KI ROADMAP
KI Roadmap erstellen. Operativ statt strategisch.
Die meisten KI-Roadmaps, die wir in Unternehmen sehen, sind Foliensätze mit drei Horizonten und 47 Use-Case-Kandidaten. Der Foliensatz liegt dann neun Monate in einem SharePoint, weil niemand die Verantwortung hat, ihn umzusetzen. Dieser Leitfaden richtet sich an Geschäftsführungen und KI-Verantwortliche in Unternehmen mit 50 bis 250+ Mitarbeitenden, die eine produktive KI-Roadmap aufbauen wollen, keine Theorie, sondern der Aufbau aus 40+ KI-Systemen, die wir bei SUMAX selbst betreiben.
Was ist eine KI-Roadmap?
- Eine KI-Roadmap definiert konkrete KI-Initiativen mit Zeitrahmen, Verantwortlichkeiten und Erfolgskriterien
- Sie legt fest, wie und wann KI eingeführt wird, nicht nur warum
- Jede Phase enthält eine Stop-Bedingung: wann abgebrochen wird, nicht nur wann Erfolg eintritt
- Maximal sechs gleichzeitig aktive Initiativen, sonst scheitert die Umsetzung statistisch
Eine KI-Roadmap ist ein strukturierter Fahrplan, der KI-Initiativen eines Unternehmens phasenweise von der Bestandsaufnahme bis zur Verankerung im Tagesbetrieb führt. Der Begriff "Roadmap" ist dabei wörtlich gemeint: Sie beschreibt die Route, die Haltestellen, die Reisedauer und die Bedingungen, unter denen umgekehrt wird.
Mehr dazu: Jetzt — Aktuelle KI-Projekte und Fokus | Carl-Uwe Würfel
Mehr dazu: KI-Infrastruktur | Carl-Uwe Würfel
Eine KI-Roadmap ist kein Strategiepapier und kein Foliensatz. Sie hat eine namentlich verantwortliche Person, messbare Meilensteine und, das wird meistens vergessen, klare Kriterien, wann ein Use Case beendet wird. Die KI-Terminologie rund um Roadmaps, Use Cases und LLMs ist im Glossar operativ erklärt.
KI-Roadmap vs. KI-Strategie, wo der Unterschied operativ zählt
- KI-Strategie: Warum und wohin, Ziele, Leitplanken, Priorisierungsprinzipien
- KI-Roadmap: Wie und wann, Phasen, Verantwortlichkeiten, Zeitpläne, Stop-Bedingungen
- Ohne Strategie fehlen die Leitplanken; ohne Roadmap bleibt die Strategie ein Dokument
Die KI-Strategie definiert die strategischen Leitplanken: Welche Ziele verfolgt das Unternehmen mit KI? Welche Bereiche sind tabu? Welche Priorisierungsprinzipien gelten? Die KI-Roadmap übersetzt diese Entscheidungen in operative Schritte mit konkreten Zeitfenstern.
Vergleich
KI-Roadmap vs. KI-Strategie: Der operative Unterschied
| Dimension | KI-Strategie | KI-Roadmap |
|---|---|---|
| Frage | Warum setzen wir auf KI? Welche strategischen Ziele verfolgen wir? | Wie und wann setzen wir KI konkret um? Wer ist verantwortlich? |
| Zeithorizont | 3 bis 5 Jahre, iterativ angepasst | 12 bis 24 Monate, phasenweise mit definierten Meilensteinen |
| Granularität | Leitplanken, Prinzipien, Richtungsentscheidungen | Konkrete Use Cases, Zeitfenster, Budgets, Stop-Bedingungen |
| Verantwortung | Geschäftsleitung, Board-Ebene | Operative Ebene: KI-Verantwortlicher, Use-Case-Owner, Projektleitung |
| Erfolgsmessung | Marktposition, Wettbewerbsfähigkeit, Kulturwandel | Messbare KPIs je Use Case: Acceptance-Rate, Zeitersparnis, ROI |
| Scheitern-Risiko | Bleibt abstrakt, selten direkt gescheitert | Scheitert sichtbar, deshalb braucht jede Phase Stop-Bedingungen |
| Relation | Gibt den Rahmen und die Leitplanken vor | Setzt den Rahmen in operative Schritte um, eine Ebene darunter |
Beide Dokumente brauchen sich gegenseitig: Die KI-Strategie ohne Roadmap bleibt Foliensatz. Die Roadmap ohne Strategie verliert die Richtung. In der Praxis fehlt meist die Roadmap.
