«Spart dem Team zwei Stunden pro Woche» ist kein ROI – es ist eine Hoffnung mit einer Zahl daneben. Hier ist das Modell, das Nutzen, den Sie verbuchen können, von Nutzen unterscheidet, der sich still in Luft auflöst, sobald ein CFO eine zweite Frage stellt.

Die meisten KI-Business-Cases im Unternehmen sterben im selben Meeting. Jemand präsentiert eine Folie, laut der das neue Tool 200 Stunden pro Monat spart, multipliziert das mit einem Vollkosten-Stundensatz und kommt auf eine selbstbewusste jährliche Einsparung. Der CFO stellt eine einzige Frage – «Welche Kosten sinken also, und um wie viel?» –, und die Zahl bricht in sich zusammen. Denn eingesparte Minuten, die weder den Personalbestand noch die Ausgaben für externe Kräfte noch den Output verändern, sind kein Geld. Sie sind Leerlauf.

Das ist keine Schikane der Finanzabteilung. Die Finanzabteilung hat schlicht recht. Wir haben Business Cases gebaut, die dieses Meeting überlebt haben, und solche, die es nicht taten – und der Unterschied ist immer derselbe: Die Überlebenden haben Nutzen gemessen, der in einer Zeile der Buchhaltung auftaucht.

Das eigentliche Problem: Produktivität ist nicht dasselbe wie Gewinn

KI schafft auf drei Arten Wert, und nur zwei davon sind für sich allein realisierbar:

• Kostensenkung – Sie geben weniger aus: weniger externe Kräfte, aufgeschobene Einstellungen, geringere Fehler- und Nacharbeitskosten, weniger Infrastruktur. Direkt realisierbar.
• Umsatzsteigerung – Sie verdienen mehr: höhere Conversion, schnellere Verkaufszyklen, gehaltene Kunden. Realisierbar, aber die Zuordnung ist schwieriger.
• Kapazitätsgewinn – das Team schafft mit denselben Leuten mehr. Nur realisierbar, wenn Sie die freigewordene Kapazität tatsächlich mit umsatzrelevanter Arbeit füllen oder Wachstum ohne Neueinstellungen auffangen. Andernfalls ist es Komfort, kein Geld.

Die Zwei-Stunden-pro-Woche-Behauptung ist fast immer Kapazitätsgewinn, verkleidet als Kostensenkung. Real wird sie erst, wenn Sie die Einstellung benennen können, die Sie nicht vorgenommen haben, oder das Wachstum, das Sie aufgefangen haben. Bis dahin ist der ehrliche ROI von «alle sind etwas weniger beschäftigt» gleich null.

Das Vier-Faktoren-Modell

Jeder belastbare KI-Business-Case, den wir bauen, lässt sich auf vier Zahlen reduzieren:

Jährlicher Nettonutzen = (Realisierter Nutzen × Adoption) − Betriebskosten − Change-Kosten

• Realisierter Nutzen – nur realisierbare Effekte, benannt und einer Budgetzeile zugeordnet. Keine theoretischen Stunden.
• Adoption – der Anteil der infrage kommenden Nutzergruppe, der das Tool tatsächlich verwendet. Der Nutzen skaliert mit der Nutzung; ein Tool, das 30 % des Teams nutzen, liefert 30 % des Business Case.
• Betriebskosten – Modell- bzw. API-Ausgaben, Infrastruktur sowie die Human-in-the-Loop- und Wartungszeit, die das System tatsächlich braucht. Der Teil, den die meisten Business Cases vergessen.
• Change-Kosten – Rollout, Schulung, Prozess-Redesign und der Produktivitätseinbruch, während die Leute lernen. Real, einmalig und routinemässig weggelassen.

Zwei dieser vier – Adoption und Betriebskosten – sind genau jene, die optimistische Business Cases ignorieren, und meist sind es diese beiden, die entscheiden, ob ein Projekt tatsächlich positiv ist.

Durchgerechnetes Beispiel: KI-unterstützte Antwortentwürfe im Support

Eine Support-Organisation mit 9’000 Tickets pro Monat wollte, dass KI Antwortentwürfe erstellt, die die Mitarbeitenden bearbeiten und versenden. Der erste Business Case behauptete 3 eingesparte Minuten pro Ticket × 9’000 × CHF 1.10/Minute = rund CHF 356k/Jahr. Hier ist, was den Kontakt mit der Finanzabteilung überlebt hat.

