Erst die Rechnung, dann das Werkzeug: bei 95 Prozent der KI-Projekte ist kein Rückfluss messbar

Die Frage kommt fast immer in derselben Runde. Das Budget für KI ist seit Monaten bewilligt, die Lizenzen laufen, zwei Abteilungen haben etwas ausprobiert, und dann fragt jemand am Tisch: Was hat uns das eigentlich gebracht?

Die Antwort besteht dann aus Werkzeugnamen. Wir haben die Lizenzen ausgerollt. Im Backoffice läuft ein Assistent. Der Vertrieb lässt seine Angebotstexte jetzt von KI entwerfen. Alles davon stimmt, und trotzdem kann niemand im Raum sagen, was zurückgekommen ist: nicht in Euro, nicht in Stunden, nicht in weniger Nacharbeit. Nicht weil es jemand verschweigt, sondern weil nie jemand aufgeschrieben hat, was zurückkommen sollte.

Das ist kein Versagen der Technik. Die Werkzeuge tun im Großen und Ganzen, was sie versprechen. Die Lücke liegt woanders: zwischen „wir probieren KI aus" und „wir lösen Problem X mit KI" steht ein Nachmittag Rechenarbeit, den niemand gemacht hat.

Diese Rechnung ist keine Bürokratie. Sie ist der einzige Moment, in dem du ein Vorhaben noch abbrechen kannst, ohne dass es jemandem wehtut.

Das Symptom: die Nutzenfrage wird mit Werkzeugen beantwortet

Es gibt vier Anzeichen dafür, dass ein Haus Werkzeuge sammelt, statt Probleme zu lösen. Sie treten selten einzeln auf.

Das erste: Neue Anwendungen entstehen, weil die KI etwas kann, nicht weil sie ein benanntes Problem lösen. Die Reihenfolge im Gespräch verrät es. Erst kommt die Funktion, dann sucht jemand die Aufgabe dazu.

Das zweite: Jeder arbeitet mit seinem eigenen Werkzeug und seiner eigenen Eingabe. Einer zeigt stolz einen Trick, und kein Kollege kann das Ergebnis nachbauen. Das Wissen steckt dann in einer Person, nicht im Unternehmen, und es geht mit dieser Person auch wieder.

Das dritte: Ihr sammelt in die Breite und geht nirgends in die Tiefe. ChatGPT läuft als reines Chatfenster, während Projekte, Dateien, Canvas, Memory, Websuche und eigene GPTs unbenutzt danebenliegen. Das sind rund 90 Prozent dessen, was das Werkzeug kann. Wer jetzt das nächste Werkzeug kauft, kauft eine zweite Oberfläche und nutzt sie vermutlich genauso flach wie die erste.

Das vierte: Einzelne arbeiten spürbar schneller, und im Ergebnis der Firma kommt davon nichts an. Der Stau ist nicht verschwunden, er ist gewandert, von der Ausführung in Prüfung, Abstimmung und Freigabe.

Der gemeinsame Nenner ist immer derselbe. An keiner Stelle steht eine Zahl, gegen die sich das Ergebnis halten ließe.

Die Diagnose: ein Werkzeug ohne benanntes Problem kann nicht die falsche Wahl sein

Bei rund 95 Prozent der Projekte mit generativer KI, also mit Werkzeugen, die Texte und Bilder erzeugen, lässt sich kein messbarer Rückfluss nachweisen. Rückfluss heißt hier: das, was am Ende in Euro oder gesparter Zeit zurückkommt, nachdem der Aufwand für Bau und Betrieb abgezogen ist.

Diese Zahl wird oft schärfer zitiert, als sie ist, deshalb hier genau, was sie sagt und was nicht. Gezählt wurde, für wie viele Vorhaben ein messbarer Nutzen tatsächlich ausgewiesen ist. Nicht gezählt wurde, wie viele technisch gescheitert sind. Ein Teil dieser 95 Prozent hat vermutlich Wert geschaffen und ihn nur nie sichtbar gemacht, und kleinere Betriebe berichten ohnehin seltener über ihre Erfolge als große. Genau darin liegt aber der Punkt, um den es hier geht: Wer den Nutzen nie vorher gerechnet hat, kann ihn hinterher auch nicht zeigen. Ein Vorhaben ohne Zahl ist nicht gescheitert. Es ist unentscheidbar, und das ist auf Dauer teurer.

Warum die Reihenfolge Werkzeug zuerst und Nutzen später so zuverlässig ins Leere läuft, hat einen einfachen Grund. Ein Werkzeug, das kein benanntes Problem lösen soll, kann die falsche Wahl gar nicht sein. Jede Entscheidung fühlt sich dann richtig an, jede Vorführung sieht gut aus, und es existiert kein Kriterium, an dem man erkennen würde, dass man aufhören sollte. Der Nutzen wird nicht widerlegt, er wird nur nie geprüft.

