KI-ROI berechnen: Formeln und Beispiele für die Automatisierung

Die meisten KI-Projekte scheitern nicht an einem schwachen Modell. Sie scheitern daran, dass niemand in Euro sagen kann, was sich verändert hat. Die viel zitierte Studie von MIT NANDA kommt zu dem Ergebnis, dass rund 95 Prozent der Pilotprojekte mit generativer KI keinen messbaren Effekt auf die GuV hatten (Fortune). Kritiker merken zu Recht an, dass „kein GuV-Effekt“ nicht dasselbe ist wie „gescheitert“ (Methodenkritik). Und laut McKinsey berichten nur 39 Prozent der Unternehmen überhaupt von einem EBIT-Effekt durch KI (McKinsey, The State of AI). Welche Zahl man auch nimmt, die Lehre für Inhaber und Geschäftsführung ist dieselbe: Wer den Ertrag nicht vor dem Projekt berechnet, kann ihn hinterher auch nicht belegen.

Dieser Leitfaden liefert Ihnen eine Methode, die für Mittelstand und kleinere Unternehmen funktioniert: die Formeln, die oft vergessenen Kostenpositionen, ein einfaches Hochlaufmodell und zwei Rechenbeispiele auf Basis realer Benchmarks aus 2026. Sie können das an einem Nachmittag in einer Tabellenkalkulation nachbauen und wissen danach, ob ein Vorhaben einen Pilot verdient – oder nicht.

Warum sich der ROI von KI anders rechnet als bei klassischer Software

Bei klassischer Software zahlt man eine Lizenz und erhält einen einigermaßen planbaren Nutzen. KI-Automatisierung verhält sich in vier Punkten anders:

• Kosten wachsen mit dem Volumen. Tokens, Sprachminuten und Gebühren pro Ergebnis steigen mit jedem Gespräch und jedem Dokument. 54 Prozent der deutschen Unternehmen, die KI bereits nutzen, nennen unvorhersehbare Kosten als Hemmnis (Bitkom).
• Automatisierung erreicht nie 100 Prozent. Ein Agent löst einen Teil der Fälle, Ausnahmen landen weiter bei Menschen. Ihr ROI hängt an diesem Anteil, nicht an der Demo.
• Es gibt einen Hochlauf. Vor dem vollen Nutzen liegen Wochen für Entwicklung, Test im Schattenbetrieb und Feinjustierung.
• Der Nutzen hat zwei Quellen. Manche Use Cases senken die Stückkosten, andere holen Umsatz zurück, der heute verloren geht. Beide brauchen unterschiedliche Formeln.

Große Unternehmen haben das bereits gelernt: 74 Prozent prüfen die Kosten inzwischen fest im Freigabeprozess für KI-Projekte, 43 Prozent arbeiten mit expliziten Token-Budgets (KPMG Q3 2026 AI Pulse). Mittelständler brauchen dieselbe Disziplin, nur in schlankerer Form.

Die zentralen Formeln

Halten Sie die Mathematik einfach und die Eingangswerte ehrlich. Fünf Formeln decken fast jeden Use Case ab:

• Monatlicher Nettonutzen = monatlicher Bruttonutzen − monatliche laufende Kosten
• Amortisationszeit (Monate) = Einmalkosten ÷ monatlicher Nettonutzen
• ROI im ersten Jahr = (Nutzen im ersten Jahr − Kosten im ersten Jahr) ÷ Kosten im ersten Jahr
• Nutzen auf der Kostenseite = Menge × Automatisierungsquote × (manuelle Stückkosten − verbleibende Stückkosten je automatisierter Einheit)
• Nutzen auf der Umsatzseite = zusätzliche Abschlüsse × durchschnittlicher Auftragswert × Rohertragsmarge

Zwei Regeln machen diese Formeln belastbar. Erstens: Rechnen Sie pro Arbeitseinheit – Rechnung, Ticket, Anruf, Lead –, nie pro Tool. Zweitens: Verwenden Sie Vollkosten je Einheit, also Gehalt inklusive Lohnnebenkosten, Softwarelizenzen, Führungszeit und Nacharbeit, geteilt durch die tatsächlich bearbeiteten Einheiten.

