Was ist ein akzeptables Kosten-Nutzen-Verhältnis für einen KI-Anwendungsfall?

Ein akzeptables Kosten-Nutzen-Verhältnis für einen KI-Anwendungsfall liegt vor, wenn der messbare geschäftliche Nutzen – sei es in Form von Kosteneinsparungen, Umsatzwachstum oder Produktivitätssteigerungen – die Gesamtinvestition, die für die Entwicklung, den Betrieb und die Wartung der Lösung erforderlich ist, deutlich übersteigt. In der Praxis streben die meisten Unternehmen über einen definierten Zeitraum eine Mindestrendite an, die das Zwei- bis Dreifache der Gesamtkosten beträgt, wobei der richtige Schwellenwert stark von der Art des Anwendungsfalls, der Risikobereitschaft des Unternehmens und der Definition von „Wert“ abhängt. Die folgenden Fragen beleuchten, wie sich dieser Wert messen lässt, wo Budgets typischerweise zu kurz greifen und wann man das Projekt besser abbrechen sollte.

Wie lässt sich der Wert eines KI-Anwendungsfalls messen?

Den Wert eines KI-Anwendungsfalls misst man, indem man die konkreten geschäftlichen Ergebnisse ermittelt, auf die er Einfluss hat, und jedem dieser Ergebnisse einen finanziellen oder betrieblichen Wert zuordnet. Das bedeutet, über technische Leistungskennzahlen hinauszugehen und die Ergebnisse der KI mit Kennzahlen zu verknüpfen, die das Unternehmen ohnehin bereits erfasst: Kosten pro Transaktion, eingesparte Arbeitsstunden der Mitarbeiter, reduzierte Fehlerquoten, erzielte Umsätze oder verbesserte Kundenbindung.

Beginnen Sie damit, die Ausgangsbasis zu definieren. Was kostet der aktuelle Prozess an Zeit, Geld oder Risiko? Modellieren Sie anschließend, was sich ändern würde, wenn die KI die erwartete Leistung erbringt. Die Differenz zwischen diesen beiden Werten – bereinigt um das Vertrauen in die Zuverlässigkeit der KI – ist Ihr prognostizierter Wert. Auf dieser Grundlage können Sie den prognostizierten Wert mit den Gesamtkosten der Initiative vergleichen.

Ein nützlicher Rahmen für die Strukturierung dieser Messung umfasst drei Dimensionen:

• Wirkungsgrad: Zeit- oder Kosteneinsparungen durch die Automatisierung oder Beschleunigung einer Aufgabe
• Wert für die Entscheidungsqualität: Bessere Ergebnisse durch schnellere oder genauere Informationen
• Strategischer Wert: Wettbewerbsvorteil, Risikominderung oder Fähigkeit, die zukünftiges Wachstum ermöglicht

Nicht jeder Anwendungsfall für KI liefert in allen drei Dimensionen einen Mehrwert, doch wenn Sie herausarbeiten, welche davon zutreffen, können Sie einen realistischeren und umfassenderen Business Case erstellen. Der strategische Mehrwert lässt sich am schwersten quantifizieren, doch wenn man ihn gänzlich außer Acht lässt, kann dies dazu führen, dass Anwendungsfälle unterschätzt werden, die für die langfristige Ausrichtung des Unternehmens von entscheidender Bedeutung sind.

Was gilt als akzeptables Kosten-Nutzen-Verhältnis bei KI?

Als akzeptables Kosten-Nutzen-Verhältnis für einen KI-Anwendungsfall gilt im Allgemeinen ein Wert von mindestens 2:1, was bedeutet, dass der erzielte geschäftliche Nutzen mindestens doppelt so hoch ist wie die Gesamtinvestition. Bei risikoreicheren oder experimentellen Anwendungsfällen legen viele Unternehmen die Messlatte höher an und streben ein Verhältnis von 3:1 oder sogar 5:1 an, um der Unsicherheit bei der Wertrealisierung und der Wahrscheinlichkeit von Kostenüberschreitungen bei der Umsetzung Rechnung zu tragen.

