Der echte ROI von KI ist die Veränderung der Stückökonomie einer Operation, wenn ein Workflow so neu gestaltet wird, dass KI einen Teil der Arbeit ausführt: Kosten pro Ergebnis, Durchlaufzeit, geschaffene Kapazität, Hebelwirkung auf die Arbeit, vermiedene Neueinstellungen, Umsatzkapazität, Qualität, Risiko und operativer Hebel – alles gemessen gegen eine Baseline, die vor der Neugestaltung erhoben wurde, und ins Verhältnis gesetzt zu den vollen Kosten für Aufbau und Betrieb des Systems. Token-Preise und eingesparte Stunden sind Eingaben dieser Rechnung, nicht ihre Antwort. Die meisten KI-Business-Cases scheitern, weil sie das Tool messen statt die Operation.
Der Preis von Intelligenz ist eingebrochen. Der AI Index 2025 der Stanford University beziffert den Rückgang der Inferenzkosten bei GPT-3.5-Leistung auf mehr als das 280-Fache in achtzehn Monaten. Ginge es beim KI-ROI um die Kosten des Modells, würde heute jedes Unternehmen ihn berichten. Stattdessen stellt McKinsey fest, dass 39 % der Organisationen irgendeinen EBIT-Effekt auf Unternehmensebene berichten, die meisten unter 5 %, und PwC, dass 56 % der CEOs überhaupt keinen nennenswerten finanziellen Nutzen berichten.
Die Lücke zwischen billiger Intelligenz und knappem Ertrag ist ein Buchhaltungsproblem, bevor sie ein Technologieproblem ist. Unternehmen messen die falschen Dinge: die Kosten von Tokens, die Zahl der Nutzer, die Stunden, die ein Copilot spart. Nichts davon ist operative Ökonomie. Dieser Artikel, der siebte unserer Serie, legt dar, woraus die Ökonomie einer AI-nativen Operation tatsächlich besteht, wie man sie misst und warum die Messung vor dem Bau des Systems entworfen werden muss. Er schließt unmittelbar an Warum KI-Piloten in Unternehmen scheitern an, wo der unbelegte Wertnachweis das dritte Glied war, das brach.
Was ist der echte ROI von KI?
Der echte ROI von KI ist die gemessene Veränderung der Ökonomie einer Geschäftsoperation, nachdem ihr Workflow so neu gestaltet wurde, dass KI einen Teil der Arbeit ausführt, ausgedrückt in den eigenen Einheiten der Operation und ins Verhältnis gesetzt zu den vollen Kosten für Aufbau und Betrieb des Systems. Seine primären Kennzahlen sind Kosten pro Ergebnis und Durchlaufzeit; seine sekundären sind geschaffene Kapazität, Hebelwirkung auf die Arbeit, vermiedene Neueinstellungen, Umsatzkapazität, Qualitätsverbesserung, Risikominderung und operativer Hebel. Er ist eine Eigenschaft der Operation, nicht des Modells.
Zwei Dinge folgen daraus. Erstens lässt sich KI-ROI nicht für ein Tool berechnen, sondern nur für einen Workflow, dessen Teil das Tool ist, weil nur ein Workflow Kosten pro Ergebnis und eine Durchlaufzeit hat. Zweitens lässt er sich nicht ohne Baseline berechnen: dieselben Kennzahlen, an derselben Operation erhoben, bevor sich irgendetwas geändert hat. Die meiste Schwierigkeit, die Unternehmen beim „Messen des KI-ROI“ berichten, ist die Schwierigkeit, eine Veränderung zu messen, deren Ausgangspunkt nie festgehalten wurde.
Warum sind die üblichen KI-ROI-Kennzahlen falsch?