In der Praxis zeigt sich: Unternehmen, die nur eine Strategie erstellen, enden mit einem 40-seitigen Papier, das keine Handlung auslöst. Unternehmen, die direkt mit einer Roadmap starten, ohne Leitplanken definiert zu haben, verlieren sich in der ersten Pilotphase, weil unklar ist, welche Use Cases überhaupt in Frage kommen. Beides gehört zusammen, mit unterschiedlichen Zeithorizonten.
| Dimension | KI-Strategie | KI-Roadmap |
|---|---|---|
| Zeitrahmen | 3. 5 Jahre | 6. 18 Monate operativ |
| Kernfrage | Warum und wohin? | Wie und wann? |
| Verantwortung | Geschäftsleitung | KI-Verantwortlicher + Sponsor |
| Erfolgsmessung | Strategische Ziele (qualitativ) | Messbare KPIs pro Phase |
| Leitplanken | Werden hier definiert | Werden hier eingehalten |
| Abbruchkriterien | Keine | Stop-Bedingung pro Use Case |
| Verhältnis zur Digitalisierungsstrategie | Teilmenge | Operative Umsetzung |
Leitplanken, also Regeln, was KI im Unternehmen darf und was nicht, gehören zur Strategie, müssen aber in der Roadmap verankert sein. Typische Leitplanken aus unserer Praxis: Keine KI-Entscheidungen über Personal ohne menschliche Prüfung. Kein Einsatz von LLMs auf nicht anonymisierten Kundendaten ohne DSGVO-Prüfung. Kein Produktivstart ohne dokumentiertes Monitoring-Konzept.
Warum klassische KI-Roadmaps scheitern
- Zu viele Use Cases parallel: mehr als sechs aktive Initiativen werden statistisch nicht umgesetzt
- Keine ehrliche Kostenrechnung: Betrieb und Wartung fehlen im Budget
- Keine Stop-Bedingungen: Use Cases laufen endlos ohne Erfolgsmessung
- Fehlende Leitplanken: unklar, was KI im Unternehmen darf, erste Governance-Frage bleibt offen
Drei Muster sehen wir in fast jedem KI-Beratungsgespräch. Ein viertes kommt hinzu, das selten adressiert wird.
Erstens: zu viele Use Cases gleichzeitig. Die typische Beraterfolie listet 12 bis 25 Kandidaten in drei Horizonten. Das Team kann beim Lesen nicken, aber niemand fühlt sich für irgendetwas konkret zuständig. Eine Roadmap mit mehr als sechs aktiven Initiativen wird statistisch nicht umgesetzt.
Zweitens: keine ehrliche Kostenrechnung. Build-Kosten werden angesetzt, Betrieb und Wartung fehlen. Realistische Verteilung über drei Jahre: 20 Prozent Build, 50 Prozent Betrieb, 30 Prozent Wartung. Wer nur die 20 Prozent budgetiert, verbrennt das gesamte System nach 12 Monaten.
Drittens: keine Stop-Bedingungen. Eine Roadmap ohne klare Kriterien, wann ein Use Case beendet wird, läuft endlos. Jeder Use Case braucht eine Erfolgsdefinition und eine Misserfolgsdefinition vor dem Start.
Viertens: fehlende Leitplanken. Ohne vorab definierte Regeln darüber, was KI im Unternehmen darf, entstehen in Phase 2 Governance-Konflikte, die den Pilot stoppen. Welche Daten darf das System sehen? Wer verantwortet Fehler? Diese Fragen müssen vor dem ersten Build beantwortet sein, nicht danach.
