Der Einsatz von künstlicher Intelligenz ist kein Selbstzweck. Er soll Nutzen bringen, Mehrwerte schaffen und sich lohnen – auch wirtschaftlich. Eine solide Berechnung Ihres KI-Projekts als Business Case ist daher eine entscheidende Voraussetzung für die erfolgreiche Umsetzung. Entlang folgender Fragen finden Sie die relevanten Zahlen für Ihren KI-Business Case:

1. Wie lassen sich Gewinne durch Ihre KI-Anwendung generieren?
2. Welche Kosten stehen dem gegenüber?
3. Wie berechne ich den ROI realistisch?

Sind diese Fragen hinreichend geklärt, haben Sie eine konkrete Entscheidungsgrundlage für Ihre Investition. Eines kann ich vorweg nehmen: Nicht alle Faktoren werden Sie im Vorfeld mit Sicherheit bestimmen können. Aber ob und unter welchen Bedingungen eine Investition sich (dennoch) lohnt, dafür lassen sich klare Gründe finden. Wie, das erfahren Sie am Ende. Aber eins nach dem anderen.

Wer Gewinne erzielen will, muss investieren. BWL 101. Durch Investitionen gewonnene Mehrwerte müssen dabei nicht zwangsläufig monetär sein. Auch Imagegewinn, Gesundheit, Zufriedenheit von Kund:innen und Mitarbeitenden, strategische Vorteile gegenüber der Konkurrenz oder die Verminderung des CO2 Abdrucks stellen Mehrwerte für ein Unternehmen dar. Auch sie schlagen sich letztendlich in den Finanzen nieder. Entscheidend ist also, welche Faktoren und Zeiträume Sie zur Kalkulation heranziehen. Für eine genaue ROI-Berechnung einer KI-Investition sollten Sie daher zunächst betrachten, wie Ihre KI Gewinne für Sie einbringt: durch Kosteneinsparung, Kostenprävention oder Umsatzsteigerung.

Ihre KI spart Kosten, wenn durch sie aktuelle Ausgaben für Mitarbeitende, Dienstleistende oder ineffiziente Prozesse reduziert werden. Beispiel Chatbot: Manche Produkte erfordern einen hohen Kund:innen-Support, der oft über externe Call-Center abgewickelt wird. Ein hoher Support-Bedarf führt zu hohem Personalaufwand, der hohe externe Kosten verursacht. Ihre KI-Lösung ist nun bspw. ein Chatbot, der direkt in Ihr Produkt integriert wird. Häufig gestellte Fragen beantwortet er automatisch mittels "Information Extraktion" und "Question Answering" auf Basis Ihrer Daten. Kund:innen wird damit unmittelbar geholfen. Das externe Call-Center wird weniger beansprucht, und Sie sparen dadurch Kosten.

Was oft vergessen wird: Entscheidend für einen korrekt berechneten ROI ist, dass die Einsparungsmaßnahmen auch wirklich umgesetzt werden. Sonst haben Sie nur eins – mehr Kosten. Nehmen wir an, das entsprechende Call-Center wird nicht extern, sondern unternehmensintern betrieben. Das durch den Chat-Bot entlastete Personal müsste also tatsächlich abgebaut werden, was aufgrund von Tarifverträgen und Kündigungsschutz nicht immer möglich bzw. wünschenswert ist. Achten Sie also darauf, solche eventuell anfallenden Restrukturierungsmaßnahmen (Umschulungen, Abfindungen etc.) bei der ROI-Betrachtung einzukalkulieren.
 

Prävention
Mit dem Einsatz Ihrer KI verhindern oder verringern Sie andere, höhere Investitionen, zum Beispiel im Bereich der Cybersicherheit oder durch einen akuten Ausgleich des Fachkräftemangels.

Beispiel Buchhaltungssoftware: Sie wissen, dass auf Ihre Personalabteilung die Lohnbuchhaltung für über 10.000 Mitarbeitende zukommt. Aufgrund von Krankheitsstand, Abgängen und fehlenden Neuzugängen fehlen dazu aber die personellen Ressourcen. Mithilfe von KI möchten Sie also aufwendige und wiederkehrende Prozesse intelligent automatisieren und Kosten für ein potenziell erfolgloses Recruiting oder für die Externalisierung der Lohnbuchhaltung verhindern. Der ROI erfolgt hier in Relation zu anderen Alternativinvestitionen, die in die Berechnung mit einbezogen werden müssen.

Indem Ihre KI Produktionsprozesse beschleunigt, Produktionskapazitäten vergrößert oder selbst zum Produkt wird, sorgt sie direkt für neue Einnahmen. Beispiel SaaS-Modell: Auf Grundlage Ihres „Erfahrungsschatzes", sprich Ihrer hauseigenen Unternehmensdaten, haben Sie eine KI-Software trainiert, die auch für andere Marktteilnehmer einen großen Mehrwert bietet. Also bringen Sie Ihre Software als SaaS-Modell auf den Markt und generieren gänzlich neue Umsätze in Millionenhöhe, ohne dabei (neues) Personal in Anspruch zu nehmen.