Die üblichen Kennzahlen – Inferenzkosten, Lizenzen, aktive Nutzer, eingesparte Stunden und Zufriedenheit – beschreiben das Tool und den Einzelnen statt der Operation. Eingesparte Stunden erscheinen in keinem Finanzbericht, solange die Operation nichts mit ihnen anfängt, und über viele Personen freigesetzte Zeit wird meist aufgesogen. Die Token-Kosten sind inzwischen ein kleiner Bruchteil dessen, was der Betrieb einer AI-nativen Operation kostet. Adoption misst, ob Menschen das Tool geöffnet haben, nicht ob sich die Arbeit geändert hat. Ein Business Case auf diesen Zahlen kann in jeder Zeile wahr sein und dennoch keinen finanziellen Ertrag beschreiben.
| Übliche Kennzahl | Was sie Ihnen tatsächlich sagt | Was sie übersieht |
|---|---|---|
| Inferenz-/Token-Kosten | Den Preis einer Eingabe des Systems | Integration, Kontext, Prüfung, Governance und Veränderung, die die Gesamtkosten dominieren |
| Lizenzen und Plätze | Wie viel gekauft wurde | Ob sich irgendein Workflow geändert hat |
| Aktive Nutzer, Adoption | Wie viele Menschen das Tool geöffnet haben | Ob die Ergebnisse der Operation weniger kosten oder schneller eintreffen |
| Eingesparte Stunden | Selbstberichtete Zeit pro Person | Ob sich die Zeit in Kosten, Kapazität oder Output verwandelt hat; meist wird sie aufgesogen |
| Zufriedenheit, NPS | Ob Menschen das Tool mögen | Alles Finanzielle |
| Genauigkeit auf einem Testset | Ob das Modell die Aufgabe kann | Ob der Workflow darum herum neu gestaltet wurde, um das Ergebnis zu nutzen |
Das Projekt NANDA des MIT führte einen großen Teil der „fehlenden messbaren GuV-Wirkung“ in Enterprise-GenAI-Piloten auf das Fehlen einer Baseline vor dem Deployment zurück. Das ist derselbe Befund von der anderen Seite: Piloten, die an der linken Spalte gemessen wurden, hatten rechts nichts, womit sie sich vergleichen ließen.
Warum ist der Workflow die Einheit der KI-Ökonomie?
Weil der Workflow die kleinste Einheit eines Unternehmens ist, die ein zählbares Ergebnis, vollständig belastete Kosten zu dessen Erzeugung, eine Durchlaufzeit und einen Eigner hat. Ein Modell hat einen Preis; ein Use Case eine Fähigkeit; eine Funktion ein Budget. Nur ein Workflow hat eine Stückökonomie, und nur eine Stückökonomie lässt sich als Baseline erfassen, projizieren und in der Produktion messen. KI-ROI wird daher Workflow für Workflow berechnet und aggregiert, nie von oben nach unten für „KI“ geschätzt.
Zu diesem Schluss kamen die früheren Artikel dieser Serie schon bei Transformation und Use-Case-Auswahl, und das ist kein Zufall. Der Workflow ist die Einheit der Transformation, weil er die Einheit der Ökonomie ist. Ein Unternehmen, das in Workflows plant, kann für jeden sagen, was ein Ergebnis früher kostete, was es jetzt kostet und was die Differenz im Volumen wert ist. Ein Unternehmen, das in Use Cases plant, kann sagen, wie viele es hat.
Die neun Kennzahlen der AI-nativen Ökonomie
Neun Kennzahlen beschreiben die Ökonomie einer AI-nativen Operation. Zwei sind primär und gelten immer: Kosten pro Ergebnis und Durchlaufzeit. Sieben sind sekundär und gelten, soweit der Workflow es hergibt: geschaffene Kapazität, Hebelwirkung auf die Arbeit, vermiedene Neueinstellungen, Umsatzkapazität, Qualitätsverbesserung, Risikominderung und operativer Hebel. Jede wird an der Operation gemessen, gegen eine Baseline, in Einheiten, die das Geschäft bereits nutzt.