Voraussetzungen, die vor der KI-Roadmap geklärt sein müssen
- Datenqualität und Datenverfügbarkeit prüfen, bevor Use Cases definiert werden
- Leitplanken festlegen: was KI darf und was nicht
- AI Act 2026: prüfen, welche Use Cases als Hochrisiko eingestuft werden
Die häufigste Ursache für gescheiterte KI-Einführungen liegt nicht in der falschen Technologie, sondern in ungelösten Voraussetzungen. Erfahrungsgemäß scheitern mehr als 60 Prozent der Piloten an Problemen, die vor dem Start erkennbar gewesen wären.
Datenqualität: Was wirklich vorhanden sein muss
Datenqualität ist die wichtigste technische Voraussetzung jeder KI-Roadmap. Drei Kriterien müssen erfüllt sein, bevor ein Use Case in die Build-Phase geht.
- Verfügbarkeit: Sind die relevanten Daten in maschinenlesbarem Format zugänglich? Daten in PDF-Scans oder proprietären Altsystemen ohne API sind kein geeignetes Fundament.
- Vollständigkeit: Gibt es Lücken von mehr als 15 Prozent in den relevanten Datensätzen? Lückhafte Daten produzieren unzuverlässige Ausgaben, die das Vertrauen in das System dauerhaft beschädigen.
- Zugriffsrechte: Wer darf die Daten für KI-Training oder KI-Inferenz verwenden? Ohne geklärte Zugriffsrechte stoppt spätestens die Rechtsabteilung den Piloten.
Eine KI-Inventur, die systematische Bestandsaufnahme vorhandener Daten, Systeme und informeller KI-Nutzung, ist deshalb der erste Pflichtschritt jeder KI-Roadmap. Mehr zu laufenden KI-Systemen und deren Infrastruktur findet sich unter KI-Systeme im Betrieb.
Leitplanken definieren: Was KI in Ihrem Unternehmen darf
Leitplanken sind schriftlich fixierte Regeln, die vor dem Start der Roadmap festlegen, welche KI-Anwendungen grundsätzlich erlaubt sind und welche nicht. Ohne Leitplanken entstehen in jeder Phase Governance-Konflikte.
Typische Leitplanken aus dem SUMAX-Betrieb:
- Kein LLM-Einsatz auf personenbezogenen Daten ohne DSGVO-Prüfung durch die Rechtsabteilung
- Keine automatisierte Kundenansprache ohne Opt-in und menschliche Freigabe pro Batch
- Kein Produktivbetrieb ohne dokumentiertes Monitoring-Konzept und definiertes Eskalationsprozedere
- Keine Nutzung von Drittanbieter-KI-Tools ohne schriftliche Verarbeiteranweisung (AVV)
- Ausgaben von KI-Systemen, die direkt in Kundenkommunikation fließen, immer mit menschlicher Prüfstufe
Die Leitplanken müssen nicht perfekt sein. Sie müssen existieren und kommuniziert werden, dann schützen sie das Projekt vor dem häufigsten Abbruchgrund: dem nachträglichen "Das haben wir so nicht gewollt".
AI Act 2026: Welche Anforderungen Ihre Roadmap kennen muss
Der EU AI Act (Verordnung (EU) 2024/1689) ist seit August 2024 in Kraft und gilt seit August 2026 vollständig für Hochrisiko-KI-Systeme. Kein Wettbewerber in den aktuellen Top-Suchergebnissen adressiert diese Anforderungen operativ, dabei beeinflusst der AI Act direkt, welche Use Cases in Phase 1 priorisiert werden sollten.
AI Act, operative Konsequenz für Ihre KI-Roadmap: Use Cases in den Bereichen Personalentscheidungen, Kreditwürdigkeit, kritische Infrastruktur und biometrische Identifikation gelten gemäß AI Act als Hochrisiko-Anwendungen. Sie erfordern Konformitätsbewertungen, technische Dokumentation und in bestimmten Fällen eine Zulassung durch eine benannte Stelle. Wer diese Use Cases in Phase 2 ohne Vorprüfung pilotiert, riskiert eine spätere Einstellung mit erheblichem Sunk Cost.
