KI schafft messbaren Geschäftswert, wenn Unternehmen den Blick auf den gesamten Prozess richten. Prozesskennzahlen und belastbare Baselines machen Effekte sichtbar und schaffen eine Grundlage für Investitionen.
Künstliche Intelligenz (KI) beschleunigt Prozesse, unterstützt Beschäftigte bei ihren Aufgaben und bringt neue Möglichkeiten der Automatisierung. Doch Produktivitätsgewinne und eine Steigerung des ROI der Investitionen in KI folgen daraus nicht automatisch. Für Deutschland liefert eine aktuelle Bitkom-Studie konkrete Zahlen: Gut jedes zweite Unternehmen (48 Prozent), das KI im Einsatz hat, berichtet von deutlich beschleunigten internen Prozessen. 45 Prozent erkennen einen Beitrag zum Unternehmenserfolg. 40 Prozent berichten von besserer Qualität ihrer Produkte oder Dienstleistungen.
Das klingt für einen so jungen Bereich gut, beruht aber ausschließlich auf einer groben Selbsteinschätzung. Anders gesagt: Gemessen haben die Unternehmen nicht. Die aktuelle McKinsey-Studie „The State of AI in 2026“ macht die Lücke zwischen erkannter Produktivität und betriebswirtschaftlichen Zahlen deutlich. Acht von zehn der befragten Unternehmen erkennen eine höhere eigene Produktivität. Doch nur 37 Prozent schreiben KI einen positiven Beitrag zum Unternehmensergebnis zu. Etwa jeder fünfte Befragte erklärt zudem, dass KI-Betriebskosten den Einsatz im Unternehmen begrenzen.
Prozess entscheidet über Geschäftswert
Das Fazit lautet also: KI bringt einzelnen Anwendungen Vorteile, doch die Rendite auf Unternehmensebene lässt sich schwer nachweisen. Dies liegt unter anderem daran, dass KI oft in erster Linie als technisches Werkzeug gesehen wird. Vor allem IT-Teams bewerten ihre KI-Implementierung anhand technischer Kennzahlen wie beispielsweise Modellgenauigkeit, Antwortlatenz, Token-Verbrauch und Fehlerraten. Diese Kennzahlen sind wichtig, um eine grundlegende Frage zu beantworten: wie gut läuft das KI-System?
Die Frage, ob das Unternehmen durch den KI-Einsatz besser wird, erfordert andere Indikatoren. Denn KI-Projekte existieren selten für sich allein. Sie sind in Geschäftsprozesse eingebettet. McKinsey identifiziert ihre Neugestaltung als einen der stärksten Treiber für die Auswirkungen von KI auf Unternehmensebene. Dieselbe Umfrage ergab zudem, dass leistungsstarke Unternehmen mehr als dreimal so häufig wie ihre Mitbewerber KI nutzen, um das Geschäft grundlegend zu transformieren. Ein ehrlicher Maßstab für den Wert eines KI-Projekts wäre, ob sich Prozesse und die sie beschreibenden KPIs sichtbar verbessert haben.
Nahezu jedes KI-Projekt ist in einen bestehenden Prozess eingebunden. Dazu zählen beispielsweise Kunden-Onboarding, Auftragsabwicklung, Support-Lösungen und Risikoprüfungen. KI kann einen Arbeitsschritt automatisieren, eine Entscheidung weiterleiten, ein Dokument zusammenfassen oder einen Mitarbeitenden unterstützen. Doch letztlich ist es der Prozess, der Wert schafft und sich verändert, wenn KI zum Einsatz kommt. Das stellt die ROI-Frage in einen neuen Kontext. Sie lautet nicht „Läuft das Modell optimal?“, sondern „Ist der Prozess schneller, kostengünstiger, genauer oder reaktionsfähiger geworden?“
Vier Schritte zum messbaren KI-ROI
Ein vierstufiges Rahmenkonzept macht den Geschäftsprozess zum Maßstab für die Berechnung des KI-ROI. Sie wird dadurch zu einer lösbaren Managementaufgabe:
- Den Prozess durchgängig erfassen. Dabei ist wichtig, die einzelnen Prozessabschnitte nicht nur dort zu erfassen, wo KI eingesetzt wird. Nur eine durchgängige Erfassung bringt gesamten Workflow in den Blick.
