KI-ROI berechnen: Nutzen, Kosten und Risiko realistisch bewerten

Mehr als die Hälfte der deutschen Unternehmen nutzt inzwischen KI in ihren Geschäftsprozessen — 54,5 % laut ifo-Konjunkturumfrage vom Mai 2026, nach 40,9 % im Jahr davor. Was in dieser Erhebung auffällt: Rund drei Viertel der KI-nutzenden Unternehmen setzen auf kostenpflichtige externe Lösungen, nur 18,7 % betreiben eigene KI-Systeme. Es wird also investiert — aber die Frage, ob sich diese Investition rechnet, wird in vielen Business Cases zu großzügig beantwortet. Das typische Muster: Jemand multipliziert die Zeit für einen manuellen Vorgang mit der Anzahl der Vorgänge pro Jahr, zieht die Lizenzkosten ab und präsentiert eine beeindruckende ROI-Zahl. Übersehen werden dabei fast immer drei Dinge: dass niemand ein Tool zu 100 % nutzt, dass KI-Ausgaben Fehler produzieren, die korrigiert werden müssen, und dass Pflege und Kontrolle nach dem Go-Live weiterlaufen.

Dieser Artikel gehört zu unserem Themen-Cluster KI-Kosten & ROI und richtet sich an Geschäftsführung, Operations, IT und Fachbereiche in KMU, die einen KI-Business-Case bewerten oder selbst rechnen müssen — vor einer Investitionsentscheidung, nicht danach. Die zentrale These: Brutto-Zeitersparnis ist keine ROI-Rechnung, sondern deren erste, unvollständige Zeile. Erst wenn Nutzung, Qualität und Wartung mitgerechnet werden, entsteht eine Zahl, auf die sich eine Entscheidung stützen lässt.

Begriffe und Abgrenzung

Damit wir über dasselbe reden:

• ROI (Return on Investment) setzt hier den Nettonutzen eines Zeitraums ins Verhältnis zu den Gesamtkosten desselben Zeitraums: ROI = (Nutzen − Kosten) / Kosten. Ohne vollständige Kostenbasis ist jede ROI-Zahl beschönigt.
• Brutto- vs. Nettoersparnis: Bruttoersparnis ist die theoretische Zeitersparnis, wenn ein Tool perfekt und von allen genutzt würde. Nettoersparnis zieht Nutzungsquote, Fehlerkorrektur und Kontrollaufwand ab. Für Entscheidungen zählt ausschließlich die Netto-Zahl.
• Amortisationszeit ist der Zeitpunkt, an dem der kumulierte Nettonutzen die Gesamtkosten übersteigt — eine ergänzende, oft anschaulichere Kennzahl als der reine ROI-Prozentsatz.
• Business Case vs. Pilotauswertung: Ein Business Case rechnet vor der Investition mit Annahmen; eine Pilotauswertung misst nach einer Testphase mit echten Daten. Beide gehören zusammen — der Pilot korrigiert die Annahmen des Business Case, bevor skaliert wird.

Welche Nutzenarten gibt es?

Ein belastbarer KI-ROI zählt vier Nutzenarten, nicht eine:

1. Harte Zeitersparnis. Weniger manuelle Stunden für einen definierten Vorgang — die am leichtesten messbare und am häufigsten überschätzte Größe.
2. Qualitätsgewinn. Weniger Fehler, weniger Nacharbeit, weniger Reklamationen. Lässt sich über die Kosten vermiedener Fehlerfälle in Euro überführen, wird aber selten mitgerechnet.
3. Kapazitätsgewinn. Mehr Vorgänge im selben Zeitraum ohne zusätzliche Stellen — relevant, wenn Wachstum sonst neue Einstellungen erfordert hätte. Dieser Nutzen entsteht nur, wenn das zusätzliche Volumen auch tatsächlich anfällt oder geplant ist.
4. Weiche Effekte. Kürzere Reaktionszeiten gegenüber Kund:innen, höhere Mitarbeiterzufriedenheit durch weniger Routinearbeit, Attraktivität als Arbeitgeber. Real, aber nicht seriös in Euro umrechenbar — sie gehören als Kontext in den Business Case, nicht als Rechengröße in die ROI-Formel.

