Wirtschaftlichen Nutzen von KI bewerten: Voraussetzungen und Grenzen

Nutzenannahmen zu KI reichen von kürzeren Bearbeitungszeiten bis zu weniger Fehlern oder besserer Entscheidungsunterstützung. Ob solche Effekte eintreten und ihren Aufwand rechtfertigen, hängt von Aufgabe, System, Daten und Einführungsbedingungen ab.

Eine Demo oder übertragene Kennzahl genügt nicht, um den wirtschaftlichen Nutzen im eigenen Unternehmen zu belegen. Für eine Investitionsentscheidung sollten die Annahmen anhand eines konkreten Prozesses und messbarer Ergebnisse geprüft werden.

Das Versprechen und die Lücke dahinter

Experimente und Feldstudien haben für bestimmte Aufgaben Produktivitätsgewinne gemessen. In einem randomisierten Experiment mit 453 Fachkräften stieg die Produktivität bei klar umrissenen professionellen Schreibaufgaben mit ChatGPT; eine Feldstudie mit 5.179 Kundenservice-Mitarbeitenden fand im Mittel mehr gelöste Fälle pro Stunde, mit deutlichen Unterschieden nach Erfahrung. Diese Ergebnisse betreffen die jeweils untersuchten Aufgaben und Bedingungen; sie sind keine allgemeine Prognose für einen anderen Prozess (Noy und Zhang, Science; Brynjolfsson, Li und Raymond, NBER).

Für eine eigene Bewertung bleiben weitere Fragen: Unter welchen Bedingungen gelten die Effekte? Für welche Prozesse und Daten? Mit welchem Einführungs- und Prüfaufwand?

Ergebnisse aus Studien, Produktdemos oder Anbieterangaben lassen sich nicht ohne Weiteres auf die eigene Situation übertragen. Ein allgemeines Zeitersparnisversprechen sagt beispielsweise nicht, wie sich interne Freigaben, Datenanforderungen oder technische Integration auf den Nutzen im eigenen Prozess auswirken.

Warum Demo-Eindrücke trügen

Eine Produktdemo zeigt ausgewählte Aufgaben und Bedingungen. Wie repräsentativ sie sind, hängt von den verwendeten Daten und der konkreten Konfiguration ab.

Der spätere Betrieb kann weitere Bedingungen enthalten, zum Beispiel:

• Daten in wechselnder Qualität und Struktur
• Prozesse mit Ausnahmen und Sonderfällen
• Schnittstellen zu bestehenden Systemen, die nicht für KI ausgelegt sind
• Mitarbeitende, die das System erst kennenlernen und in ihre Abläufe integrieren müssen

Prüfen Sie deshalb, welche Bedingungen die Demo abbildet und welche Annahmen für den vorgesehenen Betrieb noch offen sind.

Typische Fehleinschätzungen bei der Nutzenbewertung

Nutzen wird isoliert betrachtet. Zeitersparnis in einem Schritt wird als Gesamteffekt gewertet, ohne nachgelagerte Aufwände für Prüfung, Freigabe oder Korrektur einzubeziehen.

Kosten werden unvollständig erfasst. Neben Lizenz- oder Entwicklungskosten können Aufwände für Datenpflege, Qualitätssicherung, Schulung und interne Abstimmung anfallen. Welche davon relevant sind, hängt vom Einsatz ab.

Der Vergleichswert fehlt. Ohne eine realistische Baseline – wie viel Zeit kostet der aktuelle Prozess tatsächlich, mit welcher Fehlerquote, mit welchem Personalaufwand – lässt sich kein belastbarer Nutzenvergleich ziehen.

Skalierbarkeit wird vorausgesetzt. Ergebnisse aus einem Pilotprojekt belegen nicht automatisch, dass sich derselbe Nutzen im Vollbetrieb erzielen lässt. Prüfen Sie, ob Daten, Nutzungsbedingungen, Ausnahmen und Qualitätskontrollen im größeren Einsatz vergleichbar bleiben.