Für die Roadmap-Planung bedeutet das: In Phase 1 (Bestandsaufnahme) muss für jeden Use-Case-Kandidaten eine vorläufige AI-Act-Klassifizierung erfolgen. Hochrisiko-Kandidaten werden separat bewertet und erst nach Compliance-Prüfung in die Pilotphase aufgenommen. Niedrigrisiko-Use-Cases, etwa interne Dokumentenanalyse, Textzusammenfassung oder Supportvorlagen, können ohne erweiterte Prüfung in Phase 2.
Die 4-Phasen-KI-Roadmap aus dem SUMAX-Betrieb
- Phase 1, Bestandsaufnahme: 4. 6 Wochen, KI-Inventur, 5. 8 priorisierte Kandidaten
- Phase 2, Pilot: 8. 12 Wochen, ein Use Case produktiv, Stop-Bedingung nach 8 Wochen
- Phase 3, Skalierung: 3. 6 Monate, 2. 3 weitere Use Cases mit gemeinsamer Infrastruktur
- Phase 4, Verankerung: laufend, KI als Standardprozess, quartalsweise Review
Vier Phasen, jede mit klarer Dauer, Verantwortung und Stop-Bedingung. Die Phasen können sich überlappen, aber jede hat ihren eigenen Steuerungsrhythmus. Das 4-Phasen-Modell ist kein Lehrbuchkonzept, sondern der Aufbau, den wir aus dem betrieb von 40+ produktiven KI-Systemen bei SUMAX abgeleitet haben.
Bestandsaufnahme (KI-Inventur)
Ziel: Sie wissen, wo KI heute schon inoffiziell läuft, welche Daten vorhanden sind und welche Use Cases die Filterkriterien bestehen.
Arbeitsschritte:
- Anonyme Mitarbeiterbefragung zur Schatten-KI-Nutzung (ChatGPT, Copilot, Perplexity)
- Daten-Inventar: welche Systeme, Datenformate, Zugriffsrechte, Vollständigkeit
- Use-Case-Workshop mit mindestens drei Abteilungen, Ziel: strategische Ziele mit operativen Engpässen verbinden
- Kandidaten-Filter nach Frequenz, Strukturierbarkeit, Akzeptanz und Messbarkeit
- Vorläufige AI-Act-Klassifizierung für jeden Kandidaten
Ergebnis: 5 bis 8 priorisierte Use-Case-Kandidaten mit Aufwand-Wirkung-Schätzung. Eine Risikenliste (Daten, Compliance, Akzeptanz). Eine Empfehlung zur Lizenz- und Tool-Strategie, etwa für ChatGPT für Unternehmen.
Stop-Bedingung Phase 1: Wenn die Befragung zeigt, dass weniger als zwei Use-Case-Kandidaten die vier Filterkriterien bestehen, Roadmap-Scope neu definieren, bevor Phase 2 beginnt.
Verantwortung: Eine Person aus der Geschäftsleitung mit Mandat, plus eine KI-erfahrene Person extern oder intern (0,2 FTE).
Pilot
Ziel: Ein einziger Use Case läuft produktiv, mit messbarer Wirkung, in einer Abteilung.
Arbeitsschritte:
- Use Case auswählen: höchste Wirkung, niedrigstes Risiko, klar messbarer KPI
- Build: typisch 4 bis 6 Wochen, interne oder externe Umsetzung
- Reskilling: Schulung der betroffenen Abteilung vor dem Produktivstart, Mitarbeiterkompetenz ist der entscheidende Akzeptanzfaktor
- 4 Wochen Betrieb mit aktivem Monitoring, Wirkungsmessung gegen Baseline
Stop-Bedingung Phase 2: Wenn nach 6 Wochen Build die wesentlichen Funktionen nicht stehen, neu bewerten. Wenn nach 8 Wochen Betrieb die definierte Wirkung nicht erkennbar ist, ehrlich abbrechen statt weiterschleppen.
Verantwortung: Eine Projektleitung (nicht die Geschäftsleitung selbst), plus die fachverantwortliche Abteilungsleitung als Use-Case-Owner.
Skalierung
Ziel: Aus dem ersten Pilot werden zwei bis drei weitere Use Cases, mit gemeinsamer Infrastruktur.
