Hat sich die KI gelohnt? Drei Kennzahlen für deine Sechs-Monats-Bilanz (ohne Controlling-Projekt)

Im Juli habe ich an dieser Stelle eine Serie begonnen: mit der J-Kurve und der These, dass dein Team nach der KI-Einführung erst langsamer wird, bevor es schneller wird. Seitdem ging es um Fehler und Prüfaufwand, um Zeitersparnis, die als Konfetti verdunstet, und um die Frage, was du überhaupt messen darfst. Heute kommt der Teil, auf den das alles zuläuft: die Budgetrunde. Wer im Frühjahr gestartet ist, hat sie jetzt vor sich, und irgendwann stellt dort jemand die Frage aller Fragen: „Und? Hat’s was gebracht?“ Die ehrlichste Antwort im Raum ist erstaunlich oft ein Schulterzucken.

Kennst du diese Situation auch:

• Die Lizenzverlängerung steht an, das Team wirkt zufrieden, aber niemand kann eine einzige belastbare Zahl nennen?
• Das Tool-Dashboard zeigt stolze Nutzungsstatistiken, nur in deiner Monatsauswertung taucht davon nichts auf?
• Und du schwankst zwischen verlängern, ausweiten und beerdigen, ohne zu wissen, worauf du diese Entscheidung eigentlich stützen sollst?

Ich stelle mir dieselbe Frage seit 2025 regelmäßig selbst: für meine eigenen Automatisierungen, von der Buchhaltung bis zur Akquise. Die unbequemste Erkenntnis daraus: Ob ich sie beantworten kann, entscheidet sich nicht am Bilanztag. Es entscheidet sich am Tag null. An dem, was ich vorher aufgeschrieben habe.

Warum die meisten nach sechs Monaten nichts beweisen können

Wie verbreitet das Schulterzucken ist, hat Bitkom im Frühjahr gemessen: Nur 52 Prozent der Unternehmen, die KI einsetzen, berichten einen messbaren Beitrag zum Geschäftserfolg, und ein Drittel stellte fest, dass KI deutlich teurer wurde als geplant. International sieht es nicht besser aus: Laut McKinsey nutzen 88 Prozent der Organisationen KI regelmäßig in mindestens einer Funktion, aber nur 39 Prozent können ihr überhaupt einen Ergebniseffekt zuschreiben.

Man kann diese Lücke als Beleg lesen, dass KI nichts taugt. Ich halte sie für etwas anderes: kein Technik-, sondern ein Hausaufgaben-Problem. Und die Hausaufgabe war vor dem Start fällig: die Baseline. Wer nicht gemessen hat, wie lange ein Angebot vor der KI gedauert hat, kann die Ersparnis danach nur fühlen, nicht zeigen. In Kundengesprächen begegnet mir dieses Muster immer wieder (eine wiederkehrende Beobachtung, keine Statistik): Sechs Monate nach dem Rollout will die Geschäftsführung Zahlen sehen, und dann stellt sich heraus, dass niemand die Vorher-Werte kennt. Nicht aus Schlamperei. Sondern weil am Anfang alle mit dem Werkzeug beschäftigt waren und niemand mit der Stoppuhr.

Genau deshalb gehört in unser Vorgehensmodell die Messung vor den Piloten: erst festhalten, wie es heute läuft, dann einführen. Das klingt banal. Es ist aber der ganze Unterschied zwischen einer Bilanz und einem Bauchgefühl.

Die Metriken, die dich anlügen

Die zweite Falle schnappt zu, wenn die Baseline fehlt und trotzdem Zahlen gefordert sind: Dann greift man nach dem, was da ist, und das ist fast immer das Anbieter-Dashboard. Anzahl der Prompts. „Aktive Nutzer“. Lizenzauslastung. Dazu der Applaus aus der letzten Demo und die Begeisterung im Flurfunk. Das Tückische an diesen Zahlen: Sie steigen automatisch, sobald du ein neues Werkzeug verteilst. Sie belegen, dass etwas benutzt wird. Nicht, dass unterm Strich etwas ankommt. (Dass Anbieter-Dashboards genau diese Werte zeigen, ist übrigens keine Verschwörung: Sie sind einfach billig zu erheben und sehen immer gut aus.)

Wie weit Gefühl und Messung auseinanderliegen, hat die METR-Studie 2025 messbar gemacht: Erfahrene Entwickler glaubten hinterher, mit KI rund 20 Prozent schneller gewesen zu sein – gemessen waren sie 19 Prozent langsamer. Die ganze Anatomie dieser Studie steht im Auftakt dieser Serie; für heute reicht die Konsequenz: Gefühlte Produktivität ist keine Kennzahl.

