Die KI-ROI-Falle: Gewinne auf Aufgabenebene können Unternehmenskosten verschleiern

Google News machte am 6. August 2026 einen deutlichen KI-Konflikt sichtbar: Unternehmen berichten von schnellerer Arbeit, doch viele können diese Fortschritte nicht mit finanziellen Erträgen verknüpfen. Im Mittelpunkt stand eine KI-ROI-Falle, bei der enge Erfolgskennzahlen Kosten verbergen, die entlang eines gesamten Workflows entstehen.

Diese Spannung ist relevant, weil belastbare Studien tatsächlich messbare Verbesserungen durch generative KI zeigen. Mitarbeitende im Kundensupport lösen mehr Fälle, Entwickler erledigen mehr Aufgaben und Berater schließen Aufträge schneller ab. Diese Ergebnisse sind real, doch sie messen kontrollierte Tätigkeiten statt die vollständige Wirtschaftlichkeit eines KI-gestützten Unternehmens.

Der entstehende Gegensatz verläuft nicht zwischen KI-Befürwortern und KI-Skeptikern. Er besteht zwischen Produktivität auf Aufgabenebene und Wertschöpfung auf Unternehmensebene. Ein Tool kann die Leistung eines Mitarbeiters verbessern und zugleich an anderer Stelle Kosten für Prüfung, Integration, Governance und Koordination verursachen.

Der eigentliche Test lautet, ob schnellere Arbeit Umsatz, Betriebsausgaben, Kundenergebnisse oder organisatorische Kapazitäten verändert. Wenn diese Effekte nie in den Finanzberichten ankommen, bleibt eine Produktivitätsbehauptung ein nützlicher Hinweis, aber keine vollständige Renditeberechnung.

Die Google-News-Schlagzeile verweist auf einen umfassenderen Streit über Messmethoden

Die Debatte über KI-ROI hat sich von der Frage, ob generative KI funktioniert, hin zu der Frage verlagert, ob Unternehmen ihren gesamten wirtschaftlichen Effekt messen.

Die Google-News-Schlagzeile betrifft weder eine Produkteinführung noch eine Quartalsmeldung. Sie erfasst einen wachsenden Konflikt zwischen überzeugenden lokalen Produktivitätsnachweisen und schwachen unternehmensweiten Finanznachweisen. Dieser Konflikt prägt inzwischen Technologiebudgets, Personalplanung und Erwartungen von Führungskräften.

Die Unterscheidung beginnt bei der Maßeinheit. Viele KI-Bewertungen betrachten eine Person bei der Erledigung einer klar definierten Aufgabe, etwa beim Verfassen von Texten, Schreiben von Code oder Beantworten einer Supportanfrage. Eine Renditeberechnung für ein Unternehmen muss die daraus entstehende Arbeit durch jeden abhängigen Prozess verfolgen.

Diese breitere Perspektive verändert, was als Nutzen gilt. Zeitersparnis bei einem ersten Entwurf hat begrenzten Wert, wenn die gewonnenen Stunden ungenutzt bleiben. Sie hat größeren Wert, wenn das Unternehmen seine Produktion steigert, Lieferzeiten verkürzt, Einstellungen vermeidet oder Mitarbeitende auf wertvollere Arbeit umleitet.

Dasselbe gilt für Qualität. Ein Modell kann pro Stunde mehr Material erzeugen und zugleich den Aufwand für Faktenprüfung, Richtlinienprüfung oder Kundenkorrekturen erhöhen. Wer den Output misst, ohne Korrekturkosten zu erfassen, kann einen teuren Workflow effizient erscheinen lassen.

Kontrollierte Forschung liefert einen guten Grund, Produktivitätsgewinne ernst zu nehmen. Eine NBER-Feldstudie untersuchte 5.179 Kundensupport-Mitarbeitende, die einen generativen KI-Assistenten nutzten. Der Zugang zu dem Tool erhöhte die durchschnittliche Zahl gelöster Fälle pro Stunde um rund 14 Prozent.

Die Effekte waren nicht gleichmäßig verteilt. Weniger erfahrene und geringer qualifizierte Mitarbeitende profitierten stärker, während die erfahrensten Beschäftigten kleinere Effekte verzeichneten. Der Assistent schien einige Vorgehensweisen leistungsstärkerer Mitarbeitender auf neuere Kollegen zu übertragen.

Dieses Ergebnis ist unmittelbar geschäftlich relevant. Schnellere Lösungen können die Supportkapazität erhöhen, Wartezeiten verringern und die Servicekonsistenz verbessern. Die Produktivitätskennzahl allein offenbart jedoch nicht sämtliche Kosten, die für Einführung und Betrieb des Systems erforderlich sind.

Ein Unternehmen muss weiterhin Wissen aufbereiten, Systeme verbinden, Kundendaten schützen, Ausgaben überwachen, Mitarbeitende schulen und das Tool aktualisieren. Außerdem muss es Fälle behandeln, in denen eine plausible Antwort falsch ist. Diese Tätigkeiten verbrauchen Arbeitszeit und Infrastruktur, auch wenn sie außerhalb des Dashboards des Supportteams liegen.

