Am Monatsende ist das KI-Dashboard grün. Fast alle Beschäftigten haben das neue Werkzeug genutzt, die Zahl der Anfragen steigt. Doch im Vertrieb warten Angebote weiterhin auf Freigabe. Im Service bleiben schwierige Fälle liegen. Diese beispielhafte Situation zeigt ein Problem der Erfolgsmessung: Eine gut sichtbare Kennzahl kann wenig über den Engpass aussagen, für den die Investition gedacht war.
Die entscheidende Managementfrage lautet daher: Welche abgeschlossene Arbeit soll durch KI wirtschaftlicher werden? Wer das vor dem Rollout präzisiert, kann technische Fortschritte, organisatorischen Aufwand und Finanzierung auf ein gemeinsames Ziel ausrichten.
Ein am 26. September 2026 auf arXiv veröffentlichter Preprint untersucht einen chinesischen Medizintechnikkonzern. Rund 5.000 Beschäftigte sollten zunächst 200 KI-Anfragen im Monat stellen; später sank die Vorgabe auf 100. Die Autoren schätzen einen Rückgang der Anfragen um 30 Prozent, überwiegend bei Wiederholungen oder arbeitsfremden Eingaben. Für die untersuchten Vertriebsbeschäftigten berichten sie sieben Prozent höhere Monatsumsätze.
Die Auswertung nutzt zeitversetzte Änderungen in Niederlassungen, keine randomisierte Zuteilung. Sie betrifft ein Unternehmen und Daten aus 2025. Die Ergebnisse sind ein prüfenswerter Hinweis, kein allgemeines Renditeversprechen für deutsche KMU. Auch setzt die Untersuchung eine fortbestehende Nutzungsquote voraus; sie belegt nicht, dass jede Vorgabe schadet.
Ein Prompt ist eine Eingabe an ein KI-System. Er kann einen Auftrag voranbringen, eine Antwort korrigieren oder lediglich einen weiteren Versuch dokumentieren. Seine Anzahl liefert deshalb zunächst eine Aktivitätsinformation. Um eine Investition zu beurteilen, empfiehlt sich eine andere Einheit: etwa ein fachlich freigegebenes Angebot, ein korrekt bearbeiteter Servicefall oder eine geprüfte technische Dokumentation.
Dass ein solcher Blick produktive Anwendungen sichtbar machen kann, zeigt eine unabhängige Forschungsarbeit von Erik Brynjolfsson, Danielle Li und Lindsey Raymond. In der abgerufenen Fassung von „Generative AI at Work“ steigt die Produktivität im untersuchten Kundenservice mit KI-Unterstützung durchschnittlich um 15 Prozent. Gemessen werden gelöste Fälle je Stunde; die Effekte unterscheiden sich nach Erfahrung und Fähigkeiten. Die Untersuchung ist älter und dient hier als Hintergrund, nicht als Nachricht der Woche.
Für ein Unternehmen ist die praktische Konsequenz: Es muss zunächst definieren, wann ein Fall wirklich erledigt ist. Eine schnell versandte Antwort zählt noch nicht als Erfolg, wenn der Kunde wegen eines Fehlers erneut anruft. Eine Leistungskennzahl braucht deshalb eine Qualitätsbedingung. Sonst kann sich dasselbe Steuerungsproblem auf höherer Ebene wiederholen.
Als redaktionelle Empfehlung bietet sich ein eng begrenzter Arbeitsablauf an. Ein technischer Händler könnte beispielsweise die Vorbereitung von Angeboten untersuchen. Vor dem Einsatz werden Bearbeitungszeit und Korrekturaufwand dokumentiert. Danach testet ein Team die KI-Unterstützung an vergleichbaren Aufträgen. Komplexität, Erfahrung der Bearbeitenden und Schwankungen im Geschäft müssen bei der Auswertung berücksichtigt werden.
Die Zeitmessung endet erst mit der Freigabe. Dazu gehören das Suchen der Ausgangsdaten, die Prüfung des Entwurfs und das Beheben von Fehlern. Ergänzend sollte das Team festhalten, welche Fälle scheitern und warum. Fehlen aktuelle Produktdaten? Versteht das System Sonderkonditionen falsch? Oder entsteht der Engpass erst bei einer nachgelagerten Entscheidung? Diese Beobachtungen bestimmen den nächsten Entwicklungsschritt.