Realisierter Nutzen: Die 3 Minuten Einsparung waren real, galten aber nur für die rund 60 % der Tickets, die die KI gut bewältigte – und die freigewordene Zeit wurde nur deshalb zu Geld, weil das Team kurz davor stand, zwei zusätzliche Mitarbeitende einzustellen, um 15 % Volumenwachstum gegenüber dem Vorjahr zu bewältigen. Diese zwei aufgeschobenen Einstellungen – rund CHF 180k/Jahr zu Vollkosten – waren der realisierbare Nutzen. Nicht CHF 356k. CHF 180k.

Adoption: Nach einem sauberen Rollout nutzten 80 % der Mitarbeitenden die Entwürfe routinemässig. 180k × 0.80 = CHF 144k realisiert.

Betriebskosten: Inference zu rund CHF 0.018 pro Entwurf × 9’000 × 12 ≈ CHF 1.9k, plus Infrastruktur und rund 0.2 FTE für die laufende Prompt- und Eval-Pflege (~CHF 28k). ≈ CHF 31k/Jahr.

Change-Kosten: Rollout, Schulung, Aufbau der Evals und ein vierwöchiger Produktivitätseinbruch ≈ CHF 45k, einmalig.

Netto im ersten Jahr: 144k − 31k − 45k = CHF 68k. Netto im zweiten Jahr (ohne Change-Kosten): CHF 113k.

CHF 68k sind eine kleinere, langsamere Schlagzeile als CHF 356k – und genau diese Zahl wurde genehmigt, weil sich jeder Faktor auf eine Zeile zurückführen liess, die die Finanzabteilung prüfen konnte. Erst die Rahmung über aufgeschobene Einstellungen machte den Nutzen realisierbar; ohne das Wachstum, das die freigewordene Kapazität auffing, wäre der ehrliche Nutzen im ersten Jahr nahe null gewesen – und das hätten wir auch so gesagt.

Messen Sie, bevor Sie feiern

Das Modell ist nur so gut wie seine Baseline. Erfassen Sie vor dem Go-live den Ist-Zustand: Kosten pro Ticket, aktuelle Nacharbeitsquote, aktuelle Durchlaufzeit, aktuelle Ausgaben für externe Kräfte. Ohne Baseline verhandeln Sie im Nachhinein über Anekdoten. Mit einer Baseline ist «die Nacharbeit sank um 22 %» eine Zahl, die Sie verbuchen können, statt eines Gefühls. Der häufigste Grund, warum sich ein echter Erfolg nicht beweisen lässt: Niemand hat das «Vorher» gemessen.

Portfolio-ROI schlägt Projekt-ROI

Es gibt einen strukturellen Grund, warum einzelne KI-Business-Cases unbefriedigend wirken: Viele der wertvollsten Effekte sind diffus und geteilt, und wer jedes Projekt zwingt, sich isoliert zu rechtfertigen, unterbewertet sie systematisch. Das Evaluation Harness, das für ein Feature gebaut wurde, beschleunigt die nächsten fünf. Die Datenbereinigung für einen Use Case macht drei weitere möglich. Die Abstraktionsschicht für Modelle, die ein Feature vor einer erzwungenen Migration geschützt hat, schützt die gesamte Landschaft. Belasten Sie die vollen Kosten dieser geteilten Assets dem ersten Projekt, wirkt es grenzwertig; erkennen Sie sie als Portfolio-Infrastruktur an, verändert sich die Wirtschaftlichkeit komplett.

Deshalb hören reife KI-Organisationen auf, jede Initiative als eigenständige Erfolgsrechnung zu führen, und beginnen, ein KI-Portfolio zu steuern, bei dem die Kosten geteilter Infrastruktur getrennt vom Nutzen auf Feature-Ebene ausgewiesen werden. Der erste Use Case in einer Domäne trägt eine schwere «Plattformsteuer» – Datenarbeit, Evals, Integration, Governance-Gerüst –, die seinen isolierten ROI schwach aussehen lässt. Der zweite und dritte Use Case nutzen diese Plattform wieder und zeigen starke Renditen. Beurteilen Sie das erste Projekt allein, beenden Sie das Programm, bevor der Zinseszinseffekt einsetzt; beurteilen Sie das Portfolio, sehen Sie die echte Kurve. Das CFO-Modell von oben gilt pro Feature; die Portfolio-Sicht ist das, was die Plattforminvestitionen rechtfertigt, die jedes Feature günstiger machen.

