KI-Projekte scheitern selten an der Technik. Sie scheitern daran, dass niemand sagen kann, ob sie sich gelohnt haben. Ein Chatbot, der beeindruckt, ein Agent, der viel tut, eine Demo, die Applaus bekommt — nichts davon ist ein Return. Wer KI im Unternehmen ernsthaft betreibt, misst sie wie jede andere Investition: an Kennzahlen, die mit Geld zu tun haben.
Warum Nutzungszahlen täuschen
Die häufigste Fehlmessung ist die Aktivität. Wie viele Anfragen der Bot beantwortet hat, wie viele Nutzer ihn öffnen — das klingt nach Erfolg, sagt aber nichts über den Wert. Ein System kann viel genutzt werden und trotzdem keinen Cent einsparen oder verdienen. Aktivität ist eine Eitelkeitszahl, kein ROI.
Die Kennzahlen, die zählen
- Eingesparte Arbeitszeit: konkret in Stunden pro Woche, umgerechnet in Personalkosten.
- Durchlaufzeit: wie viel schneller ein Prozess von Auslöser bis Ergebnis läuft.
- Fehlerquote: weniger Nacharbeit, weniger Reklamationen, weniger Korrekturschleifen.
- Zusätzlicher Umsatz: schnellere Reaktion auf Leads, mehr bearbeitete Anfragen, höhere Abschlussquote.
- Vollkosten des Systems: Lizenzen, Rechenkosten, Wartung und Aufbau — der ehrliche Nenner.
Der ROI eines KI-Systems ist kein Gefühl von Modernität. Er ist eingesparte Zeit oder zusätzlicher Umsatz minus Vollkosten — messbar oder nicht vorhanden.
Vorher-Baseline statt Bauchgefühl
ROI lässt sich nur messen, wenn der Zustand vor dem Projekt festgehalten wurde. Wie lange dauerte der Prozess vorher? Wie viele Fehler traten auf? Wie viel Zeit floss hinein? Ohne diese Baseline ist jede spätere Verbesserung Behauptung. Der wichtigste Schritt passiert deshalb vor dem KI-Einsatz: die Ausgangslage sauber dokumentieren.
Harte und weiche Effekte trennen
Manche Effekte sind direkt in Euro fassbar — eingesparte Stunden, zusätzlicher Umsatz. Andere sind real, aber weicher: weniger Stress im Team, schnellere Antworten für Kunden, bessere Entscheidungsgrundlagen. Beide zählen, aber sie gehören getrennt ausgewiesen. Wer weiche Effekte als harte Rendite verkauft, verliert Glaubwürdigkeit, sobald jemand nachrechnet.
Klein messen, dann skalieren
Der saubere Weg ist ein eng abgegrenzter Pilot mit definierter Kennzahl und Baseline. Zeigt er einen belegbaren Return, wird er ausgerollt. Zeigt er ihn nicht, wird er gestoppt, bevor er Budget bindet. Genau diese Disziplin — messen, bevor man skaliert — trennt KI-Projekte, die Cashflow bringen, von solchen, die nur beeindrucken.