KI-ROI berechnen: Nutzen messen und belastbar berichten

Lohnt sich KI? Diese Frage stellt jede Geschäftsführung, spätestens wenn das zweite Budget ansteht. Wer den KI-ROI berechnen will, braucht mehr als Eindrücke aus der Belegschaft: eine gemessene Ausgangslage, klare Kennzahlen und eine ehrliche Rechnung, die auch ein ungünstiges Ergebnis zulässt.

Dieser Leitfaden zeigt, was Studien über Produktivitätseffekte von KI tatsächlich belegen, wie Sie den ROI eines Anwendungsfalls berechnen, welche acht Kennzahlen Sie messen sollten und wie Sie Ergebnisse so berichten, dass daraus Entscheidungen werden.

Der ROI einer KI-Investition ist das Verhältnis aus Nettonutzen und Kosten über einen festgelegten Zeitraum, ausgedrückt in Prozent. Ein ROI von 50 % bedeutet: Nach Abzug aller Kosten bleibt die Hälfte der eingesetzten Summe als zusätzlicher Nutzen.

Grundformel: ROI = (Nutzen − Kosten) ÷ Kosten × 100

Zwei weitere Kennzahlen gehören dazu. Die Amortisationszeit gibt an, nach wie vielen Monaten der aufgelaufene Nutzen die aufgelaufenen Kosten übersteigt. Der Nettonutzen in Euro zeigt die absolute Größe. Für Geschäftsführungen ist er oft aussagekräftiger als ein Prozentwert, weil ein hoher ROI auf kleiner Basis wenig bewegt.

Weil die Wirkung verteilt, zeitversetzt und oft nicht direkt in Euro sichtbar ist. Fünf Gründe begegnen in fast jedem Projekt:

1. Es fehlt die Ausgangslage. Wer nicht weiß, wie lange ein Vorgang vorher dauerte, kann keine Verbesserung belegen.
2. Die Nutzung ist ungleich verteilt. Einige arbeiten täglich mit KI, andere nie. Durchschnittswerte über alle Zugänge verdecken das.
3. Gesparte Zeit ist nicht gespartes Geld. Sie wird erst zum Nutzen, wenn sie in mehr Vorgänge, schnellere Antworten oder vermiedene Einstellungen fließt.
4. Qualität lässt sich schwer in Euro fassen. Weniger Nacharbeit und bessere Antworten wirken, tauchen aber selten in einer Kennzahl auf.
5. Die Wirkung kommt verzögert. Einführung, Schulung und Anpassung brauchen Monate, bevor sich Arbeitsweisen ändern.

Wie groß die Lücke zwischen Nutzung und messbarer Wirkung sein kann, zeigt eine Studie aus Dänemark. Anders Humlum und Emilie Vestergaard finden zwei Jahre nach dem Start von ChatGPT keine messbaren Effekte auf Löhne und erfasste Arbeitsstunden, obwohl Chatbots breit genutzt werden. Arbeitgeber verteilen zunächst Aufgaben um (NBER Working Paper 33777). Auch deshalb ist der Weg vom Pilot in den Betrieb der kritische Abschnitt jedes Vorhabens.

Studien belegen spürbare Produktivitätsgewinne bei klar abgegrenzten Aufgaben, aber auch Verschlechterungen, wenn KI außerhalb ihrer Fähigkeiten eingesetzt wird. Die Übersicht fasst die meistzitierten Untersuchungen mit ihren Grenzen zusammen.

Die wichtigste Lehre für Entscheider steckt im Titel der BCG-Studie, der „gezackten technologischen Grenze“: KI verbessert manche Aufgaben deutlich und verschlechtert andere, die ähnlich aussehen. Pauschale Produktivitätsversprechen helfen deshalb nicht weiter. Messen Sie je Anwendungsfall.

Wo KI nicht produktiver macht:

• bei Aufgaben jenseits der Fähigkeiten des Modells, etwa komplexer Problemlösung mit unvollständigen Informationen,
• wenn Kontext fehlt, weil Unternehmensdaten nicht angebunden sind,
• wenn die Prüfung eines Ergebnisses so lange dauert wie die Arbeit selbst,
• bei seltenen Vorgängen, bei denen sich Einführung und Schulung nicht amortisieren,
• wenn Ergebnisse ungeprüft übernommen werden und Fehler später teurer werden.

