Uxovia · AI-Ready-Check

Frage 1 von 11

Prozessreife

Wie gut sind Geschäftsprozesse, Wissensflüsse und wiederkehrende Abläufe dokumentiert und anschlussfähig für KI?

Datenqualität & Verfügbarkeit

Wie strukturiert, zugreifbar und belastbar sind Daten und Wissensartefakte im Unternehmen?

1Frage 1 von 11Kategorie 1 / 5

Wie gut sind Ihre Kernprozesse schriftlich dokumentiert und gepflegt?

Gemeint sind die wichtigsten Abläufe wie Angebot, Onboarding, Projektübergabe, Service oder Reklamationen.

Gar nicht - kritisches Wissen steckt vor allem in Köpfen einzelner Personen

Teilweise - einzelne Checklisten oder Dokumente existieren, sind aber lückenhaft oder veraltet

Grundlegend - die wichtigsten Prozesse sind beschrieben, aber nicht durchgängig gepflegt

Gut - zentrale Prozesse sind dokumentiert, aktuell und für das Team nutzbar

2Frage 2 von 11Kategorie 2 / 5

Gibt es für Ihre wichtigsten Leistungen einen klaren Standardablauf?

Gesucht ist der wiederholbare Happy Path, nicht jeder Sonderfall.

Nein - fast jeder Fall wird individuell gelöst

Ansatzweise - es gibt Leitlinien, aber viele Ausnahmen und Workarounds

Ja - für die Hauptfälle ist ein klarer Standardablauf definiert

Ja, sehr klar - der Standard deckt den Grossteil der Fälle ab und Ausnahmen sind bewusst geregelt

3Frage 3 von 11Kategorie 3 / 5

Wenn eine komplexe Kunden- oder Fachfrage auftaucht: Wo findet Ihr Team die verlässliche Antwort?

Die Frage verbindet Prozessklarheit mit Wissenszugang im Tagesgeschäft.

Man muss bestimmte Personen fragen oder in Chats, Mails und Notizen suchen

Es gibt mehrere Dokumente oder Tools, aber nichts ist eindeutig führend

Die wichtigsten Antworten liegen dokumentiert vor, sind aber nicht immer vollständig aktuell

Es gibt eine zentrale, gepflegte Wissensbasis oder klare Prozessdokumentation für solche Rückfragen

4Frage 4 von 11Kategorie 4 / 5

Wie gut wäre kritisches Wissen abgesichert, wenn morgen eine Schlüsselperson ausfällt oder neue Mitarbeitende eingearbeitet werden müssen?

Interner Signalanker für Wissensverlust und Onboarding-Reife.

Kritisch - Ausfall oder Kündigung würde massiven Wissensverlust verursachen, Onboarding dauert sehr lange

Riskant - viel Wissen ist personenabhängig, neue Mitarbeitende brauchen mehrere Monate

Beherrschbar - Wissen ist teilweise übertragbar, Einarbeitung ist mit Aufwand möglich

Gut abgesichert - Wissen ist dokumentiert und neue Mitarbeitende werden zügig arbeitsfähig

5Frage 5 von 11Kategorie 5 / 5

Wie strukturiert werden Erkenntnisse aus Meetings, Kundengesprächen oder Projekten festgehalten?

Wichtig für Wissenssicherung, spätere Übergaben und KI-Nutzbarkeit.

Kaum - vieles bleibt in Köpfen, Chats oder Einzelnotizen

Unregelmäßig - es wird dokumentiert, wenn jemand daran denkt

Meistens - es gibt dokumentierte Ergebnisse, aber kein einheitliches Format

Durchgängig - Erkenntnisse werden strukturiert, standardisiert und teamweit verfügbar dokumentiert

6Frage 6 von 11Kategorie 1 / 6

In welcher Form liegen die für das Vorhaben relevanten Daten und Wissensinhalte heute vor?

Es geht um operative Daten, Dokumente, Wissensartefakte und Kundeninformationen.

Vor allem in Köpfen, Papier, Scans, Freitext oder verstreuten Mails

Überwiegend in Dokumenten, Freitextfeldern, PDFs oder Tabellen ohne klare Struktur

Gemischt - wichtige Daten sind in Systemen, viel Wissen aber noch in Dokumenten und Freitext

Weitgehend strukturiert - relevante Daten und Wissensinhalte liegen in zentralen, auswertbaren Systemen vor

7Frage 7 von 11Kategorie 2 / 6

Wie sauber, aktuell und konsistent sind Ihre relevanten Daten?

Objektive Datenqualität: Duplikate, veraltete Einträge oder uneinheitliche Pflege bremsen KI-Projekte direkt aus.

Schwach - viele Lücken, Dubletten oder veraltete Einträge

Verbesserungsbedürftig - bekannte Qualitätsprobleme werden aber nicht konsequent bearbeitet

Solide - Daten sind grundsätzlich nutzbar, haben aber erkennbare Lücken

Gut - Datenqualität wird aktiv gepflegt, validiert und ist für KI-Vorhaben belastbar

8Frage 8 von 11Kategorie 3 / 6

Wie zentralisiert sind Daten, Dokumente und Wissensquellen über Ihre Systeme hinweg?

Die Frage verbindet Daten-Silos, Wissensinseln und Systemverteilung.

Stark verstreut - jede Abteilung arbeitet mit eigenen Inseln, Dateien oder Postfächern

Fragmentiert - mehrere Systeme existieren, sind aber nur lose verbunden

Teilweise zentral - Kerndaten sind in führenden Systemen, Nebenthemen bleiben verteilt

Gut zentralisiert - zentrale Daten- und Wissensbasis mit angebundenen Systemen

9Frage 9 von 11Kategorie 4 / 6

Wie viel Zeit verliert Ihr Team pro Woche dadurch, Informationen zu suchen, die irgendwo bereits existieren?

Interner Dringlichkeitsindikator für Informationszugriff und operative Reibung.

Sehr viel - Suchaufwand ist ein regelmäßiger Produktivitätsverlust

Spürbar - mehrmals pro Woche geht relevante Zeit für Suchen verloren

Begrenzt - Suchaufwand kommt vor, ist aber beherrschbar

Gering - Informationen sind meist schnell auffindbar

10Frage 10 von 11Kategorie 5 / 6

Wenn eine entscheidungsrelevante Zahl oder KPI aus einem System kommt, wird ihr vertraut oder typischerweise gegengeprüft?

Selbst saubere Daten nützen wenig, wenn das Team ihnen nicht vertraut. Indikator für die kulturelle Belastbarkeit Ihrer Datenbasis.

Stark misstrauisch – Systemzahlen werden selten ohne Verifikation verwendet

Spürbar zurückhaltend – wichtige KPIs werden grundsätzlich gegengeprüft

Selektives Vertrauen – Routinezahlen werden akzeptiert, bei wichtigen Entscheidungen wird geprüft

Belastbares Vertrauen – Daten aus dem System sind die anerkannte Grundlage

11Frage 11 von 11Kategorie 6 / 6

Wie stark schränken Datenschutz-, Hosting- oder Compliance-Vorgaben die Tool- und Modellwahl ein?

Die Frage soll Aufwand und technische Freiheitsgrade realistisch einordnen.

Sehr stark - nur On-Premise oder stark eingeschränkte Sonderwege sind möglich

Restriktiv - EU- oder Branchenvorgaben schliessen Teile des Marktes aus

Moderat - Cloud ist möglich, aber nur unter klaren Rahmenbedingungen

Offen - relevante Cloud- und Modelloptionen sind grundsätzlich nutzbar

Dein AI Ready Score