Ähnliche Belege gibt es für die Softwareentwicklung. Drei randomisierte Feldexperimente bei Microsoft, Accenture und einem nicht genannten Fortune-100-Unternehmen umfassten 4.867 Entwickler. Die zusammengefassten Ergebnisse berichteten einen Anstieg abgeschlossener Aufgaben um 26,08 Prozent bei Entwicklern mit einem KI-Programmierassistenten.

Die begutachteten Entwicklerexperimente zeigten auch Unterschiede zwischen Organisationen und Beschäftigten. Weniger erfahrene Entwickler nutzten den Assistenten häufiger und erzielten größere Zugewinne.

Abgeschlossene Aufgaben sind aussagekräftig, aber sie bleiben eine Zwischenkennzahl. Eine vollständige Geschäftsbewertung muss auch Fehlerraten, Sicherheitsbefunde, Wartungsaufwand, Prüfzeit und Lieferergebnisse untersuchen. Mehr Code ist nur wertvoll, wenn er zu zuverlässigen Produkten beiträgt.

Die Google-News-Perspektive legt damit eine Messgrenze offen. Studien können belegen, dass ein KI-Tool eine definierte Tätigkeit verbessert, ohne zu beweisen, dass jede Einführung eine positive Unternehmensrendite erzielt. Beide Erkenntnisse können gleichzeitig zutreffen.

Das ist die erste Umkehrung in der Geschichte des KI-ROI. Bessere Modellleistung hat die Messung schwieriger gemacht, nicht einfacher. Unternehmen können heute echte Produktivitätsgewinne feststellen und dennoch die Kosten übersehen, die darüber entscheiden, ob diese Gewinne finanziell relevant sind.

KI-Produktivität auf Aufgabenebene ist nicht gleich Unternehmens-ROI

Ein Produktivitätsgewinn wird erst dann zu finanziellem Wert, wenn die Organisation ihn durch veränderte Kapazität, Kosten, Umsätze oder Risiken realisiert.

Die Kapitalrendite vergleicht den durch eine Initiative geschaffenen Wert mit ihren Gesamtkosten. Bei Unternehmens-KI enthalten beide Seiten dieser Rechnung Annahmen, die Studien auf Aufgabenebene nicht klären können.

Betrachten wir einen Mitarbeitenden, der zuvor zehn Stunden für die Vorbereitung einer wiederkehrenden Analyse benötigte. Ein KI-Assistent verkürzt diese Arbeit auf sieben Stunden. Das Unternehmen hat drei Stunden potenzielle Kapazität gemessen, aber noch nicht automatisch eine Ausgabe reduziert.

Der Mitarbeitende kann diese Stunden für eine andere wertvolle Aufgabe verwenden. Das Team kann mehr Anfragen bearbeiten, ohne zusätzliches Personal einzustellen. Das Unternehmen kann die Analyse auch früher liefern und dadurch eine bessere Entscheidung treffen.

Jedes Ergebnis hat einen anderen wirtschaftlichen Wert. Wenn die Organisation keine operative Änderung vornimmt, bleiben die drei Stunden eine Produktivitätsschätzung statt realisierter Einsparungen. Die Stundenvergütung des Mitarbeitenden jeder eingesparten Stunde zuzurechnen, würde die Rendite überbewerten.

Auch der gegenteilige Fehler tritt auf. Die Finanzberichterstattung kann den Wert von KI unterschätzen, wenn sie nur unmittelbare Personalreduzierungen zählt. Bessere Arbeit kann die Kundenbindung verbessern, Durchlaufzeiten verkürzen oder die Zahl der Experimente erhöhen, die ein Team durchführen kann.

Diese Vorteile erfordern definierte Ergebniskennzahlen. Kundensupportteams können Lösungsquote, wiederholte Kontakte, Eskalationen, Zufriedenheit und Bindung verfolgen. Engineering-Teams können Bereitstellungshäufigkeit, Durchlaufzeit, Vorfälle, Nacharbeit und Produktlieferung untersuchen.

Wissensarbeit ist schwieriger, weil ihr Ergebnis häufig mehrere Personen durchläuft. Eine schnellere Forschungszusammenfassung kann eine Entscheidung beschleunigen oder lediglich früher in der Warteschlange einer anderen Person landen. Lokale Geschwindigkeit garantiert keine Systemgeschwindigkeit.

Forscher der Harvard Business School veranschaulichten die Stärke und Grenzen der Aufgabenmessung durch ein Experiment mit 758 Beratern. Die Teilnehmer nutzten generative KI für Aufgaben in den Bereichen Schreiben, Analyse, Kreativität und Überzeugung.