Allerdings gibt es kein allgemeingültiges Verhältnis. Es hängt von verschiedenen Faktoren ab, darunter dem Reifegrad der eingesetzten KI-Technologie, der Toleranz des Unternehmens gegenüber Unsicherheiten und der erwarteten Geschwindigkeit, mit der sich der Nutzen einstellen wird. Ein Anwendungsfall, der innerhalb von sechs Monaten klare, messbare Einsparungen liefert, kann ein niedrigeres Verhältnis rechtfertigen als einer, bei dem der Nutzen diffus, langfristig oder schwer zuzuordnen ist.

Eine Möglichkeit, die Akzeptanz zu beurteilen, besteht darin, die KI-Investition mit der nächstbesten Alternative zu vergleichen. Wenn eine manuelle Prozessoptimierung oder eine einfachere Softwarelösung 80% an Nutzen bei Kosten von 20% erzielen würde, muss der KI-Anwendungsfall diesen Aufpreis rechtfertigen. Beim Kosten-Nutzen-Verhältnis geht es nicht nur darum, ob die KI für sich genommen einen Nutzen bringt, sondern darum, ob sie mehr Nutzen bietet als die Alternativen.

Inwiefern wirkt sich die Art des KI-Anwendungsfalls auf das erwartete Verhältnis aus?

Die Art des KI-Anwendungsfalls hat erheblichen Einfluss darauf, welches Kosten-Nutzen-Verhältnis realistisch und akzeptabel ist. Anwendungsfälle, die klar definierte, sich wiederholende Aufgaben automatisieren, wie beispielsweise die Dokumentenverarbeitung, der Rechnungsabgleich oder die Erkennung von Anomalien in strukturierten Daten, liefern in der Regel vorhersehbare Erträge und können relativ schnell ein gutes Verhältnis erzielen. Anwendungsfälle, die generative KI, komplexe Entscheidungsunterstützung oder neuartige Anwendungen beinhalten, sind mit größerer Unsicherheit verbunden und erfordern in der Regel ein höheres erwartetes Verhältnis, um das Risiko zu rechtfertigen.

Anwendungsfälle für die betriebliche Automatisierung

Diese Anwendungsfälle ersetzen manuelle Prozesse oder beschleunigen sie und erzielen dabei einen messbaren Durchsatz. Der Nutzen lässt sich in der Regel leicht berechnen: weniger Arbeitsstunden, geringere Fehlerquoten, kürzere Durchlaufzeiten. Das Kosten-Nutzen-Verhältnis dieser Anwendungsfälle lässt sich oft bereits innerhalb von 12 bis 18 Monaten erreichen, was sie zu geeigneten Kandidaten für eine erste Investition in KI macht.

Entscheidungsintelligenz und Anwendungsfälle im Bereich der Vorhersage

Diese Anwendungsfälle verbessern die Qualität von Entscheidungen, anstatt Arbeitskräfte direkt zu ersetzen. Der Mehrwert zeigt sich in den Ergebnissen: bessere Beschaffungsentscheidungen, geringere Abwanderungsrate, genauere Prognosen. Da sich der kausale Zusammenhang zwischen den KI-Ergebnissen und dem Geschäftsergebnis nur schwer isolieren lässt, muss das erwartete Verhältnis höher sein, um die Unsicherheit bei der Zuordnung auszugleichen. Unternehmen sollten klare Messrahmenwerke vor der Einführung und nicht erst danach aufbauen.

Welche Kosten werden bei den Budgets für KI-Anwendungsfälle typischerweise unterschätzt?

Die Kosten, die in den Budgets für KI-Anwendungsfälle am häufigsten unterschätzt werden, sind die Datenaufbereitung, die laufende Modellpflege, die Integration in bestehende Systeme und das Änderungsmanagement. Die meisten Unternehmen berücksichtigen zwar die Kosten für die Entwicklung oder Lizenzierung des KI-Modells selbst, unterschätzen jedoch alles, was erforderlich ist, damit es in einer Produktionsumgebung zuverlässig funktioniert und einen tatsächlichen geschäftlichen Mehrwert generiert.

