„Sollen wir da jetzt auch mit KI einsteigen?“ Diese Frage steht in vielen mittelständischen Unternehmen im Raum – oft angetrieben von Hype, selten von belastbaren Zahlen. Bevor Sie Budget freigeben, lohnt sich ein nüchterner Blick auf die Wirtschaftlichkeit. Dieser Ratgeber zeigt, wie Sie den KI-ROI berechnen, welche Nutzen- und Kostenarten Sie einbeziehen müssen und wo die häufigsten Rechenfehler lauern.
Was der ROI bei KI überhaupt aussagt
ROI steht für „Return on Investment“ – also das Verhältnis von Nutzen zu Einsatz. Die Grundformel ist simpel:
ROI (%) = (jährlicher Nutzen − jährliche Kosten) ÷ jährliche Kosten × 100
Der Charme liegt in der Klarheit, die Tücke im Detail: Ein KI-Projekt sieht auf dem Papier oft attraktiver aus, als es ist, weil der Nutzen groß geschätzt und die Kosten unvollständig erfasst werden. Ein sauberer Business Case rechnet deshalb konservativ – lieber mit einer Bandbreite (pessimistisch/realistisch/optimistisch) als mit einer einzigen Wunschzahl.
Den Nutzen realistisch beziffern
Der häufigste Fehler ist, „KI spart Zeit“ als Nutzen zu buchen, ohne ihn in Euro zu übersetzen. Diese Nutzenarten sind für den Mittelstand am relevantesten:
- Zeitersparnis: eingesparte Stunden × interne Lohnkosten (Bruttolohn plus Lohnnebenkosten, oft Faktor 1,3–1,5). Beispiel: 5 Stunden pro Woche im Kundenservice à 35 €/h Vollkosten ≈ 9.100 €/Jahr.
- Weniger Fehler und Nacharbeit: etwa bei der Belegerfassung oder Datenübertragung – messbar an reduzierten Korrekturschleifen oder Reklamationen.
- Kürzere Durchlaufzeiten und mehr Kapazität: Angebote schneller raus, mehr Fälle pro Mitarbeiter – nur dann als Umsatz zählen, wenn die zusätzliche Kapazität tatsächlich genutzt wird.
- Direkte Umsatzeffekte: höhere Conversion, weniger Terminausfälle, schnellere Reaktion auf Anfragen.
- Weiche Effekte: Mitarbeiterentlastung, Servicequalität, Fehlervermeidung. Wichtig, aber nicht als harte Euro-Zahl in die ROI-Rechnung pressen – lieber separat als qualitatives Argument ausweisen.
Entscheidend ist ein Vorher-Wert (Baseline): Wie lange dauert der Prozess heute, wie oft passiert er, was kostet er? Ohne diese Messung ist jede Ersparnis geraten.
Die Kosten vollständig erfassen (TCO)
Der zweite große Fehler: nur den Lizenzpreis des KI-Tools zu sehen. Die tatsächlichen Gesamtkosten (Total Cost of Ownership) umfassen deutlich mehr:
- Laufende Lizenz- und Nutzungskosten: viele KI-Dienste rechnen pro Nutzer oder pro Verbrauch (Tokens/Anfragen) ab – also wiederkehrend, nicht einmalig.
- Integration und Anbindung: Verknüpfung mit Ihren Systemen (ERP, CRM, DMS) ist oft der größte Posten.
- Datenaufbereitung: KI braucht saubere, strukturierte Daten – das Aufräumen kostet Zeit.
- Schulung und Change: Mitarbeiter müssen das Werkzeug verstehen und akzeptieren. Ohne Einführung bleibt der Nutzen aus.
- Betrieb, Wartung, Monitoring: Ergebnisse prüfen, Prompts anpassen, Aktualisierungen einspielen – KI ist kein „einmal einrichten und vergessen“.
- Interne Arbeitszeit: Ihre eigene Projekt- und Einführungszeit ist ein realer Kostenblock, auch wenn keine Rechnung dafür kommt.
Ein einfaches Rechenschema
So sieht eine ehrliche Überschlagsrechnung für einen kleinen Anwendungsfall aus – die Zahlen sind Platzhalter, ersetzen Sie sie durch Ihre eigenen:
- Nutzen: 9.100 € Zeitersparnis + 2.000 € weniger Nacharbeit = 11.100 €/Jahr
- Kosten Jahr 1: 3.000 € Lizenz + 4.000 € Einführung/Integration + 2.000 € interne Zeit = 9.000 €
- ROI Jahr 1: (11.100 − 9.000) ÷ 9.000 ≈ 23 %
Weil Einführungskosten meist einmalig anfallen, verbessert sich der ROI ab Jahr 2 deutlich (dann nur noch laufende Kosten). Ergänzend hilft die Amortisationsdauer (Payback): Wie viele Monate dauert es, bis der kumulierte Nutzen die Investition deckt? Werte unter 12–18 Monaten gelten im KMU meist als attraktiv.
Typische Denkfehler
- Nur der Lizenzpreis: Integration und Betrieb übersteigen ihn oft um ein Vielfaches.
- Zeitersparnis zu 100 % als Geld: Eingesparte 20 Minuten werden nur zum Gewinn, wenn sie tatsächlich für Wertschöpfung genutzt oder Kapazität abgebaut wird.
- Vom Pilot linear hochrechnen: Ein gelungener Test skaliert nicht automatisch – bei mehr Nutzern steigen auch Kosten und Komplexität.
- Weiche Effekte als harte Zahl: „bessere Stimmung“ gehört ins Argument, nicht in die ROI-Formel.
- Keine Baseline: Ohne Ausgangsmessung lässt sich der Erfolg später nicht belegen.
In fünf Schritten zum belastbaren Business Case
- 1. Baseline messen: heutigen Aufwand, Häufigkeit und Kosten des Prozesses erfassen.
- 2. Klein und konservativ rechnen: einen konkreten Anwendungsfall mit Bandbreite kalkulieren, nicht „KI fürs ganze Unternehmen“.
- 3. Pilot mit Zielgröße starten: vorab festlegen, was Erfolg bedeutet (z. B. „Bearbeitungszeit −30 %“).
- 4. Ergebnisse messen: tatsächliche Ersparnis und Kosten gegen die Prognose halten.
- 5. Entscheiden und skalieren: nur ausrollen, wenn die Zahlen tragen – sonst nachbessern oder stoppen.
Sie möchten die Zahlen nicht von Hand kalkulieren? Der KI-Automatisierungs-ROI-Rechner setzt genau dieses Rechenschema um – mit Automatisierungsgrad, Amortisationszeit und ROI.
Fazit: Rechnen schlägt Bauchgefühl
Ein KI-Projekt muss sich nicht sofort rechnen, aber es sollte einer nüchternen Kalkulation standhalten. Wer Nutzen konservativ beziffert, Vollkosten ehrlich ansetzt und mit einer klaren Baseline in einen kleinen Pilot startet, trifft eine fundierte Entscheidung – statt teurem Aktionismus. Die verlässlichsten Zahlen entstehen dabei nicht in der Theorie, sondern im gemessenen Praxistest.