Die IKT-Branche hat einen Vorsprung, der zugleich eine Fallgrube ist. Während andere Branchen sich noch an den Gedanken an KI gewöhnen müssen, ist das Wissen über Modelle, Architekturen und Tooling in dieser Branche meist bereits vorhanden. Entwickler experimentieren, Teams bauen Proof-of-Concepts, und es gibt selten Widerstand gegen die Technik selbst. Das erweckt den Eindruck, dass die Branche als Ganzes weit ist. Aber technische Fertigkeit bei einem Teil der Organisation ist etwas anderes als Reife der Organisation als Ganzes. Genau dort läuft es häufig fest.
In einem IT-Unternehmen oder einer IT-Abteilung ist die Infrastruktur in der Regel in Ordnung: Es gibt Rechenleistung, es gibt Entwicklungsumgebungen, es gibt Erfahrung mit dem Ausrollen von Software. Das ist eine der grundlegenden Dimensionen, die in der Reifemessung bewertet wird, und in diesem Punkt erzielt die Branche in der Regel hohe Werte. Aber die anderen grundlegenden Dimensionen — wie die Organisation um KI-Initiativen herum eingerichtet ist, und wie Daten außerhalb der Systeme der Entwickler selbst verwaltet werden — laufen nicht immer gleich mit. Eine starke IT-Abteilung bedeutet nicht, dass der Rest der Organisation das gleiche Tempo mithalten kann. Sales, Finance, HR: Diese Funktionen haben oft eine andere Beziehung zu Daten und zu Veränderung als die Menschen, die die KI-Piloten bauen.
Dieser Unterschied erklärt ein Muster, das in dieser Branche häufiger vorkommt als anderswo: Piloten, die technisch ausgezeichnet funktionieren, aber die nicht zu einem strukturellen Bestandteil des Unternehmens heranwachsen. Nicht weil das Modell versagt, sondern weil die Organisation darum herum nicht darauf ausgerichtet ist, das Ergebnis aufzunehmen. Wer für die grundlegenden Dimensionen verstehen möchte, warum diese Reihenfolge nicht verhandelbar ist, findet dazu mehr unter warum die grundlegenden Dimensionen zuerst kommen müssen.
In der IKT-Branche ist die Streuung zwischen Befragten oft größer als in Branchen mit einheitlicheren Funktionen. Ein Entwickler und ein Account Manager innerhalb desselben Unternehmens können die Organisation auf nahezu entgegengesetzten Niveaus einordnen — der eine sieht täglich fortgeschrittene Anwendungen, der andere sieht eine Tabelle, die noch immer manuell aktualisiert wird. Diese Streuung ist an sich Information. Sie zeigt, dass KI-Reife in dieser Branche selten ein branchenweiter Sachverhalt ist, sondern stark davon abhängt, welche Abteilung gemessen wird und wer befragt wird.
Das macht eine Plot-Runde mit mehreren Befragten in der IKT-Branche eher wertvoller als anderswo, nicht weniger. Ein einzelner Score eines CIO oder eines CTO riskiert, das Bild des technischen Kerns auf die gesamte Organisation zu verallgemeinern, während die abhängigen Dimensionen — wo KI tatsächlich in Prozesse aufgenommen wird — ganz anders ausfallen können.
Das Verhältnis zwischen Technik und Organisation sieht in anderen Branchen anders aus. In der Finanzdienstleistung liegt der Schwerpunkt oft auf Regulierung und Risikomanagement als verzögerndem Faktor; dieses Bild wird beschrieben unter wie weit ist die Finanzdienstleistung mit KI-Reife. Im Bauwesen ist gerade die Datenmanagement-Dimension oft der Engpass, weil Daten über Projekte und Materialien über Parteien verstreut sind; das wird erläutert unter wie weit ist das Bauwesen mit KI-Reife. In der IKT-Branche ist das Problem selten Mangel an technischem Wissen oder an Daten — das Problem liegt häufiger in der Organisationsdimension: wer entscheidet, welcher Pilot skaliert wird, und auf welcher Grundlage.
Die Reifemessung erfasst diesen Unterschied über sieben Dimensionen und fünf Niveaus, von Baseline bis Intelligence. Für eine IKT-Organisation ist das Ergebnis selten eine flache Linie: Infrastruktur und technische Fertigkeit liegen in der Regel höher als Organisation und Entscheidungsfindung. Diese Ungleichheit ist genau der Punkt, an dem die Messung nützlich ist — nicht um zu bestätigen, dass die Branche „gut unterwegs ist“, sondern um zu zeigen, welche Dimension zurückbleibt und welche dadurch nicht vorankommen kann, unabhängig davon, wie fortgeschritten die Modelle sind, die bereits laufen.
Ein Bestandteil, der in dieser Branche oft unterschätzt wird, ist die Dokumentation von Entscheidungen: wer hat welche Wahl über welche KI-Initiative getroffen, und auf Grundlage welcher Information. Ohne dieses Verzeichnis ist es schwierig nachzuvollziehen, warum ein Pilot skaliert wurde oder nicht. Was dort hineingehört, wird beschrieben unter was in ein Entscheidungsverzeichnis gehört.
Diese Messung sagt etwas über die Organisation als Ganzes aus: Steht ein Fundament, auf dem KI-Initiativen ruhen können, und ist dieses Fundament überall im Unternehmen gleich stabil, oder nur bei den Menschen, die der Technik am nächsten stehen. Diese Frage geht einer anderen Frage voraus, nämlich welcher Teil der Arbeit selbst für KI in Frage kommt. Das ist eine andere Art von Messung. Für Organisationen, die wissen möchten, welcher Teil der Arbeit, Aufgabe für Aufgabe, von KI übernommen werden kann, gibt es den Werkscan von FTE TO AI — eine Messung, die nicht die Organisation als Ganzes betrachtet, sondern die Arbeit selbst, Funktion für Funktion und Aufgabe für Aufgabe.
Die Reifemessung befindet sich in der Entwicklung. Wer wissen möchte, wann die Messung verfügbar wird, kann sich für die Wartelist anmelden und erhält Nachricht, sobald das Tool einsatzbereit ist.
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.