Eine nationale KI-Strategie beginnt sinnvollerweise mit der Frage, welche Voraussetzungen tatsächlich vorhanden sind. Sri Lankas angekündigte Bestandsaufnahme zeigt, warum Bereitschaft mehr bedeutet als die Verfügbarkeit neuer Software.

Stand: 27. Oktober 2026 · Lesezeit: etwa 5 Minuten

Was bestätigt ist

UNESCO berichtete am 22. Oktober 2026 über Sri Lankas Anwendung der Readiness Assessment Methodology, kurz RAM. Das Land gehört laut Mitteilung zu den frühen Anwendern der aktualisierten Version RAM 2.0. Ein nationaler Steuerungsausschuss traf sich bereits am 20. Mai und am 2. September.

Die Veröffentlichung kündigt weitere Konsultationen und einen Bericht mit Empfehlungen an. LIRNEasia wird als nationaler Umsetzungspartner genannt. Die Meldung ist damit ein aktueller Bericht über einen begonnenen Prozess, kein Beleg für eine bereits abgeschlossene Bewertung oder eine erfolgreich umgesetzte KI-Strategie.

Eine Diagnose sollte kein Wettbewerb um ein Etikett sein

Der Begriff Bereitschaft klingt, als gäbe es eine eindeutige Linie: Auf der einen Seite stehen Länder ohne KI, auf der anderen die fertigen Anwender. Für eine verantwortliche Bewertung wäre ein solcher Gegensatz zu grob. Unterschiedliche Einrichtungen können sehr verschiedene Voraussetzungen und Aufgaben haben.

Eine nationale Verwaltung könnte etwa über gute digitale Register verfügen und zugleich Schwierigkeiten bei einer konkreten Beschwerdebearbeitung haben. Eine Universität könnte technisch weit sein, während eine kleine Einrichtung Unterstützung benötigt. Diese Beispiele sind hypothetisch und keine Feststellungen über Sri Lanka.

Eine Bestandsaufnahme sollte solche Unterschiede sichtbar machen. Ihr Wert läge nicht in einem werbewirksamen Gütesiegel, sondern in einer begründeten Reihenfolge von Aufgaben. Welche Lücke verhindert eine sinnvolle Anwendung? Welches Risiko ist für Betroffene besonders wichtig? Was kann mit den verfügbaren Mitteln zuerst verbessert werden?

Vom technischen Angebot zum öffentlichen Zweck

Bevor eine Behörde ein KI-System auswählt, sollte sie das Problem benennen können, das es lösen soll. Ein neues Werkzeug ist kein eigener öffentlicher Zweck. Wenn ein Verfahren unverständlich organisiert ist, kann zusätzliche Automatisierung die Unklarheit auch vervielfachen.

Als Gedankenbeispiel dient ein digitaler Assistent, der Anfragen vorsortiert. Sein Nutzen müsste daran geprüft werden, ob Menschen schneller zur richtigen Stelle gelangen. Eine hohe Zahl beantworteter Nachrichten wäre nur dann überzeugend, wenn die Antworten tatsächlich passen und ungelöste Fälle einen funktionierenden weiteren Weg haben.

Diese Perspektive verändert auch die Beschaffung. Die zentrale Frage wäre nicht allein, welches Modell besonders leistungsfähig wirkt. Es ginge um den vollständigen Einsatz: Datenzugang, Zuständigkeit, Prüfung und Betrieb. Eine gute Demonstration kann einen ersten Eindruck vermitteln, ersetzt aber diese Prüfung nicht.

Beteiligung muss verschiedene Erfahrungen zulassen

UNESCO nennt in Sri Lankas Prozess staatliche Stellen, Wissenschaft, Privatwirtschaft und Zivilgesellschaft. Diese Breite ist ein relevanter Ansatz. Ob sie eine tatsächlich vielfältige Bewertung ermöglicht, hängt jedoch davon ab, welche Stimmen Einfluss auf die Fragestellung und den späteren Bericht erhalten.

Ein Unternehmen kann andere Probleme sehen als jemand, der einen digitalen Dienst nur selten nutzt. Eine technisch versierte Person kann ein Verfahren leicht bedienen, während eine andere an Sprache oder Zugänglichkeit scheitert. Beides sind wichtige Informationen über die praktische Eignung einer Anwendung.

Ein sinnvolles Konsultationsverfahren müsste solche Unterschiede dokumentieren, ohne aus jeder Rückmeldung sofort eine allgemeine Aussage zu machen. Es sollte zeigen, welche Erfahrungen wiederkehren, welche Fragen offenbleiben und welche Gruppen noch fehlen. Eine lange Liste teilnehmender Organisationen allein würde diese Arbeit nicht ersetzen.

Verantwortung darf sich nicht im System verlieren

Für eine öffentliche Anwendung wäre zu klären, wer eine Entscheidung verantwortet und wer eine fehlerhafte Information korrigieren kann. Der Verweis auf ein Modell erklärt noch nicht, an wen sich eine betroffene Person wenden soll. Technische Komplexität hebt institutionelle Verantwortung nicht auf.