Welche Nutzenpositionen zählen

Die vollständige Kostenstruktur

Vergessen Sie die interne Position nicht: die Zeit der Prozessverantwortlichen, das wöchentliche Qualitäts-Review, die Pflege der Wissensbasis und die Menschen, die Ausnahmen bearbeiten. Wenn Sie Preismodelle vergleichen, zeigt unser Leitfaden zu ergebnisbasierten KI-Preismodellen, wie Gebühren pro gelöstem Fall oder pro Gespräch die Rechnung verändern.

Schritt für Schritt zum Business Case

1. Wählen Sie einen Prozess und eine Einheit. „Kundenservice“ ist keine Einheit, „eine Anfrage zum Lieferstatus“ schon.
2. Messen Sie vier bis acht Wochen lang eine Baseline. Volumen, Bearbeitungszeit, Vollkosten, Fehler- und Nacharbeitsquote und bei Umsatzfällen die Verlust- oder Abschlussquote. Aus Ihren Systemen, nicht aus dem Gedächtnis.
3. Legen Sie eine realistische Automatisierungsquote fest und definieren Sie „erledigt“. Gelöst, gebucht, verbucht. HFS Research erwartet, dass die Definition eines „gelösten“ Falls zum nächsten Streitpunkt in SLAs wird (HFS) – schreiben Sie Ihre deshalb jetzt auf.
4. Bepreisen Sie alle drei Ebenen. Einmalig, laufend, intern.
5. Modellieren Sie den Hochlauf Monat für Monat. Entwicklung, Schattenbetrieb, Teil-Rollout, Vollbetrieb.
6. Rechnen Sie drei Szenarien. Konservativ, Basis, optimistisch. Amortisiert sich das konservative Szenario nicht in einem für Sie akzeptablen Zeitraum, stoppen Sie oder schneiden den Umfang enger.
7. Stimmen Sie die Messung vor dem Go-live mit dem Controlling ab. Gleiche Kennzahl, gleiche Quelle, gleich langer Zeitraum wie bei der Baseline. Genau das unterscheidet Projekte, die in Produktion gehen, von denen, die stecken bleiben – mehr dazu in Warum KI-Piloten stecken bleiben.

Rechenbeispiel 1: Eingangsrechnungen im Back Office

Im Back Office fanden die MIT-Forscher die stärksten Renditen (Fortune), und für die Rechnungsverarbeitung gibt es ungewöhnlich gute Benchmarks: im Schnitt 10,89 US-Dollar pro Rechnung, bei den besten Teams mit Automatisierung 2,78 US-Dollar (Parseur). HFS berichtet von Unternehmen, die ihren Anteil vollautomatisch verarbeiteter Kreditorenrechnungen binnen sechs Monaten von 27 auf 71 Prozent gesteigert haben (HFS).

Die Benchmarks stammen aus dem US-Markt. Damit die Rechnung leicht nachvollziehbar bleibt, übernehmen wir die Größenordnung 1:1 in Euro. Annahmen für einen mittelständischen Großhändler:

• 2.000 Eingangsrechnungen pro Monat zu Vollkosten von 10,89 € je Rechnung.
• Nach der Automatisierung verbleiben 3,50 € pro Rechnung für Ausnahmen, Freigaben und Stichproben – bewusst über dem Best-in-Class-Wert.
• Einmalige Entwicklung und Integration: 25.000 €, innerhalb der Marktspanne für individuelle Agenten.
• Laufende Kosten: 1.500 € pro Monat für Modellnutzung, Hosting, Monitoring und Betreuung.

