Der Benchmark bewegt sich: Die AI-Reife in Software-Teams steigt spürbar

Im letzten Teil dieser Reihe haben wir unsere Selbstevaluation für AI in der Softwareentwicklung vorgestellt: neun Aussagen, drei Dimensionen, ein ehrlicher Blick in den Spiegel. Kein umfangreicher Assessment-Prozess, sondern ein kurzer Realitätscheck: Ist AI bei uns nur ein Tool-Rollout, oder entsteht daraus bereits ein funktionierendes System? Alle Aussagen wurden von 1 bis 6 bewertet, wobei 1 sehr schlecht und 6 sehr gut bedeutet.

Seit Anfang des Jahres führen wir diesen Test in Gesprächen mit Tech-Leads, Engineering-Leads und CTOs durch. Die Ergebnisse sind anonymisiert, zeitlich sortiert und nicht repräsentativ für alle Unternehmen im DACH-Raum. Aber sie zeigen eine Entwicklung, die wir für spannend und relevant halten: Die späteren Gespräche erzielen im Durchschnitt höhere Werte als die früheren.

Was die Daten zeigen

Wenn wir die bisherigen 26 anonymisierten Selbsttests betrachten, liegt der Gesamtdurchschnitt bei 4,12 Punkten. Die ersten 13 Unternehmen lagen im Schnitt bei 3,83. Die letzten 13 Unternehmen liegen bei 4,41.

Noch deutlicher wird der Unterschied, wenn man die ersten und letzten zehn Gespräche vergleicht: Die ersten zehn liegen bei 3,63, die letzten zehn bei 4,74.

Das ist ein deutlich sichtbarer Trend nach oben.

Gleichzeitig bleibt die Bandbreite groß. Auch in den späteren Interviews gibt es einzelne Unternehmen mit niedrigen Scores. AI-Reife verteilt sich also nicht gleichmäßig über den Markt. Manche Teams bauen bereits ein belastbares System auf, andere stehen weiterhin am Anfang. Aber der Durchschnitt bewegt sich nach oben.

Viele Unternehmen betrachten AI noch immer als isoliertes Tool-Thema. Copilot ausrollen, ChatGPT erlauben, vielleicht ein paar Prompts sammeln – fertig. Genau dieses Muster haben wir in den ersten Teilen der Reihe beschrieben: Erst kommt das Tool, dann sucht man nach dem Use Case.

Die höheren Scores deuten darauf hin, dass sich diese Perspektive langsam verändert.

In den reiferen Gesprächen hören wir seltener die Frage welches Tool benutzt werden soll, es geht häufiger um Fragen wie:

Welche Use Cases haben wirklich Impact?

Wer ist für AI verantwortlich?

Welche Daten dürfen genutzt werden?

Wie stellen wir sicher, dass AI-generierter Output nicht den Review-Prozess überlastet?

Wie messen wir, ob AI uns tatsächlich hilft?

Das ist ein deutlicher Unterschied. Denn diese Fragen liegen nicht an der Spitze der Pyramide, sondern im Fundament. Sie betreffen Strategic Alignment und Organizational Enablement, also genau die Dimensionen, die entscheiden, ob Operational Execution überhaupt sinnvoll funktionieren kann.

Der Benchmark wird unbequemer

Ein steigender Durchschnitt klingt zunächst positiv. Er hat aber gleichzeitig eine unbequeme Konsequenz: Wer heute noch bei „Wir haben Copilot ausgerollt“ stehenbleibt, fällt im Vergleich schneller zurück.

Vor wenigen Monaten konnte ein Unternehmen mit ein paar AI-Tools, ersten Guidelines und vereinzelten Experimenten noch vergleichsweise fortgeschritten wirken. Heute reicht das immer weniger. Denn andere Teams sind bereits weiter. Sie bauen Verantwortlichkeiten auf. Sie entwickeln Lernformate, definieren Policys, verbinden AI mit messbaren Zielen und denken über Datenzugriff, Sandboxen und Guardrails nach.

Das ist ein wichtiges Signal für Tech-Leads: AI-Adoption ist kein statischer Zustand. Der Markt lernt. Was gestern noch fortgeschritten war, ist morgen vielleicht nur noch Durchschnitt.

Was die steigenden Scores nicht bedeuten

Bei aller Freude über den Trend müssen wir vorsichtig bleiben. Unsere Daten sind natürlich trotzdem keine repräsentative Marktstudie. Die Unternehmen wurden nicht zufällig ausgewählt. Außerdem messen wir nicht dieselben Unternehmen mehrfach über die Zeit. Wir können also nicht sagen: „Die Unternehmen haben sich individuell verbessert.“

Was wir sagen können: In den Gesprächen, die wir seit Anfang des Jahres führen, treten später häufiger Unternehmen mit höheren Selbstevaluations-Scores auf. Unabhängig von der Ursache ist die praktische Konsequenz dieselbe: Der Vergleichsmaßstab verschiebt sich nach oben.

Was Tech-Leads jetzt daraus machen sollten

Wenn Dein Team den Selbsttest bereits gemacht hat, lohnt sich eine zweite Betrachtung: Nicht nur „Wie gut waren wir?“, sondern auch „Wie schnell bewegt sich der Markt um uns herum?“

Ein Score von 4 kann sich gut anfühlen. Aber wenn der Durchschnitt der reiferen Unternehmen Richtung 4,5 oder 5 wandert, verändert sich die Einordnung. Dann geht es nicht mehr nur darum, ob AI genutzt wird. Es geht darum, ob AI systematisch gesteuert wird.

Drei Fragen helfen als Startpunkt:

Erstens: Gibt es ein klares Ziel für AI, das über „Produktivität steigern“ hinausgeht?

Zweitens: Gibt es eine Person oder ein Team, das AI-Adoption wirklich verantwortet?

Drittens: Gibt es messbare Kriterien, an denen Ihr erkennt, ob AI hilft oder nur mehr Output produziert?

Wenn diese Fragen nicht beantwortet sind, ist der nächste Hebel selten ein weiteres Tool. Dann liegt der Hebel im Fundament.

Fazit: AI-Reife wird zur beweglichen Messlatte

Die wichtigste Erkenntnis aus den neuen Selbsttest-Daten ist nicht, dass alle Unternehmen plötzlich AI Champions sind. Das sind sie nicht.

Die wichtigste Erkenntnis ist: Der Benchmark bewegt sich.

Software-Teams lernen schneller, als viele erwarten. Die ersten Unternehmen gehen über Tool-Rollouts hinaus und bauen Strukturen, Verantwortlichkeiten und Messbarkeit auf. Dadurch steigt der Durchschnitt, aber damit auch der Anspruch an alle anderen.

Wer AI heute nur als Tool-Frage behandelt, wird morgen nicht mehr im Mittelfeld stehen, sondern zurückfallen.

Der Selbsttest im AI Report ist deshalb kein einmaliger Check, sondern ein guter Ausgangspunkt für eine wiederkehrende Standortbestimmung: Wo stehen wir heute? Wo steht der Markt? Und welche Grundlage fehlt uns noch, damit AI nicht nur mehr Output erzeugt, sondern echte Wirkung?

Wenn Du wissen willst, wie Dein Team im Vergleich abschneidet, lade Dir den AI Report herunter und mach den Selbsttest. Oder geh ihn gemeinsam mit uns durch konkret und mit Blick auf die Hebel, die bei Euch wirklich Wirkung erzeugen.