TL;DR
Der Industrial-AI Reifegrad-Selbsttest beantwortet in 8 Minuten eine simple Frage: Wo steht Ihr Werk wirklich, nicht wo der Vorstand glaubt. 12 Fragen, 4 Themen, 6-Stufen-Skala von „Beobachter“ bis „Daten-getriebenes Werk“. Inklusive Pexon-Branchen-Benchmark aus 2026, ehrlicher Stufen-Definition und konkretem nächsten Schritt — kein generisches Reifegradmodell ohne Industrie-Bezug.
Self-Check starten — Industrial-AI-Check
Warum die meisten KI-Reifegradmodelle nicht zu Ihrem Werk passen
Unsere Erfahrung aus über 60 Industrie- und Mittelstands-Assessments seit 2023 ist deutlich: Standard-Reifegradmodelle versagen, wenn sie ein Versicherungsunternehmen mit einem Maschinenbauer und einer Stadtwerke-IT in dieselbe Skala pressen. Die Werkzeuge sind andere. Die Daten sind andere. Die Compliance-Hürden sind andere.
Drei typische Fehler in den verbreiteten Modellen:
- Zu abstrakt. „Wir machen KI-strategisch“ bedeutet im Werk eines Großhändlers etwas völlig anderes als bei einer Versicherung.
- Kein Werkzeug-Bezug. Reifegrad-3 ohne LiteLLM-Gateway, ohne Eval-Pipeline, ohne MCP-Inventar ist eine PowerPoint-Stufe, kein Operating-Zustand.
- Vanity-Skalen. Skalen, die niemanden auf Stufe 0 oder 1 setzen, weil das den Vorstand verärgert. Wir haben Mandanten erlebt, die in einem extern verkauften Audit auf „Stufe 4“ landeten, obwohl im Werk keine produktive KI-Anwendung lief.
Unsere Antwort: ein Industrial-AI Reifegrad mit klaren Werkzeug-Markern pro Stufe, einer 12-Fragen-Selbstauskunft und einem Branchen-Benchmark aus eigener Erhebung. Dieser Blog ist die Begleit-Erklärung zu unserem Self-Check-Tool — wenn Sie direkt einsteigen wollen, finden Sie den Link am Ende jedes Abschnitts.
Die 6 Stufen: was sie konkret bedeuten
Anders als generische Modelle definieren wir jede Stufe über belegbare Werkzeuge und Praktiken, nicht über Adjektive wie „ambitioniert“ oder „fortgeschritten“.
Empfehlung: Lesen Sie die Stufen-Beschreibungen mit einem ehrlichen Blick auf Ihr Werk. Wer auf die Frage „Haben wir ein produktives LLM-Gateway?“ mit „Wir haben einen Azure-OpenAI-Endpunkt im Workshop konfiguriert“ antwortet, ist nicht auf Stufe 4. Das ist Stufe 1 mit guter Absicht.
Die 12 Fragen — strukturiert nach 4 Themenfeldern
Pro Frage gibt es 0-4 Punkte, je nach Antwort. Maximale Gesamtpunktzahl: 48. Die Fragen sind so geschnitten, dass auch ein Bereichsleiter ohne tiefe KI-Expertise sie in unter 10 Minuten beantworten kann — wir haben das in über 40 Workshops kalibriert.
Thema 1: Inventar & Governance
Thema 2: Produktion & Service
Thema 3: Engineering & Daten
Nicht jede Stufe ist linear erreichbar. Wer im Engineering bereits KI-gestützte Lastenheft-Generierung pilotiert, aber im Wareneingang noch im Excel-Modus arbeitet, sieht das hier sauber aufgeschlüsselt.
