Strategie · 9. Juli 2026
Lohnt sich KI wirklich? Warum die meisten die Rechnung falsch aufstellen
KI lohnt sich. Nur selten dort, wo die übliche Rechnung sie sucht. Wer den Nutzen in gesparten Minuten misst, zählt den kleinsten Teil und übersieht den grössten. Der eigentliche Return ist mehr Output aus denselben Leuten und Maschinen. Genau das taucht in keiner Effizienz-Tabelle auf.
Der Denkfehler: KI an gesparten Minuten messen
Die meisten Rechnungen zu KI zählen dasselbe: Wie viele Stunden spart uns das pro Woche? Das ist nicht falsch, aber es ist die kleinste Frage. Sie behandelt KI wie eine schnellere Version von dem, was du heute schon tust. Und deckelt den Nutzen genau dort.
Ein Beispiel, das du kennst. Ein Sachbearbeiter braucht heute zehn Minuten pro Vorgang, mit KI-Unterstützung drei. Sieben Minuten gespart, hübsch. Aber diese sieben Minuten sind eine Obergrenze. Mehr als hundert Prozent einer Aufgabe kannst du nicht wegsparen. Die Effizienz-Rechnung hat eine eingebaute Decke, und die ist niedrig.
Die interessantere Frage lautet anders. Nicht "wie schnell erledigen wir die alte Arbeit", sondern "was können wir jetzt, was vorher unmöglich war". Genau da beginnt der Teil, den kein Amortisationsrechner erfasst.
Zeitsparen skaliert linear. Wertschöpfung wächst mit dem Betrieb.
Der Unterschied zwischen den beiden Rechnungen ist ihre Kurve. Gesparte Zeit ist eine flache Linie: eine Aufgabe, ein fixer Betrag, fertig. Wertschöpfung ist eine steigende Linie: mehr Output aus denselben Ressourcen, und dieser Hebel wächst mit, je grösser und komplexer dein Betrieb wird.
Das klingt abstrakt, bis man es an einem echten Fall sieht. Ein Schweizer Lebensmittelproduzent koordiniert viele eigenständige Betriebe, jeder mit eigenen Regeln, Kapazitäten und Lieferzeiten. Die Planung lief von Hand in Excel, das entscheidende Wissen steckte in wenigen Köpfen. Fiel jemand aus, stand die Planung still. Kein Mensch kann viele Betriebe mit all ihren Bedingungen gleichzeitig im Kopf optimieren. Das ist keine Effizienz-Frage. Das ist eine Komplexität, die menschliche Übersicht übersteigt.
Wir haben diesen Prozess nicht automatisiert, sondern von Grund auf neu gedacht. Das Resultat bei einem Schweizer Lebensmittelproduzenten: Der optimale Plan entsteht über Nacht statt nach Tagen Excel-Arbeit. Rund 200 Vollzeitstellen-Prozent pro Jahr, also gut 4'000 Stunden, fliessen jetzt woanders hin. Seit Q2/2026 produktiv im Einsatz. Es sind 5 bis 7% mehr Output bei gleichen Ressourcen (bewusst als Erwartung formuliert, noch nicht abschliessend gemessen). Das Wissen liegt im System, nicht mehr an einzelnen Personen.
Und das ist nicht auf Planung beschränkt. Ein Bildungsanbieter wollte, dass seine Leute ein gutes Verkaufsgespräch nicht nur erklärt bekommen, sondern es wirklich üben, wieder und wieder, mit Rückmeldung. Eins zu eins üben lassen skaliert nicht, für tausende Lernende in mehreren Sprachen schon gar nicht. Heute üben bei einem Bildungsanbieter tausende Menschen echte Gespräche mit rund 20 KI-Sprachbots, jeder im eigenen Tempo, in vier Sprachen. Auch hier nicht die alte Schulung beschleunigt, sondern etwas ermöglicht, das vorher an Kosten und Aufwand scheiterte.
Beide Male derselbe Sprung: Die gesparten Stunden sind die kleine Zahl. Dass überhaupt etwas möglich wird, das vorher niemand leisten konnte, ist die grosse.
KI ist nicht teuer. Schlechte Anwendungsfälle sind teuer.