Meine Position dazu: Die meisten Business Cases, die ich in Erstgesprächen sehe, rechnen ausschließlich mit Nutzenart 1 — und das auch noch brutto. Damit wird ein KI-Projekt fast immer besser gerechnet, als es ist. Wer stattdessen mit allen drei harten Nutzenarten rechnet und die weichen Effekte separat benennt, bekommt eine Zahl, die eine Investitionsentscheidung tatsächlich trägt.

Wie berechnet man Zeitersparnis?

Die Bruttoformel, die in den meisten Präsentationen steckt:

Bruttoersparnis = (alte Zeit je Vorgang − neue Zeit je Vorgang) × Vorgänge pro Zeitraum × Stundensatz

Das Problem ist nicht die Formel, sondern der fehlende Faktor: die tatsächliche Nutzung. Die Netto-Formel:

Nettoersparnis = Bruttoersparnis × Nutzungsquote − Kontroll- und Korrekturaufwand

Nutzungsquote heißt: Wie viel Prozent der relevanten Vorgänge laufen tatsächlich über das neue Tool, statt weiter manuell oder über einen Workaround? In der Praxis sehe ich hier die größte Lücke zwischen Business Case und Realität — ein Tool, das im Rollout-Plan 100 % Abdeckung hatte, aber nur von 60 % der Belegschaft konsequent genutzt wird, liefert eben auch nur 60 % der theoretischen Ersparnis. Gründe dafür sind selten technisch: fehlende Schulung, Misstrauen gegenüber der Ausgabe, oder schlicht, dass der alte Weg für Ausnahmefälle weiter offensteht.

Praktisches Vorgehen: Zeit je Vorgang vorher und nachher stoppen (nicht schätzen) — an mindestens fünf bis zehn realen Fällen, nicht am Idealfall. Vorgänge pro Zeitraum aus vorhandenen Systemdaten ziehen, nicht raten. Nutzungsquote nach einer Pilotphase von vier bis acht Wochen tatsächlich messen, nicht im Rollout-Plan unterstellen.

Welche Kosten gehören hinein?

Auf der Kostenseite braucht eine vollständige Rechnung mindestens fünf Kategorien:

Kostenkategorie	Was gehört dazu	Häufiger Fehler
Lizenz & API	Software-Abos, KI-Modell-Nutzung nach Verbrauch	Nur die Basislizenz eingerechnet, Nutzungsspitzen ignoriert
Einführung & Integration	Setup, Anbindung an bestehende Systeme, Datenaufbereitung	Als „einmalig” verbucht, aber unterschätzt in Aufwand
Interne Zeit	Projektsteuerung, Tests, Schulung, Change-Kommunikation	Gar nicht bepreist, weil „eigene Leute ja da sind”
Betrieb & Pflege	Monitoring, Prompt-/Workflow-Anpassungen, Weiterentwicklung	Nach Go-Live nicht mehr budgetiert
Fehlerkorrektur & Kontrolle	Human-in-the-Loop-Prüfung, Korrektur fehlerhafter Ausgaben	Erst als Problem sichtbar, wenn es bereits auftritt

Die ifo-Erhebung zeigt, dass rund drei Viertel der KI-nutzenden Unternehmen auf kostenpflichtige externe Lösungen setzen — laufende Lizenzkosten sind also der Normalfall, nicht die Ausnahme, und gehören als wiederkehrende Position in die Rechnung, nicht als einmaliger Investitionsposten. Wie sich diese Kostenblöcke im Detail typischerweise verteilen und wo versteckte Positionen am häufigsten übersehen werden, behandeln wir vertieft im Cluster KI-Kosten & ROI.