- Frage 7 — Lastenheft-/Spezifikations-Prozess: Vollmanuell / Templates / KI-Assist im Sandbox / KI-Generator-Pilot / KI-Generator produktiv
- Frage 8 — Datenplattform: Excel-Welt / 4+ BI-Stacks / Konsolidierungs-Projekt läuft / Fabric/Databricks/Snowflake live / Daten-Mesh
- Frage 9 — Stammdaten-Qualität: Unbekannt / 70-80% / 85-95% / >95% mit Governance / Realtime-Validierung
Thema 4: Plattform & Skills
- Frage 10 — LLM-Gateway / KI-Plattform: Nein / Direkter Provider-Zugriff / LiteLLM-Pilot / LiteLLM produktiv mit Audit / Multi-Provider mit OpenLLMetry
- Frage 11 — AI Literacy in der Belegschaft: Keine / Einmalig 1 Folie / Rollen-spezifisch / Dokumentiert + Auffrischung / KI-Champions-Netzwerk
- Frage 12 — KI-Engineering im Haus: Keine / 1 Datenanalyst / 1-2 ML Engineers / Plattform-Team / KI-Center of Excellence
So rechnet sich Ihr Score
Die Gesamtpunktzahl ergibt sich aus der Summe aller 12 Antworten. Der Schwellenwert mappt direkt auf eine Stufe — keine Gewichtung, keine Geheimformel:
def industrial_ai_score(antworten: list[int]) -> dict:
assert len(antworten) == 12, "Genau 12 Antworten erforderlich"
score = sum(antworten)
if score <= 8:
stufe, name = 0, "Beobachter"
elif score <= 16:
stufe, name = 1, "Experimentierer"
elif score <= 24:
stufe, name = 2, "Lokaler Anwender"
elif score <= 32:
stufe, name = 3, "Cross-funktional"
elif score <= 40:
stufe, name = 4, "KI-Plattform"
else:
stufe, name = 5, "Daten-getriebenes Werk"
return {"score": score, "stufe": stufe, "name": name}Unser Self-Check-Tool macht das Gleiche im Browser, speichert aber zusätzlich Ihre Antworten pro Themenfeld und visualisiert, in welchem Bereich Sie über- oder unterdurchschnittlich aufgestellt sind. Das ist wichtig: ein Score von 24 mit allen Punkten in Governance, aber null im Engineering, fühlt sich in der Praxis anders an als 24 quer verteilt.
Empfehlung: Antworten Sie nicht im Vorstand-Workshop, sondern lassen Sie den Test parallel von drei Personen ausfüllen — IT-Leiter, Werkleiter, Governance-Verantwortlicher. Die Differenz zwischen den drei Scores ist der eigentliche Befund. Wir sehen regelmäßig Abweichungen von 8-12 Punkten zwischen den Rollen.
Branchen-Benchmark 2026 (Pexon-Erhebung)
Wir haben den Industrial-AI Reifegrad über 12 Monate in 60+ Mandanten-Assessments und 80+ ICP-Gesprächen erhoben. Die Zahlen sind keine Marktforschung, sondern unsere eigene Erhebung im DACH-Mittelstand — aber sie sind belastbar genug, um sie als Orientierung zu nutzen.
Was Sie aus dem Benchmark NICHT ableiten sollten: Stufe 3 in der Banking-IT ist nicht gleichwertig mit Stufe 3 in einer Fertigung. Banking arbeitet mit strukturierten, datenreichen Prozessen und hohem Compliance-Druck — die Hürde ist anders. Fertigung muss zusätzlich Maschinen-Daten und unstrukturierte Service-Tickets integrieren. Der Benchmark ist ein relativer Orientierungspunkt innerhalb der Branche, kein absolutes Ranking.
Was Sie auf Ihrer aktuellen Stufe als Nächstes machen
Das ist der Teil, der in den meisten Reifegrad-Reports fehlt: ein konkreter, branchengerechter nächster Schritt. Aus unserer Erfahrung sind die Sprünge zwischen den Stufen oft 6-12 Monate Arbeit — wer schneller will, scheitert an Skills oder Akzeptanz.
Empfehlung: Wer auf Stufe 1 ist und auf Stufe 4 springen will, wird scheitern — das haben wir in drei Mandaten 2024 gesehen. Plattform ohne Use-Case wird zur Karteileiche; Sie brauchen erst einen produktiven Anwendungsfall, der die Investition in die Plattform legitimiert.
