KI Business Case berechnen: so geht’s sauber

Wer einen KI Business Case berechnen will, scheitert selten an der Formel. Meist scheitert es an unsauberen Annahmen. Ein Team schätzt Zeiteinsparungen zu optimistisch, ein anderes vergisst Integrationsaufwand, ein drittes rechnet mit Pilotkosten und erwartet Skaleneffekte schon im ersten Quartal. Genau hier kippen viele KI-Initiativen von einer plausiblen Idee zu einem Projekt ohne belastbare Freigabe.

Für Mittelstand, Enterprise und Behörden reicht deshalb kein grober ROI auf einer Folie. Ein belastbarer Business Case muss drei Dinge zusammenbringen: betriebswirtschaftlichen Nutzen, technische Realisierbarkeit und organisatorische Tragfähigkeit. Erst wenn diese drei Ebenen zusammenpassen, wird aus einem Use Case ein investitionsfähiges Vorhaben.

KI Business Case berechnen heißt mehr als ROI schätzen

Viele rechnen zu früh mit einer simplen Formel: Nutzen minus Kosten, geteilt durch Kosten. Das ist als erster Orientierungspunkt brauchbar, aber für echte Investitionsentscheidungen zu dünn. KI verändert nicht nur Kostenstrukturen, sondern oft auch Prozessqualität, Durchlaufzeiten, Compliance-Risiken und die Auslastung knapper Fachkräfte.

Gerade bei Generative AI, Dokumentenautomatisierung oder agentischen Workflows entsteht der Nutzen selten nur durch FTE-Ersatz. Häufig geht es um schnellere Bearbeitung, weniger Medienbrüche, höhere Erstlösungsquoten, weniger Rückfragen oder besser dokumentierte Entscheidungen. Diese Effekte sind wirtschaftlich relevant, werden aber in vielen Business Cases nicht sauber quantifiziert.

Hinzu kommt: KI-Projekte haben einen anderen Kostenverlauf als klassische Softwareeinführungen. Neben Implementierung und Lizenzen spielen Modellnutzung, Inferenzkosten, Datenaufbereitung, Sicherheitsmaßnahmen, Prompt- und Qualitätsmanagement sowie laufende fachliche Betreuung eine Rolle. Wer das ignoriert, rechnet systematisch zu positiv.

Die vier Bausteine eines belastbaren Business Case

Ein tragfähiger KI-Case beginnt nicht mit Technologie, sondern mit dem Prozess. Die Kernfrage lautet: Wo entsteht heute messbarer Aufwand oder messbarer Verlust?

1. Ausgangsprozess und Baseline erfassen

Ohne Baseline gibt es keinen belastbaren Vorher-Nachher-Vergleich. Sie brauchen daher Zahlen zum aktuellen Prozess: Fallvolumen, Bearbeitungszeit, Fehlerquote, Eskalationsrate, Wartezeiten, Personalbindung und gegebenenfalls externe Kosten.

Ein Beispiel aus der Administration: 40.000 eingehende Vorgänge pro Jahr, durchschnittlich 12 Minuten Sichtung und Klassifikation, Personalkosten von 45 Euro pro Stunde. Allein dieser Teilschritt verursacht rund 360.000 Euro pro Jahr. Wenn KI hier 50 Prozent der Zeit spart, liegt das Brutto-Nutzenpotenzial bereits bei 180.000 Euro, noch bevor Qualitäts- oder Durchlaufzeiteffekte berücksichtigt werden.

2. Nutzenarten sauber trennen

In der Praxis hilft eine Aufteilung in harte und weiche Nutzenkomponenten. Harte Nutzen sind direkt in Euro überführbar, etwa eingesparte Bearbeitungszeit, vermiedene Fehlerkosten oder geringere Fremdleistungen. Weiche Nutzen betreffen Servicequalität, Mitarbeiterentlastung oder bessere Steuerbarkeit. Diese sollten nicht ignoriert, aber getrennt ausgewiesen werden.

Für die Freigabe in größeren Organisationen empfiehlt sich eine konservative Logik: Der Business Case sollte auch ohne die schwer quantifizierbaren Effekte tragfähig sein. Alles Weitere stärkt die Priorisierung, darf aber nicht das Fundament bilden.

