Welche finanziellen Hürden muss eine KI-Initiative im Laufe ihres Lebenszyklus überwinden?

Eine KI-Initiative sollte im Laufe ihres Lebenszyklus an vier Punkten finanzielle Prüfschritte durchlaufen: bei der anfänglichen Finanzierungsentscheidung, beim Übergang von der Entwicklung in die Produktion, bei der Überprüfung vor der Inbetriebnahme sowie in den laufenden Leistungszyklen. Für jeden Prüfschritt gelten unterschiedliche finanzielle Kriterien, da sich die Art der Investition im Laufe der Reifung der Initiative verändert. Die folgenden Fragen erläutern, wie diese Kriterien in den einzelnen Phasen aussehen und wie Sie sie nutzen können, um fundiertere Entscheidungen darüber zu treffen, wohin Ihre KI-Ausgaben fließen.

Welche finanziellen Kriterien entscheiden darüber, ob eine KI-Initiative gefördert wird?

Eine KI-Initiative erhält Fördermittel, wenn sie einen glaubwürdigen Business Case vorweisen kann, der die erwarteten Investitionen mit einem messbaren Geschäftsergebnis verknüpft. Das bedeutet, dass sowohl die Kosten für die Entwicklung und den Betrieb der Lösung als auch der erwartete Mehrwert quantifiziert werden müssen – sei es durch Kostensenkungen, Umsatzsteigerungen, Produktivitätsgewinne oder Risikominderung. Ein klarer Zusammenhang zwischen der KI-Initiative und einer strategischen Geschäftspriorität stärkt das Konzept erheblich.

An dieser ersten finanziellen Hürde bewerten Entscheidungsträger in der Regel vier Bereiche:

• Gesamtbetriebskosten: Entwicklungskosten, Infrastruktur- und Cloud-Nutzung, Lizenzierung, Datenaufbereitung und die laufende Modellpflege müssen im Vorfeld abgeschätzt werden. Bei KI-Projekten werden die Kosten für Datenverarbeitung und Rechenleistung regelmäßig unterschätzt, daher ist eine realistische Gesamtbetriebskostenberechnung (TCO), die diese Komponenten berücksichtigt, eine Grundvoraussetzung.
• Erwartete Rendite und Amortisationszeit: Im Business Case sollte dargelegt werden, wann die Initiative voraussichtlich die Gewinnschwelle erreicht und wie die prognostizierte Rendite über einen festgelegten Zeitraum – in der Regel zwei bis drei Jahre – aussieht.
• Strategische Ausrichtung: Fördergremien möchten sehen, dass die Initiative ein konkretes Geschäftsziel vorantreibt und nicht nur den Einsatz von KI beinhaltet. Initiativen, die sich nicht mit einer strategischen Priorität verknüpfen lassen, lassen sich im Vergleich zu konkurrierenden Investitionen nur schwer priorisieren.
• Risikoprofil: Technische Risiken, die Verfügbarkeit von Daten, regulatorische Risiken und die Abhängigkeit von Modellen Dritter beeinflussen allesamt, ob die prognostizierte Rendite erreichbar ist. Ein glaubwürdiger Business Case berücksichtigt diese Risiken und zeigt auf, wie sie bewältigt werden sollen.

Eine praktische Herausforderung in dieser Phase besteht darin, dass KI-Kosten oft variabel und verbrauchsabhängig sind, insbesondere wenn Cloud-Infrastruktur zum Einsatz kommt. Wenn von Beginn an finanzielle Disziplin in die Initiative eingebaut wird – einschließlich Kostenzuordnung, Verantwortungszuweisung und Budgetgrenzen –, lassen sich alle nachfolgenden Meilensteine leichter bewältigen.

Wie verändert sich die Finanzaufsicht im Laufe der Entwicklung einer KI-Initiative?

Die finanzielle Überwachung während der Entwicklungsphase verlagert sich von Vorabschätzungen hin zu einer aktiven Kostenüberwachung im Vergleich zu genehmigten Budgets. Während die Initiative vom Proof-of-Concept über die Pilotphase bis hin zur Vorproduktion voranschreitet, wird bei jedem Übergang im Rahmen einer finanziellen Überprüfung geprüft, ob die tatsächlichen Ausgaben und die prognostizierten Ergebnisse eine Fortsetzung der Investition weiterhin rechtfertigen.