Die Frage "ist KI zu teuer" ist meist die falsche. Ein sauber gewählter Anwendungsfall, der im Kern deiner Wertschöpfung etwas Neues möglich macht, trägt sich selbst. Teuer wird es, wenn KI eine Aufgabe am Rand poliert, die kaum jemand vermisst. Nicht die Technik kostet, sondern die falsche Wahl.
Woran erkennst du den Unterschied? An der Rechnung, die du aufmachst. Die beiden Sichtweisen zählen völlig Verschiedenes:
| Was zählt | Effizienz-Rechnung | Wertschöpfungs-Rechnung |
|---|---|---|
| Kernfrage | Wie schnell die alte Arbeit? | Was wird überhaupt erst möglich? |
| Einheit | Gesparte Minuten | Zusätzlicher Output, Kapazität |
| Obergrenze | Die Aufgabe selbst (niedrig) | Wächst mit dem Betrieb |
| Blinder Fleck | Neuer Output, Unabhängigkeit von Köpfen | Nichts Wesentliches |
| Typisches Ergebnis | Nette, aber kleine Zahl | Der eigentliche Hebel |
Beide Spalten haben ihren Platz. Aber wenn du nur die linke rechnest, wirst du fast jedes ambitionierte KI-Projekt ablehnen, weil sich die gesparten Minuten nie ganz rechnen. Und genau die Projekte verpasst du, die etwas verändern.
Der ehrliche Anker: warum nur wenige einen messbaren Effekt sehen
Damit das nicht nach Hochglanz klingt: Die meisten Unternehmen sehen bisher keinen harten Effekt auf dem Papier. Laut McKinsey berichten nur 17% von einem messbaren Einfluss generativer KI auf ihr Betriebsergebnis. Das ist kein Argument gegen KI. Es ist ein Argument gegen die schlechte Rechnung.
Warum so wenige? Zwei Gründe, und beide sind hausgemacht. Erstens messen viele nur gesparte Minuten, verteilt über den Betrieb, wo sie sich verlieren, statt zusätzlichen Output. Zweitens bleiben viele Projekte im Pilot stecken und gehen nie produktiv. Was nie live geht, kann keinen Effekt zeigen.
Die 17% sind also weniger ein Urteil über KI als über die Art, wie Betriebe sie angehen. Wer im Kern ansetzt, produktiv geht und beide Seiten misst, sitzt in der anderen Gruppe. Der Fall oben ist genau das: neu gedacht statt am Rand poliert, produktiv statt im Piloten hängen geblieben.
Wie du den Return richtig rechnest
Rechne beide Seiten und miss, bevor du startest. Der häufigste Fehler ist, nur die gesparte Zeit zu zählen und ohne Ausgangswert zu beginnen, sodass am Ende niemand den Effekt belegen kann. Diese drei Schritte halten die Rechnung ehrlich und vollständig:
- Ausgangswert (Baseline) vor dem Start. Halt fest, wie es heute ist: Durchlaufzeiten, Fehlerquote, Auftragsvolumen, Abhängigkeit von einzelnen Personen. Ohne diesen Ausgangswert ist jeder spätere Gewinn Behauptung statt Beweis. Zwei Wochen Messen vor dem Start reichen oft.
- Beide Kurven zählen. Trag die gesparte Zeit ein, das ist die einfache Hälfte. Dann die schwierigere und wichtigere: mehr Output, mehr Kapazität, weniger Ausfallrisiko, Wissen, das im System liegt statt in einem Kopf. Genau hier sitzt der grosse Teil des Werts.
- Alle Kosten ehrlich mitrechnen. Nicht nur die Entwicklung, sondern der laufende Betrieb und die interne Zeit fürs Testen und Einführen. Als Faustregel liegt der Gesamtaufwand über die Jahre spürbar über der Erstinvestition. Wer das verschweigt, verkauft dir eine geschönte Rechnung.
Vergleich dann nach 30 und 90 Tagen gegen die Baseline. Ein Return, den niemand belegen kann, überlebt die nächste Budgetrunde nicht.
Ab welcher Grösse und ab wann lohnt sich KI?
