DORA AI Capabilities Model (sieben KI-Fähigkeiten)
Wann Sie diese Methode brauchen
Sie haben KI-Werkzeuge eingeführt und sehen keinen Ertrag, der zu den Ausgaben passt. Gemessen werden Lizenzen, Nutzungsquoten und Akzeptanz, also die Einführung selbst. Nicht gemessen werden die Bedingungen, unter denen Nutzung überhaupt in ein Ergebnis umschlägt. Wo interne Daten verstreut liegen, Änderungen in großen Paketen kommen und die Plattform brüchig ist, macht zusätzliche Geschwindigkeit den vorhandenen Schaden nur schneller sichtbar. Die Debatte im Haus dreht sich dann um Werkzeugauswahl, obwohl der Engpass eine Ebene tiefer liegt.
Vorgehen
- 1Die sieben Fähigkeiten je Team erheben, mit den veröffentlichten Fragenblöcken statt mit eigenen Formulierungen, damit die Antworten zwischen Teams und über die Zeit vergleichbar bleiben.
- 2Je Team ein Profil über alle sieben Fähigkeiten bilden und die zwei schwächsten ausdrücklich benennen, statt einen Gesamtwert zu bilden.
- 3Die Verstärker-Regel als Investitionsregel anwenden: Solange eine Basisfähigkeit schwach ist, geht Geld zuerst in diese Fähigkeit und nicht in weitere Lizenzen oder Anwendungsfälle.
- 4Je schwacher Fähigkeit an den im Bericht beschriebenen Taktiken ansetzen, also interne Dokumentation und Code für Modelle erreichbar machen, Losgrößen senken, die Rückmeldung der internen Plattform verbessern oder die KI-Richtlinie schriftlich fassen und bekannt machen.
- 5Den vermuteten Engpass belegen, bevor Sie ihn beheben: eine Wertstromaufnahme über den Lieferweg legen und das Ergebnis in einem moderierten Priorisierungstermin mit dem ganzen Team auf genau einen ersten Schritt zuspitzen.
- 6Die Erhebung nach ein bis zwei Quartalen wiederholen und die Bewegung im Profil gegen Durchsatz, Änderungsinstabilität und Produktergebnis stellen, statt den Absolutwert zu feiern.
Typische Anwendung
Ein typisches B2B-SaaS im Logistik-Umfeld stattet seine rund fünfzig Entwickler mit Programmierassistenten aus. Nach zwei Quartalen ist die Nutzung hoch, die Zufriedenheit im Team ebenfalls, aber die Zahl der Änderungen, die nach dem Ausrollen zurückgenommen werden müssen, ist gestiegen. Die Erhebung über die sieben Fähigkeiten zeigt ein deutliches Profil: Versionskontrolle und Nutzerzentrierung sind stark, aber interne Daten sind für die Modelle nicht erreichbar, und die Änderungslose sind groß, weil Freigaben gebündelt einmal pro Woche laufen. Das Haus stoppt die geplante Ausweitung auf zwei weitere Werkzeuge und arbeitet stattdessen an zwei Dingen: interne Schnittstellenbeschreibungen und Betriebsanleitungen werden für die Assistenten erschlossen, und der Freigabetakt wird von wöchentlich auf täglich gestellt. Ein Quartal später ist die Rücknahmequote wieder auf dem Ausgangsniveau, bei höherem Durchsatz. Die Lizenzzahl hat sich in dieser Zeit nicht verändert.
Grenzen und Gegenindikationen
Die Grundlage ist eine einmalige Befragung mit Selbstauskunft, ausgewertet über Zusammenhänge und eine Clusteranalyse. Der Bericht spricht von Fähigkeiten, die den Nutzen von KI nachweislich verstärken; methodisch belegt sind Zusammenhänge in einem Querschnitt, keine Ursache-Wirkung-Kette. Der Zuschnitt ist Softwareentwicklung. Für Vertrieb, Marketing oder Verwaltung ist die Übertragung eine Analogie und kein Befund. Herausgeber ist ein Anbieter von Plattform- und KI-Produkten, was bei den Empfehlungen zu Plattform und Datenzugang mitzulesen ist. Der Fragebogen misst Wahrnehmung, und gerade bei KI liegt die Selbsteinschätzung nachweislich daneben: In einer kontrollierten Studie von METR arbeiteten erfahrene Entwickler mit KI-Werkzeugen langsamer und hielten sich zugleich für schneller. Vier der sieben Fähigkeiten stammen aus dem älteren DORA-Kernmodell; wer diese ohnehin führt, gewinnt hier vor allem die beiden Datenfähigkeiten hinzu. Schließlich nennt das Modell keine Schwellen: Es gibt keinen veröffentlichten Wert, ab dem eine Fähigkeit als ausreichend gilt, die Einordnung bleibt eine Führungsentscheidung.
