KI-Readiness-Check für Revenue-Teams: Scorecard mit 20 Fragen

Ein KI-Readiness-Check, oft auch KI-Readiness-Assessment genannt, ist eine strukturierte Prüfung, ob ein Revenue-Team KI in die tägliche Arbeit bringen und damit ein messbares Umsatzergebnis erzielen kann. Er betrachtet die Daten, die KI lesen wird, die Prozesse, in die sie eingebettet wird, die Tools, in denen sie läuft, die Menschen, die sie nutzen werden, und die Regeln, die sie sicher machen. Danach zeigt er Ihnen, für welche ein oder zwei Workflows sich der Aufbau jetzt lohnt.

Mit der Scorecard unten führen Sie an einem Nachmittag selbst einen ersten Check durch. Sie enthält 20 Fragen zu diesen fünf Dimensionen, einen Bewertungsschlüssel und Hinweise, was bei einem niedrigen Score zu tun ist.

Was ein KI-Readiness-Check ist und was er nicht ist

Ein KI-Readiness-Check ist kein Reifegrad-Benchmark im Vergleich mit anderen Unternehmen und auch keine Technologieauswahl. Sein Ergebnis ist eine kurze Liste konkreter Lücken, sortiert danach, was die Wirkung auf den Umsatz zuerst blockiert. Dazu kommt eine Entscheidung, welche Workflows Sie bauen, welche Sie zuerst reparieren und welche Sie gar nicht automatisieren.

Diese Unterscheidung ist wichtig, weil die meisten Revenue-Teams bereits für KI-Funktionen in ihrem CRM, ihrem Call-Recorder oder ihrem Sales-Engagement-Tool bezahlen. Die Frage ist selten, ob man KI kaufen soll. Entscheidend ist, ob die Abläufe und Daten, auf denen KI aufsetzt, sie tragen können.

Warum die KI-Readiness über Umsatzergebnisse entscheidet

Für einen CEO oder CFO ist die Frage einfach. Zeigen sich die Ausgaben für KI in der Pipeline, in der Conversion oder in den Kosten pro gewonnenem Deal? Die Datenlage spricht dafür, dass die Antwort weniger vom Modell abhängt als von dem, was es umgibt.

Vorstände und Beiräte machen Druck. In unserer Umfrage aus dem Jahr 2026 unter 123 RevOps-Fachleuten in B2B-SaaS-Unternehmen, die sich bereits aktiv mit KI beschäftigen, berichteten 73% von einem KI-Mandat, aber nur 38% sagten, dass sie die Daten haben, um es zu stützen. Der Bericht bezeichnet diese Befragten als Vorreiter und geht davon aus, dass der breitere Markt schlechter dasteht.

CROs sehen dasselbe Muster von der anderen Seite. In unserer Umfrage unter 26 CROs lag der selbst eingeschätzte KI-Reifegrad im Schnitt bei 3,04 von 5. Für 46% war mehr Umsatz der wichtigste Nutzen, und als größte Hürden lagen Datenqualität und Budgetbeschränkungen mit je 27% gleichauf. Die Stichprobe ist klein, verstehen Sie das Ergebnis also als Tendenz und nicht als statistisch belastbar.

Analysten kommen zum gleichen Ergebnis. Die Gartner-Studie zu KI-fähigen Daten ergab, dass 63% der Organisationen nicht über die richtigen Datenmanagement-Praktiken für KI verfügen oder nicht sicher sind, ob sie sie haben (Umfrage unter 1.203 Verantwortlichen für Datenmanagement, Juli 2024). Gartner prognostiziert außerdem, dass Organisationen bis einschließlich 2026 60% der KI-Projekte aufgeben werden, die nicht auf KI-fähigen Daten aufbauen. "Wenn die Daten Probleme haben, dann sind die Daten nicht bereit für KI", schreibt Gartner.

Die BCG-Studie vom September 2025 unter 1.250 Führungskräften ergab, dass nur 5% der Unternehmen für KI als "future-built" gelten, während 60% nur minimale Umsatz- und Kostenvorteile melden. Laut der vollständigen BCG-Publikation erzielen die führenden Unternehmen fünfmal so hohe Umsatzsteigerungen wie andere Unternehmen.