Soweit also zu den möglichen und kalkulierbaren Gewinnen. Jetzt geht es darum, alle relevanten Kennzahlen für Initial-, Betriebs- und Folgekosten Ihres KI-Modells zu identifizieren und realistisch zu bewerten. Dazu brauchen Sie einen umfassenden Überblick über die nötigen Technologien, Daten, Projektstrukturen und Personalressourcen. Um nur die Big Points zu nennen. Folgende Kostenpunkte gilt es bei der Entwicklung und dem Einsatz von künstlicher Intelligenz zu berücksichtigen:

Zur Umsetzung von KI-Projekten brauchen Sie vor allem eines: Wissen. Dieses Wissen müssen Sie zunächst (unternehmens-intern) aufbauen, dann erhalten und schließlich weiterentwickeln. Dies geschieht nicht von allein. Es benötigt interne oder externe Expert:innen für KI-Strategie, Data Science, Data Engineering, Data Analysis und IT-Architektur. Selbst wenn Sie bereits ein IT-/Daten-Team aufgebaut haben, kommen immer wieder externe Experten und Dienstleistungen hinzu. Anspruchsvoll wirds dadurch, dass diese externen wie internen Kosten über den kalkulierten Zeitverlauf variieren. Hier sollte in jedem Fall genau hingesehen werden. 

Personalkosten sind also immer ein Posten. Deshalb sollten Sie sicherstellen, dass sie gut investiert sind. In gute Mitarbeitende, gute Beratung, gute Dienstleistung.

Daten sind – Sie erinnern sich an meinen letzten Beitrag – der Rohstoff für Ihr KI-System. Ohne Daten keine KI. Daten müssen erhoben, analysiert, gepflegt, zusammengeführt, synthetisiert oder eingekauft werden. Das alles verursacht Kosten, die umso besser zu kalkulieren sind, je mehr sie über Daten und ihre Verfügbarkeit wissen. Aber nicht nur die Quantität, auch die Qualität Ihrer Daten ist entscheidend. Diese zu gewährleisten, ist Aufgabe Ihrer Data Governance. Eine fortlaufender Posten, der sich lohnt. Denn eine KI ist nur so gut wie die Daten, mit denen sie trainiert wurde.

Dies ist der coole Part. Klingt immer irgendwie nach nerdig-verücktem Wissenschaftler, rumpeliger Garage und jeder Menge Club-Mate. Aber die nüchterne Realität auch hier: Forschung – und sei sie noch so cool und nerdig – kostet Geld. Von der Ideenfindung für eine sauber konstruierte KI-Anwendung über Proofs of Concept, die Entwicklung erster Prototypen und MVPs bis hin zur abschließenden Evaluierung. Diese Investitionen sind nicht hundertprozentig kalkulierbar, aber dennoch ein Kostenpunkt, den Sie einberechnen müssen. Zwar gibt es meist einen festen Budgetrahmen. Doch die gelieferten Ergebnisse (und damit einhergehenden Unternehmenswerte) können nicht garantiert werden. Viel hängt hier von den verfügbaren Daten und der Expertise Ihres Teams ab. 

Ist der Fun-part erledigt, geht’s ans handwerklich Eingemachte: die Errichtung einer IT-Infrastruktur für die KI-Anwendung. Darunter fällt die Softwareentwicklung, die Konzeption und Entwicklung von Schnittstellen an bestehende Systeme und das automatisierte KI-Modell-Training MLOps (Machine Learning Operations). Erst jetzt haben Sie eine KI, die langfristig einsetzbar und nahtlos in Ihre Infrastruktur integriert ist. Doch das Ende der Fahnenstange ist noch nicht erreicht. In der Folge warten auf Sie:

Ein KI-Modell ist nie wirklich abgeschlossen. Wie der Name schon sagt, das System „lernt“ und wächst. Und zwar durch regelmäßiges Retraining mit neuen Datensätzen. Die müssen analysiert, aufbereitet und integriert werden. Außerdem bleibt die Zeit nicht stehen. Neben dem kontinuierlichen Betrieb muss das System/die Software entsprechend weiterentwickelt und aktualisiert werden. Hinzu kommen Kosten für Cloud-Services und potenzielle Lizenzgebühren für verwendete Software. Je nach Architektur kommen also unterschiedliche Posten auf Sie zu. Erst das Know-how über die verwendeten Technologien ermöglicht im Vorfeld eine realistische Kalkulation der Kosten.