Zu den konkreten Kostenkategorien, die Unternehmen häufig überraschen, gehören:

• Datenqualität und Kennzeichnung: KI-Modelle erfordern saubere, strukturierte und oft manuell beschriftete Trainingsdaten – ein Prozess, der mehr Zeit und Fachwissen erfordert als erwartet.
• Infrastruktur und Rechenleistung: Der Betrieb von KI-Modellen in großem Maßstab, insbesondere von großen Sprachmodellen, ist mit erheblichen und laufenden Cloud-Rechenkosten verbunden
• Integrationsarbeit: Die Einbindung der Ergebnisse einer KI in bestehende Arbeitsabläufe, Systeme und Genehmigungsprozesse erfordert oft ebenso viel technischen Aufwand wie die Entwicklung des Modells selbst
• Modelldrift und Nachtraining: KI-Modelle verlieren mit der Zeit an Leistungsfähigkeit, da sich die reale Welt verändert; daher müssen die Budgets die laufende Überwachung und das regelmäßige Umtrainieren berücksichtigen.
• Veränderungsmanagement: Um Menschen dazu zu bewegen, den Ergebnissen der KI zu vertrauen und entsprechend zu handeln, sind Schulungen, Kommunikation und oft auch eine Neugestaltung von Prozessen erforderlich.

Eine Unterschätzung dieser Kosten wirkt sich nicht nur auf das Budget aus, sondern verzerrt auch das Kosten-Nutzen-Verhältnis und führt zu KI-Anwendungsfällen, die auf dem Papier attraktiv erscheinen, in der Praxis jedoch nicht die erwarteten Ergebnisse liefern. A Der FinOps-Ansatz für das Cloud-Kostenmanagement kann Unternehmen dabei helfen, die Ausgaben für Rechenleistung und Infrastruktur im Zusammenhang mit KI-Workloads mit derselben Sorgfalt zu überwachen wie bei anderen Cloud-Nutzungen, wodurch verhindert wird, dass unerwartete Kosten die prognostizierten Erträge schmälern.

Wann sollte ein KI-Anwendungsfall aus Kosten-Nutzen-Gründen abgelehnt werden?

Ein KI-Anwendungsfall sollte aus Kosten-Nutzen-Gründen abgelehnt werden, wenn der prognostizierte Nutzen nicht glaubwürdig gemessen werden kann, wenn die Gesamtkosten den Nutzen übersteigen, der realistisch innerhalb eines akzeptablen Zeitrahmens erzielt werden kann, oder wenn eine einfachere Lösung vergleichbare Ergebnisse bei geringeren Kosten und Risiken liefern würde. Eine Ablehnung ist die richtige Entscheidung, wenn der Business Case auf Annahmen beruht, die nicht überprüft werden können, bevor erhebliche Investitionen getätigt werden.

Zu den konkreten Anzeichen dafür, dass ein Anwendungsfall nicht fortgesetzt werden sollte, gehören:

• Der Wert wird lediglich qualitativ definiert, ohne dass ein plausibler Weg zu einer finanziellen Quantifizierung besteht.
• Der Ausgangszustand ist nur unzureichend verstanden, was eine Modellierung der Verbesserung unmöglich macht.
• Die für das Training oder den Betrieb des Modells erforderlichen Daten sind nicht vorhanden, nicht zugänglich oder ihre Aufbereitung wäre mit unverhältnismäßig hohen Kosten verbunden.
• Der Anwendungsfall bietet Funktionen, die bereits in bestehenden Tools verfügbar sind – und das zu einem Bruchteil der Kosten.
• Die erwartete Amortisationsdauer beträgt mehr als drei Jahre, wobei keine Zwischenziele hinsichtlich des Werts vorgesehen sind.

Die Ablehnung eines Anwendungsfalls aus Kosten-Nutzen-Gründen ist kein Misserfolg, sondern bedeutet, dass der Governance-Prozess wie vorgesehen funktioniert. Unternehmen, die einen strengen Bewertungsprozess für KI-Investitionen etablieren, verfügen am Ende über ein stärkeres Portfolio an Initiativen und vermeiden die „Sunk-Cost-Falle“, also die Fortsetzung der Finanzierung von Projekten, die keine Ergebnisse liefern werden.