Arbeitsschritte:
- Erkenntnisse aus dem Pilot dokumentieren und in Prompt-Bibliothek überführen
- Architekturentscheidung für gemeinsame Komponenten: Logging, Routing, Authentifizierung
- Zwei bis drei weitere Use Cases parallelisieren
- Schulungsformat verallgemeinern, KI-Onboarding als Standardprozess einführen
Stop-Bedingung Phase 3: Wenn die Wartungskosten der ersten Use Cases überdurchschnittlich hoch sind, erst stabilisieren, dann skalieren. Skalierung auf wackeligem Fundament verdoppelt den Schaden.
Verantwortung: Interner KI-Verantwortlicher (10 bis 20 Prozent Arbeitszeit), plus Use-Case-Owner je Initiative. Details zur technischen Infrastruktur unter KI-Systeme im Betrieb.
Verankerung
Ziel: KI ist Teil der Standardprozesse, nicht mehr Projekt.
Arbeitsschritte:
- Quartalsweiser Review aller laufenden Use Cases gegen definierte KPIs
- Jährliche Roadmap-Aktualisierung mit Abgleich gegen die KI-Strategie und aktualisierte Unternehmensziele
- KI-Onboarding für neue Mitarbeitende ab Tag 1
- Kontinuierliche Use-Case-Discovery als Regeltermin
Stop-Bedingung Phase 4: Einzelne Use Cases werden gezielt eingestellt, wenn die Wirkung unter ein vorab definiertes Minimum sinkt. Das ist keine Schwäche, sondern operative Hygiene.
Realistische Budgetzahlen für die KI-Roadmap (Stand Mai 2026)
- Phase 1: 12.000. 25.000 Euro extern, 0,2 FTE intern
- Phase 2: 25.000. 60.000 Euro Build + Schulung, 0,3 FTE intern
- Phase 3: 50.000. 120.000 Euro für 2. 3 Use Cases + Infrastruktur, 0,5 FTE intern
- Drei-Jahres-Gesamtkosten erster Use Case: 80.000. 180.000 Euro
Budgetzahlen für KI-Roadmaps sind in keiner der aktuell rankenden Quellen zu finden. Die folgenden Zahlen gelten für mittelständische Unternehmen mit 50 bis 250 Mitarbeitenden und basieren auf realen Projekten. Stand: Mai 2026.
| Phase | Externe Kosten | Interner Aufwand | Laufzeit |
|---|---|---|---|
| Phase 1, Bestandsaufnahme | 12.000. 25.000 € | 0,2 FTE / 6 Wochen | 4. 6 Wochen |
| Phase 2, Pilot | 25.000. 60.000 € | 0,3 FTE | 8. 12 Wochen |
| Phase 3, Skalierung | 50.000. 120.000 € | 0,5 FTE | 3. 6 Monate |
| Phase 4, Verankerung | 30. 50 % der Build-Kosten p. a. | 0,3 FTE dauerhaft | laufend |
Eine ehrliche Drei-Jahres-Rechnung für den ersten produktiven Use Case kommt auf 80.000 bis 180.000 Euro Gesamtkosten, inklusive Betrieb und Wartung. Die Kostenverteilung über drei Jahre: 20 Prozent Build, 50 Prozent Betrieb, 30 Prozent Wartung. Wer nur den Build budgetiert, hat nach 12 Monaten ein unbezahlbares System.
Realistische Rückläufe bei richtig gewählten Use Cases: Faktor 3 bis 8 in Stundenersparnis. Konkrete Zahlen ergeben sich mit dem KI-ROI-Rechner. Erfahrungsberichte aus dem Betrieb stehen in den Notizen aus dem KI-Betrieb.
Build vs. Buy, die Entscheidung, die früh getroffen werden muss: Für den ersten Use Case gilt fast immer: Buy oder konfigurieren schlägt Build. Eigene Modelle trainieren oder Infrastruktur von Grund auf entwickeln rechnet sich erst ab hohen Nutzungsvolumina und sehr spezifischen Anforderungen. Die Buy-vs.-Build-Entscheidung sollte in Phase 1 getroffen werden, nicht erst in Phase 2, wenn der Zeitdruck steigt.