| Kennzahl | Definition | Wie sie in der GuV erscheint |
|---|---|---|
| Kosten pro Ergebnis | Vollständig belastete Kosten zur Erzeugung einer Einheit dessen, wofür der Workflow existiert: ein freigegebenes Verzeichnis, ein eingereichtes Angebot, ein gelöster Alarm | Direkte Betriebskosten pro Outputeinheit |
| Durchlaufzeit | Verstrichene Zeit von der Aufnahme bis zum Ergebnis, einschließlich Wartezeit | Working Capital, Zeit bis zum Umsatz, vermiedene Vertragsstrafen, Kundenbindung |
| Geschaffene Kapazität | Zusätzliche Ergebnisse, die die Operation pro Zeitraum mit denselben Menschen erzeugen kann | Umsatz, den das Geschäft jetzt annehmen kann; abgebauter Rückstau |
| Hebelwirkung auf die Arbeit | Ergebnisse pro Spezialistenstunde, vorher und nachher | Produktivität knapper Expertise; hochwertige Rollen werden für Urteilsvermögen eingesetzt |
| Vermiedene Neueinstellungen | Einstellungen, die das Wachstum sonst erfordert hätte | Künftige Kosten, die nicht anfallen; nicht gleichzusetzen mit Stellenabbau |
| Umsatzkapazität | Verfolgte Ausschreibungen, gestartete Projekte, bediente Kunden, die zuvor abgewiesen wurden | Umsatzwachstum, das nur durch Nachfrage begrenzt ist, nicht durch Personal |
| Qualitätsverbesserung | Fehler-, Nacharbeits- und Ausnahmequoten; Rückführbarkeit der Ergebnisse auf Quellen | Nacharbeitskosten, Streitfälle, Abschreibungen, aufsichtsrechtliche Feststellungen |
| Risikominderung | Entscheidungen mit Begründung protokolliert; Richtlinien konsistent angewandt; Erkennungslatenz | Vermiedene Verluste, Auditkosten, Versicherung, Vorfallkosten |
| Operativer Hebel | Wachstumsrate der Kosten relativ zum Volumen nach der Neugestaltung | Margenausweitung mit dem Wachstum des Geschäfts |
Nicht jeder Workflow bewegt jede Kennzahl, und ein Business Case sollte nichts anderes vorgeben. Ein Back-Office-Dokumenten-Workflow bewegt Kosten pro Ergebnis, Durchlaufzeit und Hebelwirkung auf die Arbeit stark und die Umsatzkapazität kaum; ein Angebots-Workflow bewegt möglicherweise vor allem die Umsatzkapazität. Die Kennzahlen zu wählen, die der konkrete Workflow bewegt, und zu benennen, welche nicht, gehört zur Glaubwürdigkeit des Cases.
Was kostet eine AI-native Operation tatsächlich?
Die vollen Kosten einer AI-nativen Operation haben sechs Teile: Inferenz und Plattform, inzwischen meist der kleinste; Integration mit Systemen der Wahrheit; Aufbau und Pflege des Unternehmenskontexts, den das System braucht; menschliche Prüfung und Ausnahmebearbeitung an den Entscheidungs-Gates; Governance, Evaluation und Überwachung in der Produktion; und die organisatorische Veränderung, Menschen vom Ausführen von Schritten zum Halten der Entscheidungsgewalt zu bewegen. Business Cases, die nur den ersten Teil zählen, unterschätzen die Kosten um ein Vielfaches und scheitern dann bei Bereitschaft oder Produktion.
Der fallende Preis der Modelle macht das wichtiger, nicht weniger wichtig. Als Inferenz teuer war, dominierte sie die Rechnung, und die übrigen Kosten waren Rundungsfehler. Jetzt ist es umgekehrt: BCGs Beschreibung erfolgreicher Programme, die 70 % des Aufwands für Menschen und Prozesse ausgeben, gegenüber 10 % für Algorithmen, ist eine Aussage darüber, wo die Kosten tatsächlich liegen. Eine ehrliche Kostenseite erklärt auch, warum der zweite Workflow günstiger ist als der erste. Kontext, Integrationsmuster, Kontrollen und Produktionsfähigkeit werden einmal aufgebaut und wiederverwendet; der erste Workflow trägt sie, der zehnte erbt sie.
Baseline, Projektion, Ergebnis
KI-Ökonomie wird in drei Momenten gemessen. Baseline: Volumen, Kosten pro Ergebnis, Durchlaufzeit des aktuellen Workflows und die sekundären Kennzahlen, die er beeinflusst, erfasst vor jeder Neugestaltung. Projektion: dieselben Kennzahlen für den neu gestalteten Workflow, geschätzt aus der neuen Arbeitsteilung und der vollen Kostenseite – das ist der Business Case. Ergebnis: dieselben Kennzahlen in der Produktion, verglichen mit beiden. Ein Case ohne Baseline lässt sich nicht belegen; ein Case ohne Produktionsergebnis kann man nicht vertrauen.