Wie behandelt man Qualität und Risiko?

Qualität und Risiko sind keine Fußnote, sondern eine eigene Rechengröße, die vor der ROI-Formel abgezogen wird — nicht danach relativiert. Drei Elemente gehören hinein:

1. Geschätzte Fehlerquote der KI-Ausgabe. Je nach Anwendungsfall unterschiedlich hoch; realistisch nur aus einer eigenen Pilotphase zu ermitteln, nicht aus Herstellerangaben. Ohne Messung: konservativ rechnen und eher zu hoch als zu niedrig ansetzen.
2. Kosten je Fehlerfall. Was kostet die Korrektur eines fehlerhaften Vorgangs — an Zeit, gegebenenfalls an Reklamation oder, im ungünstigsten Fall, an Reputation? Diese Kosten multipliziert mit der erwarteten Fehleranzahl ergeben eine Rückstellung, die von der Bruttoersparnis abgezogen wird.
3. Verbleibender Kontrollaufwand. Ein Human-in-the-Loop-Schritt, der jede oder eine Stichprobe der KI-Ausgaben prüft, kostet selbst Zeit. Dieser Aufwand ersetzt nicht die alte manuelle Zeit vollständig — er reduziert sie, aber selten auf null.

Ein Hinweis aus der Praxis: Prozesse mit hohem Fehlerrisiko oder hoher Varianz eignen sich schlechter für einen belastbaren ROI-Business-Case, solange die tatsächliche Fehlerquote nicht gemessen wurde. Genau hier hilft eine strukturierte Analyse der Ist-Prozesse — etwa mit Process-Mining-Methoden, die reale Prozessdaten statt Annahmen auswerten und so Engpässe, Ausnahmefälle und Automatisierungspotenziale sichtbar machen, bevor investiert wird.

Wie baut man Szenarien? Ein Rechenmodell mit drei Varianten

Statt einer einzelnen ROI-Zahl gehört mindestens ein Drei-Szenarien-Modell in jeden Business Case — konservativ, realistisch, optimistisch —, jeweils mit offen benannten Annahmen. Das folgende Modell ist ein Rechengerüst mit Platzhaltern, keine branchenspezifische Preisangabe; jede Zelle ersetzt du durch eure eigenen, gemessenen Werte:

Schritt 1 — Variablen definieren:

• Z_alt = Zeit je Vorgang vorher (Minuten)
• Z_neu = Zeit je Vorgang nachher (Minuten)
• V = Vorgänge pro Monat
• S = interner Stundensatz (€)
• N = Nutzungsquote (0–100 %)
• F = geschätzte Fehlerquote (0–100 %)
• K_f = Kosten je Fehlerfall (€)
• K_gesamt = Lizenz + Einführung/12 + interne Zeit + Betrieb (€ pro Monat)

Schritt 2 — Formel je Monat:

Nettonutzen = [(Z_alt − Z_neu) × V × S/60] × N − (V × F × K_f) ROI (Monat) = (Nettonutzen − K_gesamt) / K_gesamt Amortisationsmonat = Startkosten / (Nettonutzen − laufende Kosten), sobald der Ausdruck positiv ist

Schritt 3 — Drei Szenarien nebeneinander:

Parameter	Konservativ	Realistisch	Optimistisch
Nutzungsquote (N)	40–50 %	65–75 %	85–95 %
Fehlerquote (F)	hoch ansetzen (eigene Messung fehlt: oberes Ende der Bandbreite aus Pilot)	mittlere, im Pilot gemessene Quote	niedrig ansetzen (unteres Ende der Pilot-Bandbreite)
Kontrollaufwand	vollständige Prüfung jeder Ausgabe	Stichprobenprüfung	risikobasierte Stichprobe
Interpretation	Untergrenze für die Investitionsentscheidung	Planungsgrundlage für Budget und Meilensteine	obere Grenze, nicht als Zusage kommunizieren

