Für eine strategische Analyse von Bedarfen und Potenzialen des KI-Einsatzes in Unternehmen und Behörden empfiehlt es sich, auf eine Kombination aus quantitativen und qualitativen Erhebungsmethoden (Mixed-Methods-Ansatz) zu setzen, um sowohl eine breite, vergleichbare Datenbasis zu schaffen als auch die spezifischen Kontexte und nuancierten Bedarfe z.B. einzelner Abteilungen zu berücksichtigen.
Zentrales Analyseinstrument: Das KI-Reifegradmodell
Im Zentrum der Analyse steht das KI-Reifegradmodell. Dieses Framework dient als systematisches Instrument, um den Status quo strukturiert zu erfassen und vergleichbar zu machen. Das Modell basiert auf mehreren strategischen Handlungsfeldern, die für eine erfolgreiche KI-Implementierung entscheidend sind:
• Strategie & Governance: Vision, Zielsetzung, Richtlinien und Verantwortlichkeiten für KI.
• Daten & Technologie: Verfügbarkeit, Qualität und Management von Daten; technologische Infrastruktur.
• Personal & Kompetenzen: Vorhandenes KI-Know-how, Schulungsbedarfe und Rollenbilder.
• Prozesse & Organisation: Integration von KI in bestehende Abläufe, interdisziplinäre Zusammenarbeit.
• Anwendungsfälle & Use Cases: Identifikation, Bewertung und Umsetzung von konkreten KI-Projekten.
Durch die differenzierte Analyse der strategischen Handlungsfelder werden bestehende Herausforderungen – etwa fehlende Datenqualität, unklare Verantwortlichkeiten oder mangelndes Know-how – transparent gemacht und in ihrer Wirkung auf die KI-Entwicklung bewertet. Gleichzeitig identifiziert das Modell konkrete Bedarfe, indem es beispielsweise Schulungsdefizite, technologische Lücken oder notwendige Prozessanpassungen sichtbar macht. Stakeholder und AkteurInnen wie Führungskräfte, Fachabteilungen, IT-Verantwortliche und externe Partner sollten einbezogen werden, sodass ihre jeweilige Rolle und ihr Beitrag zur Überwindung der Hemmnisse klar herausgearbeitet werden können.
Dieses Vorgehen fördert die gezielte Gestaltung effektiver Zusammenarbeit und das Aufzeigen von Schnittstellenpotenzialen. Dies bildet die Grundlage, um gemeinsam tragfähige Lösungsansätze zu entwickeln und die Umsetzung von KI-Initiativen gezielt zu steuern.
Ermittlung von KI-Potenzialen und -Bedarfen: Datenerhebung
Für die Datenerhebung und die Gewinnung von belastbaren Informationen empfiehlt sich ein zweistufiges Vorgehen:
Phase 1: Quantitative Erhebung mittels Online-Umfrage
Ziel: Erhebung einer breiten Datenbasis zur systematischen Bewertung des KI-Reifegrades in den unterschiedlichen Abteilungen und Unternehmensbereichen
Instrument: Zum Beispiel mittels eines Online-Fragebogen. Die Fragen können direkt den Handlungsfeldern des Reifegradmodells zugeordnet werden und nutzen quantitative Skalen, um eine einfache Auswertung und Vergleichbarkeit zu ermöglichen.
Zielgruppe: Eine definierte Auswahl von Mitarbeitenden aus unterschiedlichen Abteilungen und Unternehmensbereichen sollte vorgenommen werden, um eine differenzierte Perspektive sicherzustellen.
Phase 2: Qualitative Vertiefung mittels Fokusgruppen und Experteninterviews
Ziel: Validierung der quantitativen Ergebnisse und Erfassung tiefergehender, qualitativer Einblicke in die spezifischen Herausforderungen, Ursachen und Lösungsansätze.
Instrument 1: Moderierte Fokusgruppen
Fokusgruppensitzungen mit VertrerInnen unterschiedlicher Abteilungen: Die Sitzungen können mit einem kurzen Impulsvortrag beginnen, der die aggregierten Ergebnisse der quantitativen Umfrage für die jeweilige Abteilung vorstellt. Dies kann eine gemeinsame Verständnisebene schaffen und eine gezielte Diskussion ermöglichen. Ein standardisierter Leitfaden hilft, die Vergleichbarkeit der Ergebnisse zu sichern.
Instrument 2: Strukturierte Einzelinterviews
Gezielte Interviews mit ausgewählten Stakeholdern (z. B. Geschäftsführung, Abteilungsleitung, IT-Verantwortliche, Leiter von Fachvorhaben) zur Erhebung strategischer Perspektiven und spezifischer Anforderungen.
Die quantitative Umfrage liefert das „Was“ – eine strukturierte, vergleichbare Übersicht über den Status quo. Die qualitativen Fokusgruppen und Interviews liefern das „Warum“ – die kontextuellen Erklärungen, die für die Entwicklung praxisnaher und akzeptierter Handlungsempfehlungen unerlässlich sind.
Der entscheidende Schritt ist dann die Synthese der quantitativen und qualitativen Ergebnisse. Für jedes Handlungsfeld werden die statistischen Kennzahlen durch die qualitativen Aussagen kontextualisiert. Diese Informationen sind das Fundament für zielgerichtete Maßnahmen zur Förderung eines sinnstiftenden KI-Einsatzes.
Veröffentlicht: 6. Mai 2026
AutorIn
Starten Sie jetzt durch:
Wir freuen uns auf den Austausch mit Ihnen.
