Kapitel 03
Forschungsdimension: Tech Foundation
Welche technischen Grundlagen braucht KI?
3 Min. LesezeitVeröffentlicht am Herausgegeben von Teklens
KI braucht drei technische Grundlagen: eine Infrastruktur, die Lösungen skalierbar betreibt, eine Anbindung an die bestehenden Kernsysteme und eine Architektur, in der sich KI-Komponenten austauschen lassen. In der DACH-Analyse ist die Architektur mit 3,22 von 5 die Stärke. Infrastruktur (2,70) und Kompatibilität mit Kernsystemen (2,66) liegen unter der Skalenmitte. Prototypen entstehen; der Weg in den Betrieb ist der Engpass.
Inhalt · Kurzantwort
Drei Befunde
- 01
Die Architektur ist flexibler als der Betrieb
Q9 Architekturflexibilität liegt bei 3,22 («handhabbar» bis «standardisiert»). Q7 Infrastruktur (2,70) und Q8 Anbindung (2,66) bleiben unter 3, beide mit SD 1,14.[Probst 2026, Anhang B]
- 02
Die zweitgrösste Spanne zwischen den Profilen
Tech Foundation trennt fortgeschrittenes Profil (4,17) und frühe Phase (1,95) um 2,22 Skalenpunkte, nur die Anpassungsfähigkeit trennt schärfer (F = 76,7 gegen 83,1).[Probst 2026, Anhang C]
- 03
Die drei Fragen messen ein Bild
Mit α = 0,863 gehört Tech Foundation zu den zwei zuverlässigsten Dimensionen. Infrastruktur hat mit 0,82 die höchste Item-Rest-Korrelation aller 19 Fragen.[Probst 2026, Tabelle 3]
Evidenz
- Q7 IT Infrastructure2,70
- Q8 Compatibility2,66
- Q9 IT Architecture3,22
Wähle eine Frage, um Wortlaut, Stufen und Kennzahlen zu sehen.
Lesart: Die Architektur (Q9, 3,22) ist die Stärke. Infrastruktur (Q7, 2,70) und Anbindung an Kernsysteme (Q8, 2,66) liegen unter der Skalenmitte.
- Einheit
- Mittelwert auf der Reifeskala 1 (am wenigsten entwickelt) bis 5 (am weitesten entwickelt)
- Population
- DACH-Analyse: 64 bereinigte Selbsteinschätzungen aus Deutschland und der Schweiz, mehrheitlich Senior-Entscheidende
- Basis
- n = 64 Organisationen
- Quelle
- Probst 2026, Anhang B · Anhang B – Mittelwert, Standardabweichung, Median, Minimum, Maximum und Item-Rest-Korrelation aller 19 Fragen
Daten als Tabelle
| Frage | Dimension | M | SD | Median | Min | Max | r (Item-Rest) |
|---|---|---|---|---|---|---|---|
| Q7 IT Infrastructure | Technische Grundlagen | 2,70 | 1,14 | 3,00 | 1 | 5 | 0,82 |
| Q8 Compatibility | Technische Grundlagen | 2,66 | 1,14 | 3,00 | 1 | 5 | 0,75 |
| Q9 IT Architecture | Technische Grundlagen | 3,22 | 1,03 | 3,00 | 1 | 5 | 0,66 |
Einordnung
Vom Prototyp in den Betrieb
Die Dimension Tech Foundation umfasst IT Infrastructure, Compatibility und IT Architecture. Ihr Mittelwert von 2,86 liegt unter der Skalenmitte. Die Forschungsarbeit teilt den in der Literatur wichtigsten Faktor, IT-Infrastruktur, bewusst in zwei: die betriebliche Skalierbarkeit (Q7) und die architektonische Flexibilität (Q9).[Probst 2026, Tabelle 1]
Der Median von 3 bei Q7 steht für «standardisierter Betrieb: reproduzierbare Umgebungen für Entwicklung und Betrieb». Stufe 2 heisst «einzelne KI-Lösungen laufen stabil; Skalierung verbraucht massiv IT-Kapazität». Bei Q8 beschreibt Stufe 3 «Anbindung an Kernsysteme über Workarounds, hoher manueller Wartungsaufwand». Beide Verteilungen streuen breit: Manche Organisationen betreiben KI-native Plattformen, andere isolierte Insellösungen.[Probst 2026, Anhang A]
Technik trennt die Profile fast so scharf wie Anpassungsfähigkeit
Für die frühe Phase ist Tech Foundation mit 1,95 der zweittiefste Wert nach der Anpassungsfähigkeit (1,84). Das mittlere Feld liegt mit 3,12 knapp über der Skalenmitte, das fortgeschrittene Profil bei 4,17. Alle drei paarweisen Unterschiede sind signifikant.[Probst 2026, Tabelle 5]
Teklens-Einordnung
Für euer Produktteam
Die Studie beschreibt Organisationen über Branchen hinweg. Die Übertragung auf Software-Produktteams ist unsere Interpretation, kein empirischer Befund für Produktteams.