Nicht die Grösse deines Betriebs entscheidet, sondern Volumen und Komplexität. Wiederholt sich eine Aufgabe hundertfach, oder übersteigt eine Koordination die menschliche Übersicht, lohnt sich KI schon im kleinen Betrieb. Als grobe Faustregel wird es ab etwa 100 wiederkehrenden Fällen pro Woche interessant (Erfahrungswert).
Ein Fünf-Personen-Betrieb, der täglich hunderte Varianten kalkuliert, holt mehr heraus als ein grosser Betrieb mit lauter Einzelfällen. Für den planbaren Alltag deckt Standardsoftware wie ChatGPT ohnehin einen grossen Teil ab, günstig und für alle gleich zugänglich. Der Sprung, der sich wirklich lohnt, liegt danach: im Kern deines Betriebs, wo etwas hängt, das ein Mensch nicht mehr überblickt. Dort entsteht der Vorsprung, den ein Standardtool niemandem gibt.
Und ab wann rechnet es sich zeitlich? Bei einer klug gewählten Aufgabe oft innerhalb des ersten Jahres, aber sichtbar erst, wenn sie produktiv läuft. Statt sechs Monate und ein grosses Budget auf eine ungeprüfte Wette zu setzen, beweist ein kleiner Prototyp den Wert früh und günstig. Erst wenn die Rechnung stimmt, wird investiert. So bleibt das Risiko klein und die grosse Zahl trotzdem erreichbar.
Wichtig zu merken
KI lohnt sich, aber selten dort, wo die Effizienz-Tabelle sie sucht. Der eigentliche Return ist mehr Output aus denselben Leuten und Maschinen, und der entsteht im Kern deines Betriebs, nicht am Rand bei Einzelaufgaben. Rechne darum beide Seiten, setz vorher einen Ausgangswert und geh produktiv statt in den Piloten, dann sitzt du in der Gruppe, die den Effekt am Ende belegen kann.
Häufige Fragen
Was kostet KI wirklich?
Das hängt vom Vorhaben ab, nicht von "KI" an sich. Als Orientierung aus unseren Projekten: kleine Lösungen liegen etwa zwischen CHF 5'000 und 25'000, mittlere zwischen CHF 25'000 und 80'000 (IntelliLab-Erfahrungswerte). Teuer wird es fast nie durch die Technik, sondern durch einen Anwendungsfall, der keinen echten Wert schafft.
Rechnet sich KI bei unserer Grösse?
Nicht die Mitarbeiterzahl entscheidet, sondern wie oft sich eine Aufgabe wiederholt und wie verflochten sie ist. Zähl also die Wiederholungen und die Komplexität, nicht die Köpfe. Als grobe Faustregel wird es ab etwa 100 wiederkehrenden Fällen pro Woche interessant (Erfahrungswert). Ein kleiner Betrieb mit hundert gleichartigen Vorgängen pro Woche holt mehr heraus als ein grosser mit lauter Einzelfällen.
Wie messe ich den ROI eines KI-Projekts?
Miss beide Seiten. Die gesparte Zeit ist die einfache Hälfte. Die wichtigere ist der zusätzliche Output aus denselben Ressourcen: mehr Kapazität, weniger Ausfallrisiko, Wissen, das nicht mehr an einer Person hängt. Setz vor dem Start eine Baseline und vergleich nach 30 und 90 Tagen. Rechne laufende Kosten und interne Zeit mit.
Lohnt sich KI schon für kleine Betriebe?
Ja. Bei kleinen Betrieben ist die Frage weniger, ob es sich lohnt, als ob du es dir leisten kannst. Und da ist die Antwort beruhigend: Du startest nicht mit einem grossen Projekt, sondern mit einem kleinen Prototyp, der den Wert früh und günstig beweist. Erst wenn die Rechnung aufgeht, investierst du richtig. So bleibt das Risiko klein.
Ab wann rechnet sich eine KI-Investition?
Oft schon im ersten Jahr, aber nur, wenn die Lösung wirklich produktiv geht. Was im Piloten hängen bleibt, zeigt nie einen Effekt. Und rechne den laufenden Betrieb von Anfang an mit, denn über die Jahre liegt der Gesamtaufwand spürbar über der Erstinvestition (Faustregel). Sonst wirkt die Amortisation auf dem Papier früher, als sie wirklich eintritt.
Von Andrin Knoll, Gründer & CEO, IntelliLab GmbH.