Die Beraterstudie ergab, dass Menschen mit KI Aufgaben 25,1 Prozent schneller erledigten. Ihre Arbeit erhielt bei Aufgaben innerhalb der Fähigkeiten des Modells zudem Qualitätsbewertungen, die mehr als 40 Prozent höher lagen.

Die Forschung beschrieb jedoch auch eine Kompetenzgrenze. Die Leistung litt, wenn Teilnehmer sich bei einer Aufgabe außerhalb dieser Grenze auf das Modell verließen. Schnellere Produktion schützte sie nicht davor, eine ungeeignete Antwort mit Zuversicht zu verwenden.

Dieses Muster erschwert Unternehmens-Dashboards. Die durchschnittlich eingesparte Zeit kann überzeugend aussehen, während wenige kostspielige Fehler einen Teil des Gewinns zunichtemachen. Die passende Kennzahl hängt von den Folgen eines Fehlers ab.

Ein fehlerhafter interner Entwurf kann mehrere Minuten Korrekturzeit erfordern. Eine fehlerhafte Kundenkommunikation kann Beschwerden oder Rückerstattungen auslösen. Falsche rechtliche, medizinische, sicherheitsbezogene oder finanzielle Inhalte können deutlich größere Folgen haben.

Das bedeutet, dass ein ehrliches KI-ROI-Modell mindestens vier Ergebnisebenen benötigt.

Erstens sollte es die unmittelbare Aufgabe messen. Relevante Kennzahlen umfassen Bearbeitungszeit, Durchsatz, Nutzung, Genauigkeit und Mitarbeiteraufwand. Sie zeigen, ob das Tool die Arbeitsweise verändert.

Zweitens sollte es den vollständigen Workflow messen. Dazu zählen Übergaben, Prüfwarteschlangen, Nacharbeit, Eskalationen und Verzögerungen in verbundenen Teams. Ein Gewinn in einem Schritt kann am nächsten Engpass verschwinden.

Drittens sollte es Geschäftsergebnisse messen. Dazu können Umsatz, operative Kapazität, Kundenbindung, Qualität und vermeidbare Verluste gehören. Diese Ebene verbindet operative Veränderungen mit organisatorischem Wert.

Viertens sollte es risikobereinigte Kosten einbeziehen. Sicherheitskontrollen, Modellfehler, Compliance-Arbeit, Anbieterabhängigkeit und Incident Response gehören in die Berechnung. Sie zu ignorieren behandelt Unsicherheit als kostenlos.

Unternehmen benötigen außerdem eine glaubwürdige Ausgangsbasis. Teams führen häufig einen Assistenten ein, bevor sie den alten Prozess messen. Später vergleichen sie den neuen Workflow mit einer informellen Erinnerung daran, wie lange die Arbeit zuvor gedauert hat.

Eine Ausgangsbasis sollte vor der Einführung Volumen, Arbeitsaufwand, Qualität, Wartezeiten und Ausnahmen erfassen. Sie sollte auch saisonale Veränderungen und nicht damit verbundene Prozessverbesserungen berücksichtigen. Andernfalls erhält das KI-System Anerkennung für Veränderungen, die es nicht verursacht hat.

Deshalb spiegelt das Google-News-Interesse an KI-ROI mehr als die Ungeduld von Führungskräften wider. Die Diskussionen betreffen Kausalzuordnung, also den Prozess zur Bestimmung, welche Maßnahme ein beobachtetes Ergebnis verursacht hat. Schwache Kausalzuordnung macht Dashboards zu überzeugenden Erzählungen statt zu verlässlichen Belegen.

Versteckte Kosten wachsen, wenn KI über ein Pilotprojekt hinausgeht

Die größten KI-Kosten treten häufig nach einer erfolgreichen Demonstration auf, wenn aus einem kontrollierten Tool ein gewartetes Produktionssystem wird.

Pilotbudgets betonen typischerweise den Zugang zu einem Modell, eine begrenzte Integration und eine kleine Nutzergruppe. Der Produktivbetrieb verändert die Kostenstruktur, weil die Organisation echte Daten, echte Berechtigungen und reale Folgen unterstützen muss.

Die Datenaufbereitung ist eine wichtige Kategorie. Unternehmensinformationen können dupliziert, veraltet, uneinheitlich gekennzeichnet oder rollenabhängig eingeschränkt sein. Die Anbindung eines KI-Systems an diese Informationen erfordert Bereinigung, Zugriffskontrollen, Aufbewahrungsrichtlinien und fortlaufende Verantwortung.

Die Integration schafft eine weitere Ebene. Ein nützlicher Assistent arbeitet selten allein. Er benötigt möglicherweise Identitätssysteme, Kundendaten, Dokumentenablagen, Ticketing-Plattformen, Analytik und Genehmigungsworkflows.

Jede Verbindung kann ausfallen oder sich ändern. Anbieter aktualisieren Schnittstellen, interne Schemata entwickeln sich weiter und Geschäftsprozesse erhalten neue Ausnahmen. Wartung wird zu wiederkehrender Arbeit statt zu einer einmaligen Implementierungsaufgabe.