Unsere Empfehlung für Engineering-Leads, die zwischen Prototyp und Betrieb stehen.
Anbindung vor Modellwahl
Die Frage «welches Modell» ist bei Q9 bereits gut beantwortet. Die Frage «woher kommen die Daten und wohin gehen die Ergebnisse» (Q8) entscheidet, ob ein Feature den Betrieb erreicht.
Reproduzierbare Umgebungen zuerst
Stufe 3 bei Q7 ist die Schwelle, ab der KI dauerhaft betrieben werden kann. Wer sie nicht hat, sollte sie vor der nächsten Automatisierung bauen.
Kontext statt Punkt-zu-Punkt
Jede Integration, die nur ein Werkzeug mit einem anderen verbindet, wächst zum Wartungsproblem. Ein gemeinsamer Kontext über Jira, Dokumentation und Code hält die Verbindungen an einem Ort.
Einordnung & Grenzen
- Die Fragen messen die Einschätzung der Antwortenden, nicht gemessene Betriebskennzahlen wie Verfügbarkeit oder Latenz.
- Die Stichprobe ist technologielastig: 43,7 % der Organisationen stammen aus Technologie, Medien und Telekommunikation.
- Q9 fragt nach dem Austausch von KI-Komponenten wie LLM-Anbietern; die Antwort hängt stark davon ab, ob überhaupt KI-Komponenten im Einsatz sind.
Fragen & Antworten
Was ist der Unterschied zwischen Infrastruktur und Architektur?
Infrastruktur (Q7) meint Rechen-, Speicher- und Betriebsressourcen, die KI-Lasten tragen. Architektur (Q9) meint den Aufbau der Software, der KI-Komponenten austauschbar macht.
Warum ist Kompatibilität so tief?
Weil KI-Werkzeuge oft neben ERP, CRM und Datenbanken laufen statt mit ihnen. Stufe 4 verlangt automatisierten Datenfluss über APIs, den erst wenige Organisationen erreichen.
Hilft eine Cloud-Plattform automatisch?
Die Daten sagen dazu nichts. Die Fragen unterscheiden nicht nach Hosting, sondern danach, ob Betrieb, Anbindung und Austauschbarkeit gelöst sind.
Quellen
- Probst 2026, Tabelle 1 · Capturing AI's Potential: How Ready Are Organisations in the DACH Region? (2026). Tabelle 1 – Dimensionen und Faktoren des Readiness-Frameworks (Abschnitt 2.5). Stichprobe: Konzeptionell, keine Stichprobe · Skala: – · Grenzen: Faktorzuordnung durch den Autor auf Basis von Ali & Khan (2025) und Dey & Ghose (2025).Probst, F. (2026). Capturing AI's Potential: How Ready Are Organisations in the DACH Region? An Empirical Analysis Using an Integrated TOE–DCT Framework. Master's thesis, University of St.Gallen, Institute of Information Systems and Digital Business. Supervisor: Prof. Dr. Ingrid Bauer-Hänsel; co-supervisor: Prof. Dr. Benjamin van Giffen. St. Gallen, 21 August 2026. Conducted in cooperation with Teklens.
- Probst 2026, Tabelle 3 · Capturing AI's Potential: How Ready Are Organisations in the DACH Region? (2026). Tabelle 3 – Reliabilität der sechs Dimensionen (Abschnitt 4.2). Stichprobe: n = 64 bereinigte Antworten, Deutschland und Schweiz · Skala: Cronbachs α und McDonalds ω · Grenzen: Drei bis vier Fragen je Dimension; α ≥ 0,6 gilt in explorativer Forschung als akzeptabel.Probst, F. (2026). Capturing AI's Potential: How Ready Are Organisations in the DACH Region? An Empirical Analysis Using an Integrated TOE–DCT Framework. Master's thesis, University of St.Gallen, Institute of Information Systems and Digital Business. Supervisor: Prof. Dr. Ingrid Bauer-Hänsel; co-supervisor: Prof. Dr. Benjamin van Giffen. St. Gallen, 21 August 2026. Conducted in cooperation with Teklens.
