Einleitung

Wie viel bringt KI Ihrem Unternehmen tatsächlich? Diese Frage stellt sich jede Geschäftsführung im Mittelstand, bevor sie investiert. Das Risiko ist bekannt: Projekte, die ohne messbares Ziel starten, viel Geld kosten und bei denen am Ende niemand sagen kann, ob sie etwas gebracht haben. Die Antwort liegt in einer Disziplin: den ROI von KI vor, während und nach dem Projekt zu berechnen. Das ist einer der Grundpfeiler unseres Leitfadens KI-Strategie für KMU: wichtige Schritte und Prioritäten.

Dieser Leitfaden liefert eine konkrete Methode, um die Rentabilität Ihrer KI-Projekte zu messen – mit einer Formel, einem durchgerechneten Beispiel und den Fehlern, die Sie vermeiden sollten. Die Systeme, die wir je Fachbereich entwickeln und auf der Seite KI-Systeme von diagonall vorstellen, gehen alle von dieser Berechnung aus.

Warum die Messung des KI-ROI unverzichtbar ist

Das Problem von Projekten ohne messbares Ziel

Bereits 2024 prognostizierte Gartner, dass mindestens 30 % der Projekte im Bereich generative KI nach dem Proof of Concept eingestellt würden, insbesondere wegen steigender Kosten und eines unklar definierten Geschäftswerts. Viele Unternehmen starten, weil „alle es tun“, ohne zu sagen, was sie erwarten.

Die klassischen Fehler:

  • ein Tool einführen, ohne zuvor den Zeitaufwand für die Aufgabe zu messen;
  • nur die Rechnung des Dienstleisters berücksichtigen und den Rest vergessen;
  • Nutzung („die Teams verwenden es“) mit Ergebnis („wir sparen Zeit oder Geld“) verwechseln;
  • bis zum Projektende warten, bevor man sich die Frage stellt.

So berechnen Sie den ROI eines KI-Projekts

Die Grundformel

Der ROI lässt sich einfach berechnen:

ROI (%) = (Erträge im Zeitraum − Kosten im Zeitraum) / Kosten im Zeitraum × 100

Oft ergänzt man ihn um die Amortisationsdauer: die Anzahl der Monate, die nötig sind, bis die kumulierten Erträge die anfängliche Investition decken. Bei KI müssen Sie jede Komponente einzeln aufschlüsseln.

Die zu berücksichtigenden Kosten

Kostenart Beispiele
Erstentwicklung Scoping, POC, Integration in Ihre Tools
Abonnements und Nutzung Tool-Lizenzen, Verbrauch der KI-Modelle, Hosting
Schulung Anwenderteams, Führungskräfte
Wartung Überwachung, Korrekturen, Weiterentwicklungen, Modell-Updates
Interner Zeitaufwand Koordination, Tests, Akzeptanz (wird oft unterschätzt)

Fordern Sie von jedem Dienstleister eine getrennte Kalkulation für jede dieser Positionen an, und ergänzen Sie Ihre eigene Schätzung des internen Zeitaufwands.

Die zu messenden Erträge

Die Erträge von KI lassen sich in drei Kategorien einteilen:

1. Produktivitätsgewinne (am einfachsten zu messen)

  • pro Woche eingesparte Stunden bei einer Aufgabe, multipliziert mit dem Stundensatz inklusive Lohnnebenkosten;
  • zusätzlich bearbeitetes Volumen ohne Neueinstellungen.

2. Kostensenkungen

  • vermiedene Fehler (Streitfälle, Gutschriften, Doppeleingaben);
  • weniger externe Leistungen oder Überstunden.

3. Umsatzzuwächse (schwieriger zuzuordnen)

  • bessere Konversionsrate durch schnellere Nachfassaktionen;
  • besser betreute und damit treuere Kunden.

Für eine erste Berechnung beschränken Sie sich auf Produktivitätsgewinne und Kostensenkungen: Sie lassen sich ohne Diskussion messen.

Zahlenbeispiel: der ROI eines Kundenservice-Assistenten

Das folgende Beispiel ist fiktiv. Es soll die Rechenlogik zeigen; ersetzen Sie jede Annahme durch Ihre eigenen Zahlen.

Ausgangslage

Ein Online-Händler im Mittelstand erhält 100 Kundenanfragen pro Arbeitstag. Ein Großteil davon sind einfache Fragen: Sendungsverfolgung, Retouren, häufige Fragen. Jede einfache Anfrage braucht im Schnitt 6 Minuten in der Bearbeitung.

Annahmen

  • Der Assistent bereitet für 50 einfache Anfragen pro Tag eine Antwort vor, die ein Mitarbeiter in 1 statt 6 Minuten freigibt.
  • Ersparnis: 50 × 5 Minuten = 250 Minuten pro Tag, also etwa 4 Stunden.
  • Bei 220 Arbeitstagen: etwa 900 Stunden pro Jahr.
  • Bei einem Stundensatz inklusive Lohnnebenkosten von 35 Euro: rund 31.500 Euro freigesetzte Arbeitszeit pro Jahr.

