Stack der Engpass. Bei allem Modernen ist er es nicht.

4. Use-Case-Readiness

Hier werden die meisten Readiness Modelle vage und die meisten Projekte schwierig. Die Lösung ist Spezifität.

Sie brauchen keine 17 Use Cases. Sie brauchen ein oder zwei, die drei Kriterien erfüllen:

• Hohes Volumen (der Workflow kommt häufig genug vor, dass Automatisierung echte Zeit spart)
• Repetitiv (die Antwort ist im Grunde immer gleich)
• Geringes Risiko, wenn gelegentlich ein menschlicher Blick nötig ist

Im E-Commerce erfüllen drei Workflows fast immer diese Kriterien: Bestellverfolgung (die WISMO-Anfrage), FAQs und Retouren. Diese drei Kategorien machen typischerweise 60 bis 80 Prozent des Ticket-Volumens eines E-Commerce Support-Teams aus, und es sind genau die Workflows, für die Neople seine Order-Tracking-, FAQ- und Retouren-Automatisierungen gebaut hat. Wer diese drei automatisiert, schafft den Großteil der Team-Zeit frei, ohne die schwierigen Themen anzufassen.

5. Compliance-Readiness (DSGVO und AI Act)

Diese Säule wird in englischsprachigen Readiness Checks meistens vernachlässigt. Im deutschen Mittelstand ist sie entscheidend.

Drei Fragen, die Sie vor dem Start klären müssen:

• DSGVO-Konformität. Haben Sie einen Auftragsverarbeitungsvertrag (AVV) mit Ihrem KI-Anbieter? Sind Datenflüsse dokumentiert? Wissen Sie, wo Kundendaten verarbeitet werden, idealerweise in der EU?
• AI Act. Welche Risikokategorie hat Ihre Anwendung nach dem EU AI Act? Customer-Support-Automatisierung fällt in der Regel in die niedrige Risikoklasse, aber Sie sollten das vor dem Start dokumentieren.
• ISO und interne Governance. Wer im Unternehmen entscheidet, welche Antworten die KI geben darf? Wer prüft die Qualität? Diese Verantwortlichkeiten müssen vor dem Go-Live geklärt sein, nicht danach.

Compliance ist kein Showstopper, wenn Sie den richtigen Partner wählen. Neople ist ISO 27001 zertifiziert, DSGVO-konform und auf den AI Act vorbereitet. Wenn Ihr Anbieter diese Aufstellung nicht hat, ist das ein klares Warnsignal.

KI Readiness Check: 12 Fragen für Ihre Selbstbewertung

Gehen Sie die Fragen der Reihe nach durch. Antworten Sie mit ja, nein oder teilweise. Zählen Sie am Ende.

Daten:

1. Wissen wir, wo unsere Kunden- und Support-Daten liegen (Helpdesk, CRM, Warenwirtschaft)?
2. Sind unsere Support-Tools über API oder native Integration zugänglich?
3. Haben wir mindestens sechs Monate historische Ticket-Daten?

Team:

4. Haben wir eine Person, die dieses Projekt 90 Tage lang mit vier bis sechs Stunden pro Woche begleiten kann?
5. Ist unser Support-Team offen für KI-Tools, oder müssen wir vorher interne Veränderungsarbeit leisten?
6. Haben wir einen Executive Sponsor (Geschäftsführung, COO, VP CX), der das Projekt schützt?

Tech-Stack:

7. Nutzen wir einen etablierten Helpdesk (Gorgias, Zendesk, Freshdesk, Salesforce)?
8. Läuft unser Shop auf einer modernen E-Commerce-Plattform (Shopify, WooCommerce, BigCommerce)?

Use Case:

9. Können wir unsere drei umsatzstärksten Ticket-Typen benennen?
10. Haben diese drei Ticket-Typen repetitive, automatisierbare Antworten?

Compliance:

11. Haben wir DSGVO-Grundlagen (AVV-Vorlage, Datenflussdokumentation) auf dem aktuellen Stand?
12. Wissen wir, in welche AI-Act-Risikokategorie unsere geplante Anwendung fällt?

So interpretieren Sie Ihr Ergebnis

Zählen Sie Ihre Ja-Antworten:

Die ehrliche Variante: die meisten E-Commerce Mittelständler, mit denen wir sprechen, landen zwischen 7 und 10. Die Arbeit besteht nicht im Bereitwerden, sondern in der Entscheidung, tatsächlich loszulegen.

AI Act und DSGVO: was Sie vor dem Start klären müssen

Drei Punkte, die im deutschen Mittelstand vor jedem KI-Projekt geklärt sein sollten:

Datenverarbeitung in der EU. Verlangen Sie von Ihrem Anbieter eine klare Aussage, in welcher Region Kundendaten verarbeitet werden. EU-only ist der Standard, den Sie einfordern sollten. Anbieter, die das nicht anbieten können, sind für den deutschen Markt im Jahr 2026 keine ernsthafte Option.