Die Operation so messen, wie sie heute läuft, in ihren eigenen Einheiten. Fünf oder sechs Zahlen, die der Eigner als wahr anerkennt.
Definieren, welche Schritte Systeme ausführen und wo Menschen entscheiden. Darauf beruht die Projektion.
Die neun Kennzahlen für den neuen Workflow und die sechsteiligen Kosten schätzen. Abbruchkriterien setzen. Bauen oder Anhalten entscheiden.
In der Produktion dieselben Kennzahlen erheben und vergleichen. Den nächsten Workflow auf Basis des Ergebnisses finanzieren.
Die Projektion ist der Business Case, und sie ist nur so gut wie die Neugestaltung darunter. Deshalb setzt die Abfolge in Workflow-Neugestaltung mit KI den Wertnachweis nach die Neugestaltung und vor den Bau: Die Ökonomie eines nicht neu gestalteten Workflows zu projizieren erzeugt die oben beschriebenen Stunden-gespart-Cases. World AI X erstellt Baseline, Neugestaltung und Projektion als CFO-taugliche Finanzrechnung innerhalb eines Discovery Sprint.
Die Ökonomie eines neu gestalteten Workflows
Der Mengenermittlungs-Workflow bei einem Immobilienentwickler zeigt die Kennzahlen im Einsatz. Die Werte unten sind die, die der Fall festhält; wo eine Kennzahl nicht quantifiziert wurde, sagt die Tabelle das, statt eine Zahl zu erfinden.
| Kennzahl | Baseline | Nach der Neugestaltung |
|---|---|---|
| Durchlaufzeit | Drei oder mehr Wochen pro Leistungsverzeichnis | Stunden pro Leistungsverzeichnis |
| Hebelwirkung auf die Arbeit | Mengenermittler lesen Grundrisse und Spezifikationen von Hand und bauen das Verzeichnis in Tabellen neu auf | Mengenermittler prüfen und geben ein entworfenes Verzeichnis frei; Zeit verlagert sich von der Abschrift zum Urteil |
| Qualität / Rückführbarkeit | Gegenprüfungen von Hand; Dokumente in getrennten Ordnern | Jede Position auf ihren Plan und ihre Spezifikation zurückführbar; eine gesteuerte Quelle der Wahrheit |
| Risiko | Antworten hingen davon ab, wer sich erinnerte, wo etwas lag | Freigabe-Gate vor der Beschaffung; das freigegebene Verzeichnis wird zum Beleg für die Finanzen |
| Geschaffene Kapazität | Begrenzt durch Mengenermittler-Stunden pro Entwicklung | Wochen an Mengenermittler-Zeit pro Entwicklung freigesetzt; im Fall nicht quantifiziert |
| Kosten pro Ergebnis | Wochen an Spezialistenzeit pro Verzeichnis | Stunden Prüfung plus Systemkosten; im Fall nicht veröffentlicht |
Das Muster ist typisch. Durchlaufzeit und Hebelwirkung auf die Arbeit bewegen sich zuerst und am sichtbarsten; Qualität und Risiko verbessern sich als Nebenprodukt von Rückführbarkeit und Freigabe-Gates; Kosten pro Ergebnis und Kapazität folgen aus der Umverteilung der Spezialistenzeit. Der Angebots-Workflow zeigt dieselbe Form mit der Umsatzkapazität an der Spitze: Dasselbe Team kann mehr Ausschreibungen verfolgen, wenn das Entwerfen von Wochen auf Stunden schrumpft.
Das Modell ist der günstigste Teil der Operation und der am wenigsten aussagekräftige Teil des Business Cases.
Warum summiert sich die AI-native Ökonomie auf?
