AI Readiness: Sind die Voraussetzungen für KI im Engineering vorhanden?

Bevor Unternehmen größere Investitionen tätigen, sollten sie prüfen, ob Daten zugänglich, Zuständigkeiten geklärt und geeignete Arbeitsweisen vorhanden sind.

Das folgende Modell betrachtet diese Voraussetzungen getrennt. Konkrete Fragen zeigen, wo bereits eine belastbare Grundlage besteht und wo noch Entscheidungen fehlen.

Dimension 1: Daten

Ob eine KI-Anwendung sinnvoll arbeiten kann, hängt von den verfügbaren und zulässigen Daten ab. Drei Fragen helfen bei der ersten Einordnung:

• Zugänglichkeit: Sind die relevanten Daten strukturiert und auffindbar, oder verteilen sie sich auf Dateiablagen, Postfächer und nicht dokumentiertes Wissen?
• Qualität: Sind die Daten aktuell, vollständig und konsistent genug für den vorgesehenen Anwendungsfall?
• Klassifikation: Ist verbindlich geregelt, welche Daten externe KI-Dienste verarbeiten dürfen und welche ausschließlich intern bleiben müssen?

Besonders häufig fehlt eine belastbare Datenklassifikation. Dann beruhen sowohl Freigaben als auch Einschränkungen auf Einzelfallentscheidungen, die sich im Team nur schwer einheitlich anwenden lassen.

Dimension 2: Systeme und Tooling

KI-Unterstützung muss in die vorhandene Arbeitsumgebung passen. Dazu gehören Entwicklungswerkzeuge, Ticketsystem, Dokumentation und CI/CD. Drei Fragen zeigen, wie gut die technischen Voraussetzungen sind:

• Stellen die relevanten Systeme geeignete Schnittstellen bereit, über die benötigter Kontext kontrolliert zugänglich gemacht werden kann?
• Gibt es eine Test- oder Staging-Umgebung, in der sich KI-gestützte Änderungen prüfen lassen, ohne produktive Systeme oder Daten zu gefährden?
• Ist eindeutig geregelt, auf welche Systeme ein KI-Werkzeug lesend zugreifen und in welchen Bereichen es Änderungen vornehmen darf?

Fehlende Schnittstellen oder Testumgebungen sind oft ein sinnvoller erster Ansatzpunkt. Verbesserungen in diesen Bereichen stärken die Softwareentwicklung und den Betrieb unabhängig vom später gewählten KI-Einsatz.

Dimension 3: Team

Neue Werkzeuge führen nicht automatisch zu einer gemeinsamen Arbeitsweise. Ohne Vorbereitung entstehen individuelle Routinen, die Reviews und Zusammenarbeit erschweren. Deshalb sollten Teams drei Punkte klären:

• Besteht im Team ein gemeinsames Verständnis darüber, bei welchen Aufgaben KI-Werkzeuge unterstützen können und wo ihr Einsatz nicht sinnvoll ist?
• Gibt es verbindliche Konventionen für den bereitgestellten Kontext, Anweisungen an das Werkzeug und den Umgang mit KI-generiertem Code?
• Können die bestehenden Review-Prozesse ein höheres Änderungsvolumen bewältigen, ohne Prüfungstiefe oder Qualität zu verringern?

Die Review-Kapazität begrenzt den erreichbaren Nutzen. Wenn Änderungen schneller entstehen, muss das Team weiterhin ausreichend Zeit und fachliche Aufmerksamkeit für deren Prüfung aufbringen können.

Dimension 4: Governance

Technische Governance beginnt mit klaren Entscheidungen und Verantwortlichkeiten. Für den praktischen Einsatz sind drei Fragen besonders relevant:

• Wer entscheidet über die Freigabe von KI-Werkzeugen, und anhand welcher technischen und organisatorischen Kriterien?
• Wer trägt die Verantwortung für Code, der mit Unterstützung eines Coding-Agents entstanden ist?

Verantwortlich bleibt das Teammitglied, das die Änderung übernimmt und in die Codebasis einbringt.

• Werden Entscheidungen zum KI-Einsatz so dokumentiert, dass Gründe, Zuständigkeiten und Schutzmaßnahmen später nachvollzogen werden können?

Regulatorische Einordnung

Zur Readiness gehört auch die Frage, welche regulatorischen Prüfungen erforderlich sind. Unser EU-AI-Act-Risiko-Check weist anhand Ihrer Angaben auf mögliche Auslöser, Rollen und Anforderungen hin.

Das Ergebnis ist keine rechtliche Bewertung. Fristen und Hintergründe erläutert der Ratgeber EU-KI-Verordnung: Fristen und Pflichten.

Selbsteinschätzung

Bewerten Sie jede Dimension als geklärt, teilweise geklärt oder offen. Unsere KI-Readiness-Selbsteinschätzung führt Sie in etwa drei Minuten durch acht Aussagen.

Das Ergebnis ordnet den aktuellen Stand ein und schlägt nächste Schritte vor. Zwei Muster treten dabei häufig auf:

Pilot ohne organisatorische Verankerung: Daten und Systeme sind teilweise vorbereitet, während gemeinsame Arbeitsweisen und Zuständigkeiten noch fehlen. Diese beiden Bereiche sollten vor einer breiteren Einführung geklärt werden.

Formale Governance ohne freigegebene Praxis: Es bestehen Regeln, aber Daten, Systeme und zulässige Arbeitsweisen sind nicht ausreichend geklärt. Ein praktikabler Freigabeprozess auf Basis einer Datenklassifikation schafft den nächsten Schritt.

Fazit

Die vier Dimensionen machen sichtbar, ob ein geplanter KI-Einsatz auf einer tragfähigen Grundlage aufbaut. Gleichzeitig zeigen sie, welche technischen oder organisatorischen Fragen vor der nächsten Investition geklärt werden sollten.