Sie bewerten den gemessenen Nutzen eines Anwendungsfalls in Euro und stellen ihn allen Kosten gegenüber, die für diesen Fall anfallen. Dazu gehören drei Schritte: Nutzen erfassen, in Euro umrechnen und Kosten vollständig zuordnen.

Der Umwandlungsanteil ist die ehrlichste Stellschraube der Rechnung. Er gibt an, welcher Teil der gesparten Zeit tatsächlich in Wertschöpfung fließt. Setzen Sie ihn bewusst unter 100 % an, solange Sie nicht zeigen können, wo die gewonnene Zeit bleibt.

Rechnen Sie alle Kosten ein, die ohne den Anwendungsfall nicht entstünden: den anteiligen Plattform- und Lizenzbetrag, die Modellnutzung, Umsetzung und Integration, Datenaufbereitung, Schulung, laufende Pflege und die interne Arbeitszeit. Eine vollständige Kostenstruktur über drei Jahre zeigt der Leitfaden zu den Kosten einer KI-Plattform, die laufende Steuerung der Modellkosten der Beitrag zu FinOps für KI.

Im Beispiel erreicht ein Kundenservice mit KI-Antwortentwürfen über zwei Jahre einen ROI von rund 38 % und amortisiert sich im 15. Monat. Mit anderen, ebenso plausiblen Annahmen liegt derselbe Fall zwischen −39 % und +206 %. Alle Werte sind Annahmen zur Veranschaulichung.

Annahmen des Beispiels:

• 60.000 schriftliche Kundenanfragen pro Jahr, gemessene Bearbeitungszeit heute im Mittel 10 Minuten.
• Die KI erstellt Antwortentwürfe aus Wissensbasis und Auftragsdaten. Sie werden bei 70 % der Anfragen genutzt, also bei 42.000.
• Ersparnis: 1,5 Minuten je genutztem Entwurf, Prüfen und Anpassen eingerechnet. Das liegt in der Größenordnung der NBER-Studie mit 14 % mehr gelösten Fällen pro Stunde.
• Vollkostensatz 55 € je Stunde. Umwandlungsanteil 75 %, weil wachsendes Anfragevolumen ohne zusätzliche Einstellungen bewältigt wird.
• Einmalige Kosten: 20.000 € für Umsetzung und Anbindung von Ticketsystem und Wissensbasis, 3.000 € für Schulung.
• Laufende Kosten: 12.000 € pro Jahr anteilig für Plattform und Modellnutzung, 4.000 € pro Jahr für die Pflege der Wissensbasis.
• Hochlauf: Der Nutzen setzt ab dem vierten Monat ein.

Amortisation: Ab dem vierten Monat bringt der Fall 3.609,38 € Nutzen im Monat bei 1.333,33 € laufenden Kosten. Nach 15 Monaten stehen 43.312,50 € Nutzen 43.000 € Kosten gegenüber (23.000 € einmalig und 15 × 1.333,33 € laufend). Die Investition ist damit im 15. Monat eingeholt.

Wie stark das Ergebnis an zwei Annahmen hängt, zeigt der Vergleich dreier Szenarien mit denselben Kosten:

Die Spanne zeigt, warum Messung wichtiger ist als Rechenkunst: Zwei Annahmen, die sich vor dem Start nur schätzen lassen, entscheiden zwischen Verlust und einem Vielfachen des Einsatzes. Messen Sie deshalb die Ausgangslage, prüfen Sie die Ersparnis in einer Pilotphase und legen Sie den Umwandlungsanteil gemeinsam mit dem Fachbereich fest. Wie KI-Assistenz im Kundenservice aufgebaut wird, beschreibt der Beitrag zu KI im Kundenservice.

Acht Kennzahlen decken Nutzung, Wirkung und Kosten ab. Legen Sie die Zielwerte je Anwendungsfall vor dem Start fest und messen Sie monatlich.