Auch die Evaluierung kostet Geld und Zeit. Der allgemeine Benchmark-Score eines Modells kann nicht belegen, dass es bei den Daten und Entscheidungen eines bestimmten Unternehmens zuverlässig funktioniert. Teams benötigen repräsentative Testsätze, Fehlerkategorien und Schwellenwerte, die an operative Risiken gekoppelt sind.

Die Evaluierung darf nicht mit dem Start enden. Modellversionen, Prompts, Retrieval-Quellen und Nutzerverhalten verändern sich fortlaufend. Ein System, das während eines Pilotprojekts akzeptabel funktionierte, kann abdriften, wenn sich seine Umgebung verändert.

Menschliche Prüfung ist ein weiterer versteckter Aufwand. Viele Organisationen beschreiben KI als arbeitszeitsparend, während sie Mitarbeitende damit beauftragen, jede wichtige Ausgabe zu kontrollieren. Diese Prüfung kann notwendig sein, doch ihre Zeit gehört zu den Gesamtkosten.

Auch die Überprüfung kann eine erhebliche kognitive Belastung verursachen. Menschen müssen aufmerksam bleiben, während sie Material lesen, das meist korrekt ist. Einen seltenen, aber folgenreichen Fehler in flüssig formuliertem Text zu entdecken, kann mehr Konzentration erfordern als eine routinemäßige Antwort direkt zu erstellen.

Dann folgt die Nacharbeit. Eine Korrektur kann mehr umfassen als die Bearbeitung einer einzigen Antwort. Teams müssen möglicherweise die Quelle zurückverfolgen, einen Prompt aktualisieren, abgerufene Dokumente ändern, Nutzer informieren und ähnliche Ausgaben erneut bewerten.

Sicherheits- und Datenschutzkontrollen schaffen zusätzlichen Aufwand. Mitarbeitende können vertrauliche Informationen in nicht autorisierte Tools eingeben, während genehmigte Systeme Identitätsmanagement, Protokollierung, Datengrenzen und Verfahren für Vorfälle erfordern.

Governance ist daher eine operative Funktion und kein Richtliniendokument. Jemand muss entscheiden, welche Nutzungen erlaubt sind, welche Nachweise erforderlich sind, wer Restrisiken akzeptiert und wann ein System den Betrieb einstellen sollte.

Auch die Infrastrukturkosten können sich mit der Nutzung verändern. KI-Workloads variieren je nach Modell, Kontextgröße, Ausgabelänge, Retrieval-Aktivität und Anfragevolumen. Ein Pilotprojekt mit vorhersehbaren Prompts bildet das Verhalten von Tausenden Mitarbeitenden möglicherweise nicht ab.

Agenten verschärfen diese Herausforderung. Ein KI-Agent ist ein System, das mehrere Aktionen zur Erreichung eines Ziels plant und ausführt. Eine Nutzeranfrage kann mehrere Modellaufrufe, Suchen, Tool-Operationen, Wiederholungsversuche und Validierungsschritte auslösen.

Die Oberfläche kann diese Kette wie eine einzige Aktion erscheinen lassen. Das Finanzreporting sieht jedoch die kumulierten Kosten für Rechenleistung, Datenzugriff, Orchestrierung und Monitoring. Ohne Nachverfolgung können Teams diese Kosten nicht mit den Workflows verknüpfen, die sie verursachen.

NIST hat betont, dass KI als eingesetztes System und nicht nur als isoliertes Modell bewertet werden muss. Seine ARIA-Evaluierung nutzt Messstrukturen, um Systemvalidität, Auswirkungen und den realen Kontext miteinander zu verbinden.

Dieser Ansatz adressiert eine häufige Lücke in der Rechnungslegung. Ein Modell kann in einem Test präzise Antworten liefern und dennoch innerhalb eines Workflows mit unvollständigen Daten, unklaren Verantwortlichkeiten oder ungeeigneten Anreizen scheitern.

Auch Schulung und Einführung verdienen eine explizite Behandlung. Der Kauf eines Zugangs garantiert nicht, dass Mitarbeitende ein Tool angemessen nutzen. Teams benötigen Leitlinien zu geeigneten Aufgaben, Überprüfung, Eskalation und vertraulichen Informationen.

Geringe Nutzung kann einen Business Case zerstören. Unkritische Nutzung kann ein anderes Problem schaffen, indem sie Fehler oder Compliance-Risiken erhöht. Beide Ergebnisse zeigen, warum die Aktivierung von Lizenzen eine unvollständige Erfolgskennzahl ist.

Organisationen sollten auch interne Opportunitätskosten berücksichtigen. Ingenieurinnen und Ingenieure, die mit der Anbindung und Überwachung eines KI-Tools beschäftigt sind, arbeiten nicht an anderen Projekten. Führungskräfte, die sich an Governance und Neugestaltung beteiligen, gehen denselben Zielkonflikt ein.

