AI Monitor 2026
Was der AI Monitor 2026 zeigt
3 Min. LesezeitVeröffentlicht am Herausgegeben von Teklens
Organisationen in der DACH-Analyse sind offener für KI, als sie organisatorisch vorbereitet sind. Die Offenheit der Mitarbeitenden erreicht 3,94 von 5, das Anpassen von Strukturen und Prozessen 2,47. Zwischen diesen beiden Werten liegen 17 weitere Fragen, von denen acht der neun tiefsten zu Aussenbezug, Anpassungsfähigkeit und Daten gehören. Nur rund jede fünfte Organisation gehört zum fortgeschrittenen Profil.
Inhalt · Kurzantwort
Drei Befunde
- 01
Offenheit oben, Anpassung unten
Q6 Offenheit für Veränderung erreicht 3,94 mit der kleinsten Streuung aller Fragen (SD 0,73); niemand wählte Stufe 1. Q18 Strukturen und Prozesse anpassen liegt bei 2,47 mit Median 2.[Probst 2026, Anhang B]
- 02
Rund jede fünfte Organisation ist fortgeschritten
12 von 64 Organisationen (18,8 %) bilden das fortgeschrittene Profil, 27 (42,2 %) das mittlere Feld, 25 (39,0 %) die frühe Phase. Die Anpassungsfähigkeit trennt die drei am schärfsten (F = 83,1).[Probst 2026, Tabelle 5]
- 03
Der Aussenbezug ist überall schwach
External Alignment ist mit 2,65 die zweittiefste Dimension und die einzige, in der mittleres Feld (2,44) und frühe Phase (2,43) nicht unterscheidbar sind. Der EU AI Act (Q15) hat mit SD 1,28 die grösste Streuung aller Fragen.[Probst 2026, Anhang C]
Evidenz
- Q18 Reconfiguring (Structures)Anpassungsfähigkeit2,47
- Q11 Data QualityDaten2,61
- Q15 EU AI ActGovernance & Ökosystem2,63
- Q16 SensingAnpassungsfähigkeit2,63
- Q19 Reconfiguring (Learning)Anpassungsfähigkeit2,64
- Q8 CompatibilityTechnische Grundlagen2,66
- Q14 Ecosystem IntegrationGovernance & Ökosystem2,66
- Q13 AI PolicyGovernance & Ökosystem2,67
- Q7 IT InfrastructureTechnische Grundlagen2,70
- Q17 SeizingAnpassungsfähigkeit2,72
- Q12 Data GovernanceDaten2,73
- Q10 Data AccessibilityDaten3,05
- Q5 Collaborative CultureMenschen & Kompetenzen3,08
- Q3 Vision & StrategyFührung3,09
- Q2 Resource AvailabilityFührung3,11
- Q4 AI TalentMenschen & Kompetenzen3,11
- Q9 IT ArchitectureTechnische Grundlagen3,22
- Q1 Top Management SupportFührung3,56
- Q6 InnovativenessMenschen & Kompetenzen3,94
Wähle eine Frage, um Wortlaut, Stufen und Kennzahlen zu sehen.
Lesart: Offenheit für Veränderung (Q6, 3,94) ist der höchste, Strukturen und Prozesse anpassen (Q18, 2,47) der tiefste Wert. Acht der neun tiefsten Werte stammen aus External Alignment, Dynamic Capabilities und Data Engine.
- 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, Abbildung 5 · Abbildung 5 und Anhang B – Mittelwerte der 19 Fragen (Abschnitt 4.3)
Daten als Tabelle
| Frage | Dimension | M | SD | Median | Min | Max | r (Item-Rest) |
|---|---|---|---|---|---|---|---|
| Q18 Reconfiguring (Structures) | Anpassungsfähigkeit | 2,47 | 1,13 | 2,00 | 1 | 5 | 0,69 |
| Q11 Data Quality | Daten | 2,61 | 1,11 | 2,00 | 1 | 5 | 0,66 |
| Q15 EU AI Act | Governance & Ökosystem | 2,63 | 1,28 | 2,00 | 1 | 5 | 0,48 |
| Q16 Sensing | Anpassungsfähigkeit | 2,63 | 1,19 | 2,00 | 1 | 5 | 0,70 |
| Q19 Reconfiguring (Learning) | Anpassungsfähigkeit | 2,64 | 1,12 | 3,00 | 1 | 5 | 0,74 |
| Q8 Compatibility | Technische Grundlagen | 2,66 | 1,14 | 3,00 | 1 | 5 | 0,75 |
| Q14 Ecosystem Integration | Governance & Ökosystem | 2,66 | 1,03 | 2,50 | 1 | 5 | 0,31 |
| Q13 AI Policy | Governance & Ökosystem | 2,67 | 1,14 | 2,50 | 1 | 5 | 0,68 |