Rollen und Kompetenz-Matrix der KI-Roadmap
- Sponsor (Geschäftsleitung): Budget- und Priorisierungsentscheidungen, nicht delegierbar
- KI-Verantwortlicher: operative Steuerung intern, 10. 20 % Arbeitszeit
- Use-Case-Owner: je Use Case eine Person aus der Fachabteilung
- Externer Partner: für Phase 1 und 2 sinnvoll, ab Phase 3 zunehmend intern
Eine KI-Roadmap ohne klar besetzte Rollen ist eine Wunschliste. Vier Rollen müssen besetzt sein, sonst scheitert das Vorhaben nicht an der Technologie, sondern an der Governance.
Sponsor (Geschäftsleitung)
Der Sponsor trifft Budget- und Priorisierungsentscheidungen und schützt das Projekt im Tagesgeschäft. Diese Rolle lässt sich nicht delegieren. Wenn die Geschäftsleitung nicht aktiv hinter der Roadmap steht, überlebt sie den ersten ernsthaften Widerstand nicht.
KI-Verantwortlicher
Der KI-Verantwortliche übernimmt die operative Steuerung mit 10 bis 20 Prozent der Arbeitszeit. Die Rolle hält Use Cases, Pipeline und Prompt-Bibliothek lebendig und verantwortet das KI-Onboarding neuer Mitarbeitender. Diese Rolle muss intern besetzt sein, externe Partner können unterstützen, aber nicht ersetzen.
Use-Case-Owner
Pro Use Case eine Person aus der betroffenen Fachabteilung. Der Use-Case-Owner definiert Anforderungen, validiert Ausgaben und gibt strukturiertes Feedback. Akzeptanz im Team steht und fällt mit dieser Person. Fehlt sie, werden Systemfehler nicht gemeldet, sondern stillschweigend umgangen.
Externer Partner
Für Phase 1 (Bestandsaufnahme) und Phase 2 (Pilot) bringt ein externer Partner Methode und Vergleichswerte aus anderen Projekten. Blinde Flecken werden von innen nicht gesehen. Ab Phase 3 verlagert sich das Wissen zunehmend nach innen, das ist das Ziel.
Stop-Bedingungen, die unterschätzte Disziplin der KI-Roadmap
Stop-Bedingungen sind das Merkmal, das operative KI-Roadmaps von Strategiepapieren unterscheidet. Kein Konkurrent in den aktuellen Suchergebnissen adressiert dieses Konzept, dabei ist es der wichtigste Schutz vor dem häufigsten KI-Projektfehler: dem endlosen Weitermachen ohne Wirkung.
Jeder Use Case braucht vor dem Start zwei Definitionen:
- Erfolgsdefinition: Woran erkennen Sie, dass es funktioniert? Konkret messbar, nicht "gefühlt besser". Beispiel: "Acceptance-Rate der KI-Vorschläge im Support über 65 Prozent nach 8 Wochen Betrieb."
- Misserfolgsdefinition: Wann brechen Sie ehrlich ab? Welche Zahl muss erreicht oder nicht erreicht werden? Beispiel: "Wenn nach 8 Wochen Pilotbetrieb die Acceptance-Rate unter 60 Prozent liegt, beenden wir den Pilot und bewerten neu."
Ohne diese Definitionen werden Use Cases monatelang weitergeschleppt, die keine Wirkung zeigen, mit steigendem Opportunitätskostenpunkt für das gesamte KI-Programm. Einen Use Case abzubrechen ist keine Niederlage. Es ist das Zeichen einer funktionierenden Roadmap. Die gemessenen Ergebnisse aus produktiven KI-Projekten entstehen durch diese Disziplin, nicht trotz ihr.
Was eine KI-Roadmap nicht sein sollte
Drei Anti-Patterns aus Beratungsgesprächen, die Zeit und Budget vernichten, und für wen dieser Ansatz nicht geeignet ist.
Mehr dazu: Jetzt — Aktuelle KI-Projekte und Fokus | Carl-Uwe Würfel
Mehr dazu: KI-Infrastruktur | Carl-Uwe Würfel
Keine Tool-Roadmap. Eine Liste von KI-Lösungen, die eingeführt werden sollen, ist keine Roadmap. Tools werden gewählt, wenn der Use Case sie braucht, nicht andersherum. Eine Tool-Roadmap ohne Use-Case-Grundlage produziert Lizenzen, die niemand nutzt.