- Eine Baseline definieren, als Basis für Vergleiche. Dazu gehören alle KPIs, die den Prozess umfassend beschreiben, unter anderem die Prozessdauer, die Kosten pro Transaktion und die Kundenzufriedenheit.
- Ursachen für Änderungen finden, indem der KI-Beitrag von saisonalen Schwankungen oder Personalveränderungen bereinigt wird. Das vereinfacht den Vergleich mit der Prozessversion des letzten Quartals.
- Die Differenz als Wert berechnen. Prozessverbesserungen bringen zum Beispiel Zeitersparnis, höhere Einnahmen durch Konversion, einen verbesserten Customer Lifetime Value (CLV) oder einen höheren CSAT-Wert (Customer Satisfaction At Close).
Business Observability verbindet Technik und Geschäft
Eine notwendige Voraussetzung für ein solches Rahmenkonzept ist die Erfassung von Daten über die technischen Kennzahlen hinaus. Business Observability ist ein Konzept, das Informationen über Geschäftsvorgänge mit Daten über den Status Infrastruktur verbindet. So lässt sich untersuchen, wie technische Veränderungen die Prozesse beeinflussen. Ein zu langsam arbeitender IT-Service hat beispielsweise eine geschäftliche Bedeutung, wenn er die Bearbeitung von Bestellungen verzögert oder Kaufabschlüsse verhindert.
Grundlage dafür sind Geschäftsereignisse. Sie entsprechen den fachlichen Schritten innerhalb eines laufenden Prozesses. Ein Beispiel aus der Versicherungswirtschaft: In der Schadenbearbeitung können sie etwa den Eingang einer Meldung, die abgeschlossene Dokumentenprüfung, die Freigabe und die Auszahlung abbilden. Die Zuordnung zu einem konkreten Fall macht den Verlauf über mehrere Systeme hinweg nachvollziehbar. Dadurch lassen sich Bearbeitungszeiten und Wartephasen in jedem Prozessabschnitt erkennen.
Die laufende Erfassung verbindet Prozesskennzahlen mit technischen Informationen und Kostendaten. Das hilft anschließend bei der Ursachenanalyse. Technische Störungen und Prozessverzögerungen lassen sich so gut erkennen. Doch zeitlich zusammenfallende Veränderungen allein beweisen noch keinen ursächlichen Zusammenhang. Dafür bleiben gezielte Vergleiche und die fachliche Prüfung notwendig. Zudem erfordern Kennzahlen wie der CLV längere Beobachtungszeiträume und ergänzende wirtschaftliche Auswertungen.
Messbarer Nutzen steuert weitere Investitionen
Erkenntnisse aus dem laufenden Betrieb beeinflussen die Auswahl neuer Vorhaben und die Verteilung von Budgets. Dabei verdient eine KI-Anwendung besonders dann zusätzliche Mittel, wenn sich ihr Nutzen auf weitere Prozesse oder Unternehmensbereiche übertragen lässt. Zugleich braucht es Raum für Experimente, deren wirtschaftlicher Beitrag erst langfristig sichtbar wird.
Unternehmen sollten deshalb ihre KI-Investitionen konsequent am Geschäftsbetrieb ausrichten. Business Observability unterstützt dabei jede Entscheidung mit einer gemeinsamen Datengrundlage. Auf diese Weise wird deutlich, welchen Wert KI tatsächlich schafft. Er wird damit zur Grundlage dafür, neue Geschäftsmodelle und Leistungsangebote gezielt zu erproben.