Anti-Patterns beim Reifegrad-Selbsttest
Aus unserer Erfahrung sehen wir immer wieder dieselben Stolperfallen, die den Selbsttest entwerten:
- Vorstand-getriebene Selbstauskunft. Wenn nur der Vorstand antwortet, ist der Score systematisch zu hoch. Drei parallele Antworten (IT, Werk, Governance) sind Pflicht.
- Sprung über Stufen. Wer von Stufe 0 direkt eine KI-Plattform aufsetzen will, landet bei einer LiteLLM-Installation ohne Anwender. Stufen werden nacheinander durchlaufen, nicht übersprungen.
- Reifegrad als Vanity-Metric. Stufe 4 zu erreichen, ohne dass eine einzige KI-Anwendung messbar Wert generiert, ist nichts wert. Reifegrad bedeutet Operating-Zustand mit Wirkung, nicht „wir haben die Tools installiert“.
- Benchmark als Ranking missverstehen. Stufe 3 in einer Banking-IT entspricht nicht Stufe 3 in einer Fertigung. Vergleichen Sie sich nur innerhalb Ihrer Branche.
- Selbsttest einmal jährlich, sonst Funkstille. Wenn der Test im Jahresgespräch durchgeklickt wird und niemand zwischen den Terminen die Antworten überprüft, ist es ein Theater-Audit. Wir empfehlen Halbjahres-Zyklen mit Stichproben-Validierung durch einen externen Blick.
FAQ
1. Wer sollte den Industrial-AI Reifegrad-Selbsttest machen?
Mindestens drei Rollen parallel: IT-Leitung, ein Werks- oder Produktions-Verantwortlicher und der KI-Governance-Owner (falls benannt). Wir empfehlen explizit, NICHT nur einen externen Berater rechnen zu lassen — die Antworten haben die meiste Aussagekraft, wenn sie aus dem Haus kommen.
2. Wie ehrlich ist der Benchmark — woher kommen die Zahlen?
Die Zahlen stammen aus unserer eigenen Erhebung über 60+ Mandanten-Assessments und 80+ ICP-Gespräche zwischen 2024 und 2026. Es ist keine repräsentative Marktstudie, sondern eine Orientierung aus der Praxis des DACH-Mittelstands. Banking-Zahlen sind robuster als Versicherungs-Zahlen, weil wir dort mehr Datenpunkte haben.
3. Was passiert nach dem Selbsttest?
Sie erhalten einen Stufen-Score, ein Themenfeld-Profil (in welchem Bereich sind Sie stark/schwach) und einen Vorschlag für den nächsten Schritt. Wenn Sie wollen, machen wir daraus einen halbtägigen Discovery-Workshop, in dem wir die Antworten validieren und einen 90-Tage-Plan aufsetzen.
4. Können wir Stufen überspringen?
Technisch ja, in der Praxis kaum. Wer Stufe 0 auf Stufe 4 springen will, scheitert an Skills, Daten und Akzeptanz. Wir sehen in drei Mandaten 2024 genau dieses Muster: Plattform gekauft, kein Anwender. Unsere Empfehlung: maximal eine Stufe pro Jahr für die Mehrheit der Mittelstands-Werke.
5. Wie oft sollten wir den Test wiederholen?
Halbjährlich. Häufiger ist Theater, seltener verpasst Sie Bewegungen im EU-AI-Act-Umfeld oder bei neuer Plattform-Technologie. Wichtig: Wiederholung mit denselben drei Rollen, damit Trends sichtbar werden.
Nächster Schritt
Wenn Sie wissen wollen, wo Ihr Werk im Industrial-AI Reifegrad steht — und welcher nächste Schritt zu Ihrer Branche passt:
Industrial-AI-Discovery-Workshop anfragen — 1 Tag, ehrliche Roadmap
Wir kommen vor Ort, validieren Ihre Selbsttest-Antworten mit Stichproben in IT, Produktion und Governance, und liefern am Ende des Tages einen 90-Tage-Plan mit zwei konkreten Use-Case-Optionen. Festpreis 5.000 EUR. Keine Folgepflicht.