| Q7 IT Infrastructure | Technische Grundlagen | 2,70 | 1,14 | 3,00 | 1 | 5 | 0,82 |
| Q17 Seizing | Anpassungsfähigkeit | 2,72 | 1,13 | 2,00 | 1 | 5 | 0,70 |
| Q12 Data Governance | Daten | 2,73 | 1,03 | 3,00 | 1 | 5 | 0,62 |
| Q10 Data Accessibility | Daten | 3,05 | 1,03 | 3,00 | 1 | 5 | 0,50 |
| Q5 Collaborative Culture | Menschen & Kompetenzen | 3,08 | 1,15 | 3,00 | 1 | 5 | 0,62 |
| Q3 Vision & Strategy | Führung | 3,09 | 1,03 | 3,00 | 1 | 5 | 0,78 |
| Q2 Resource Availability | Führung | 3,11 | 1,27 | 3,00 | 1 | 5 | 0,77 |
| Q4 AI Talent | Menschen & Kompetenzen | 3,11 | 1,10 | 3,00 | 1 | 5 | 0,59 |
| Q9 IT Architecture | Technische Grundlagen | 3,22 | 1,03 | 3,00 | 1 | 5 | 0,66 |
| Q1 Top Management Support | Führung | 3,56 | 1,01 | 4,00 | 1 | 5 | 0,71 |
| Q6 Innovativeness | Menschen & Kompetenzen | 3,94 | 0,73 | 4,00 | 2 | 5 | 0,32 |
Einordnung
Wie sich die 19 Fragen ordnen
Die Rangfolge der Fragen folgt der Rangfolge der Dimensionen. Alle drei Fragen zu External Alignment und drei der vier Fragen zu Dynamic Capabilities gehören zu den acht tiefsten Werten, zusammen mit Kompatibilität (Q8, 2,66) und Datenqualität (Q11, 2,61). Die höchsten Werte stammen aus den organisationalen Dimensionen: Offenheit (Q6, 3,94) und Rückhalt der Führung (Q1, 3,56).[Probst 2026, Abbildung 5]
Die Verteilungen erzählen mehr als die Mittelwerte. Drei der vier Fragen zur Anpassungsfähigkeit haben einen Median von 2, obwohl ihre Mittelwerte zwischen 2,47 und 2,72 liegen: Die meisten Antworten liegen am unteren Ende, wenige hohe ziehen den Mittelwert nach oben. Beim EU AI Act streuen die Antworten am stärksten, ein Hinweis auf Unsicherheit statt auf eine gemeinsame Einschätzung.[Probst 2026, Anhang B]
Zwei Auswertungen, ein Muster
Die europäische Umfrage des AI Monitor umfasst 165 auswertbare Antworten und rechnet die Skala auf 0 bis 100 um. Auch dort ist Offenheit (4,01) der höchste und das Anpassen von Prozessen (2,59) der tiefste Wert; 59 % der Antworten auf diese Frage liegen auf Stufe 1 oder 2. Die DACH-Analyse liegt in jeder Dimension leicht unter dem europäischen Wert.[AI Monitor 2026, Europa]
- FührungLeadership58,0 · 56,4
- Menschen & KompetenzenInternal Assets59,6 · 59,4
- Technische GrundlagenTech Foundation49,3 · 46,5
- DatenData Engine49,9 · 44,9
- Governance & ÖkosystemExternal Alignment44,1 · 41,3
- AnpassungsfähigkeitDynamic Capabilities45,6 · 40,3
Lesart: Auf 0–100 gebracht liegt die DACH-Analyse in jeder Dimension unter dem europäischen Wert, am deutlichsten beim Data Engine (45,0 gegen 49,9) und bei Dynamic Capabilities (40,3 gegen 45,6). Beide Auswertungen stammen aus derselben Umfrage und sind unterschiedlich gefiltert.
- Einheit
- 0–100, aus der Skala 1–5 mit (x − 1) / 4 × 100 umgerechnet. Ein Wert ist ein Reifegrad, kein Anteil von Organisationen.
- Population
- Europa: 165 auswertbare Antworten der AI-Monitor-Umfrage. DACH: 64 bereinigte Antworten der Forschungsarbeit.
- Basis
- n = 165 und n = 64
- Quelle
- AI Monitor 2026, Europa · Nachrechnung aus dem Rohexport vom 2026-08-19; dokumentiert im internen Redaktionsbrief vom 2026-08-18 (Nachträge)
Die DACH-Werte sind aus den Dimensionsmitteln mit drei Dezimalstellen umgerechnet, nicht aus Einzelantworten. Eine Teilmengen-Beziehung ist nicht verifizierbar; die beiden Linien sind nicht disjunkt.