Keine dieser Kosten bedeutet, dass eine KI-Investition unklug ist. Sie zeigen, dass Lizenz, Modellaufruf oder Pilotbudget nicht den vollständigen Nenner darstellen. Die Rendite kann nach vollständiger Kostenrechnung weiterhin attraktiv sein, doch das Management muss diese Rechnung durchführen.

Für Teams, die durchsuchbares internes Wissen aufbauen, kann eine disziplinierte Informationsorganisation einen Teil dieser Belastung reduzieren. Ein definierter Wissensworkflow hilft dabei, Quellen, Zugriffe und Retrieval zu klären, bevor KI-generierte Antworten in die tägliche Arbeit einfließen.

Die KI-ROI-Falle entsteht, wenn Unternehmen diese ermöglichenden Aktivitäten als unabhängigen Overhead behandeln. Sie sind Teil des Systems, das die beworbene Produktivität erst möglich macht.

Der eigentliche Gegner ist lokale Geschwindigkeit gegenüber realisiertem Wert

Unternehmens-KI ist erfolgreich, wenn eine schnellere Aufgabe den umgebenden Workflow verändert – nicht wenn ein Dashboard lediglich eingesparte Minuten erfasst.

Die stärksten Belege für KI-Produktivität stammen aus klar abgegrenzter Arbeit. Supportgespräche haben messbare Lösungen. Coding-Systeme erfassen abgeschlossene Aufgaben. Experimente können Gruppen mit und ohne Unterstützung vergleichen.

Unternehmenswert bewegt sich durch weniger kontrollierte Systeme. Die Ausgabe eines Teams wird zur Eingabe eines anderen. Entscheidungen hängen von Budgets, Befugnissen, Anreizen, Kundennachfrage und Prozessen ab, die Technologie nicht allein verändern kann.

Das erklärt, warum Organisationen von begeisterten Nutzern und zugleich von bescheidenen finanziellen Effekten berichten können. Mitarbeitende erleben einen realen Komfortgewinn. Das Unternehmen hat die Arbeit jedoch noch nicht so reorganisiert, dass es die verfügbare Kapazität ausschöpfen kann.

Eine globale McKinsey-Umfrage aus dem Jahr 2025 ergab eine breite Einführung, aber begrenzte Auswirkungen auf Unternehmensebene. Achtundachtzig Prozent der Befragten gaben an, dass ihre Organisationen KI in mindestens einer Geschäftsfunktion einsetzten. Nur 39 Prozent schrieben KI irgendeinen Einfluss auf das EBIT des Unternehmens zu.

Die meisten Befragten, die über einen Effekt berichteten, gaben an, dass KI weniger als 5 Prozent des EBIT ausmache. Die globale KI-Umfrage stellte zudem fest, dass etwa ein Drittel der Organisationen begonnen hatte, KI-Programme zu skalieren.

Diese Erkenntnisse beruhen auf selbstberichteten Umfragedaten und liefern daher keine geprüften Renditeberechnungen. Sie veranschaulichen dennoch die wachsende Distanz zwischen dem Einsatz von KI und der Realisierung finanziellen Werts auf Unternehmensebene.

Ein separates NBER-Working-Paper aus dem Jahr 2026 befragte fast 6.000 leitende Führungskräfte in den Vereinigten Staaten, im Vereinigten Königreich, in Deutschland und in Australien. Es stellte fest, dass 69 Prozent der Unternehmen KI aktiv nutzten.

Die Führungskräfte erwarteten stärkere Effekte in der Zukunft, als sie in den vorangegangenen drei Jahren beobachtet hatten. Die Unternehmensdaten beschreiben daher ein vertrautes Technologiemuster: Einführung und Erwartungen schreiten voran, bevor messbare aggregierte Ergebnisse folgen.

Eine Interpretation lautet, dass Organisationen Zeit zum Lernen brauchen. Allzwecktechnologien erfordern häufig ergänzende Investitionen, Prozessneugestaltung und neue Kompetenzen, bevor ihre Vorteile breit sichtbar werden.

Eine andere Interpretation ist weniger bequem. Manche Implementierungen zielen auf Arbeit ab, die sichtbar und leicht demonstrierbar ist, statt auf Arbeit, die mit einem wertvollen Engpass verbunden ist. Schnelleres Entwerfen wirkt beeindruckend, bedeutet aber wenig, wenn die Genehmigung weiterhin den Engpass darstellt.

Dies ist der zentrale Gegner in der Google-News-Debatte. Produktivität auf Aufgabenebene fragt, ob eine Person etwas schneller oder besser erledigt hat. Realisierter Wert fragt, ob die Organisation diesen Unterschied in ein von ihr geschätztes Ergebnis umgewandelt hat.