Weil die größten Kosten des ersten AI-nativen Workflows gemeinsame Fundamente sind, keine workflow-spezifische Arbeit: die Unternehmenskontextschicht, Integrationsmuster, Governance-Kontrollen und Produktionsfähigkeit. Der zweite Workflow verwendet sie wieder, sodass seine Kostenseite kleiner ist, während seine Wertseite vergleichbar bleibt. Programme, die jeden Piloten isoliert bauen, zahlen jedes Mal die Fundamentkosten und erreichen nie den Punkt, an dem die Erträge sie übersteigen; Programme, die die Fundamente als Unternehmens-Assets behandeln, sehen den Ertrag jedes Workflows den des vorigen übertreffen.
Das ist das ökonomische Argument für ein Betriebssystem statt eines Portfolios von Tools, und der Grund, warum das unternehmensweite Maß der Transformation der Anteil der Kernoperationen ist, die AI-native laufen, nicht die Zahl der Piloten. Der erste Artikel dieser Serie beschrieb das als den Unterschied zwischen hundert Copilot-Plätzen, die nichts teilen, und zehn neu gestalteten Workflows, die Kontext, Kontrollen und das, was die Organisation gelernt hat, teilen. In World AI OS sind die gemeinsamen Fundamente Brain, Control und Factory; die Ökonomie gilt für jede Plattform, die sie bereitstellt.
Was sollte ein finanzierbarer KI-Business-Case enthalten?
Ein finanzierbarer KI-Business-Case enthält: die Baseline des aktuellen Workflows in seinen eigenen Einheiten; den neu gestalteten Workflow und die Arbeitsteilung, auf der er ruht; die projizierte Veränderung von Kosten pro Ergebnis, Durchlaufzeit und den sekundären Kennzahlen, die er bewegt; die sechsteiligen vollen Kosten für Aufbau und Betrieb; eine Bereitschafts- und Governance-Bewertung; Abbruchkriterien, die festlegen, welches Ergebnis in der Produktion ihn beenden würde; und einen Messplan, der nach dem Go-live dieselben Zahlen erhebt. Er ist in den Einheiten der Operation geschrieben, nicht in Tokens oder Stunden.
- Zuerst die Baseline. Keine Baseline, kein Case. Wurde die Operation nie gemessen, ist ihre Messung das erste Ergebnis.
- Neugestaltung vor Projektion. Projizieren Sie die Ökonomie des neuen Workflows, nicht die eines Tools neben dem alten.
- Volle Kosten, ehrlich. Inferenz, Integration, Kontext, Prüfung, Governance, Veränderung. Zu niedrig angesetzte Kosten sind der Grund, warum Cases an der Bereitschaft sterben.
- Benennen, was der Workflow nicht bewegt. Glaubwürdigkeit entsteht durch Präzision darüber, welche der neun Kennzahlen gelten.
- Abbruchkriterien. Ein Case, der nicht scheitern kann, ist kein Case. Sagen Sie, welches Produktionsergebnis ihn stoppen würde.
- In der Produktion messen. Das Ergebnis, nicht die Projektion, finanziert den nächsten Workflow.
Auf diese Weise gebaute Cases haben eine Eigenschaft, die den meisten KI-Business-Cases fehlt: Ein CFO kann sie in denselben Begriffen lesen wie jede andere operative Investition, und ein Prüfer kann sie im Nachhinein kontrollieren. Das macht sie finanzierbar, und deshalb lässt die stufenweise Methode im AI Transformation Framework keinen Workflow ohne einen solchen in den Bau.
Was das für Führungskräfte bedeutet
- Akzeptieren Sie keine eingesparten Stunden mehr. Fragen Sie, was ein Ergebnis kostet und wie lange es dauert, vorher und nachher. Weiß niemand das Vorher, ist das die erste Aufgabe.
- Budgetieren Sie die vollen Kosten. Das Modell ist die kleinste Zeile. Integration, Kontext, Prüfung, Governance und Veränderung sind dort, wo das Geld hingeht – und wo es meist fehlt.
- Finanzieren Sie Workflows, nicht Tools. Ein Tool hat einen Preis. Ein Workflow hat einen Ertrag.
- Behandeln Sie Fundamente als Kapital. Kontext, Kontrollen und Produktionsfähigkeit sind Assets, die die Kosten jedes folgenden Workflows senken. Bilanzieren Sie sie so.
- Verlangen Sie Messung in der Produktion. Die Projektion bringt einen Workflow zum Bau. Das Ergebnis bringt den nächsten zur Finanzierung.