Dazu kommt, dass die Technik hier selten die Bremse ist. KI-Vorhaben scheitern in der Regel an einem unklaren Nutzen und daran, dass die Anwendung nirgends im Alltag verankert ist. Gefragt nach der größten Hürde bei der Einführung handelnder KI-Systeme, nennt ein Drittel genau das: keinen klaren Business Case, also keine Rechnung, ob sich der Aufwand lohnt.

Das Muster hält sich hartnäckig, auch bei Häusern, die längst weiter sind. Rund 90 Prozent der Firmen nutzen KI, aber nur etwa 7 Prozent bringen sie über den Pilotstatus hinaus, also über den begrenzten Testlauf in einem Team. Bevor ein funktionierender Pilot in den Regelbetrieb kommt, muss er fünf Hürden nehmen: Es braucht einen Eigentümer mit Mandat, die Verankerung in echten Systemen statt in einer Testumgebung, eine aktive Begleitung der Betroffenen durch die Veränderung, ein messbares Ziel mit Wertbeitrag und eine organisierte Kontrolle der Ergebnisse. Eine einzige ungelöste Hürde genügt, damit ein Pilot, der funktioniert, trotzdem nie in Betrieb geht. Und von diesen fünf lässt sich das messbare Ziel am schlechtesten nachträglich einziehen.

Die Übung: vier Fragen, bevor ein Kandidat den Start verdient

Sammle zuerst drei Kandidaten aus dem echten Arbeitsalltag, nicht aus einer Hochglanz-Vorführung. Dann schick jeden durch diesen Filter. Er kostet dich weniger Zeit als die erste Vorführung eines Anbieters.

### Der eigentliche Ertrag ist der Stapel, den du weglegst

Ideen für Anwendungsfälle zu erzeugen kostet inzwischen nichts mehr. Jedes Sprachmodell liefert dir auf Zuruf beliebig viele. Die eigentliche Arbeit ist das Aussortieren, und der Filter oben ist kein Ranking, sondern ein Ausschlussverfahren.

Weg kommt alles, wo ein erfundener Fakt teuer würde. Weg kommt alles, wo der nötige Kontext in Köpfen statt in Dokumenten liegt. Weg kommt alles, wo die Rechnung nur aufgeht, wenn wirklich jeder mitmacht. Das ist unangenehm, weil oft genau der Fall stirbt, der in der Präsentation am besten aussah.

Ein aussortierter Kandidat ist trotzdem kein verlorener. Er ist ein Vorhaben, das ihr nicht monatelang mitschleppt, und er kommt zurück, sobald die Unterlagen sortiert oder die Kontrolle geregelt sind. Was übrig bleibt, ist eine kurze Liste, bei der du vor dem Start sagen kannst, was sie bringen soll. Ein guter Zielwert dafür: Bei über 80 Prozent eurer Anwendungsfälle sollte diese Zahl vor dem Start auf dem Tisch liegen.

Der nächste Schritt

Die Frage ist nicht, welches Werkzeug ihr als Nächstes einkauft. Die Frage ist, welcher Ablauf bei euch einen Anfang verdient und woran ihr nach dem Start erkennt, dass er ihn verdient hatte.

Halte dabei die Reihenfolge ein. Zuerst gewinnt der Einzelne persönliche Produktivität, danach entsteht Geschäftsproduktivität, wenn die Anwendung fest im Ablauf von Anfang bis Ende sitzt. Wer die zweite Hälfte überspringt, sammelt gesparte Minuten, die in keiner Bilanz ankommen.

Und fang klein an. Eine von KI geschriebene Betreffzeile holte in einem Fall 15 Prozent mehr Klickrate im Newsletter, bei rund einem Euro Zusatzkosten. Das ist keine Transformation, das ist ein gerechneter, vorzeigbarer erster Erfolg, und genau davon lebt der zweite.

Wenn du wissen willst, ob bei euch die Rechnung fehlt oder etwas ganz anderes, mach den KIRA-Check. Er verortet dein Haus über sechs Stufen und fünf Achsen, von der heimlichen Einzelnutzung bis zur durchgängig KI-getragenen Firma. Du bekommst dein KIRA-Profil, also einen Standort je Achse statt einer Note, dazu die zwei Engpässe, die gerade wirklich bremsen, jeder mit genau einem ersten Schritt. Es kann gut sein, dass der fehlende Business Case gar nicht dein Engpass ist. Dann weißt du das, bevor du den nächsten Nachmittag mit Rechnen verbringst.