Wie sollte der Nutzen von KI-Anwendungsfällen nach der Bereitstellung erfasst werden?

Der Nutzen eines KI-Anwendungsfalls sollte nach der Einführung durch die Messung derselben Geschäftsergebnisse, die im ursprünglichen Business Case definiert wurden, verfolgt werden. Dabei sind diese Ergebnisse mit der Ausgangsbasis vor der Einführung zu vergleichen und regelmäßig, mindestens vierteljährlich, zu überprüfen. Die Nachverfolgung sollte bereits bei der Inbetriebnahme beginnen und nicht erst sechs Monate später, damit frühe Anzeichen einer unzureichenden Leistung Korrekturmaßnahmen auslösen können, bevor sich die Kosten weiter anhäufen.

Eine effektive Nachverfolgung nach der Einführung umfasst drei Elemente. Erstens benötigen Sie einen Verantwortlichen für die Messung – jemanden, der für die Datenerhebung und die Berichterstattung über die Wertrealisierung zuständig ist und nicht zum Team gehört, das die Lösung entwickelt hat. Zweitens benötigen Sie vereinbarte Kennzahlen, die bereits vor der Einführung definiert wurden und nicht nachträglich angepasst werden, um die Ergebnisse besser aussehen zu lassen. Drittens benötigen Sie einen regelmäßigen Überprüfungsrhythmus mit Entscheidungsbefugnis: Wenn der Mehrwert nicht innerhalb eines erwarteten Zeitraums eintritt, sollte das Unternehmen über einen klaren Prozess verfügen, um zu entscheiden, ob Anpassungen vorgenommen, der Umfang reduziert oder das Projekt beendet werden soll.

Die Wertverfolgung fließt zudem in Echtzeit in das Kosten-Nutzen-Verhältnis ein. Sobald die tatsächlichen Kosten klarer werden – einschließlich der laufenden Rechen-, Wartungs- und Supportkosten, die zu Beginn oft unterschätzt werden –, sollte das Verhältnis anhand des tatsächlich erzielten Nutzens neu berechnet werden. Dies schafft Verantwortlichkeit und verbessert die Qualität zukünftiger KI-Geschäftsfälle im gesamten Unternehmen.

Wie wir Ihnen dabei helfen, den Wert von KI-Investitionen zu bewerten und zu verwalten

Um bei KI-Anwendungsfällen das richtige Kosten-Nutzen-Verhältnis zu erzielen, sind finanzielle Disziplin, klare Steuerungsmechanismen und die Fähigkeit erforderlich, Technologieausgaben mit geschäftlichen Ergebnissen zu verknüpfen. Genau dabei unterstützen wir Unternehmen. Bei It’s Value arbeiten wir mit Führungskräften aus den Bereichen IT, Finanzen und Geschäftsstrategie zusammen, um die richtigen Strukturen zu schaffen:

• Festlegung glaubwürdiger Wertkennzahlen und Referenzwerte, bevor Investitionsentscheidungen im Bereich KI getroffen werden
• Schaffung von Kostentransparenz bei KI-Workloads in der Cloud und vor Ort mithilfe von FinOps und strategisches Portfolio-Management Praktiken
• Schaffung von Governance-Rahmenwerken, die für KI-Anwendungsfälle klare Zuständigkeiten und regelmäßige Überprüfungsintervalle festlegen
• Die Wertrealisierung nach der Einführung nachverfolgen, damit der Business Case ein lebendiges Dokument bleibt und nicht nur eine einmalige Begründung ist
• Integration des KI-gestützten Kostenmanagements in das übergeordnete IT-Finanzmanagement mithilfe von TBM- und FinOps-Frameworks

Wenn Sie in Ihrem Unternehmen einen fundierteren Ansatz für die Kostenbegründung und die Wertverfolgung im Bereich KI entwickeln möchten, Nehmen Sie Kontakt mit uns auf um zu besprechen, wo wir anfangen sollen.