Praktische nächste Schritte
Nehmen Sie eine Operation, aus der Wert sichtbar abfließt. Messen Sie heute ihre Kosten pro Ergebnis und Durchlaufzeit. Gestalten Sie sie neu. Projizieren Sie die neun Kennzahlen und die sechs Kosten. Entscheiden Sie. Wenn Sie bauen, messen Sie in der Produktion dieselben Zahlen und legen Sie sie denen vor, die den nächsten Workflow finanzieren.
Häufig gestellte Fragen
Wie berechnet man den ROI von KI?
Messen Sie die Operation vor und nach der Neugestaltung in ihren eigenen Einheiten. Erheben Sie als Baseline die vollständig belasteten Kosten pro Ergebnis (Menschen, Systeme, Inferenz, Integration, Prüfung) und die Durchlaufzeit von der Aufnahme bis zum Ergebnis; gestalten Sie den Workflow neu; messen Sie dieselben zwei Zahlen in der Produktion. Der Ertrag ist die Veränderung der Kosten pro Ergebnis mal Volumen, plus der Wert von geschaffener Kapazität, entfallener Durchlaufzeit, verbesserter Qualität und gesenktem Risiko, ins Verhältnis gesetzt zu den vollen Kosten für Aufbau und Betrieb des Systems.
Warum sind eingesparte Stunden eine schwache Kennzahl für den KI-ROI?
Weil eingesparte Stunden in keinem Finanzbericht erscheinen, solange nichts mit ihnen geschieht. Über viele Personen freigesetzte Zeit verwandelt sich selten von selbst in geringere Kosten oder höheren Output; sie wird aufgesogen. Kosten pro Ergebnis, Durchlaufzeit und geschaffene Kapazität sind Kennzahlen der Operation, nicht individueller Anstrengung, und sie bewegen sich nur, wenn sich der Workflow tatsächlich geändert hat.
Was sind Kosten pro Ergebnis in der KI-Ökonomie?
Kosten pro Ergebnis sind die vollständig belasteten Kosten zur Erzeugung einer Einheit dessen, wofür der Workflow existiert: ein freigegebenes Verzeichnis, ein eingereichtes Angebot, ein gelöster Fall. Sie umfassen Personalzeit, Systeme, Inferenz, Integration und Prüfung. Sie sind die primäre Stückökonomie-Kennzahl einer AI-nativen Operation, weil sie den ganzen Workflow erfasst statt nur einen Schritt.
Bedeutet der Kostenrückgang bei KI-Modellen, dass der KI-ROI garantiert ist?
Nein. Die Inferenzkosten sind um Größenordnungen gefallen und machen inzwischen einen kleinen Anteil der Kosten der meisten AI-nativen Operations aus. Die größeren Kosten sind Integration, Kontext, Prüfung, Governance und Veränderung. Ein günstiges Modell neben einem unveränderten Workflow erzeugt günstige Ergebnisse, die niemand nutzt. Der Ertrag kommt aus der Neugestaltung der Operation, nicht aus dem Preis des Modells.
Wie lange dauert es, bis sich KI amortisiert?
Für einen einzelnen neu gestalteten Workflow mit gemessener Baseline wird die Amortisation typischerweise über das erste Produktionsjahr bewertet und hängt von Volumen, Größe des Werteabflusses und Integrationskosten ab. Workflows, die wegen sichtbaren Abflusses bei nennenswertem Volumen gewählt wurden, amortisieren sich am schnellsten. Programme ohne Baseline können die Amortisation gar nicht berechnen – weshalb so viele keine berichten.
Was sollte ein KI-Business-Case enthalten?
Eine Baseline von Kosten pro Ergebnis, Durchlaufzeit und Volumen des aktuellen Workflows; den neu gestalteten Workflow und die projizierte Veränderung dieser Zahlen; die vollen Kosten für Aufbau und Betrieb des Systems einschließlich Inferenz, Integration, Kontext, Prüfung und Governance; die Effekte auf Kapazität, Qualität und Risiko; eine Bereitschaftsbewertung; Abbruchkriterien; und einen Plan, das tatsächliche Ergebnis in der Produktion gegen die Projektion zu messen.