Keine reine Schulungs-Roadmap. Mitarbeiterschulungen sind wichtig, aber das Mittel, nicht das Ziel. "In Q3 alle Mitarbeitenden zu ChatGPT schulen" ist kein Roadmap-Punkt. Kompetenz ohne konkrete Anwendung verpufft.
Kein Foliensatz mit 47 Use Cases. Beraterfolien mit langen Use-Case-Listen wirken vollständig, führen aber zu Lähmung. Sechs ist die Maximalzahl gleichzeitig aktiver Initiativen, gemessen an tatsächlich umgesetzten KI-Programmen.
Für wen dieser Ansatz nicht geeignet ist: Unternehmen, die keine Person mit mindestens 10 Prozent Kapazität für die KI-Verantwortung freihalten können, oder bei denen die Geschäftsleitung keine aktive Sponsor-Rolle übernehmen will, sollten die Roadmap-Arbeit auf einen späteren Zeitpunkt verschieben. Ein halbherziger Start kostet mehr als ein verzögerter, aber ernsthafter.
KI-Roadmap erstellen: drei Wege zum Start
- Selbst starten: 0,3 FTE intern für drei Monate + die vier Pflichtbausteine aus Phase 1
- Externe Begleitung: Methode von außen, Detailwissen von innen, häufigste Kombination
- Workshop als Startpunkt: ein Tag für Klarheit, ob KI operativ Sinn ergibt
Das Sekundärkeyword "ki roadmap erstellen" trägt einen klaren Template-Intent. Hier sind die vier Pflichtbausteine für eine selbst aufgesetzte Phase 1, sie bilden die Minimalvorlage für den Start.
- Mitarbeiterbefragung (anonym): Welche KI-Tools werden bereits genutzt? In welchen Aufgaben? Mit welchem Aufwand? Schatten-IT aufdecken, nicht sanktionieren.
- Daten-Inventar: Welche Daten sind vorhanden, in welchem Format, mit welchen Zugriffsrechten? Nicht vollständig, pragmatisch genug für Use-Case-Bewertung.
- Use-Case-Workshop: Drei Abteilungen, ein halber Tag, ein Moderator. Ziel: 8 bis 12 Kandidaten generieren und nach den vier Filtern (Frequenz, Strukturierbarkeit, Akzeptanz, Messbarkeit) auf 5 bis 8 reduzieren.
- Priorisierung: Wirkung-Aufwand-Matrix, AI-Act-Vorprüfung, Datenqualitätsbewertung. Das Ergebnis ist der Startpunkt für Phase 2.
Selbst aufsetzen: Möglich, wenn eine KI-erfahrene Person intern mit 0,3 FTE für drei Monate verfügbar ist. Die vier Bausteine oben sind die Minimalvorlage.
Mit externer Begleitung: Externe Person bringt Methode und Vergleichswerte, interne Person bringt Detailwissen. Diese Kombination ist die häufigste in unseren Projekten und produziert die schnellsten Ergebnisse.
Workshop als Startpunkt: Wenn noch unklar ist, ob KI operativ Sinn ergibt, ist ein eintägiger Strategy-Day der schnellste Weg zu Klarheit. Details unter KI-Workshop. Für ein direktes Strategiegespräch zur Roadmap: KI-Berater.
Strategiegespräch zur KI-RoadmapFAQ: KI-Roadmap
Was ist eine KI-Roadmap?
Eine KI-Roadmap ist ein phasenbasierter Umsetzungsplan, der konkrete KI-Initiativen eines Unternehmens mit Zeitrahmen, Verantwortlichkeiten und messbaren Erfolgskriterien verbindet. Im Unterschied zur KI-Strategie beantwortet sie nicht das Warum, sondern das Wie und Wann. Jede Phase enthält eine Stop-Bedingung, ein klares Kriterium, wann ein Use Case beendet wird. Laut gängiger Projektmethodik sind maximal sechs gleichzeitig aktive Initiativen umsetzbar; mehr führt statistisch zur Nichtdurchführung.
Wie lange dauert die Umsetzung einer KI-Roadmap?
