Baseline ist das Niveau, auf dem die meisten Organisationen beginnen. Es gibt KI-Nutzung, aber sie beruht auf Einzelpersonen: jemand aus der IT-Abteilung, der mit einem Sprachmodell experimentiert, ein Marketer, der Texte generieren lässt, ein einzelner Manager, der fragt, ob ein Prozess schneller ablaufen kann. Es gibt keinen gemeinsamen Ansatz, kein gemeinsames Bild davon, was funktioniert, und keine Struktur, die festhält, was gelernt wird. Wenn diese Person das Unternehmen verlässt oder ein anderes Projekt übernimmt, verschwindet das Wissen mit ihr.
Auf Baseline fehlt nicht der Wille, sondern das Fundament. Die sieben Dimensionen, die die Reifegradmessung unterscheidet — darunter Organisation, IT-Infrastruktur und Datenmanagement — stehen auf diesem Niveau noch losgelöst voneinander oder sind kaum ausgefüllt. Das ist kein Mangel; es ist der Zustand, in dem sich eine Organisation befindet, bevor sie bewusst zu bauen begonnen hat.
Einige Signale kehren auf Baseline immer wieder. Es gibt keinen Überblick darüber, wo KI innerhalb der Organisation bereits eingesetzt wird, geschweige denn ein gemeinsames Bild davon, was dieser Einsatz bringt. Entscheidungen über KI werden dort getroffen, wo die Frage zufällig entsteht, nicht auf Basis einer Abwägung, die die gesamte Organisation betrifft. Daten liegen verstreut in Systemen, die nicht miteinander kommunizieren, was jeden Schritt in Richtung etwas Strukturelles verzögert. Und es gibt keine gemeinsame Sprache: Was die eine Abteilung KI nennt, ist für die andere etwas anderes.
Die Plot-Runde innerhalb der Reifegradmessung macht dies oft sichtbar, bevor es dafür Worte gibt. Wenn mehrere Personen innerhalb derselben Organisation getrennt bewerten, fällt auf Baseline oft eine große Streuung auf: Der eine Befragte sieht Fortschritt, den der andere nicht erkennt. Diese Streuung ist selbst ein Signal. Sie zeigt, dass es noch kein gemeinsames Bild davon gibt, wo die Organisation steht, und genau das kennzeichnet Baseline.
Der Weg von Baseline zum nächsten Niveau beginnt nicht bei einer neuen Anwendung, sondern bei den fundamentalen Dimensionen. Organisation, IT-Infrastruktur und Datenmanagement gehen den Dimensionen vor, die davon abhängen. Das ist keine Präferenz, sondern die Reihenfolge, in der es funktioniert: Eine Organisation, die etwas auf KI aufbauen will, ohne dass die Daten in Ordnung sind oder ohne dass klar ist, wer worüber entscheidet, baut auf Treibsand.
Konkret bedeutet dies, dass zunächst Überblick geschaffen werden muss. Wer tut innerhalb der Organisation bereits etwas mit KI, und auf Basis welcher Daten? Wo liegen Daten, die für diese Anwendungen relevant sind, und sind sie zugänglich und zuverlässig genug, um darauf aufzubauen? Gibt es jemanden oder eine Gruppe, die Verantwortung für Entscheidungen über KI trägt, oder geschieht das noch zufällig? Diese Fragen wirken bescheiden, aber genau darauf zoomen die fundamentalen Dimensionen ein.
Die abhängigen Dimensionen — die damit zu tun haben, wie KI die Arbeit selbst betrifft — kommen danach. Auf Baseline ist es noch zu früh, um darüber etwas Sinnvolles zu sagen, weil das Fundament fehlt, auf dem diese Dimensionen ruhen können.
Der Übergang zu Foundation erfordert nicht, dass alles gleichzeitig in Ordnung kommt. Er erfordert, dass die Organisation aufhört, KI-Nutzung als etwas zu behandeln, das zufällig bei Einzelpersonen entsteht, und beginnt festzuhalten, was vorhanden ist: welche Daten existieren, wer worüber entscheidet, welche Systeme miteinander kommunizieren müssen. Das ist weniger ein technisches Vorhaben als ein organisatorisches. Die Technik folgt meist, sobald die Struktur da ist.
Es ist auch ein Vorhaben, das Zeit erfordert, und dessen Dauer davon abhängt, wie viel bereits informell vorhanden ist. Eine Organisation, in der eine Abteilung schon länger bewusst mit Daten arbeitet, hat einen kürzeren Weg zurückzulegen als eine Organisation, wo das nirgends der Fall ist. Was genau nötig ist, um sich von Foundation aus weiterzubewegen, und welche Dimensionen dabei zuerst Aufmerksamkeit verlangen, ist auf der Seite beschrieben, die erklärt, wie Sie von Foundation zum nächsten Niveau kommen. Weiter in der Reihe, für Organisationen, die schon weiter sind, ist außerdem beschrieben, wie sich Activation zum darauffolgenden Niveau verhält und was Insight erfordert, um zu Intelligence weiterzuwachsen.
Baseline sagt nichts über den Ehrgeiz einer Organisation aus und nichts über die Qualität der Menschen, die dort arbeiten. Es sagt etwas über den Zustand des Fundaments zu einem bestimmten Zeitpunkt aus. Organisationen, die dieses Niveau ernsthaft erfassen, entdecken oft, dass bereits mehr vorhanden ist als gedacht — einzelne Initiativen, Daten, die irgendwo doch gepflegt werden, Menschen, die schon weiter denken, als es ihre Funktion verlangt. Die Reifegradmessung fügt das zu einem Bild zusammen, auf dem ein nächster Schritt aufgebaut werden kann, ohne dieses Bild mit einer Empfehlung zu füllen, die nicht zur Organisation passt.
Diese Seite handelt von Bereitschaft: davon, was gegeben sein muss, bevor KI einen festen Platz in der Struktur bekommen kann. Das ist eine andere Frage als die, welchen Teil der Arbeit KI tatsächlich ausführen kann. Sobald das Fundament Form annimmt, wird diese zweite Frage relevant, und genau da setzt der Werkscan von FTE TO AI an: Er berechnet pro Aufgabe, welcher Teil der Arbeit von KI übernommen werden kann, basierend auf den Aufgaben, wie sie derzeit ausgeführt werden. Wer wissen möchte, was KI übernehmen kann, sobald die Organisation dafür bereit ist, findet das dort — einschließlich, wie sich das unterscheidet, wenn es um Agents geht, die eigenständig Arbeit ausführen oder um Ketten, in denen verschiedene Schritte aufeinander folgen.
Vraag maar wat er moet staan voordat AI in uw organisatie kan landen.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.