Die Unterscheidung beeinflusst Aussagen über die Belegschaft. Angenommen, KI ermöglicht es einer Supportmitarbeiterin oder einem Supportmitarbeiter, mehr Gespräche zu bearbeiten. Das Unternehmen kann diese Kapazität nutzen, um Wartezeiten zu verkürzen, mehr Kunden zu bedienen oder zusätzliche Einstellungen zu vermeiden.

Jede Entscheidung schafft ein messbares Ergebnis. Wenn die Nachfrage fest ist und die Personalstärke unverändert bleibt, kann der operative Gewinn die Resilienz verbessern, ohne die Ausgaben zu senken. Jede eingesparte Minute als Kosteneinsparung zu bezeichnen, wäre irreführend.

Dieselbe Überlegung gilt für Entwicklerinnen und Entwickler. Mehr abgeschlossene Aufgaben können einen Release verkürzen, einen Rückstau reduzieren oder zusätzliche Produktexperimente ermöglichen. Sie können aber auch Review- und Wartungsaufwand erhöhen, wenn Teams auf Ausgabemenge optimieren.

Führungskräfte müssen daher die begrenzte Ressource identifizieren. Wenn die Kundennachfrage die Supportkapazität übersteigt, kann eine schnellere Lösung unmittelbaren Wert schaffen. Wenn Produkt-Releases auf eine Sicherheitsfreigabe warten, kann schnellerer Code lediglich die Warteschlange vergrößern.

Die Neugestaltung von Workflows ist wichtig, weil sie diese Einschränkungen verändert. Teams können Rollen, Genehmigungsregeln, Service-Level und Kapazitätspläne rund um die neue Fähigkeit überarbeiten. Ohne diese Arbeit wird KI zu einer weiteren Schicht auf einem unveränderten Prozess.

Frühere McKinsey-Forschung zur Einführung ergab, dass die Neugestaltung von Workflows unter 25 untersuchten organisatorischen Merkmalen die stärkste Beziehung zum berichteten EBIT-Effekt aufwies. Korrelation beweist nicht, dass die Neugestaltung den Effekt verursacht hat, doch die Beziehung passt zum operativen Mechanismus.

Dieser Mechanismus erklärt auch, warum ein scheinbar erfolgreiches Pilotprojekt bei der Ausweitung scheitern kann. Das Pilotprojekt isoliert motivierte Nutzer und eine klare Aufgabe. Die Skalierung bringt vielfältige Arbeit, unterschiedliche Kompetenzen, Altsysteme und konkurrierende Anreize mit sich.

Ein glaubwürdiger Business Case sollte daher vor der Einführung darlegen, wie Wert realisiert wird. Er sollte den betroffenen Workflow, die Ausgangslage, die erwartete operative Veränderung, die finanzielle Verbindung und die verantwortliche Person benennen.

Er sollte außerdem ein kontrafaktisches Szenario definieren, also was ohne die KI-Investition geschehen würde. Wachstum, Prozessverbesserungen und Personaländerungen können den scheinbaren Beitrag des Tools andernfalls überhöhen.

Das Ziel besteht nicht darin, jeden Nutzen in eine einzige Finanzkennzahl zu pressen. Einige Ergebnisse, darunter Resilienz, Lernen und Risikoreduzierung, erfordern separate Kennzahlen. Die Organisation sollte sie klar benennen, statt sie in spekulativen Einsparungen zu verstecken.

Bessere Kennzahlen können dennoch falsches Vertrauen schaffen

Ein breiteres Dashboard verbessert die Transparenz, kann aber weder Unsicherheit beseitigen noch Korrelation in einen Beweis verwandeln.

Forderungen nach einer besseren KI-Messung führen oft zu längeren Listen von Indikatoren. Teams ergänzen Nutzung, Zufriedenheit, eingesparte Zeit, Output-Qualität und geschätzten finanziellen Wert. Das Dashboard wirkt vollständiger, doch seine zugrunde liegenden Annahmen können weiterhin schwach sein.

Selbstberichtete Zeiteinsparungen sind besonders fragil. Mitarbeitende vergleichen unterstützte Arbeit möglicherweise mit einer ungewöhnlich schwierigen Erinnerung, schätzen uneinheitlich oder lassen die Zeit für die Überprüfung der Ausgaben außer Acht. Umfrageergebnisse können weiterhin Stimmungen aufzeigen, sollten jedoch nicht automatisch zu Kosteneinsparungen werden.

Nutzung ist ein weiterer Frühindikator mit begrenzter Aussagekraft. Häufige Nutzung kann darauf hindeuten, dass ein Tool nützlich ist. Sie kann aber auch Managementdruck, Neuheit oder eine Oberfläche widerspiegeln, die in einen unvermeidbaren Workflow eingebettet ist.

Auch die Outputmenge schafft ähnliche Mehrdeutigkeiten. Mehr Dokumente, Nachrichten, Code oder Analysen können auf größere Kapazität hindeuten. Sie können aber auch Lese-, Review- und Koordinationsarbeit auf Kolleginnen und Kollegen verlagern.