In den frühen Phasen handelt es sich um explorative Ausgaben. Die finanzielle Frage lautet, ob der Proof of Concept den Business Case ausreichend bestätigt hat, um ein größeres Engagement zu rechtfertigen. Sollte der PoC ergeben, dass die Datenqualität mangelhaft ist, der Anwendungsfall enger gefasst ist als erwartet oder die Infrastrukturkosten höher sind als modelliert, sollten diese Erkenntnisse eine formelle Neubewertung auslösen, bevor die Entwicklung ausgeweitet wird.

Mit dem Eintritt der Initiative in die Pilotphase wird die finanzielle Überwachung strukturierter. Die Teams sollten Folgendes im Blick behalten:

• Tatsächliche Infrastruktur- und Rechenkosten im Vergleich zum genehmigten Modell
• Ob die Ergebnisse des Pilotprojekts auf Kurs sind, um den prognostizierten geschäftlichen Nutzen zu erzielen
• Die Kosten pro Produktionseinheit, beispielsweise die Kosten pro Inferenz oder die Kosten pro automatisierter Entscheidung, als Frühindikator für die Wirtschaftlichkeit der Produktion
• Alle Änderungen des Projektumfangs, die sich auf die ursprünglichen Kosten- oder Nutzenannahmen ausgewirkt haben

Bei KI-Initiativen, die auf einer Cloud-Infrastruktur laufen, kommt es hier darauf an, Verfahren zum Kostenmanagement im Cloud-Bereich direkt relevant werden. Ohne ordnungsgemäße Kennzeichnung und Zuordnung ist es schwierig, die tatsächlichen Kosten der KI-Workloads von anderen Cloud-Ausgaben zu trennen, was es unmöglich macht, jemanden für das Budget zur Rechenschaft zu ziehen.

Der Übergang vom Pilotprojekt zur Serienproduktion ist eine große finanzielle Hürde. Zu diesem Zeitpunkt sollte das Projekt nachweisen können, dass die Ergebnisse des Pilotprojekts den ursprünglichen Business Case stützen, dass die Produktionskosten bekannt und im Budget berücksichtigt sind und dass die Verantwortung für die laufenden Kosten klar zugewiesen ist.

Welche Finanzkennzahlen werden bei einem AI-Go-Live-Gate überprüft?

Am Go-Live-Gate prüfen die Finanzprüfer, ob die Initiative bereit ist, im Produktionsmaßstab innerhalb eines genehmigten Budgets und mit einem glaubwürdigen Plan zur Erreichung der prognostizierten Rendite zu laufen. Die wichtigsten geprüften Kennzahlen sind die Produktionskostenstruktur, die Bereitschaft zur Realisierung der Vorteile und die finanzielle Eigenverantwortung.

Konkret werden beim Go-Live-Gate in der Regel folgende Punkte geprüft:

• Grundlage für die Produktionskosten: Was kostet es, diese KI-Initiative in vollem Umfang zu betreiben? Dazu gehören Rechenleistung, Speicherplatz, Lizenzgebühren für APIs oder Modelle, Überwachung sowie – sofern erforderlich – die personelle Beaufsichtigung.
• Kosten pro Ergebnis: Wie hoch sind die Kosten der Initiative für die Erbringung einer Einheit des angestrebten Ergebnisses? Diese Kennzahl stellt einen Zusammenhang zwischen den technischen Kosten und dem geschäftlichen Nutzen her und dient als Grundlage für die fortlaufende Überwachung des ROI.
• Plan zur Realisierung der Vorteile: Wer ist für die Geschäftsergebnisse verantwortlich, die die Initiative erzielen soll, und wie werden diese Ergebnisse gemessen? Eine KI-Initiative, die ohne einen klar definierten Verantwortlichen für den Nutzen und ohne Messplan in Betrieb genommen wird, bringt selten den erwarteten Ertrag.
• Haushalt und Prognose: Gibt es einen genehmigten Betriebshaushalt für das erste Produktionsjahr, und spiegelt dieser die tatsächlichen Kosten für die Produktion der Pilotfolge wider und nicht die ursprüngliche Schätzung?
• Struktur der finanziellen Rechenschaftspflicht: Werden die Kosten den Teams oder Geschäftsbereichen zugeordnet, die den KI-Dienst nutzen? Gemeinsame oder nicht zugeordnete KI-Kosten erschweren die Ausgabenverwaltung und den Nachweis des Nutzens für das Unternehmen.