Kosten (Annahmen)

  • Einführung im ersten Jahr: 15.000 Euro.
  • Abonnements, Nutzung und Wartung: 6.000 Euro pro Jahr.
  • Interner Zeitaufwand und Schulung: 3.000 Euro im ersten Jahr.

Berechnung

  • Jahr 1: Kosten von 24.000 Euro, Erträge von 31.500 Euro. ROI = (31.500 − 24.000) / 24.000, also etwa 31 %.
  • Jahr 2: Kosten von 6.000 Euro, Erträge von 31.500 Euro. ROI von etwa 425 %.

Wichtig ist nicht das Ergebnis dieses Beispiels, sondern die Methode: Mit anderen Annahmen kann der ROI im ersten Jahr negativ ausfallen. Häufig macht erst das zweite Jahr den Unterschied, wenn die anfängliche Investition aufgefangen ist. Und die freigesetzte Zeit hat nur dann einen Wert, wenn sie in sinnvolle Aufgaben reinvestiert wird.

Die 5 wichtigsten Kennzahlen

1. Die eingesparte Zeit pro Prozess

Messen Sie für jede automatisierte Aufgabe die Zeit vorher und nachher. Das ist die verlässlichste Kennzahl.

2. Die Akzeptanzquote

Ein ungenutztes Tool hat einen ROI von null. Verfolgen Sie den Anteil der Teams, die es tatsächlich nutzen.

3. Die Fehlerquote

Verringert die KI die Fehler? Vergleichen Sie vorher und nachher.

4. Die Zufriedenheit der Nutzer

Fragen Sie die Teams: „Auf einer Skala von 10: Würden Sie dieses Tool einem Kollegen empfehlen?“

5. Die Kosten pro Vorgang

Teilen Sie die Gesamtkosten durch die Anzahl der bearbeiteten Vorgänge. KI muss dieses Verhältnis senken.

Die Fehler, die den ROI drücken

Fehler 1: versteckte Kosten unterschätzen

Die intern aufgewendete Zeit (Meetings, Koordination, Tests) wird selten berücksichtigt. Dabei kann sie erheblich ins Gewicht fallen.

Fehler 2: die Teams nicht schulen

Ein falsch genutztes Tool bringt nichts. Planen Sie von Anfang an ein Schulungsbudget ein. Das erwartet auch der AI Act: Seit dem 27. Juli 2026 verlangt Artikel 4, Maßnahmen zur Förderung der KI-Kompetenz der Teams zu ergreifen.

Fehler 3: von Anfang an zu groß denken

Beginnen Sie mit einem POC für einen klar umrissenen Anwendungsfall, validieren Sie den ROI und weiten Sie dann aus. Siehe KI-POC: Methode, Budget und KPIs im Unternehmen.

Fehler 4: die Wartung vergessen

Ein Assistent muss aktualisiert werden, die Modelle ändern sich, die Preise ebenfalls. Planen Sie ein jährliches Budget für die Betreuung ein.

Wie diagonall den ROI angeht

Wir starten kein Projekt, ohne mit dem Kunden die Erfolgskennzahlen und ihren Ausgangswert festgelegt zu haben. Konkret heißt das:

  • Messung des Zeitaufwands für die Aufgabe vor dem Projekt;
  • detaillierte Kostenkalkulation, Position für Position;
  • Verfolgung der Kennzahlen während der Pilotphase und nach dem Rollout.

Für Ihre eigene Analyse siehe auch KI-Anwendungsfälle priorisieren: die Matrix.

Häufig gestellte Fragen

Welchen ROI kann man von einem KI-Projekt im Mittelstand erwarten?

Eine allgemeingültige Zahl gibt es nicht: Alles hängt vom bearbeiteten Volumen, der Zeitersparnis pro Vorgang und den Projektkosten ab. Bei einer häufigen, klar umrissenen Aufgabe wird der ROI in der Regel deutlich positiv, sobald die anfängliche Investition aufgefangen ist.

Wie lange dauert es, bis sich der ROI eines KI-Projekts zeigt?

Die ersten Erträge eines Piloten lassen sich nach wenigen Wochen messen. Die vollständige Amortisation dauert bei einem umfangreicheren Projekt oft 12 bis 24 Monate. Einfache Automatisierungen können sich schneller rechnen.

Wie überzeuge ich meine Geschäftsleitung zu investieren?

Legen Sie eine Kalkulation vor: Kosten der aktuellen Situation, erwartete Erträge auf Basis Ihrer Annahmen, Zeitplan der Amortisation. Zeigen Sie auch, was passiert, wenn das Projekt scheitert: Ein POC begrenzt den Verlust.

Sollte man die freigesetzte Zeit als Ertrag zählen?

Ja, sofern man sagt, wofür sie anderweitig eingesetzt wird. Eine Zeitersparnis, die an der Organisation nichts ändert, bleibt theoretisch.

Fazit

Den ROI von KI zu berechnen ist nicht optional: Es ist die Voraussetzung, um Projekte zu vermeiden, die im Sand verlaufen. Legen Sie Ihre Kennzahlen fest, bevor Sie beginnen, messen Sie regelmäßig und zögern Sie nicht, den Kurs zu ändern, wenn die Ergebnisse ausbleiben.

Demo buchen