Nutzungsdaten behalten dabei ihren Platz. Sie können anzeigen, ob ein Werkzeug überhaupt erreicht wird und wo Unterstützung nötig ist. Während der Lernphase ist auch ein Versuch ohne sofortigen wirtschaftlichen Ertrag sinnvoll. Für die Entscheidung über eine Ausweitung sollte jedoch vorab feststehen, welcher Nutzen bei welcher Qualität den zusätzlichen Aufwand rechtfertigt.
Ein fiktives Rechenbeispiel verdeutlicht die Unterscheidung: Bei 400 Vorgängen im Monat und acht Minuten Zeitgewinn je Vorgang entstehen rund 53 Stunden zusätzliche Kapazität. Bewertet mit angenommenen internen Kosten von 45 Euro je Stunde entspricht das 2.400 Euro monatlich. Kostet der laufende Betrieb 900 Euro, verbleibt ein rechnerischer Kapazitätswert von 1.500 Euro vor Einmalkosten. Diese Zahlen sind Annahmen, keine Studienergebnisse.
Auf dem Bankkonto erscheint dieser Betrag nicht automatisch. Ein finanzieller Vorteil entsteht etwa, wenn zusätzliche Aufträge bearbeitet, bezahlte Überstunden vermieden oder externe Leistungen reduziert werden. Fehlt eine solche Verwendung, kann die Entlastung trotzdem wertvoll sein; sie darf nur nicht als realisierte Kostensenkung in die Investitionsrechnung eingehen. Einrichtung, Schulung und Datenpflege gehören ebenfalls in das Projektbudget.
Damit erhält auch die Skalierungsentscheidung eine klare Grundlage. Ein Team kann einen erfolgreichen Piloten ausweiten, einen schlecht integrierten Ablauf überarbeiten oder einen ungeeigneten Anwendungsfall beenden. Ein Abbruch nach einem aussagekräftigen Test ist eine begründete Investitionsentscheidung. Das Ziel eines Piloten ist, diese Entscheidung möglich zu machen.
Aus der Nutzenprüfung ergibt sich die nächste Frage: Welche Arbeiten müssen finanziert werden? Geht es um die Einführung verfügbarer Software, um deren Integration oder um die Lösung einer bislang offenen technischen Frage? Diese Unterscheidung sollte im Projektplan sichtbar sein. Sie hilft auch dabei, Entwicklungskosten von laufendem Betrieb und organisatorischer Einführung abzugrenzen.
Für Digitalisierungsinvestitionen kann der ERP-Förderkredit Digitalisierung der KfW relevant sein. Die aktuelle Programmübersicht nennt ausdrücklich die Integration von KI in Wertschöpfungsbereiche. Beantragt wird über einen Finanzierungspartner. Die konkrete Eignung und die Bedingungen sind am Vorhaben zu prüfen.
Bei eigener Forschung und Entwicklung kommt eine Prüfung der Forschungszulage in Betracht. Die Bescheinigungsstelle legt Neuartigkeit, technische beziehungsweise wissenschaftliche Unwägbarkeit und Planmäßigkeit zugrunde. Routinetätigkeiten werden dadurch nicht zu Forschung, dass ein KI-System beteiligt ist. Eine unsichere Absatzprognose allein erfüllt das technische Risikokriterium ebenfalls nicht.
Für ausgewählte Umsetzungsvorhaben bietet Quantum Beyond außerdem AI BOOST an. Die Initiative ist privatwirtschaftlich; der Innovationsgutschein ist ein Preisnachlass auf vereinbarte Leistungen und kein staatlicher Zuschuss. Leistungsumfang und zusätzliche Kosten werden vor einer Beauftragung schriftlich festgehalten. Unabhängig vom Finanzierungsweg bleibt die Aufgabe dieselbe: Das Unternehmen braucht ein wirtschaftlich begründetes Vorhaben mit überprüfbaren Zielen.
Vor dem nächsten KI-Rollout sollte die Geschäftsführung benennen können, welcher Vorgang verbessert wird, wer die Ergebnisqualität beurteilt und wie frei werdende Kapazität genutzt werden soll. Dann lässt sich auch erkennen, an welcher Stelle technische Entwicklung notwendig ist. Ein Dashboard wird auf dieser Grundlage zum Arbeitsinstrument: Es zeigt, ob das Unternehmen seinem Ziel näherkommt.