Der Go-Live-Zeitpunkt ist zudem der richtige Moment, um sicherzustellen, dass die KI-Initiative in das übergeordnete IT-Finanzmanagement-Rahmenwerk integriert ist, sodass ihre Kosten und ihr Nutzen bei der Überprüfung der IT-Ausgaben durch die Führungskräfte neben anderen Technologieinvestitionen berücksichtigt werden.

Wie sollten Unternehmen den laufenden finanziellen Nutzen einer laufenden KI-Initiative messen?

Sobald eine KI-Initiative in Betrieb genommen wurde, sollte ihr finanzieller Wert im Rahmen eines regelmäßigen Überprüfungszyklus gemessen werden, bei dem die tatsächlichen Kosten mit dem Budget, die erzielten Vorteile mit dem Business Case und die Stückkosten im Zeitverlauf verglichen werden. Das Ziel besteht nicht nur darin, zu bestätigen, dass die Initiative im Rahmen des Budgets bleibt, sondern auch festzustellen, ob sie ihre Betriebskosten im Verhältnis zum erzielten Nutzen weiterhin rechtfertigt.

Zu den nützlichen laufenden Finanzkennzahlen gehören:

• Realisierte Einsparungen oder Auswirkungen auf den Umsatz: Was hat die Initiative im Vergleich zu den prognostizierten Erträgen tatsächlich gebracht? Dazu sind eine vor der Inbetriebnahme durchgeführte Basismessung sowie eine einheitliche Methode zur Zuordnung der Ergebnisse zur KI-Initiative erforderlich.
• Kostenentwicklung pro Produktionseinheit: Verbessern sich die Kosten pro Inferenz, pro automatisierter Aufgabe oder pro Entscheidung, bleiben sie stabil oder verschlechtern sie sich mit steigender Nutzung? Steigende Kosten pro Einheit deuten häufig auf Ineffizienzen beim Modelldesign, bei der Infrastrukturkonfiguration oder bei den Datenpipelines hin.
• Abweichungen bei den Ausgaben für Cloud und Infrastruktur: Bei KI-Workloads, die in der Cloud ausgeführt werden, weicht der tatsächliche Verbrauch häufig von den Prognosen ab. Durch regelmäßige Abweichungsanalysen, unterstützt durch eine ordnungsgemäße Kostenverrechnung und Kennzeichnung, bleibt dies im Blick, bevor es zu einem Budgetproblem wird.
• Preis-Leistungs-Verhältnis: Wie verhalten sich die Gesamtkosten für die Durchführung der Initiative im Vergleich zum geschäftlichen Nutzen, den sie im gleichen Zeitraum generiert? Dieses Verhältnis liefert der Unternehmensleitung eine Kennzahl, anhand derer sie beurteilen kann, ob die Initiative ihren Platz im IT-Portfolio verdient.

Der Rhythmus dieser Überprüfungen ist entscheidend. Vierteljährliche Überprüfungen sind ein sinnvolles Minimum, doch bei KI-Workloads mit hohem Ressourcenverbrauch ermöglichen monatliche Finanzüberprüfungen eine schnellere Kurskorrektur. Durch die Einbindung der Finanzdaten von KI-Initiativen in Ihr übergeordnetes Technologie-Business-Management-Reporting kann die Unternehmensleitung die KI-Kosten und den Nutzen im Kontext neben anderen IT-Investitionen betrachten und nicht isoliert.

Wann sollte eine KI-Initiative aus finanziellen Gründen ausgesetzt, zurückgefahren oder eingestellt werden?

Eine KI-Initiative sollte ausgeweitet werden, wenn sich ihre Stückkosten verbessern und die erzielten Vorteile den Erwartungen des Business Case entsprechen oder diese sogar übertreffen. Sie sollte ausgesetzt werden, wenn die Kosten steigen, ohne dass sich der Nutzen entsprechend verbessert, und die Ursache dafür noch nicht geklärt ist. Sie sollte eingestellt werden, wenn die Kosten für den weiteren Betrieb den erzielten Nutzen übersteigen und es keinen glaubwürdigen Weg gibt, dieses Verhältnis umzukehren.

Diese Entscheidungen fallen klarer aus, wenn die Struktur der Finanzsteuerung von Anfang an vorhanden ist. Ohne zugewiesene Kosten, festgelegte Verantwortliche für die Leistungen und einen regelmäßigen Überprüfungsrhythmus neigen Unternehmen dazu, KI-Initiativen eher aus Gewohnheit als auf der Grundlage von Fakten weiter zu finanzieren.