Die naive Rechnung: Bruttoeinsparung = (10,89 − 3,50) × 2.000 = 14.780 € pro Monat; netto 13.280 €; Amortisation nach 1,9 Monaten; ROI im ersten Jahr 312 Prozent. Sieht großartig aus – und ist falsch, weil sie unterstellt, dass das System ab Tag eins das volle Volumen schafft.

Die realistische Rechnung berücksichtigt den Hochlauf: Monate 1–2 Entwicklung ohne Einsparung, Monate 3–4 mit 50 Prozent des Volumens im Schattenbetrieb und Teil-Rollout, Monate 5–12 mit vollem Volumen. Laufende Kosten fallen ab Monat 3 an.

Daraus folgen zwei Erkenntnisse. Das Projekt lohnt sich selbst im konservativen Fall. Und die ehrliche Amortisation lautet „Monat 5 oder 6 ab Projektstart“, nicht „unter zwei Monaten“ – genau die Art von Abweichung, die Vertrauen zerstört, wenn das Controlling ein Jahr später nachrechnet. Wie die Umsetzung aussieht, lesen Sie in unserem Leitfaden zur KI-Dokumentenverarbeitung.

Rechenbeispiel 2: Verpasste Anrufe im SHK-Betrieb

Umsatzseitige Fälle brauchen die zweite Formel. US-Daten aus dem Handwerk zeigen: Betriebe verpassen 14–27 Prozent der eingehenden Anrufe, 85 Prozent dieser Anrufer rufen nie wieder an, und ein verpasster Anruf kann einen verlorenen Auftrag im Wert von 230 bis 3.000 US-Dollar bedeuten (Thoughtly). In einer veröffentlichten Fallstudie von ServiceTitan steigerte ein Sanitärbetrieb den Anteil der Anrufe, die zu einem gebuchten Termin führten, mit Voice-Agenten von unter 50 auf 80 Prozent (ServiceTitan).

Annahmen für einen Heizungs- und Sanitärbetrieb:

• 500 eingehende Anrufe pro Monat; 20 Prozent werden verpasst (100 Anrufe), 85 Prozent dieser Anrufer melden sich nicht wieder: 85 verlorene Chancen.
• Die KI-Telefonassistenz nimmt diese Anrufe an und bucht 40 Prozent davon: 34 Aufträge.
• Durchschnittlicher Auftrag 400 €, Rohertragsmarge 50 Prozent.
• Einrichtung 4.000 €, laufende Kosten 700 € pro Monat für Minuten, Plattform und Monitoring.

Zusätzlicher Rohertrag = 34 × 400 € × 50 % = 6.800 € pro Monat. Nach Abzug der laufenden Kosten: 6.100 €. Amortisation: innerhalb des ersten Monats nach dem Go-live.

Jetzt die Falle. Wer Umsatz statt Marge ansetzt, meldet 13.600 € pro Monat – das Doppelte des echten Effekts. Und einen Teil der Anrufer hätte man vielleicht ohnehin mit einem schnellen Rückruf zurückgewonnen. Sauber belegen lässt sich der Effekt mit einer Kontrollgruppe: Lassen Sie die KI im ersten Monat nur außerhalb der Geschäftszeiten oder nur bei Überlauf arbeiten und vergleichen Sie die Buchungsquoten. Zum Vergleich: Ein Telefonservice mit echten Menschen kostet in den USA 235 bis 1.640 US-Dollar im Monat, eine fest angestellte Empfangskraft 48.000 bis 63.000 US-Dollar im Jahr (AIRA). Solche Systeme bauen wir in Lotus Libre Voice; die Branchendetails finden Sie in Voice-KI für Handwerksbetriebe.

Benchmarks für den Plausibilitätscheck

Liegt Ihr Modell weit über diesen Werten, prüfen Sie die Eingaben, bevor Sie feiern.