Was eine belastbare Nutzenbewertung braucht

Der KI-Nutzen lässt sich bewerten – aber nicht pauschal. Eine belastbare Einschätzung setzt voraus:

Prozesskenntnis. Welche konkreten Abläufe sollen unterstützt werden? Wie sind diese heute dokumentiert, wie häufig treten Ausnahmen auf, wie sind Qualitätsanforderungen definiert?

Datengrundlage. In welcher Qualität, Struktur und Verfügbarkeit liegen die relevanten Daten vor? Prüfen Sie, ob sie für die konkrete Aufgabe geeignet sind und welche Aufbereitung oder Zugriffskontrollen nötig sind.

Vollkostenbetrachtung. Einführungskosten, laufende Kosten für Betrieb und Anpassung, Governance-Aufwände und Qualitätssicherung müssen Teil der Kalkulation sein.

Zeithorizont und Annahmen. Halten Sie fest, wann Aufwände und mögliche Effekte voraussichtlich anfallen. Ob und wann sich ein Einsatz rechnet, muss anhand des konkreten Szenarios beurteilt werden.

Unabhängige Einschätzung. Wer den Nutzen bewertet, sollte kein Interesse am Verkauf einer bestimmten Lösung haben.

Indirekte Kosten, die oft übersehen werden

Governance kann zusätzlichen Aufwand bedeuten. Je nach Anwendung sind Zuständigkeiten, Prüfungen und Kontrollen festzulegen; Umfang und Anforderungen hängen unter anderem von Prozess und Risikoprofil ab.

Qualitätssicherung kann laufenden Aufwand verursachen. Ob und wie KI-Ergebnisse geprüft werden müssen, richtet sich nach Anwendungsfall, Fehlerfolgen und Qualitätsanforderungen.

Anpassungen können weitere Kosten verursachen. Prozesse, Anforderungen und eingesetzte Systeme können sich ändern; schätzen Sie den dafür nötigen Aufwand im jeweiligen Szenario ab.

Die laufenden Kosten sind auch bei der Bewertung zu berücksichtigen. Welche Kosten etwa für Nutzung, Integration und Betrieb anfallen, hängt vom gewählten Modell und der Architektur ab. Eine ergänzende Einordnung bietet der Beitrag KI-Kosten im Unternehmen bewerten.

Entscheidungsgrundlage statt ROI-Versprechen

Ein ROI-Versprechen ist keine Entscheidungsgrundlage. Es ist eine Projektion unter Annahmen, die möglicherweise auf das eigene Unternehmen passen – oder nicht.

Eine belastbare Entscheidungsgrundlage beschreibt, unter welchen Bedingungen ein bestimmter Nutzen erreichbar ist, welche Voraussetzungen dafür geschaffen werden müssen und welche Risiken bestehen, wenn diese Voraussetzungen nicht erfüllt sind.

Der Unterschied zwischen beiden ist nicht akademisch. Er entscheidet darüber, ob ein Unternehmen nach der Einführung eines KI-Systems die erwarteten Effekte erzielt oder mit unerwarteten Aufwänden und einer internen Enttäuschung umgehen muss.

Fazit

Ein wirtschaftlicher Nutzen kann unter passenden Bedingungen entstehen, lässt sich aber nicht pauschal übertragen. Wer eine Investitionsentscheidung trifft, ohne Prozesse, Datengrundlagen und mögliche indirekte Kosten zu berücksichtigen, riskiert eine unvollständige Einschätzung des Aufwands und der erreichbaren Effekte.

Die relevante Frage lautet nicht: „Lohnt sich KI?" – sondern: „Unter welchen Bedingungen lohnt sich KI in unserem Unternehmen, für welche Prozesse, und was müssen wir dafür in Ordnung bringen?" Diese Frage erfordert eine strukturierte Grundlage. Nicht mehr, aber auch nicht weniger.