Der Preis dafür, die Readiness zu überspringen, ist also kein gescheitertes Pilotprojekt. Es ist ein Pilotprojekt, das in der Demo zu funktionieren scheint und dann in Ihrer echten Pipeline falsche Antworten liefert. Anders als ein erfahrener Vertriebsmitarbeiter gleicht KI Lücken nicht stillschweigend aus. Das führen wir in unserem Beitrag dazu aus, wie KI RevOps im Jahr 2026 verändert.

Die fünf Dimensionen der KI-Readiness

An erster Stelle stehen die Daten, denn sie entscheiden, ob KI dem trauen kann, was sie liest. Dazu gehören die Vollständigkeit der Felder, die Kontrolle von Dubletten, Definitionen (was als Phase, als qualifizierter Lead, als aktiver Kunde gilt) und der Zugriff auf die relevanten Quellen wie CRM, Produktnutzung, Support, Abrechnung und Call-Transkripte. Wie es in unserer RevOps-Wissensdatenbank von Five Dots heißt, bereinigt KI schlechte Daten nicht, sondern verstärkt sie. Behandeln Sie deshalb jede falsche KI-Ausgabe als Ticket zur Datenqualität und nicht als Modellproblem. Mit unserem Tool zur Bewertung Ihrer RevOps-Daten sehen Sie schnell, wo Ihre CRM-Daten stehen.

Die zweite Dimension ist der Prozess. Sind die Abläufe, die KI übernehmen oder unterstützen soll, dokumentiert und einheitlich? KI automatisiert einen Prozess. Wenn drei Vertriebsmitarbeitende Leads auf drei verschiedene Arten bearbeiten, hat der Agent nichts Stabiles, das er nachbilden könnte.

An dritter Stelle stehen die Tools. Erlaubt der Stack eine sichere, nachvollziehbare Automatisierung? Dazu gehören die Qualität der Integrationen, API-Zugriff, Berechtigungen, Sandbox-Umgebungen und die Frage, ob Sie bereits für KI-Funktionen bezahlen, die niemand nutzt.

Die vierte Dimension sind die Menschen. Ist jemand für das Ergebnis verantwortlich, und wissen die Nutzerinnen und Nutzer, wie sie mit dem arbeiten, was die KI liefert? Dazu gehören Verantwortlichkeiten, Routinen der Führungskräfte, Fähigkeiten und die Zeit, Gewohnheiten zu ändern.

Die fünfte ist Governance. Gibt es festgelegte Regeln für Datenschutz, Prüfpunkte durch Menschen, Qualitätskontrollen, die Prüfung von Anbietern und, in Europa, für die Pflichten aus der KI-Verordnung (AI Act)?

Die KI-Readiness-Scorecard mit 20 Fragen

Bewerten Sie jede Frage mit 0, wenn die Aussage nicht zutrifft, mit 1, wenn sie teilweise zutrifft, und mit 2, wenn sie zutrifft und belegt ist. Belegt heißt, dass Sie einen Bericht, ein Dokument oder eine Systemeinstellung vorzeigen können, und nicht, dass jemand es glaubt.

Fragen zur Readiness der Daten

1. Gibt es für jede Pipeline-Phase eine schriftliche Definition, und erfüllen mindestens 90% der offenen Deals deren Exit-Kriterien?
2. Wird Ihre Dublettenquote bei Accounts und Kontakten gemessen, und haben Sie sie im Griff?
3. Sind die fünf bis zehn Felder, von denen ein KI-Anwendungsfall abhängen würde (Owner, nächster Schritt, Abschlussdatum, Betrag, Branche, Quelle), bei der großen Mehrheit der Datensätze befüllt?
4. Können Sie CRM-Daten über einen verlässlichen Account-Schlüssel mit mindestens einer weiteren Quelle (Produktnutzung, Abrechnung, Support oder Call-Transkripte) verknüpfen?

Die Schwelle von 90% in Frage 1 ist unsere Faustregel, kein veröffentlichter Standard.

Fragen zur Readiness der Prozesse

5. Sind Lead Routing, Übergabe und Follow-up dokumentiert, mit einer verantwortlichen Person und einem Service-Level-Ziel?
6. Halten sich alle Vertriebsmitarbeitenden an dieselben Konventionen für Qualifizierung und nächste Schritte, sodass eine Führungskraft jeden Deal auf dieselbe Weise lesen kann?
7. Haben Sie die zwei oder drei Workflows identifiziert, in denen Mitarbeitende die meisten Stunden mit Kopieren, Suchen oder Nachfassen verlieren?
8. Kennen Sie für jeden dieser Workflows die heutige Baseline für Zeitaufwand, Volumen, Fehlerquote oder Conversion?