Daten als Tabelle
| Dimension | Europa (n = 165) | DACH-Analyse (n = 64) | Abstand |
|---|---|---|---|
| Führung | 58,0 | 56,4 | -1,6 |
| Menschen & Kompetenzen | 59,6 | 59,4 | -0,2 |
| Technische Grundlagen | 49,3 | 46,5 | -2,8 |
| Daten | 49,9 | 44,9 | -5,0 |
| Governance & Ökosystem | 44,1 | 41,3 | -2,8 |
| Anpassungsfähigkeit | 45,6 | 40,3 | -5,3 |
Was die Forschungsarbeit daraus schliesst
Die Arbeit beschreibt den Stand der KI-Readiness als zweiseitig: Viele Organisationen haben solide organisationale Grundlagen, etwa eine offene Belegschaft, projektbezogene Ressourcen und spürbares Engagement der Führung. Die übrigen Dimensionen sind weniger entwickelt, am deutlichsten die Fähigkeit, um KI herum zu erkennen, zu entscheiden und umzubauen, sowie der Umgang mit Regulierung und Ökosystem.[Probst 2026, Abschnitt 5.1]
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.
Drei Fragen, die ein Produktteam aus diesen Befunden ableiten kann.
Was ändert sich nach dem Rollout?
Wenn ein KI-Werkzeug eingeführt ist: Welche Rolle, welcher Schritt, welche Freigabe wurde danach angepasst? Wenn die Antwort «nichts» lautet, seid ihr bei Q18 auf Stufe 1 oder 2.
Woher kommt die Datenqualität?
Jede Activity erbt die Qualität ihrer Quellen. Ein Ticket, das auf veralteten Specs beruht, wird durch Automatisierung nicht besser.
Wer verantwortet die Rahmenbedingungen?
Richtlinien, Partner und Regulierung liegen selten beim Produktteam. Benennt, wer sie klärt, damit Unsicherheit nicht in jeder Entscheidung neu verhandelt wird.
Einordnung & Grenzen
- 64 Antworten reichen für eine explorative Bestandesaufnahme, nicht für einen repräsentativen Benchmark der DACH-Region.
- Selbsteinschätzungen unterliegen sozialer Erwünschtheit; 10 der 12 fortgeschrittenen Organisationen wurden von der obersten Ebene bewertet.
- Die europäischen Werte stammen aus einer internen Nachrechnung des Rohexports. Branche und Firmengrösse sind dort nicht geprüft und werden nicht gezeigt.
Fragen & Antworten
Welche Frage hat den höchsten Wert?
Q6, die Offenheit der Mitarbeitenden für Veränderung durch KI, mit 3,94 von 5 in der DACH-Analyse und 4,01 in der europäischen Umfrage.
Welche Frage hat den tiefsten Wert?
Q18, das Anpassen von Arbeitsabläufen, Verantwortlichkeiten und KI-Lösungen an veränderte Anforderungen, mit 2,47 von 5 in der DACH-Analyse und 2,59 in der europäischen Umfrage.
Sind die Werte für Deutschland und die Schweiz getrennt verfügbar?
Nein. Die Forschungsarbeit wertet die 64 Antworten gemeinsam aus. Eine Trennung nach Land würde bei 18 deutschen Antworten die Stichprobe zu klein machen.
Quellen
- Probst 2026, Abbildung 5 · Capturing AI's Potential: How Ready Are Organisations in the DACH Region? (2026). Abbildung 5 und Anhang B – Mittelwerte der 19 Fragen (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, 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, 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 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.
- Probst 2026, Abschnitt 5.1 · Capturing AI's Potential: How Ready Are Organisations in the DACH Region? (2026). Abschnitt 5.1 – Interpretation der Befunde. Stichprobe: n = 64 bereinigte Antworten, Deutschland und Schweiz · Skala: Reifeskala 1–5 · Grenzen: Interpretation der Forschungsarbeit; keine Kausalaussage.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.
- AI Monitor 2026, Europa · AI Monitor 2026 – europäische Umfrage, Rohexport (2026). Nachrechnung aus dem Rohexport vom 2026-08-19; dokumentiert im internen Redaktionsbrief vom 2026-08-18 (Nachträge). Stichprobe: n = 165 auswertbare Antworten, davon 106 mit demografischen Angaben; einzelne Fragen n = 163 · Skala: 1–5 je Frage, je Antwort auf 0–100 normalisiert · Grenzen: Selbsteinschätzung; kein Länderfeld im Export; Branche und Grösse nicht geprüft. Rollenvergleiche vergleichen verschiedene Personen, nicht dieselbe Organisation.Teklens (2026). AI Monitor 2026 – European survey on organisational AI readiness, raw export of 19 August 2026. Research partners: ETH Zürich and University of St.Gallen. Internal aggregate, published on teklens.ai/ai-monitor.
Verwandte Kapitel
- Kapitel 06AnpassungsfähigkeitWie müssen sich Arbeitsabläufe für KI verändern?
- AI Monitor 2026ReifeprofileWelche Reifeprofile zeigen die Daten?
- Kapitel 05Governance & ÖkosystemWie gut ist eure Organisation nach aussen abgestimmt?
- AI Monitor 2026Daten-ExplorerWie vergleichen sich Dimensionen, Profile und Rollen?