Der Business Case auf einer Seite

Wer das Budget freigibt, braucht nicht Ihre Tabellenkalkulation, sondern eine Seite, die er unterschreiben kann. Ein guter KI-Business-Case passt auf ein Blatt mit sieben Zeilen:

1. Prozess und Einheit – zum Beispiel „Eingangsrechnungen, eine Rechnung = eine Einheit“.
2. Baseline – Volumen, Vollkosten pro Einheit, Fehlerquote, gemessen in einem benannten Zeitraum.
3. Ziel – Automatisierungsquote und Definition von „erledigt“, dazu die Leitplanken, die sich nicht verschlechtern dürfen (Genauigkeit, Kundenzufriedenheit, Qualität der Eskalation).
4. Kosten – einmalig, laufend und intern, mit der Mengenannahme hinter jeder nutzungsabhängigen Position.
5. Drei Szenarien – Nettonutzen, ROI und Amortisationsmonat für den konservativen, den Basis- und den optimistischen Fall.
6. Risiken und Gegenmaßnahmen – Datenqualität, Systemzugänge, Akzeptanz, Compliance und was passiert, wenn ein Anbieter seine Preise ändert.
7. Entscheidungspunkte – Datum der Go/No-go-Entscheidung nach dem Pilot, wer unterschreibt und welche Kennzahl entscheidet.

Die letzte Zeile ist die wichtigste. Sie macht aus der ROI-Rechnung eine überprüfbare Zusage statt einer Prognose. Unternehmen, die sich vorab auf die Erfolgsmessung einigen, bekommen das nächste Budget leichter – und können ein Projekt früh stoppen, wenn die Zahlen ausbleiben. Auch das ist ein gutes Ergebnis.

Typische Fehler

• Eingesparte Stunden als Geld verbuchen. Solange keine Einstellung vermieden, keine Überstunden oder Dienstleisterkosten gesenkt und keine Mitarbeitenden in umsatzwirksame Arbeit verlagert werden, ist es Kapazität. Weisen Sie sie getrennt aus.
• Entwicklung und Hochlauf ignorieren. Wie Beispiel 1 zeigt, verschiebt das die Amortisation um Monate.
• Mengenabhängige Kosten vergessen. Gebühren pro Ergebnis, Tokens und Minuten wirken pro Einheit klein und pro Jahr groß.
• Umsatz statt Marge ansetzen bei umsatzseitigen Fällen.
• Ohne Baseline starten. ROI-Rechner von Anbietern beruhen auf Annahmen; nur Ihr eigener Vorher-Wert hält einer Prüfung stand.
• 100 Prozent Automatisierung unterstellen. Planen Sie Ausnahmen und die Menschen ein, die sie bearbeiten.
• Dem Gefühl von Produktivität trauen. In einer METR-Studie waren erfahrene Entwickler mit KI 19 Prozent langsamer, hielten sich aber für 20 Prozent schneller (METR). Messen statt schätzen.
• Fehlerkosten weglassen. Eine falsche Erstattung oder eine erfundene Zusage hat einen Preis; Qualitätsprüfung und Eskalationsweg gehören in den Plan.

Fazit

Den ROI von KI-Automatisierung zu berechnen heißt: Stückkosten verstehen und beim Timing ehrlich sein. Wählen Sie einen Prozess, messen Sie ihn, bepreisen Sie jede Ebene, modellieren Sie den Hochlauf und rechnen Sie drei Szenarien. Amortisiert sich der konservative Fall innerhalb eines Jahres, haben Sie ein Projekt, das einen Pilot verdient. Funktioniert es nur im optimistischen Szenario, schneiden Sie den Umfang enger oder nehmen Sie einen anderen Prozess.

Genau hier beginnen die meisten Projekte bei Lotus Libre Agents: ein Prozess, eine Kennzahl, eine Baseline und ein Amortisationsdatum, das alle unterschreiben. Wenn Sie einen zweiten Blick auf Ihre Zahlen möchten, buchen Sie ein kostenloses 15-Minuten-Audit – wir sagen Ihnen ehrlich, ob Ihr Business Case trägt.