Fragen zur Readiness der Tools

9. Ist Ihr CRM das führende System (System of Record), mit wenigen parallelen Tabellen für Pipeline oder Forecast?
10. Bieten Ihre zentralen Tools APIs oder native Konnektoren, die Lese- und Schreibzugriff mit eng begrenzten Berechtigungen erlauben?
11. Haben Sie eine Sandbox- oder Staging-Umgebung, um Automatisierungen zu testen, bevor sie auf Live-Datensätze zugreifen?
12. Wissen Sie, welche KI-Funktionen Sie bereits lizenziert haben (CRM, Call Recording, Sales Engagement) und wie viele Personen sie wöchentlich nutzen?

Fragen zur Readiness von Menschen und Teams

13. Gibt es für jeden KI-Anwendungsfall eine namentlich benannte, fachlich verantwortliche Person (nicht nur die IT)?
14. Haben Ihre Teamleitungen eine Routine, um KI-gestützte Arbeit in Pipeline-Reviews oder Einzelgesprächen zu prüfen?
15. Haben die Nutzerinnen und Nutzer ein rollenspezifisches Training mit Übungen erhalten und nicht nur ein allgemeines Webinar?
16. Gibt es Kapazität für Veränderung, etwa geschützte Zeit, einen Champion in jedem Team und eine Stelle, an der man schlechte Ergebnisse melden kann?

Fragen zur Readiness der Governance

17. Haben Sie eine Übersicht über die KI-Tools und Anwendungsfälle im Revenue-Team, einschließlich der privaten Tools, die Mitarbeitende nutzen?
18. Gibt es eine Regel, welche Daten in welches KI-Tool gelangen dürfen, und hat die für den Datenschutz verantwortliche Person sie geprüft?
19. Hat jede KI-Ausgabe, die einen Kunden erreicht oder einen Datensatz ändert, einen festgelegten Prüfpunkt durch einen Menschen?
20. Können Sie die Qualität der Ergebnisse im Zeitverlauf prüfen (Stichproben, Akzeptanzrate, Fehlerprotokoll)?

Die Fragen 15 und 17 verdienen besondere Aufmerksamkeit. Wenn Sie KI in der EU einsetzen, verpflichtet Artikel 4 des AI Act die Betreiber, Maßnahmen zur Förderung der KI-Kompetenz ihres Personals zu ergreifen. Laut EU-Kommission gilt Artikel 4 seit dem 2. Februar 2025, und ab dem 2. August 2026 beaufsichtigen die nationalen Marktüberwachungsbehörden die Einhaltung der Regeln und setzen sie durch. Das ist ein Hinweis zur Compliance und keine Rechtsberatung. Klären Sie die Details also mit Ihrem Rechtsbeistand.

So lesen Sie Ihren KI-Readiness-Score

Gesamtpunktzahl (max. 40)	Einordnung	Was zu tun ist
0 bis 14	Erst die Grundlagen	Kaufen oder bauen Sie noch keine KI. Bringen Sie Datendefinitionen, Dubletten und Prozessverantwortung in Ordnung. Wenn Sie HubSpot nutzen, ist unser CRM and GTM Health Check der richtige erste Schritt.
15 bis 27	Bereit für einen eng umrissenen Workflow	Wählen Sie einen Anwendungsfall, bei dem die benötigten Felder mit 2 bewertet sind. Setzen Sie ihn mit einer Baseline, einer namentlich benannten verantwortlichen Person und einem Prüfpunkt um.
28 bis 40	Bereit zum Skalieren	Ergänzen Sie Workflows in der Reihenfolge ihres Werts. Investieren Sie in Routinen für die Nutzung und in die Überwachung der Qualität, damit die Nutzung nicht nachlässt.

Diese Bereiche sind vorläufige Schwellenwerte, die wir als Ausgangspunkt vorschlagen. Sie sind keine validierte Skala und kein Branchenstandard.