Die Bandbreiten in der Tabelle sind Ausgangspunkte für die eigene Kalibrierung, keine branchenweiten Kennzahlen — die konkreten Prozentsätze musst du aus eurer Pilotphase oder einem Vergleichsprozess ableiten. Entscheidend ist die Methodik: Wer eine Investitionsentscheidung ausschließlich auf das optimistische Szenario stützt, rechnet sich das Projekt schön. Solide ist eine Entscheidung, die auch im konservativen Szenario noch eine positive oder zumindest tragbare Amortisationszeit ergibt.

Beispielrechnung (rein illustrativ, keine Marktangabe): Angenommen, ein Prozess wie die Angebotserstellung dauert bisher 40 Minuten je Vorgang, mit KI-Unterstützung 15 Minuten, bei 200 Vorgängen im Monat und einem internen Stundensatz von 45 Euro. Die Bruttoersparnis wäre dann (40 − 15) × 200 × 45/60 = 3.750 Euro pro Monat. Im konservativen Szenario mit 45 % Nutzungsquote und einer angenommenen Fehlerquote von 8 % bei 30 Euro Korrekturkosten je Fehlerfall ergibt sich: 3.750 € × 0,45 − (200 × 0,08 × 30 €) = 1.687,50 € − 480 € = 1.207,50 € Nettonutzen im Monat. Stehen dem angenommene laufende Kosten (Lizenz, anteilige Einführung, Pflege) von 900 Euro im Monat gegenüber, bleibt ein positiver, aber knapper Nettonutzen von rund 307,50 Euro — die Investition amortisiert sich, aber deutlich langsamer als die Bruttozahl suggeriert. Im realistischen Szenario mit 65 % Nutzungsquote und 5 % Fehlerquote (75 € Korrekturkosten) ergibt dieselbe Formel: 3.750 € × 0,65 − (200 × 0,05 × 75 €) = 2.437,50 € − 750 € = 1.687,50 € Nettonutzen, abzüglich 900 € Kosten also rund 787,50 Euro im Monat. Jede Zahl in diesem Beispiel ist frei gewählt, um die Methode zu zeigen — sie ersetzt keine eigene Messung und ist keine Aussage über realistische Kosten oder Einsparungen in einem konkreten Unternehmen.

Umsetzung: In vier Schritten zur belastbaren ROI-Rechnung

1. Einen Prozess auswählen, nicht die ganze Organisation. Ein klar abgegrenzter Vorgang mit messbarer Vorher-Zeit liefert bessere Daten als eine unternehmensweite Schätzung.
2. Vorher-Daten aus dem System ziehen, nicht aus dem Gedächtnis der Beteiligten — Vorgangszahlen, tatsächliche Bearbeitungszeiten, bestehende Fehlerquote, sofern vorhanden. Strukturierte Prozessanalyse hilft hier, tatsächliche Engpässe statt gefühlter Probleme zu identifizieren.
3. Vier bis acht Wochen pilotieren und Nutzungsquote, tatsächliche neue Zeit je Vorgang und tatsächliche Fehlerquote messen — nicht schätzen.
4. Drei Szenarien rechnen, auf dem konservativen entscheiden. Erst wenn das realistische Szenario eine tragbare Amortisationszeit zeigt und das konservative nicht existenzbedrohend ist, folgt der Rollout-Beschluss.

Wer diese vier Schritte nicht selbst gehen will oder kann: Im Erstgespräch schauen wir uns den konkreten Prozess an und geben eine ehrliche Einschätzung, ob und wie sich eine ROI-Rechnung dafür überhaupt seriös aufstellen lässt — ohne Benchmark-Versprechen, die sich nicht belegen lassen. Für Teams, die die Methodik selbst im Haus verankern wollen, bieten sich außerdem Schulungen an, die genau diese Rechenlogik und den Umgang mit KI-Ausgaben vermitteln.