Zwei Verwandte dieser Lügen-Metriken habe ich in den letzten Wochen schon einzeln seziert. Die „gesparten Stunden“ aus dem Dashboard sind eine Zwischengröße, die als Zeit-Konfetti verdunstet, solange niemand über ihre Verwendung entscheidet. Warum, steht im Artikel zur freien Kapazität. Und falls deine KI-Einführung im Entwicklerteam läuft: Commits und Codezeilen steigen mit KI von allein. Was du im Dev-Team messen darfst und was du messen solltest, war Mitte September dran. Heute geht es um die Ebene darüber: die Gesamtbilanz fürs Unternehmen.

Die drei Kennzahlen, die deine Bilanz tragen

Was trägt stattdessen? Nach meiner Erfahrung aus den eigenen Automatisierungen und aus Kundenprojekten brauchst du genau drei Kennzahlen. Nicht zwanzig: drei, die sich ohne Controlling-Abteilung erheben lassen.

Durchlaufzeit pro Vorgang

Such dir zwei bis drei Referenzprozesse, die für dein Geschäft stehen: Angebot raus, Beleg verbucht, Anfrage beantwortet. Und miss, wie lange sie dauern: in Kalendertagen oder Arbeitsminuten, vorher und nachher. Die Zeitstempel dafür existieren meist längst, in Postfächern und Ticketsystemen. Bei mir heißt der Referenzprozess „Beleg verbucht“: Meine automatisierte Buchhaltung spart mir pro Beleg ein paar Minuten: mal sechs, mal zwölf. Und es gab, das gehört zur Wahrheit, auch Wochen, in denen netto kaum etwas übrig blieb, weil das System selbst Pflege brauchte. Genau diese Sorte Zahl willst du haben: klein, konkret, unbestechlich. Sie macht auf keiner Folie Eindruck. Aber sie hält Nachfragen stand.

Fehler- und Nacharbeitsquote

Die zweite Frage: Wie viele Vorgänge brauchen eine Korrekturschleife, vorher und nachher? Für den Anfang reicht eine Strichliste über zwei Wochen. Diese Kennzahl ist deine Versicherung gegen die schmeichelhafteste Selbsttäuschung: Wenn die Durchlaufzeit sinkt, aber die Nacharbeit steigt, hast du die Arbeit nur verschoben, und die Prüf- und Korrekturzeit frisst die Ersparnis wieder auf. Die vollständige Netto-Rechnung dazu habe ich im August aufgemacht; für die Bilanz genügt der Merksatz: Ohne Nacharbeitsquote ist jede Durchlaufzeit nur die halbe Wahrheit.

Frei gewordene Stunden mal ehrlichem Stundensatz

Die dritte Kennzahl übersetzt Zeit in Geld, und ihr wichtigstes Wort ist „ehrlich“. Es zählen nur Stunden, die nachweislich anders gefüllt oder eingespart wurden: die Mahnungen, die endlich rausgehen; das Angebot, das den Kunden noch am selben Tag erreicht. Minuten, die als Konfetti im Alltag verdunsten, zählen nicht. Und rechne mit einem Stundensatz, den du gegenüber deinem Steuerberater vertreten würdest, nicht mit dem von der Anbieter-Folie.

Für die nächste GF-Runde einmal als Gegenüberstellung:

Die 90-Tage-Zwischenlesung: erste Signale, bevor die Bilanz fällig ist

Musst du mit alldem wirklich sechs Monate warten? Nein, du musst nur früher anders lesen. Nach 90 Tagen nimmst du dieselben drei Kennzahlen als Zwischenstand, mit bewusst gedämpfter Erwartung: Gut möglich, dass dein Team da noch mitten in der Delle der J-Kurve steckt. Dazu zwei Frühindikatoren, die sich nebenbei erheben lassen: die aktive Nutzungsquote pro Rolle (arbeitet die Buchhaltung wirklich mit dem Werkzeug oder nur der eine begeisterte Kollege?) und der Anteil der Vorgänge, die überhaupt KI-gestützt laufen. Und schließlich eine kurze Teamabfrage, anonym und freiwillig: Hilft es dir? Wobei konkret? Was nervt?

Welche Nutzungsquote nach 90 Tagen „gut“ ist, kann ich dir seriös nicht sagen: Eine belastbare Schwelle dafür habe ich nirgends belegt gefunden, und erfinden werde ich sie nicht. Zur Einordnung taugt aber die Deloitte-Befragung vom Frühjahr: Selbst in Deutschland, dort Adoption-Spitzenreiter, berichten nur 41 Prozent der Unternehmen, dass mehr als 60 Prozent der Belegschaft KI-Werkzeuge nutzen. Vollnutzung nach 90 Tagen ist demnach keine realistische Messlatte, sondern ein Anbieter-Märchen.

Wichtig ist die Rollenverteilung: Die 90-Tage-Lesung dient dem Nachsteuern. Vorlagen nachschärfen, Lizenzen umverteilen, eine Schulung nachlegen. Sie ist nicht die Bilanz; und weiche Signale im laufenden Projekt sind ein Thema für sich: kippende Stimmung, stille Workarounds. Bilanziert wird am Stichtag. Und dafür brauchst du das härteste Element von allen.