Für einen mittelständischen Betrieb mit 50 bis 250 Mitarbeitenden: Phase 1 (Bestandsaufnahme) dauert 4 bis 6 Wochen, Phase 2 (Pilot) 8 bis 12 Wochen, Phase 3 (Skalierung) 3 bis 6 Monate. Die Gesamtlaufzeit bis zur Verankerung von KI als Standardprozess beträgt realistisch 12 bis 18 Monate. Phase 4 läuft dauerhaft als Regelbetrieb weiter. Unternehmen, die diesen Zeitrahmen auf 3 Monate komprimieren wollen, scheitern erfahrungsgemäß in Phase 2.
Was kostet eine KI-Roadmap für ein mittelständisches Unternehmen?
Phase 1 kostet 12.000 bis 25.000 Euro extern plus 0,2 FTE intern für 6 Wochen. Phase 2 kommt auf 25.000 bis 60.000 Euro für Build, Schulung und ersten Betrieb. Phase 3 liegt bei 50.000 bis 120.000 Euro für zwei bis drei Use Cases mit gemeinsamer Infrastruktur. Die ehrliche Drei-Jahres-Rechnung für den ersten produktiven Use Case: 80.000 bis 180.000 Euro. 20 Prozent Build, 50 Prozent Betrieb, 30 Prozent Wartung. Konkrete Zahlen für den eigenen Fall ergeben sich mit dem KI-ROI-Rechner.
Wann braucht ein Unternehmen eine KI-Roadmap?
Drei Situationen signalisieren, dass eine strukturierte KI-Roadmap notwendig ist: Erstens, wenn Mitarbeitende bereits unkontrolliert KI-Tools (Schatten-IT) einsetzen und das Unternehmen keine Steuerung hat. Zweitens, wenn ein erster Pilot gestartet wurde, aber unklar ist, wie es danach weitergeht. Drittens, wenn Wettbewerber messbar schneller durch KI-gestützte Prozesse werden und ein ungeplantes Nachziehen droht. Ohne Roadmap wird aus allen drei Situationen ein teures Reaktionsprogramm statt eines steuerbaren Transformationspfads.
Was ist der Unterschied zwischen KI-Roadmap und KI-Strategie?
Die KI-Strategie definiert Leitplanken, Ziele und Priorisierungsprinzipien, das Warum und Wohin über einen Zeitraum von 3 bis 5 Jahren. Die KI-Roadmap übersetzt diese Vorgaben in operative Phasen mit Zeitfenstern, Verantwortlichkeiten und messbaren Erfolgskriterien, das Wie und Wann für die nächsten 12 bis 18 Monate. Beide brauchen sich gegenseitig: Strategie ohne Roadmap bleibt ein Dokument, Roadmap ohne Strategie verliert die Richtung bei jedem Governance-Konflikt.
Welche Vorlage eignet sich für eine KI-Roadmap?
Eine funktionierende Vorlage für das Erstellen einer KI-Roadmap besteht aus vier Pflichtbausteinen: (1) Mitarbeiterbefragung zur aktuellen KI-Nutzung, (2) Daten-Inventar mit Zugriffsrechten und Formatprüfung, (3) Use-Case-Workshop mit Priorisierung nach Frequenz, Strukturierbarkeit, Akzeptanz und Messbarkeit, (4) Risikenliste mit AI-Act-Klassifizierung. Dieses Gerüst bildet das Ergebnis von Phase 1 und ist der Startpunkt für den Pilot. Tools wie PowerPoint oder Notion eignen sich für die Dokumentation, entscheidend ist nicht das Format, sondern die Vollständigkeit der vier Bausteine.
Vorlage, Phase 1
Checkliste: Bestandsaufnahme vollständig durchführen
4 bis 6 Wochen. Abhaken sobald abgeschlossen.
Mitarbeiter-Befragung
Daten-Inventar
Use-Case-Workshop
Priorisierung und Ergebnis-Dokument
Fortschritt wird lokal im Browser gespeichert. Alle Häkchen bleiben beim nächsten Besuch erhalten, sofern der Browser-Cache nicht geleert wird. Stand der Checkliste: .