Startseite·Analysen·Den ROI von AI messen, wenn der Nutzen nicht nur in Einsparungen besteht
Eine ausschließlich auf Einsparungen gerichtete Betrachtung führt dazu, dass die schlechtesten Projekte genehmigt und die besten verworfen werden. Den Nutzen ehrlich zu messen, ist eine Methode und kein Glaubensakt.
Fragt man nach dem ROI einer AI-Initiative, lautet die reflexartige Antwort: eine Einsparungszahl – eingesparte Stunden, vermiedene Stellen. Dieser Reflex hat zwei Mängel. Er unterschätzt den Wert: Das meiste, was AI in Unternehmen tatsächlich bewirkt, ist keine Kostenreduzierung, sondern mehr Kapazität, höhere Geschwindigkeit und bessere Qualität – nichts davon schlägt sich als geringerer Budgetposten nieder. Und er führt zu einer falschen Auswahl: Werden Projekte ausschließlich an den Einsparungen gemessen, erhalten jene Zustimmung, die Arbeit beseitigen, während Projekte, die Fähigkeiten schaffen – schnellere Analysen, bessere Entscheidungen, zusätzliche Kapazitäten, über die das Unternehmen zuvor nicht verfügte – gegenüber Projekten verlieren, die lediglich Arbeit streichen. Beide Mängel lassen sich mit einer Methode beheben.
Jede Initiative schafft auf eine von wenigen Arten Wert: Sie beseitigt Arbeit (Automatisierung einer Aufgabe), beschleunigt Arbeit (dieselbe Aufgabe, kürzerer Durchlauf), erhöht die Qualität (weniger Fehler, bessere Ergebnisse, stärkerer Service) oder schafft Kapazität (Arbeit, die das Unternehmen zuvor überhaupt nicht leisten konnte). Den Wirkmechanismus vor dem Start zu benennen, macht die Messung überhaupt erst möglich, denn der Mechanismus bestimmt, worauf zu achten ist: Bei einem Projekt, das Arbeit beseitigt, zeigen sich die Ergebnisse in den Stunden, bei einem Beschleunigungsprojekt in der Durchlaufzeit, bei einem Qualitätsprojekt in den Fehler- und Nacharbeitsquoten und bei einem Kapazitätsprojekt im Output der zuvor unmöglichen Arbeit. Teams, die diesen Schritt überspringen, versuchen am Ende, den Wert in einer Maßeinheit nachzuweisen, die ihr Projekt gar nicht hervorbringt.
Der ROI hat einen Nenner, den man in der Begeisterung gern unerwähnt lässt: das ehrliche «Vorher». Die Stunden, die ein Prozess vor der Automatisierung beanspruchte, die Durchlaufzeit vor der Beschleunigung, die Fehlerquote vor den Qualitätsmaßnahmen – erfasst vor Projektbeginn anhand tatsächlicher Aufzeichnungen statt optimistischer Erinnerungen. Ohne eine Ausgangsbasis wird die Messung am Ende zur Archäologie, und bei archäologischen Ausgrabungen findet sich immer, was der Sponsor finden wollte. Die erforderliche Disziplin ist Buchführung, nicht Glaube:Die Wirkung von AI auf die P&List nur dann nachvollziehbar, wenn jemand festgehalten hat, wie die Welt zuvor aussah.
Der unbequeme Teil der Methode besteht darin, Qualität, Geschwindigkeit und Kapazität in Begriffen zu bewerten, die ein Eigentümer abwägen kann. Geschwindigkeit hat einen Preis, wenn eine Durchlaufzeit eine betriebliche Bedeutung hat: schnellere Entscheidungen, frühere Betreuung von Kunden, früher erkannte Probleme – der Wirkmechanismus benennt dies, und der Wert ergibt sich aus den genannten Fakten statt aus erfundenen Multiplikatoren. Kapazität wird danach bewertet, wofür die neu geschaffene Kapazität eingesetzt wird: die Analyse, die endlich durchgeführt wird, das Segment, das endlich bedient wird. Hat die frei gewordene Kapazität kein konkretes Einsatzgebiet, ist ihr Wert ehrlich gesagt null – was eine Erkenntnis über die Initiative selbst ist, nicht über die Messung. Und Qualität wird danach bewertet, welche Kosten Fehler verursachen: Nacharbeit, Vertrauensverlust, Gewährleistungsrisiken – Kosten, die das Unternehmen aus Erfahrung bereits kennt. Nichts davon sind Einsparungen im buchhalterischen Sinn; all das ist real, unddort, wo AI Wert schafft,liegt genau das Gebiet, in dem sich diese Bewertungsarbeit auszahlt.
Eine letzte Besonderheit: AI-Initiativen verändern sich im laufenden Betrieb – die Nutzung nimmt zu, die Arbeit des Modells verändert sich, der Prozess darum herum passt sich an. Eine einzelne nachträgliche ROI-Berechnung bildet einen beliebigen Zeitpunkt ab. Die praktische Vorgehensweise besteht in Messungen an festgelegten Kontrollpunkten: Ausgangsbasis zum Start, erste Auswertung, sobald sich die Nutzung stabilisiert hat, anschließend in einem Rhythmus, der andie Kosten des Prozesses gekoppelt ist.— denn der ehrliche ROI eines AI-Projekts umfasst die laufenden Kosten des Projekts selbst, also jene Kosten, die nach der Genehmigung am häufigsten vergessen werden.
Einsparungen belegen, dass ein AI-Projekt kostengünstig war. Nur der Wirkungsmechanismus, die Ausgangsbasis und der Verwendungszweck der freigesetzten Kapazitäten belegen, dass es sich gelohnt hat.
Die Festlegung des Messrahmens – Wirkungsmechanismus, Ausgangsbasis, Bewertung von Vorteilen jenseits von Einsparungen, Prüfpunkte – gehört zur standardmäßigen Arbeit inder AI-Praxis, die bei Projektstart erledigt wird, weil sie sich an der Ziellinie nicht mehr ehrlich erledigen lässt.
Wir verwenden Cookies, um den Datenverkehr zu analysieren und die Website zu verbessern. Die Analyse ist nur mit Ihrer Zustimmung aktiviert.Cookie-Richtlinie