Lesen Sie neben der Gesamtpunktzahl auch die Werte pro Dimension. Ein Team mit 7 Punkten bei den Tools und 2 bei den Daten steht anders da als eines mit durchgehend 4 Punkten. Meist bestimmt die schwächste Dimension das Tempo, nicht der Durchschnitt. In unseren Kundengesprächen 2026 wiederholen sich dieselben Blocker, nämlich Dubletten und fehlende Felder, unklare Verantwortung für Accounts und Leads, keine vereinbarten Phasendefinitionen und Tools, die über fragmentierte Workflows gelegt werden. Das passt zu den 38% aus unserer Umfrage.

Was Sie bei einem niedrigen KI-Readiness-Score tun

Ein niedriger Score ist kein Grund aufzuhören. Er ist ein Grund, die richtige Reihenfolge festzulegen.

Bereinigen Sie zuerst die Daten, die ein Workflow braucht

Sie brauchen kein perfektes CRM. Sie brauchen die fünf bis zehn Felder, von denen ein Anwendungsfall abhängt. Bei einem Scale-up, mit dem wir zusammengearbeitet haben, mussten die meisten Opportunities für Vertragsverlängerungen von Hand bereinigt werden, bevor überhaupt Auswertungen zu Verlängerungen möglich waren. Diese Bereinigung war das eigentliche erste Projekt.

Behandeln Sie Zahlen, die zu gut aussehen, als Warnsignal

In einem Pipeline-Review, das wir durchgeführt haben, waren ein Sales-Zyklus von etwa einem Tag und eine scheinbar hervorragende Abschlussquote keine Spitzenleistung. Ein Vertriebsmitarbeiter legte Deals erst an, wenn sie bereits gewonnen waren. Die Pipeline enthielt deshalb fast keine Historie offener Deals, die eine KI hätte lesen oder priorisieren können.

Bewerten Sie mögliche Workflows, bevor Sie sich für einen entscheiden

In unserer RevOps-Wissensdatenbank von Five Dots wird jeder Kandidat anhand von sechs gewichteten Dimensionen bewertet, nämlich Volumen und Häufigkeit, Fehlertoleranz, Verfügbarkeit und Qualität der Daten, Prozessstabilität, Messbarkeit und vorhandene Fähigkeiten im Team. Über 7 von 10 Punkten geht es in ein Pilotprojekt. Zwischen 5 und 7 beheben Sie zuerst die schwächste Dimension, meist die Daten oder die Prozessstabilität. Unter 5 fangen Sie nicht an, denn dann liegt das Problem im Prozess. KI auf einem instabilen Prozess erzeugt einen instabilen Prozess, bei dem die Fehlersuche schwieriger ist.

Messen Sie die Baseline, bevor Sie etwas ändern

An Frage 8 scheitern die meisten Teams. Ohne Baseline kann später niemand eine Verbesserung nachweisen, und das KI-Budget wird beim nächsten Budget-Review gekürzt.

Prüfen Sie, ob der Workflow überhaupt ein KI-Problem ist

Manchmal lässt sich die Lücke mit einer Prozesskorrektur oder einer gewöhnlichen Automatisierung schließen. Ein guter KI-Readiness-Check sagt Ihnen das und spart Ihnen eine Lizenz.

Ziehen Sie die Grenze beim Kundenkontakt

In unseren Five-Dots-Empfehlungen zu Leitplanken für KI-Agenten richtet sich die Autonomie nach Tragweite und Umkehrbarkeit. Entwürfe und interne Abfragen können unbeaufsichtigt laufen. Jeder Kundenkontakt braucht dagegen eine Freigabe durch einen Menschen im Einzelfall, bis eine Fehlerquote feststeht. Denn eine selbstbewusst formulierte falsche Aussage, die in großer Zahl an Kunden geht, ist ein geschäftliches und manchmal auch rechtliches Problem. Vermitteln Sie diese Regel, bevor Sie noch mehr Prompting schulen.

Bevorzugen Sie Workflows, in denen ein Mensch eingebunden bleibt

Die Vertriebsstudie von Gartner aus dem Jahr 2026 ergab, dass Vertriebsorganisationen, die ihren Verkäuferinnen und Verkäufern KI-gestützte Next Best Actions an die Hand geben, mit 2,6-mal höherer Wahrscheinlichkeit kommerzielles Wachstum erzielten und Organisationen, die KI-Weiterbildung priorisieren, mit 2,4-mal höherer Wahrscheinlichkeit starkes Umsatzwachstum (Umfrage unter 227 Chief Sales Officers, August bis September 2025). Das zeigt einen Zusammenhang, keinen Beweis für eine Ursache. Die Ergebnisse sprechen aber für unterstützte Workflows und Enablement statt voller Autonomie.