3. Vollkosten der KI-Lösung erfassen

Viele Kalkulationen berücksichtigen nur Tool-Lizenzen. Das reicht nicht. Zu den Vollkosten gehören Konzeption, Fachworkshops, Datenzugriff, Schnittstellen, Sicherheit, Testaufwand, Governance, Schulung, Betrieb und Monitoring.

Gerade in regulierten Umfeldern steigen die Nebenkosten durch Freigaben, Dokumentation, Rollenmodelle, Logging und Datenschutzprüfung. Diese Kosten sind nicht optional, sondern Teil des produktiven Betriebs.

4. Ramp-up und Adoptionskurve einplanen

Kaum ein KI-System erreicht ab Tag eins den Zielnutzen. Fachbereiche müssen Vertrauen aufbauen, Prozesse werden nachgeschärft, Ausnahmefälle tauchen auf, Modelle und Prompts werden angepasst. Ein realistischer Business Case rechnet deshalb mit Anlaufphasen statt mit sofortiger Vollwirkung.

Eine einfache Methodik für die Berechnung

Für die meisten Unternehmen reicht zunächst ein dreistufiges Modell: Jahresnutzen, Jahreskosten und Investitionskosten. Daraus lassen sich ROI, Break-even und Payback-Zeit ableiten.

Die Grundformel für den jährlichen Netto-Nutzen lautet:

Jährlicher Netto-Nutzen = monetarisierter Jahresnutzen - laufende Jahreskosten

Der einfache ROI lautet:

ROI = (Jährlicher Netto-Nutzen / einmalige Investitionskosten) x 100

Für strategisch wichtigere Vorhaben sollte zusätzlich ein Zeitraum von 3 Jahren betrachtet werden. Dann werden Einmalkosten, laufende Kosten, erwartete Nutzensteigerung und Risiken über mehrere Jahre modelliert.

Ein einfaches Rechenbeispiel macht die Logik greifbar. Angenommen, ein Unternehmen automatisiert die Vorprüfung technischer Serviceberichte mit einem LLM-basierten Workflow. Pro Jahr fallen 25.000 Vorgänge an. Heute benötigt die manuelle Prüfung im Schnitt 10 Minuten. Der interne Kostensatz liegt bei 50 Euro je Stunde. Wenn die KI 6 Minuten pro Vorgang einspart, ergibt sich folgende Rechnung:

25.000 x 6 Minuten = 150.000 Minuten = 2.500 Stunden

2.500 Stunden x 50 Euro = 125.000 Euro Brutto-Nutzen pro Jahr

Wenn die laufenden Kosten bei 35.000 Euro pro Jahr liegen und die Einführung 90.000 Euro kostet, liegt der jährliche Netto-Nutzen bei 90.000 Euro. Der einfache ROI im Verhältnis zur Anfangsinvestition beträgt damit 100 Prozent. Der Break-even liegt ungefähr nach 12 Monaten. Das ist solide, aber nur dann, wenn die 6 Minuten Einsparung auch im Echtbetrieb erreichbar sind.

Wo Business Cases für KI typischerweise falsch werden

Der häufigste Fehler ist die Verwechslung von theoretischer Automatisierbarkeit mit realem Nutzen. Nur weil ein Modell 70 Prozent der Aufgaben technisch bearbeiten kann, heißt das nicht, dass 70 Prozent der Personalkosten verschwinden. In vielen Prozessen bleibt der Mensch in Prüfung, Freigabe oder Ausnahmebehandlung eingebunden.

Ein zweiter Fehler betrifft das Mengengerüst. Bei geringem Volumen kann ein Use Case technologisch gut funktionieren und trotzdem wirtschaftlich unattraktiv sein. Dann ist KI kein schlechter Ansatz, aber eben kein priorisierter Business Case.

Drittens werden Qualitätsrisiken oft zu spät eingepreist. Wenn Fehlklassifikationen zusätzliche Prüfaufwände erzeugen oder sensible Inhalte falsch behandelt werden, steigt der operative Aufwand schnell wieder an. Deshalb gehören Guardrails, Stichproben und Eskalationspfade von Anfang an in die Kalkulation.

Viertens fehlt oft die Skalierungsperspektive. Manche Use Cases rechnen sich als Einzelprojekt nur knapp, gewinnen aber deutlich an Attraktivität, wenn vorhandene Infrastruktur, Governance und Integrationen für weitere Prozesse wiederverwendet werden. Gerade hier zeigt sich der Unterschied zwischen Pilotdenken und operationalisierter KI-Strategie.