Der praktische Schritt ist, zwei Budgets explizit zu trennen: ein Plattformbudget (Evals, Datenpipelines, Modellabstraktion, Governance-Gate), gerechtfertigt durch seine Hebelwirkung über viele Features hinweg, und Feature-Budgets, gerechtfertigt durch realisierbaren Nutzen nach dem Vier-Faktoren-Modell. Wer beides vermischt, bekommt das Schlechteste aus beiden Welten – Plattformarbeit, die nie finanziert wird, weil kein einzelnes Feature sie rechtfertigen kann, und aufgeblähte Feature-Cases, die Plattformkosten schultern sollen, die sie ehrlicherweise nicht tragen können. Halten Sie beides getrennt, und jedes wird auf der richtigen Grundlage bewertet: Features nach realisierbarem Nutzen, die Plattform danach, wie viele Features sie beschleunigt.

Fallstricke

• Eingesparte Zeit als eingespartes Geld zählen. Das gilt nur, wenn sie Ausgaben senkt oder Wachstum auffängt. Andernfalls ist es Leerlauf.
• Von 100 % Adoption ausgehen. Modellieren Sie die realistische Kurve; ein brillantes Tool bei 25 % Adoption ist ein Viertel eines Business Case.
• Die Human-in-the-Loop-Kosten weglassen. Wenn eine Person jeden Output prüft, gehört diese Zeit zu den Betriebskosten und verändert die Wirtschaftlichkeit.
• Den Kostentrend der Modelle falsch herum ignorieren. Inference wird günstiger, was hilft – aber das Volumen wächst meist schneller. Modellieren Sie Ihre Kosten also im prognostizierten Massstab, nicht beim heutigen Pilotvolumen.
• Eine grosse Zahl, keine Sensitivität. Zeigen Sie den Business Case bei 50 %, 80 % und 100 % Adoption. Die Finanzabteilung vertraut einer Bandbreite, die sie einem Stresstest unterziehen kann, mehr als einer einzigen selbstbewussten Zahl.

Entscheidungs-Checkliste

1. Welche konkrete Budgetzeile senkt oder steigert dieser Nutzen? Benennen Sie sie.
2. Wenn der Nutzen freigewordene Kapazität ist: Welche Einstellung wird aufgeschoben oder welches Wachstum aufgefangen?
3. Wie sieht unsere realistische Adoptionskurve aus, und wie steht der Business Case am unteren Ende da?
4. Wie hoch sind die vollen Betriebskosten, inklusive menschlicher Prüfung und Wartung?
5. Wie hoch sind die einmaligen Change-Kosten, inklusive des Einbruchs während der Lernkurve?
6. Haben wir vor dem Go-live eine Baseline erfasst, damit der Erfolg beweisbar ist?
7. Was sagt das Modell im prognostizierten Massstab, nicht im Pilotmassstab?

Die gridz-Sicht

Der schnellste Weg, die Glaubwürdigkeit Ihres gesamten KI-Programms zu verspielen, ist, beim ersten Business Case zu viel zu versprechen und das Ziel zu verfehlen. Wir präsentieren lieber CHF 68k, die eintreffen, als CHF 356k, die sich in Luft auflösen – denn Letzteres vergiftet den Brunnen für jedes weitere Projekt. Bauen Sie den Business Case auf realisierbarem Nutzen auf, modellieren Sie die Adoption ehrlich, zählen Sie Betriebs- und Change-Kosten mit und erfassen Sie die Baseline, bevor Sie starten. Wir helfen Unternehmen, KI zu bauen, die auf realisierbare Ergebnisse zielt, und das Resultat in Zahlen zu belegen, die die Finanzabteilung ohne Diskussion unterschreibt – sprechen Sie uns an.

Wenn Sie einen einzigen Ausgangspunkt suchen: Nehmen Sie Ihre aktuell am meisten gehypte KI-Initiative und zwingen Sie jeden behaupteten Nutzen auf eine Budgetzeile – welche Kosten sinken, welcher Umsatz steigt oder welche konkrete Einstellung wird aufgeschoben. Die Behauptungen, die diesen Test überstehen, sind Ihr echter Business Case; jene, die sich auflösen, waren immer schon Produktivitätstheater – und es ist weit günstiger, das jetzt herauszufinden als im Post-Mortem. Machen Sie diese Übung vor dem nächsten Steuerungsausschuss, und Sie gehen mit einer Zahl hinein, die hält.