- Probst 2026, Tabelle 4 · Capturing AI's Potential: How Ready Are Organisations in the DACH Region? (2026). Tabelle 4 und Abbildung 4 – Mittelwerte und Standardabweichungen der sechs Dimensionen (Abschnitt 4.3). Stichprobe: n = 64 bereinigte Antworten, Deutschland und Schweiz · Skala: Reifeskala 1–5 · Grenzen: Selbsteinschätzung, explorativ, nicht repräsentativ.Probst, F. (2026). Capturing AI's Potential: How Ready Are Organisations in the DACH Region? An Empirical Analysis Using an Integrated TOE–DCT Framework. Master's thesis, University of St.Gallen, Institute of Information Systems and Digital Business. Supervisor: Prof. Dr. Ingrid Bauer-Hänsel; co-supervisor: Prof. Dr. Benjamin van Giffen. St. Gallen, 21 August 2026. Conducted in cooperation with Teklens.
- Probst 2026, Tabelle 5 · Capturing AI's Potential: How Ready Are Organisations in the DACH Region? (2026). Tabelle 5 und Abbildung 7 – Dimensionswerte je Profil (Abschnitt 4.4.2). Stichprobe: n = 64; Profile mit n = 12, 27 und 25 · Skala: Reifeskala 1–5 · Grenzen: Profile aus K-means auf denselben sechs Dimensionen; Unterschiede zwischen Profilen sind konstruktionsbedingt gross.Probst, F. (2026). Capturing AI's Potential: How Ready Are Organisations in the DACH Region? An Empirical Analysis Using an Integrated TOE–DCT Framework. Master's thesis, University of St.Gallen, Institute of Information Systems and Digital Business. Supervisor: Prof. Dr. Ingrid Bauer-Hänsel; co-supervisor: Prof. Dr. Benjamin van Giffen. St. Gallen, 21 August 2026. Conducted in cooperation with Teklens.
- Probst 2026, Anhang A · Capturing AI's Potential: How Ready Are Organisations in the DACH Region? (2026). Anhang A – Vollständiger Fragebogen (19 Fragen, fünf Stufen). Stichprobe: Instrument, keine Stichprobe · Skala: Reifeskala 1–5 · Grenzen: Sieben der 19 Fragen tragen nur Stufenbezeichnungen ohne ausformulierten Verhaltensanker.Probst, F. (2026). Capturing AI's Potential: How Ready Are Organisations in the DACH Region? An Empirical Analysis Using an Integrated TOE–DCT Framework. Master's thesis, University of St.Gallen, Institute of Information Systems and Digital Business. Supervisor: Prof. Dr. Ingrid Bauer-Hänsel; co-supervisor: Prof. Dr. Benjamin van Giffen. St. Gallen, 21 August 2026. Conducted in cooperation with Teklens.
- Probst 2026, Anhang B · Capturing AI's Potential: How Ready Are Organisations in the DACH Region? (2026). Anhang B – Mittelwert, Standardabweichung, Median, Minimum, Maximum und Item-Rest-Korrelation aller 19 Fragen. Stichprobe: n = 64 bereinigte Antworten, Deutschland und Schweiz · Skala: Reifeskala 1–5 · Grenzen: Selbsteinschätzung, explorativ, nicht repräsentativ.Probst, F. (2026). Capturing AI's Potential: How Ready Are Organisations in the DACH Region? An Empirical Analysis Using an Integrated TOE–DCT Framework. Master's thesis, University of St.Gallen, Institute of Information Systems and Digital Business. Supervisor: Prof. Dr. Ingrid Bauer-Hänsel; co-supervisor: Prof. Dr. Benjamin van Giffen. St. Gallen, 21 August 2026. Conducted in cooperation with Teklens.
- Probst 2026, Anhang C · Capturing AI's Potential: How Ready Are Organisations in the DACH Region? (2026). Anhang C – Einfaktorielle ANOVA und Tukey-HSD je Dimension. Stichprobe: n = 64 bereinigte Antworten, Deutschland und Schweiz · Skala: F-Werte, df (2, 61), p · Grenzen: Beschreibt die Trennschärfe der Cluster auf den Clustervariablen selbst; kein Hypothesentest.Probst, F. (2026). Capturing AI's Potential: How Ready Are Organisations in the DACH Region? An Empirical Analysis Using an Integrated TOE–DCT Framework. Master's thesis, University of St.Gallen, Institute of Information Systems and Digital Business. Supervisor: Prof. Dr. Ingrid Bauer-Hänsel; co-supervisor: Prof. Dr. Benjamin van Giffen. St. Gallen, 21 August 2026. Conducted in cooperation with Teklens.