Was nach dem Check kommt, beschreiben unser Schritt-für-Schritt-Leitfaden zur KI-Implementierung in Vertrieb und RevOps und das Playbook für KI in Sales und RevOps. Wenn jemand einen KI-Agenten vorgeschlagen hat, statt den Prozess zu reparieren, zeigt unser Vergleich von Revenue Wizards und KI-Agenten, wofür sich welcher Ansatz eignet.

Den KI-Readiness-Check selbst oder mit uns durchführen

Sie können diese Scorecard an einem Nachmittag durchgehen, zusammen mit Ihrer RevOps-Leitung, einer Führungskraft aus dem Vertrieb und der Person, die für den Datenschutz verantwortlich ist. Halten Sie sich streng an die Belegregel. Der häufigste Fehler ist, nach Gefühl zu bewerten.

Die Schwäche einer Selbsteinschätzung ist, dass die Menschen, die das CRM aufgebaut haben, es auch bewerten. Das AI Revenue Readiness Assessment von Revenue Wizards liest die Daten direkt in Ihrem eigenen HubSpot oder Salesforce, statt sich auf einen Workshop zu verlassen. Jeder mögliche Workflow erhält ein Urteil zur Datenlage (verfügbar, ableitbar oder nicht vorhanden) mit konkret benannten Feldern und Objekten. Sie bekommen eine priorisierte Liste, was Sie zuerst bauen, was Sie vor dem Bau beheben und was Sie gar nicht automatisieren sollten. Wenn ein Workflow eine Prozesskorrektur braucht statt KI, sagen wir Ihnen das.

Vereinbaren Sie ein Gespräch, um Ihr AI Revenue Readiness Assessment zu planen.

FAQ zum KI-Readiness-Check

Was ist ein KI-Readiness-Check?

Es ist eine strukturierte Prüfung, ob Ihre Daten, Prozesse, Tools, Menschen und Governance KI in einem Revenue-Team tragen können. Das Ergebnis ist eine priorisierte Liste der Lücken und der ein oder zwei Workflows, deren Aufbau sich zuerst lohnt.

Wie lange dauert ein KI-Readiness-Check?

Eine Selbstbewertung wie die Scorecard oben dauert ein paar Stunden. Ein Assessment auf Systemebene, das Ihre CRM-Daten ausliest, dauert einige Wochen, je nachdem, wie viele Workflows es umfasst.

Welche Daten brauchen wir, bevor wir KI im Vertrieb einsetzen?

Sie brauchen saubere, einheitlich definierte Felder für den konkreten Anwendungsfall und eine verlässliche Möglichkeit, CRM-Datensätze mit den anderen benötigten Quellen zu verknüpfen. Ein perfektes CRM brauchen Sie nicht. Beginnen Sie mit den fünf bis zehn Feldern, die ein Workflow liest.

Wer sollte für den KI-Readiness-Check verantwortlich sein?

Durchführen sollte ihn die Leitung von RevOps oder GTM Operations, mit einer Führungskraft aus dem Revenue-Team als Sponsor. IT und Rechtsabteilung sollten bei den Abschnitten zu Tools und Governance mitwirken. Die IT sollte ihn nicht allein verantworten, denn am Ende geht es um Umsatz.

Was ist ein guter KI-Readiness-Score?

Mehr als 27 von 40 Punkten in dieser Scorecard bedeuten, dass Sie vorsichtig skalieren können. Zwischen 15 und 27 Punkten starten Sie mit einem Workflow. Unter 15 Punkten bringen Sie zuerst die Grundlagen in Ordnung. Das sind vorläufige Schwellenwerte, keine Branchenstandards.

Ist ein KI-Readiness-Check dasselbe wie ein CRM-Audit?

Nein, aber beide überschneiden sich. Ein CRM-Audit prüft den Zustand des Systems. Ein KI-Readiness-Check fragt, ob konkrete Workflows sicher auf diesen Daten laufen können und was das Ergebnis wert wäre.