Qualitätsbewertungen erfordern Sorgfalt, weil die bewertende Instanz entscheidend ist. Automatisierte Bewertungen können dieselben Schwächen aufweisen wie das überprüfte Modell. Menschliche Bewerter können flüssige Antworten bevorzugen, selbst wenn diese subtile Fehler enthalten.

Die finanzielle Zuordnung ist noch schwieriger. Umsätze können sich aufgrund von Preisgestaltung, Nachfrage, Saisonalität, Vertriebsaktivitäten, Produktverbesserungen oder wirtschaftlichen Bedingungen verändern. Eine KI-Implementierung kann beitragen, ohne die einzige Ursache zu sein.

Randomisierte Experimente bieten eine stärkere Zuordnung, doch Unternehmen können nicht jede operative Entscheidung randomisieren. Sie können dennoch gestaffelte Einführungen, vergleichbare Teams, Kontrollgruppen und unterbrochene Zeitreihenanalysen einsetzen, wo dies praktikabel ist.

Auch der Messzeitraum prägt das Ergebnis. Frühe Implementierungen beinhalten Schulungs- und Umsetzungskosten. Eine kurze Bewertung kann langfristige Gewinne unterschätzen, während eine optimistische Prognose den fortlaufenden Wartungsaufwand ignorieren kann.

Unternehmen benötigen in verschiedenen Phasen unterschiedliche Kennzahlen. Ein Pilotprojekt sollte Machbarkeit, Qualität, Nutzerverhalten und Workflow-Passung prüfen. Ein Produktiv-Rollout sollte Zuverlässigkeit, Stückkosten, Geschäftsergebnisse und Gesamtbetriebskosten untersuchen.

Stückkosten messen den Umsatz oder Wert, der mit einer Aktivitätseinheit verbunden ist, gegenüber den Kosten für deren Erzeugung. Bei KI kann diese Einheit ein gelöster Fall, ein geprüftes Dokument, eine abgeschlossene Transaktion oder eine akzeptierte Codeänderung sein.

Dieser Ansatz ist stärker, als Lizenzen oder Modellanfragen zu messen. Er verbindet Kosten mit einem Geschäftsereignis. Zudem legt er Workflows offen, in denen wiederholte Wiederholungsversuche oder menschliche Überprüfung das System unwirtschaftlich machen.

Auch dieses Rahmenwerk hat Grenzen. Manche KI-Investitionen bauen Fähigkeiten auf, die mehrere künftige Produkte unterstützen. Jede gemeinsame Infrastrukturkostenposition dem ersten Anwendungsfall zuzuordnen, kann eine sinnvolle Plattforminvestition erfolglos erscheinen lassen.

Auch das Gegenteil ist möglich. Kosten auf hypothetische künftige Nutzungen zu verteilen, kann die aktuelle Implementierung künstlich attraktiv erscheinen lassen. Finanz- und Technologieführungskräfte benötigen eine explizite Zuordnungsmethode.

Risikobereinigte Messung bringt zusätzliche Annahmen mit sich. Teams können die Häufigkeit und die Folgen von Modellfehlern, Datenschutzvorfällen oder Serviceausfällen schätzen. Seltene Ereignisse bleiben auf Grundlage begrenzter Erfahrungen jedoch schwer vorherzusagen.

Diese Unsicherheiten sollten nicht verborgen werden. Ein Business Case kann eine Bandbreite möglicher Ergebnisse darstellen und aufzeigen, welche Annahmen die stärksten Abweichungen verursachen. Eine Sensitivitätsanalyse ist ehrlicher als eine einzige präzise Renditekennzahl.

Es gibt auch ein skeptisches Argument dagegen, die Messung zu weit auszuweiten. Jede denkbare Auswirkung zu verfolgen, kann Bürokratie schaffen, die nützliche Experimente verzögert. Auch Messung selbst beansprucht Zeit von Engineering-, Analyse- und Mitarbeitendenteams.

Die Antwort lautet Verhältnismäßigkeit. Ein risikoarmer Assistent zum Verfassen von Texten benötigt nicht dasselbe Evaluierungsprogramm wie ein Agent, der Kundendaten verändert. Die Strenge sollte sich nach Umfang, Reversibilität und Folgen eines Fehlers richten.

Teams benötigen zudem Abbruchkriterien. Ein Pilotprojekt sollte vor einer Ausweitung Mindestwerte für Qualität, Akzeptanz, operative Auswirkungen und Kostenleistung festlegen. Ein nicht eindeutiges Experiment wiederholt zu verlängern, erzeugt eigene versteckte Kosten.

Dieser Punkt verhindert, dass das Argument zur Rechtfertigung endloser Ausgaben wird. „Der Wert wird später eintreten“ ist kein Beleg. Organisationen brauchen terminierte Meilensteine und Ergebnisse, die die ursprüngliche These widerlegen könnten.