Woran Sie Wirkung messen
Führen Sie je Team ein Profil über alle sieben Fähigkeiten, erhoben mit den veröffentlichten Fragen, und stellen Sie daneben zwei Ergebnisgrößen aus dem Lieferweg, nämlich Durchsatz und Änderungsinstabilität. Ausgewertet wird die Bewegung zwischen zwei Erhebungen im Verhältnis zu diesen beiden Größen, nicht der Absolutwert einer einzelnen Erhebung.
Verwandte Methoden
Werkzeuge dafür
Quellen
- 1.DORA AI Capabilities Model (v. 2025.1) (öffnet in neuem Tab) · DORA / Google Cloud · 2025 · Praxisquelle · beschreibt das VerfahrenTrägt das Verfahren vollständig: die sieben Fähigkeiten mit Wortlaut und Begründung, je Fähigkeit Umsetzungswege und Taktiken, dazu die Anleitung zur Einordnung des eigenen Teams über sieben Team-Profile aus einer Clusteranalyse, eine Wertstromaufnahme und einen moderierten Priorisierungstermin von neunzig Minuten. Grenze: Der Bericht bezeichnet die Fähigkeiten als nachweislich verstärkend, weist aber selbst darauf hin, dass er als Rahmen für eigene Hypothesen und Versuche gedacht ist; es handelt sich um eine Querschnittsbefragung ohne kausale Identifikation, und das Modell soll durch weitere Forschung noch validiert und überarbeitet werden.
- 2.DORA AI Capabilities Model: Measurement questions (öffnet in neuem Tab) · DORA / Google Cloud · 2025 · Praxisquelle · liefert VergleichszahlenVeröffentlicht die Erhebungsitems zu allen sieben Fähigkeiten, unter anderem acht Fragen zur KI-Haltung, vier zum Datenökosystem, fünf zur Erreichbarkeit interner Daten, drei zur Losgröße und elf Merkmale zur Plattformqualität, überwiegend als siebenstufige Zustimmungs- und Häufigkeitsskalen. Damit ist die Methode ohne Beratungsleistung selbst erhebbar. Grenze: Es sind Selbstauskunftsitems ohne veröffentlichte Schwellenwerte, Normwerte oder Auswertungsvorschrift.
- 3.State of AI-assisted Software Development 2025 (öffnet in neuem Tab) · DORA / Google Cloud · 2025 · Praxisquelle · belegt die WirksamkeitDie Studie, aus der das Modell hervorgeht. Sie stützt sich auf über hundert Stunden qualitatives Material und Antworten von knapp fünftausend Fachleuten weltweit und formuliert daraus die Verstärker-These: KI vergrößert die Stärken leistungsfähiger Organisationen und die Dysfunktionen der schwachen. Grenze: Der Befund stammt aus einer einmaligen, nicht zufallsgezogenen Befragung mit Selbstauskunft; die Richtung des Zusammenhangs ist nicht identifiziert.
- 4.Becker et al.: Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity (öffnet in neuem Tab) · METR · 2025-07-10 · Wissenschaft und Fachliteratur · begrenzt das VerfahrenRandomisierte kontrollierte Studie mit sechzehn erfahrenen Entwicklern an zweihundertsechsundvierzig echten Aufgaben in ihren eigenen Repositorien. Mit erlaubten KI-Werkzeugen brauchten sie neunzehn Prozent länger, schätzten sich aber selbst als zwanzig Prozent schneller ein. Das begrenzt die Aussagekraft jeder Erhebung, die KI-Wirkung über Selbstauskunft misst, und damit auch dieses Modells. Grenze: sehr kleine Stichprobe, nur reife Open-Source-Projekte, geringe Vorerfahrung der Teilnehmer mit dem eingesetzten Werkzeug; die Autoren lehnen eine Verallgemeinerung auf Entwicklung insgesamt ausdrücklich ab.
Ursprung: DORA / Google Cloud