Nutzungsdaten allein beweisen keinen Nutzen, Befragungen allein auch nicht. Kombinieren Sie beides: Die Plattform zeigt, wer wie oft welche Funktionen nutzt. Stichprobenmessungen und eine kurze Befragung zeigen, was sich an der Arbeit ändert. Für die Qualität von KI-Antworten gibt es eigene Prüfverfahren, beschrieben im Leitfaden zu KI-Evaluation und Beobachtbarkeit. Bleibt die Nutzung niedrig, liegt der Hebel meist in Schulung und Begleitung, siehe Change Management bei der KI-Einführung.

Sie messen den Nutzen, indem Sie vor dem Start eine Hypothese und eine Ausgangslage festhalten, im Pilot dieselben Kennzahlen erfassen und das Ergebnis als Spanne bewerten. Fünf Schritte haben sich bewährt.

Mit einer Seite: vier Kennzahlen, eine ehrliche Spanne und eine Empfehlung. Die Geschäftsführung braucht keine Tokenstatistik, sondern die Antwort, ob sich ein Anwendungsfall trägt und was als Nächstes passiert.

Die vier Kennzahlen für den Bericht:

1. Nettonutzen in Euro, als Spanne aus vorsichtigem und günstigem Szenario
2. Amortisation erreicht: ja oder nein, mit Monat
3. Aktive Nutzung im Anwendungsfall
4. Kosten je Vorgang im Vergleich zur Bearbeitung ohne KI

Ein Beispiel auf Basis des Rechenbeispiels: „Im Kundenservice nutzen wir KI-Entwürfe bei 70 % der Anfragen. Jede dieser Anfragen dauert 1,5 Minuten kürzer, das sind rund 1.050 Stunden im Jahr. Über zwei Jahre erwarten wir einen Nettonutzen zwischen −21.000 € und +113.000 €, im Basisszenario rund 21.000 €, und die Amortisation im 15. Monat. Empfehlung: Ausbau auf den Vertriebsinnendienst.“

Plotdesk verbindet eine KI-Plattform mit einem Umsetzungsteam für den Mittelstand. Der Anspruch lautet: ein Team, eine Plattform, ein messbares Ergebnis. Die Messung ist deshalb Teil des Vorgehens und nicht ein Bericht am Ende.

• Nutzenhypothese vor der Umsetzung. Die Zusammenarbeit beginnt mit der KI-Potenzialanalyse. Sie priorisiert Anwendungsfälle und formuliert für den ersten eine prüfbare Nutzenhypothese. Grundlage sind 1.200+ Use Cases in 15 Branchen.
• Proof of Value statt Dauerpilot. Im zweiten Schritt wird die Hypothese an echten Vorgängen geprüft. Danach folgen produktive Lösung und systematischer Ausbau. Bis zum ersten Ergebnis im Betrieb vergehen typischerweise rund vier Wochen.
• Nutzungs- und Kostendaten aus der Plattform. Nutzungs- und Kostenanalysen zeigen, wer welche Funktionen nutzt und was je Team und Modell anfällt. Zusammen mit Stichproben und Befragung liefert das die Daten für aktive Nutzung, Nutzungstiefe und Kosten je Vorgang.
• Daten dort, wo der Nutzen entsteht. Plotdesk Connect bindet ERP, Ticket-Systeme und Fileserver an, damit Anwendungsfälle mit echten Vorgängen arbeiten. Betrieben wird eine dedizierte Instanz in der EU oder im eigenen Tenant, mit mehr als 100 Modellvarianten aus zehn Provider-Typen.

Wie messbare Ergebnisse aussehen, zeigen Referenzen wie DisplayMax (83 % schnellere Prozesse) und Padello, wo eine individuelle Lösung vier Systeme ersetzt.

Der ROI von KI ist messbar, aber nicht pauschal. Er entsteht je Anwendungsfall und hängt an wenigen Annahmen, die Sie mit einer Ausgangsmessung und einem Pilot prüfen können.

Drei Regeln tragen: Messen Sie die Ausgangslage, bevor die KI startet. Rechnen Sie in Spannen und mit einem ehrlichen Umwandlungsanteil. Berichten Sie Nettonutzen, Amortisation und Empfehlung auf einer Seite. Welche Anwendungsfälle sich für den Einstieg eignen, zeigen die 10 KI-Anwendungsfälle mit schnellem Nutzen.