Ebenso müsste die Möglichkeit einer menschlichen Prüfung praktisch erreichbar sein. Ein entsprechender Satz auf einer Website wäre zu wenig, wenn niemand den Vorgang nachvollziehen kann. Zu prüfen wären deshalb Arbeitsabläufe, Dokumentation und die Befugnis, ein Ergebnis tatsächlich zu ändern.

Diese Anforderungen sind keine Behauptung, dass jedes KI-System eine förmliche Entscheidung trifft. Gerade deshalb muss der konkrete Einsatz unterschieden werden. Ein internes Suchwerkzeug und eine Anwendung mit unmittelbaren Folgen für Bürgerinnen und Bürger brauchen nicht automatisch denselben Prüfaufwand. Zweck und mögliche Folgen sollten den Maßstab bestimmen.

Der Einwand: Zu viel Prüfung kann sinnvolle Nutzung bremsen

Ein Land kann nicht jede neue Anwendung jahrelang untersuchen, bevor es erste Erfahrungen sammelt. Dieser Einwand ist ernst zu nehmen. Eine Bewertung, die nur weitere Berichte erzeugt, würde den praktischen Nutzen verantwortlicher Innovation verfehlen.

Die Antwort wäre eine abgestufte Vorgehensweise. Klar begrenzte Pilotprojekte könnten Erfahrungen liefern, sofern Ziele, Verantwortlichkeiten und Abbruchkriterien vorher feststehen. Ein Pilot sollte nicht allein deshalb dauerhaft werden, weil bereits Zeit und Geld investiert wurden. Seine Ergebnisse müssten eine echte Entscheidung ermöglichen.

Ebenso wäre zu prüfen, ob eine einfachere technische oder organisatorische Lösung ausreicht. Der Verzicht auf KI ist nicht automatisch rückständig, und ihr Einsatz nicht automatisch Fortschritt. Fortschritt wäre ein nachweislich besserer Dienst unter angemessenen Bedingungen. Die Wahl des Werkzeugs folgt diesem Ziel.

Was nach dem Bericht geschehen müsste

Der angekündigte Bericht könnte eine Grundlage für Prioritäten bieten. Danach wären Zuständigkeiten, Ressourcen und Zeiträume nötig. Ohne diesen Übergang bliebe die Bestandsaufnahme eine Beschreibung, deren praktische Folgen unklar sind. Ein fertiges Dokument ist ein Ergebnis, aber noch keine abgeschlossene Veränderung.

Für eine spätere Bewertung wäre deshalb interessant, welche Empfehlung umgesetzt wurde und wie sich ihre Wirkung überprüfen lässt. Hat sich ein Zugang verbessert? Werden Fehler früher erkannt? Können Betroffene ein Ergebnis leichter beanstanden? Solche Fragen verbinden die nationale Strategie mit tatsächlicher Nutzung.

Auch unerwartete Probleme sollten sichtbar bleiben. Wenn ein geplanter Einsatz verworfen wird, kann das ein vernünftiges Ergebnis sorgfältiger Prüfung sein. Eine Erfolgsbilanz sollte nicht nur Anwendungen zählen, sondern erklären, welche Entscheidungen besser begründet wurden.

MIYAN-Einordnung: Bereitschaft zeigt sich im Umgang mit Grenzen

Sri Lankas Prozess verdient Aufmerksamkeit, weil er institutionelle Voraussetzungen ausdrücklich zum Thema macht. Der aktuelle Stand erlaubt jedoch keine abschließende Aussage über seine Qualität oder Wirkung. UNESCO ist am Prozess beteiligt; ihre Mitteilung dokumentiert Aktivitäten und Absichten aus dieser Perspektive.

Unser Maßstab wäre ein Bericht, der konkrete Lücken benennt und Widerspruch zulässt. Ein Land wird nicht durch ein Etikett verantwortungsvoll im Umgang mit KI. Es braucht nachvollziehbare Entscheidungen, praktische Kompetenz und Einrichtungen, die ihre Verantwortung auch bei Fehlern wahrnehmen.

KI-Bereitschaft wäre dann keine Behauptung, alles zu können. Sie wäre die Fähigkeit zu unterscheiden, was sinnvoll einsetzbar ist, was zunächst verbessert werden muss und wo eine Anwendung vorerst unterbleiben sollte. Genau daran sollte eine nationale Bestandsaufnahme gemessen werden.

Quellen und Transparenz

UNESCO, 22.10.2026: Sri Lanka launches AI Readiness Assessment Methodology

UNESCO: Empfehlung zur Ethik künstlicher Intelligenz

Bestätigte Angaben sind den genannten Quellen zugeordnet. Als Einordnung, Prüffrage oder Gedankenbeispiel gekennzeichnete Passagen sind eigene redaktionelle Analyse. Datenzeiträume und Veröffentlichungsdaten sind zu unterscheiden.