Zu den konkreten finanziellen Anzeichen, die eine formelle Überprüfung auslösen sollten, gehören:

• Tatsächliche Betriebskosten, die das Budget um mehr als einen festgelegten Schwellenwert – in der Regel 15 bis 20 Prozent – in zwei oder mehr aufeinanderfolgenden Perioden überschreiten
• Die Realisierung der Vorteile liegt nach einer angemessenen Stabilisierungsphase unter 50 Prozent der im Business Case prognostizierten Werte
• Die Kosten pro Produktionseinheit steigen im Laufe der Zeit an, anstatt mit zunehmender Reife der Initiative zu sinken
• Eine strategische Neuausrichtung, durch die die geschäftliche Priorität, zur Unterstützung derer die Initiative konzipiert wurde, aufgehoben oder herabgestuft wird

Eine Unterbrechung ist angebracht, wenn das Problem innerhalb eines festgelegten Zeitrahmens und Budgets diagnostiziert und behoben werden kann. Eine Einstellung ist angebracht, wenn die Diskrepanz zwischen Kosten und Nutzen struktureller Natur ist. Eine Skalierung ist angebracht, wenn die Fakten dafür sprechen – und nicht einfach nur, weil die Initiative bereits läuft und das Team sich dafür engagiert hat.

Hier kommt es auf eine konsequente Portfoliomanagement-Strategie an. Eine KI-Initiative, die ihre Kosten nicht mehr rechtfertigt, beansprucht Budgetmittel, mit denen sich eine wertvollere Initiative finanzieren ließe. Der Umgang mit KI-Investitionen mit derselben finanziellen Disziplin wie bei jeder anderen Technologieinvestition ist das, was Unternehmen, die nachhaltigen Wert aus KI schöpfen, von denen unterscheidet, die technische und finanzielle Schulden anhäufen.

Wie wir Sie dabei unterstützen, Ihre KI-Investitionen über den gesamten Lebenszyklus hinweg zu steuern

Die Steuerung des finanziellen Lebenszyklus von KI-Initiativen erfordert dieselben Grundsätze, die auch für jede andere Technologieinvestition gelten: eine klare Kostenzuordnung, festgelegte Zuständigkeiten, regelmäßige Überprüfungszyklen und eine Nachverfolgung des Nutzens, die die Ausgaben mit den Geschäftsergebnissen verknüpft. Wir unterstützen Unternehmen dabei, diese Struktur für ihr gesamtes IT-Portfolio, einschließlich KI-Workloads, aufzubauen.

• Kostentransparenz vom ersten Tag an: Wir unterstützen Sie dabei, eine ordnungsgemäße Kennzeichnung, Zuordnung und Berichterstattung für KI-Workloads einzurichten, damit die Kosten transparent sind, einer bestimmten Stelle zugeordnet werden können und über alle Initiativen hinweg – von der Finanzierungsphase bis hin zur Produktion – vergleichbar sind.
• FinOps für KI-Cloud-Ausgaben: KI-Workloads gehören zu den variabelsten und ressourcenintensivsten in jeder Cloud-Umgebung. Unsere FinOps-Verfahren bieten Ihren Finanz-, IT- und Entwicklungsteams die gemeinsame Transparenz und den gemeinsamen Entscheidungsrhythmus, die erforderlich sind, um die KI-Cloud-Kosten im Einklang mit dem erzielten Nutzen zu halten.
• TBM-Integration: Wir verknüpfen die Finanzdaten Ihrer KI-Initiativen mit Ihrem übergeordneten Rahmenwerk für das Technologie-Business-Management, sodass die Führungskräfte die KI-Ausgaben im Zusammenhang mit anderen IT-Investitionen bewerten und an jedem finanziellen Meilenstein fundierte Portfolioentscheidungen treffen können.
• Gestaltung von Governance und Rechenschaftspflicht: Wir unterstützen Sie dabei, die Rollen, Entscheidungsbefugnisse und Überprüfungsintervalle festzulegen, mit denen Finanzdaten in konkrete Maßnahmen umgesetzt werden – ganz gleich, ob es darum geht, eine erfolgreiche Initiative auszuweiten oder eine Initiative einzustellen, die ihren Platz im Portfolio nicht mehr rechtfertigt.

Wenn Sie eine Struktur für die Finanzsteuerung aufbauen möchten, die Ihren KI-Initiativen einen klaren Weg von der Finanzierung bis zur Wertschöpfung aufzeigt, Nehmen Sie Kontakt mit uns auf um zu besprechen, wo wir anfangen sollen.