Sie sehen, auch hier hängt alles mit allem zusammen. Umso wichtiger ist es, im Vorfeld Klarheit über all diese Punkte zu haben. Erst dann lässt sich beurteilen, ob die Umsetzung einer KI-Anwendung sich für ein Unternehmen wirtschaftlich lohnt. Doch selbst wenn all diese Zahlen vorliegen: mit einer einfachen Kosten-/Ertrags-Rechnung erhalten Sie kaum eine realistische Gewinnprognose. Zu dynamisch sind die technischen und wirtschaftlichen Entwicklungen. Wie also kann eine belastbare Berechnung des ROI aussehen?

Bei PLAN D verwenden wir die Discounted Cash Flow (DCF)-Analyse, eine Finanzmethode zur Bewertung von Investitionen, die zukünftige Cashflows auf ihren heutigen Wert hin abzinst. Einfacher ausgedrückt: Die Methode errechnet, was ein Geldbetrag, den ich in der Zukunft erhalten werde, heute wert ist. KI-Investitionen werden dabei mit Investitionsrendite (ROI) und dem Internen Zinsfuß (IRR) bewertet. Diese Analyse kann besonders hilfreich sein, weil KI-Projekte oft Vorabinvestitionen erfordern, die erst langfristig signifikante Renditen bieten.

Letztes Beispiel: Was, wenn sich nicht die Einsparungen, sondern die Kosten ändern? Denken Sie an den oben erwähnten Fall eines internen Call-Centers. Der Chatbot liefert zwar die erwarteten Einsparungen, doch die Mitarbeitenden müssen umgeschult, in andere Abteilungen transferiert oder mit Abfindungen abgebaut werden. Über den kalkulierten Zeitraum entstehen weitere 250.000 Euro Restrukturierungskosten. Das Resultat: der ROI und IRR sind negativ.

Wie gesagt, nicht alles ist vorhersehbar. Doch mit einer breiten Grundlage für eine umsichtige ROI-Berechnung bereiten Sie den bestmöglichen Boden für Ihre KI-Investition. Denn was wäre die Alternative? Gar nicht in KI investieren? Spielen wir das mal durch: Wir befinden uns derzeit in einem enormen Wandel. Der Einsatz von KI führt in nahezu allen Branchen zu enormen Umwälzungen und einem veränderten Wettbewerb. Die EU arbeitet an einer KI-Verordnung, einem in Form und Inhalt einmaligen Regelwerk zur Regulierung von künstlicher Intelligenz. Das alles passiert jetzt. Was also geschieht langfristig, wenn wir nicht in KI investieren? Warten wir den Zeitpunkt ab, ab dem alles zu 100 % planbar wird, ist es wahrscheinlich zu spät – der Wettbewerb hat einen zu großen Vorsprung. Ich bin überzeugt, der Preis für dieses Szenario ist der teuerste von allen. Keine positive Fortführungsprognose, sondern schlicht ein Totalausfall.

Und wieder scheinen die Big Player am Markt alle Trümpfe in der Hand zu halten. Die großen Firmen verfügen über ausreichende finanzielle Ressourcen, um die KI-Investitionen direkt aus ihrem Cashflow zu bestreiten. Das können natürlich nicht alle. Aber dafür gibt es andere Lösungen.

Wir erkennen momentan einen klaren Trend hin zu Kooperativen: Kleine Unternehmen mit ähnlichen Interessen oder Geschäftsmodellen schließen sich zu strategischen Partnerschaften oder Verbänden zusammen, um die anfänglich hohen Investitionen gemeinsam zu stemmen. Diese Allianzen ermöglichen eine Aufteilung der Kosten und des damit verbundenen Risikos. Kooperative Strukturen, auch durch externe Gelder finanziert, reduzieren für viele die finanzielle und technologische Hürde, die KI oft darstellt. Und das ist gut so.

Sichern Sie Ihre Investition mit einer umfassenden ROI-Berechnung im Vorfeld bestmöglich ab, indem Sie neben den rein finanziellen Aspekten auch die technologischen, strategischen und personellen einkalkulieren. Aber seien Sie nicht zu streng mit sich. Denn investieren sollten Sie in jedem Fall, nur eben technisch versiert und umfassend informiert. 

Apropos informiert: Auf EU-Ebene wird derzeit der weltweit erste Rechtsrahmen für KI-Regulierungen verhandelt und in absehbarer Zeit in Kraft treten. Doch was mit der KI-Verordnung der EU konkret auf Unternehmen zukommt, ist vielen noch unklar. Eins ist gewiss: Um den neuen gesetzlichen Anforderungen zu genügen, müssen viele KI-Systeme analysiert und überarbeitet werden. Wie das reibungslos gelingt, ist Thema der nächsten Ausgabe dieses Newsletters.