Ein Punkt aus eigener Projekterfahrung: Der größte Zeitfresser bei Schritt 2 ist selten die Datenbeschaffung selbst, sondern die Einigung darauf, was als „ein Vorgang” überhaupt zählt. Wenn Fachbereich und IT unterschiedliche Definitionen im Kopf haben — der eine zählt die reine Bearbeitungszeit, der andere inklusive Warteschlangen und Rückfragen —, driften Vorher-Werte und Nachher-Werte auseinander, ohne dass sich am Prozess etwas geändert hat. Diese Definition am Anfang schriftlich festzuhalten, bevor die erste Zeitmessung beginnt, erspart in der Auswertung viel Streit über die Zahlen.

Ein zweiter praktischer Punkt betrifft die Reihenfolge der Pilotphase: Wer den Piloten mit den erfahrensten, technikaffinsten Mitarbeitenden startet, bekommt systematisch zu optimistische Nutzungs- und Fehlerquoten — diese Gruppe braucht weniger Einarbeitung und findet Workarounds für Schwächen des Tools selbst. Für eine realistische Einschätzung lohnt sich ein Pilot mit einem repräsentativen Querschnitt der späteren Nutzer:innen, auch wenn das kurzfristig mehr Schulungsaufwand bedeutet.

Risiken und Grenzen

Ehrlich bleiben gehört zu einer ROI-Rechnung dazu:

• Keine garantierten Einsparungen. Jede Zahl in diesem Artikel ist ein Rechenmodell mit offenen Annahmen, keine Zusage. Wer dir vor der Pilotphase eine feste Einsparquote nennt, hat sie nicht gemessen, sondern geschätzt oder verkauft.
• Pilotdaten sind keine Skalierungsdaten. Ein Pilotprozess mit engagierten Testnutzer:innen zeigt oft bessere Werte als der spätere Regelbetrieb mit der gesamten Belegschaft. Nutzungsquote und Fehlerquote nach dem Rollout erneut prüfen.
• Fehlerkosten sind schwer vollständig zu erfassen. Reputations- oder Folgeschäden lassen sich selten sauber in Euro fassen — bei risikoreichen Prozessen (Kundenkommunikation, rechtlich relevante Dokumente) zusätzliche Vorsicht walten lassen und Kontrollmechanismen nicht aus Kostengründen streichen.
• Weiche Effekte nicht in die Formel zwingen. Der Versuch, Mitarbeiterzufriedenheit oder Employer Branding in eine Euro-Zahl zu pressen, macht den Business Case unglaubwürdig. Als qualitative Ergänzung benennen, nicht als Rechengröße verkaufen.
• Kein Ersatz für Rechts- oder Steuerberatung. Förderfähigkeit, steuerliche Behandlung von Investitionen oder Datenschutzfragen rund um eingesetzte KI-Systeme sind hier nicht behandelt und gehören in die jeweilige Fachberatung.

Checkliste: Vor der ROI-Entscheidung

• Ein klar abgegrenzter Prozess ist ausgewählt, nicht die ganze Organisation
• Vorher-Zeit je Vorgang ist gemessen, nicht geschätzt
• Vorgangszahlen stammen aus Systemdaten, nicht aus dem Bauchgefühl
• Eine Pilotphase von mindestens vier Wochen ist eingeplant
• Nutzungsquote wird nach der Pilotphase tatsächlich gemessen
• Eine Fehlerquote und Kosten je Fehlerfall sind geschätzt oder gemessen
• Alle fünf Kostenkategorien (Lizenz, Einführung, interne Zeit, Betrieb, Fehlerkorrektur) sind berücksichtigt
• Mindestens drei Szenarien (konservativ, realistisch, optimistisch) liegen vor
• Die Entscheidung stützt sich auf das konservative und realistische Szenario, nicht auf das optimistische
• Weiche Effekte sind benannt, aber nicht in die Euro-Rechnung gezwungen