KI Business Case berechnen mit Risikoabschlägen

Saubere Business Cases arbeiten nicht mit einer einzigen Zahl, sondern mit Szenarien. Sinnvoll sind mindestens drei Varianten: konservativ, realistisch und ambitioniert. Die Unterschiede betreffen meist Nutzungsgrad, Qualitätsniveau, Einsparung pro Fall und Implementierungsaufwand.

Diese Szenariologik hilft in Lenkungskreisen und Haushaltsprozessen, weil sie Unsicherheit sichtbar macht, ohne in Beliebigkeit zu kippen. Für Behörden und stark regulierte Unternehmen ist das oft hilfreicher als ein aggressiv gerechneter Ein-Punkt-ROI.

Welche Kennzahlen sich für Entscheider wirklich lohnen

Nicht jede Organisation braucht dieselbe Bewertungslogik. In der Produktion kann Engpassentlastung wichtiger sein als reine Personalkosteneinsparung. Im Kundenservice zählen Reaktionszeit und Erstlösungsquote. In der Verwaltung stehen häufig Durchlaufzeit, Fehlervermeidung und Dokumentationsqualität im Vordergrund.

Deshalb sollte der Business Case immer an der tatsächlichen Engstelle ansetzen. Wenn Fachkräfte fehlen, ist eingesparte Zeit nicht nur ein Kostenthema, sondern ein Kapazitätsthema. Wenn Auditfähigkeit kritisch ist, kann ein KI-gestützter, sauber protokollierter Workflow zusätzlichen Wert schaffen, obwohl der direkte ROI moderat ausfällt.

In der Praxis bewährt sich ein kleines Set an Kennzahlen: Euro pro Vorgang, Bearbeitungszeit pro Fall, Fehlerrate, SLA-Erfüllung, Anteil automatisiert bearbeiteter Fälle und Zeit bis zur Wertrealisierung. Damit bleibt die Steuerung verständlich und anschlussfähig für Geschäftsführung, IT und Fachbereich.

Von der Excel-Rechnung zur investitionsfähigen Entscheidung

Ein guter Business Case endet nicht bei der Kalkulation. Er beantwortet auch, ob die Organisation den Nutzen realisieren kann. Gibt es Datenzugang? Lassen sich Fachanwendungen anbinden? Ist ein Betriebsmodell vorhanden? Wer verantwortet Qualität und Änderungen im Prozess?

Genau an dieser Stelle trennt sich Experiment von produktivem Vorhaben. skillbyte arbeitet deshalb in frühen Phasen oft mit einer kombinierten Bewertung aus Prozessanalyse, Architektur-Check und Wirtschaftlichkeitsrechnung. Das reduziert das Risiko, einen formal positiven Case für einen operativ ungeeigneten Use Case freizugeben.

FAQ

Wie genau muss ein KI Business Case am Anfang sein?

Nicht auf Cent-Ebene, aber sauber genug für eine belastbare Priorisierung. Für die frühe Phase reichen oft Bandbreiten, wenn Annahmen offen dokumentiert und mit Szenarien hinterlegt sind.

Ab wann rechnet sich KI wirtschaftlich?

Das hängt stark von Volumen, Prozessstandardisierung und Integrationsaufwand ab. Wiederkehrende, dokumentenlastige oder wissensbasierte Prozesse mit hohem Bearbeitungsanteil sind oft schneller wirtschaftlich als stark variierende Einzelfälle.

Sollte man weiche Faktoren in den Business Case aufnehmen?

Ja, aber getrennt von den harten Effekten. So bleibt die Rechnung belastbar und zusätzliche qualitative Vorteile gehen trotzdem nicht verloren.

Welche Laufzeit ist für die Bewertung sinnvoll?

Für kleinere Use Cases reicht oft ein 12-Monats-Blick plus Payback-Betrachtung. Bei Infrastruktur, Plattformen oder mehreren Use Cases ist eine 3-Jahres-Sicht sinnvoller.

Wer KI wirtschaftlich sauber bewertet, beschleunigt nicht nur einzelne Projekte. Er schafft eine belastbare Grundlage, um knappe Budgets auf die Vorhaben zu konzentrieren, die im Betrieb wirklich tragen.