AI-Act-Klassifizierung dokumentieren. Customer-Support-Automatisierung fällt in der Regel unter "limited risk" nach dem AI Act, was deutlich weniger Auflagen bedeutet als "high risk". Trotzdem müssen Sie die Klassifizierung vor dem Start dokumentieren. Ein guter Anbieter hilft Ihnen dabei, anstatt Ihnen das in den Schoß zu legen.

Transparenz gegenüber Kunden. Der AI Act verlangt, dass Kunden wissen, wenn sie mit einer KI interagieren. Das ist kein Aufwand, sondern ein Standard-Hinweis in Ihrem Chat oder E-Mail-Footer. Vor dem Go-Live formulieren, nicht hinterher diskutieren.

Das klingt nach viel. In der Praxis sind das drei Workshops von je zwei Stunden mit dem richtigen Partner.

Was tun, wenn Sie noch nicht bereit sind?

Ein "noch nicht" ist ehrlich gesagt ein nützliches Ergebnis. Es zeigt genau, was Sie vor der Investition klären müssen. Drei häufige Lücken und wie Sie sie schließen:

Wenn Ihre Daten unsortiert sind: zwei Wochen historische Tickets nach Typ taggen. Über die Reporting-Funktion Ihres Helpdesks die zehn häufigsten Ticket-Kategorien identifizieren. Schon das löst oft ein Projekt, das festhing.

Wenn Ihr Team nicht überzeugt ist: transparente interne Session durchführen. Dem Team zeigen, welche Ticket-Typen Sie automatisieren wollen (fast immer die, über die sich das Team selbst beschwert). Als Befreiung für die eigentlich spannende Arbeit framen. Der Begriff "Human in the loop" ist hier wichtig, weil er die Realität beschreibt: KI im Support funktioniert am besten, wenn Mitarbeitende bei Eskalationen und Sonderfällen die Kontrolle behalten.

Wenn Ihre Use Cases vage sind: starten Sie mit dem umsatzstärksten repetitiven Ticket-Typ. Widerstehen Sie der Versuchung, alles auf einmal zu automatisieren. Der Weg zu 80 Prozent Automatisierung beginnt immer mit einem Workflow, der richtig sitzt.

Vom Check zum Pilot: Ihre nächsten 90 Tage

Wenn Ihr Check sagt, Sie sind bereit, sieht eine sinnvolle 90-Tage-Roadmap für einen E-Commerce Mittelständler so aus.

Tag 1-30: Check formal durchführen, Lücken dokumentieren, die ersten drei Workflows wählen (fast immer Bestellverfolgung, FAQs, Retouren). Helpdesk-Integration aufsetzen. AVV unterzeichnen.

Tag 31-60: Ersten Workflow ausrollen (Bestellverfolgung ist der umsatzstärkste, risikoärmste Startpunkt). Qualität in den ersten zwei Wochen täglich prüfen, danach wöchentlich. Antworten nachschärfen.

Tag 61-90: Zweiten und dritten Workflow ergänzen. Automatisierungsrate, Antwortzeit und Kundenzufriedenheit messen. Interne Argumentation für die nächste Ausbaustufe vorbereiten.

Das ist genau die Struktur des Neople-90-Tage-Pilots, weil sie widerspiegelt, was tatsächlich funktioniert. Wer den schrittweisen Ansatz überspringen will, verspielt das Vertrauen des Teams. Wer es ohne Implementierungspartner versucht, verbringt drei Monate mit Integrationen statt zwei Wochen.

Wenn Sie sehen wollen, wie das in der Praxis aussieht, zeigt unser Überblick zur KI-Automatisierung im Kundenservice für E-Commerce, wie die drei Kern-Workflows zusammenspielen.

Die ehrliche Schlussfolgerung

Die meisten Mittelständler, die diesen Check durchlaufen, stellen fest, dass sie weiter sind, als sie dachten. Der wahre Blocker ist interne Abstimmung, nicht technische Fähigkeit. Der Weg zu 80 Prozent Automatisierung im E-Commerce Kundenservice ist keine zwölfmonatige Transformation. Es sind drei Workflows, ein Quartal und ein Partner, der das schon mal gemacht hat.

Wenn Sie Ihr Check-Ergebnis gegen Benchmarks anderer E-Commerce Mittelständler vergleichen oder besprechen wollen, wie ein 90-Tage-Pilot für Ihr Team aussehen würde, vereinbaren Sie ein 30-minütiges Gespräch und wir gehen es gemeinsam durch.