Abbruchkriterien: die Reißleine definierst du am Tag null, nicht am Stichtag

Bevor dein Projekt startet, legst du schriftlich fest, welcher Wert welcher Kennzahl am Stichtag erreicht sein muss, und was passiert, wenn nicht. Zum Beispiel so: Wenn die Durchlaufzeit unserer drei Referenzprozesse nach sechs Monaten nicht messbar unter der Baseline liegt und es keine erklärbare Sonderursache gibt, stoppen wir oder bauen um. Ohne diese Vereinbarung verhandelt am Bilanztag jeder mit sich selbst: „Noch drei Monate, dann bestimmt …“ Und die Sunk-Cost-Falle gewinnt: Es steckt schon so viel Geld und Gesicht im Projekt, dass niemand derjenige sein will, der den Stecker zieht.

Dabei ist Abbrechen statistisch völlig normal: Laut S&P Global haben 42 Prozent der Unternehmen die Mehrheit ihrer KI-Initiativen abgebrochen (im Vorjahr waren es erst 17 Prozent), und im Schnitt wurden 46 Prozent der Pilotprojekte vor der Produktion gestoppt. Teuer ist nicht das Abbrechen. Teuer ist das Weiterlaufenlassen ohne Kriterium.

Ich habe diese Reißleine selbst schon gezogen: Meinen Alleskönner-Agenten, der E-Mails, Recherche und Projektorganisation gleichzeitig stemmen sollte, habe ich wieder abgeschaltet: Er brauchte mehr Aufsicht, als er Nutzen brachte. Und weil dieser Artikel Ehrlichkeit predigt, gestehe ich gleich mit: Ein vorab aufgeschriebenes Abbruchkriterium hatte ich damals nicht. Die Entscheidung fiel nach Bauchgefühl – und ich vermute, mit einem notierten Kriterium wäre sie früher gefallen. Genau deshalb steht dieser Abschnitt hier.

Was sich ehrlicherweise nicht sauber messen lässt

Ein Eingeständnis noch, bevor du mit drei Kennzahlen und einer Reißleine bewaffnet in die Budgetrunde ziehst: Manches lässt sich nicht sauber messen. Der Lerneffekt im Team. Der Optionswert – dein Unternehmen kann jetzt Dinge, die es vorher nicht konnte. Vermiedene Fehler, die nie passiert sind und deshalb in keiner Strichliste auftauchen. Bei mir selbst: Ob die Antworten meiner KI-Assistentin Lea heute besser sind als vor einem Jahr, meine ich zu spüren – in eine Kennzahl bekomme ich es nicht. Und was ich aus der täglichen Arbeit mit meinen Agenten gelernt habe, taucht in keiner Durchlaufzeit auf, prägt aber inzwischen jede meiner Projektentscheidungen.

Mein Umgang damit: benennen, nicht in Scheinzahlen pressen. Wer dir verspricht, all das exakt zu beziffern, will dir meistens etwas verkaufen. Die Bilanz hängst du trotzdem an den drei harten Kennzahlen auf – und ordnest sie zeitlich sauber ein:

Diese Einordnung nimmt der Sechs-Monats-Bilanz übrigens die Schwere: Sie beantwortet nicht die Frage „Ist der ROI voll da?“, sondern „Zeigt der Trend in die richtige Richtung – und wussten wir vorher, woran wir das erkennen wollen?“ Eine magere Bilanz nach sechs Monaten ist kein Todesurteil. Eine Bilanz ohne Baseline ist gar keine.

Damit schließt sich der Bogen, den diese Serie im Juli mit der J-Kurve aufgemacht hat: Damals habe ich dir versprochen, dass es nach der Delle wieder aufwärtsgeht. Heute weißt du, wie du schwarz auf weiß prüfst, ob es das getan hat – Baseline vor dem Start, drei harte Kennzahlen, Reißleine am Tag null. Wer diese drei Dinge hat, beantwortet die Frage „Und, hat’s was gebracht?“ in fünf Minuten. Mit Zahlen statt Schulterzucken.

Wenn du vor sechs Monaten gestartet bist und gerade feststellst, dass die Baseline fehlt: kein Grund zur Scham, aber einer zum Handeln. Sprich mich an, schreib mir eine E-Mail oder ruf einfach an – im Erstgespräch schauen wir gemeinsam, was sich aus Postfächern und Ticketsystemen rückwirkend rekonstruieren lässt und was du ab heute misst. Und wenn du noch vor dem Start stehst: In unserer Potenzialanalyse legen wir Baseline, Kennzahlen und Abbruchkriterien fest, bevor der erste Euro in Lizenzen fließt. Keine Zwanzig-Kennzahlen-Scorecard, kein Dashboard-Theater – versprochen.