Auch die gegenteilige Behauptung verdient Prüfung. Eine schwache Unternehmensrendite beweist nicht, dass dem Modell jeder Wert fehlt. Sie kann auf einen schlechten Anwendungsfall, eine fehlgeschlagene Integration, geringe Akzeptanz oder einen Workflow hindeuten, der sich nie verändert hat.

Die Google-News-Debatte ist daher anfällig für zwei Übertreibungen. KI-Anbieter können Fortschritte bei einzelnen Aufgaben als vollständige Geschäftsrenditen darstellen. Skeptiker können begrenzte finanzielle Auswirkungen als Beweis dafür präsentieren, dass generative KI keinen produktiven Wert hat.

Die Evidenz stützt keines der beiden Extreme. KI kann klar definierte Aufgaben erheblich verbessern, während unternehmensweite Renditen von ergänzenden Systemen und Managemententscheidungen abhängen. Die Messung muss diesen Unterschied bewahren.

Drei Signale werden zeigen, ob KI-ROI real wird

Die nächste Phase der KI-Einführung wird an Workflow-Ergebnissen, vollumfänglichen Stückkosten und Belegen dafür gemessen werden, dass lokale Gewinne zu finanziellen Resultaten führen.

Das erste Signal ist ein Wechsel von der Berichterstattung über Einführung hin zur Berichterstattung über Workflows. Unternehmen sollten offenlegen, was sich in einem vollständigen Prozess verändert hat, einschließlich Durchlaufzeit, Qualität, Ausnahmen und Kundenergebnissen.

Das würde den Fall für Enterprise-KI stärken, weil es die Nutzung mit einem operativen Mechanismus verbindet. Ein anhaltender Fokus auf Lizenzen, Prompts oder Mitarbeiterbegeisterung würde ihn schwächen.

Das zweite Signal sind verlässliche Stückkosten für KI-Agenten im Produktivbetrieb. Organisationen müssen Modellaufrufe, Retrieval, Tool-Aktionen, menschliche Überprüfung und Fehler mit abgeschlossenen Geschäftsvorgängen verknüpfen.

Sinkende Kosten pro erfolgreichem Ergebnis würden zeigen, dass sich Systeme mit zunehmender Skalierung verbessern. Steigende Kosten, Wiederholungsversuche oder wachsende Prüfanforderungen würden offenlegen, dass die Pilotökonomie den Produktivbetrieb nicht überstanden hat.

Das dritte Signal sind stärkere Belege für Produktivität und Finanzergebnisse auf Unternehmensebene. Forschende finden bereits Fortschritte bei einzelnen Aufgaben, doch Unternehmensumfragen zeigen eine Verzögerung zwischen wahrgenommenen Vorteilen und gemessenen Resultaten.

Künftige Umfragen, kontrollierte Einführungen und Unternehmensberichte sollten zeigen, ob KI Output, Beschäftigungsstruktur, Margen oder Wachstum verändert. Eine anhaltende Lücke würde Behauptungen schwächen, wonach Produktivität automatisch nach oben durchschlägt.

Leser sollten auch beobachten, wie Unternehmen mit eingesparter Zeit umgehen. Umverteilung ist die Brücke zwischen Unterstützung und Wert. Teams, die nicht erklären können, wohin frei gewordene Kapazitäten geflossen sind, können wahrscheinlich keine finanzielle Rendite belegen.

Eine praktische KI-Scorecard sollte mit einer geschäftlichen Einschränkung beginnen, nicht mit einem Tool. Sie sollte Ausgangslage, vollständigen Workflow, vollumfängliche Kosten, gewünschtes Ergebnis und eine Abbruchschwelle festhalten.

Für Wissensarbeiter gilt dieselbe Disziplin im kleineren Maßstab. Schnellere Suche, Texterstellung oder Analyse ist relevant, wenn sie eine Entscheidung verbessert oder nützliche Kapazität schafft. Generierte Wörter zu zählen, sagt fast nichts aus.

Die Google-News-Schlagzeile hat eine Debatte eingefangen, die länger als ein Nachrichtenzyklus bestehen wird. Die Frage lautet nicht mehr, ob KI Arbeit beschleunigen kann. Glaubwürdige Forschung hat bereits gezeigt, dass sie es kann.

Ungeklärt bleibt, ob Organisationen diese Beschleunigung realisieren können, nachdem Integration, Überprüfung, Risiken und Wartung in die Rechnung einfließen. Die Antwort wird je nach Workflow unterschiedlich ausfallen, selbst innerhalb desselben Unternehmens.

Stellen Sie vor der Genehmigung der nächsten KI-Ausweitung eine direkte Frage: Welches Geschäftsergebnis hat sich verändert, nachdem alle abhängigen Kosten eingerechnet wurden? Kann das Team mit einer Ausgangslage, einem kausalen Zusammenhang und Belegen aus dem Produktivbetrieb antworten, wird die Rendite real. Antwortet es allein mit Nutzung, generiertem Output oder geschätzten Stunden, bleibt die KI-ROI-Falle offen.