KI rechnet sich.
Vom Bauchgefühl zum belegbaren Nutzen. Use Cases finden, Kosten verstehen, Wirkung messen.
KI rechnet sich
Vom Bauchgefühl zum belegbaren Nutzen. Use Cases finden, Kosten verstehen, Wirkung messen.
Inhalt
- 01Wo KI im Business wirkt3
- 02Use Cases neu denken5
- 03Was KI wirklich kostet7
- 04Die Kostenhebel9
- 05Messen statt raten11
- 06Dein Business Case13
Dieser Snack ist für dich, wenn du KI im Unternehmen einsetzen willst und dafür mehr brauchst als ein gutes Gefühl. Nach 16 Seiten kannst du einen Use Case einordnen, seine Kosten ehrlich rechnen und seine Wirkung belegen. Die vier Lessons dahinter warten am Ende auf dich.
Wo KI im Business wirkt
Das nimmst du mit
- Die System-Landkarte: Assistent, Automatisierung, agentisches System
- Die Prüffrage, die jede Aufgabe dem richtigen Feld zuordnet
- Die Reihenfolge, mit der du morgen starten kannst
Die meisten scheitern nicht am Tool. Sie scheitern an der Frage: Welche Aufgabe zuerst? „KI können wir überall einsetzen“ klingt nach Fortschritt. In der Praxis führt es zu Pilotprojekten, die nirgends landen.
Dagegen hilft eine Landkarte. „Agent“ ist dabei kein Produkt: Agentisch ist eine Eigenschaft, und die entscheidende Frage lautet, wer steuert. Ein Beispiel: Dein Team bekommt täglich 50 Kundenanfragen per E-Mail. Drei Wege, wie KI dir hilft.
- Assistent: Du kopierst jede E-Mail in den Chat und lässt dir einen Antwortentwurf schreiben. Der Mensch steuert, du entscheidest, was rausgeht.
- Automatisierung: Ein Workflow liest neue E-Mails automatisch, kategorisiert sie per KI und leitet sie ans richtige Team weiter. Der Code steuert.
- Agentisches System: Ein KI-System beantwortet einfache Anfragen selbständig, eskaliert komplexe Fälle und legt Angebote als Entwurf vor. Das Modell entscheidet im gesetzten Rahmen.
Gleiche Aufgabe, drei verschiedene Ansätze. Kein Feld der Landkarte ist besser als das andere. Sie unterscheiden sich darin, wie viel Spielraum das Modell hat und wie viel Absicherung du brauchst.
Welches Feld passt zu deiner Aufgabe? Eine Prüffrage reicht: Braucht die Aufgabe an irgendeiner Stelle eigenes Urteil, oder lässt sich der Weg vorher festlegen?
| Befund | Einsatzform |
|---|---|
| Der Weg lässt sich vorher festlegen | Automatisierung |
| Du willst die Entscheidung im Einzelfall behalten | Assistent |
| Eigenes Urteil an einer definierten Stelle im Ablauf | Agentischer Workflow |
| Eigenes Urteil über den ganzen Weg, klares Ziel, prüfbare Regeln | Agentisches System |
Die empfohlene Reihenfolge: Starte mit dem Assistenten und lerne, was funktioniert. Automatisiere dann die Aufgabe, die du am häufigsten machst. Erst danach lohnt ein eng eingegrenztes agentisches Experiment mit klaren Leitplanken.
Automatisiere erst, was du als Assistent schon zehnmal gemacht hast. Nie den Prozess automatisieren, den du noch nicht verstehst.
Und wo fängst du an? Im Marketing mit Content-Entwürfen, im Support mit Antwort-Vorschlägen für Tickets. Ein einziger gut funktionierender KI-Einsatz ist mehr wert als zehn halbfertige Experimente.
Auf den Punkt
- Agentisch ist eine Eigenschaft, kein Produkt. Die Landkarte fragt: Wer steuert?
- Die Prüffrage ordnet jede Aufgabe zu: eigenes Urteil nötig, oder lässt sich der Weg festlegen?
- Starte mit dem Assistenten und automatisiere die häufigste Aufgabe.
Use Cases neu denken
Das nimmst du mit
- Die drei Stufen eines Use Case: Effizienz, Effektivität, Neuartiges
- Die vier Hebel, die nur generative KI bietet
- Wie du einen flachen Use Case Schritt für Schritt hebst
Eine Beobachtung aus Workshops: Frag ein Team nach KI-Use-Cases, und die Antworten kommen schnell. „Excel-Tabellen schneller auswerten.“ „Mails vorformulieren.“ Nicht falsch. Aber es sind alte Aufgaben in schneller. Die kleinste Version dessen, was du in der Hand hast.
Use Cases haben drei Stufen. Am Beispiel „Kunden-Feedback verarbeiten“ sieht das so aus:
| Stufe | Was passiert |
|---|---|
| 1 Effizienz | Feedback-Mails werden automatisch zusammengefasst. Spart Zeit, Inhalt bleibt gleich. |
| 2 Effektivität | Feedback wird thematisch geclustert, mit Einschätzung, welche Themen zunehmen. Du siehst Muster, die du übersehen hättest. |
| 3 Neuartig | Jeder Kunde bekommt eine individuelle Antwort samt Empfehlung, basierend auf seiner Historie. Vorher nicht machbar. |
Drei Mal dieselbe Aufgabe, drei völlig verschiedene Use Cases. Wer nicht entscheidet, auf welcher Stufe er arbeiten will, landet automatisch auf Stufe 1.
Von Stufe 1 nach oben kommst du mit vier Hebeln, die klassische Automatisierung nicht hat.
- Personalisierung in Skala: Der gleiche Kerninhalt, hundertfach individuell. Zugeschnitten auf Person, Situation und Vorgeschichte.
- Modalitäts-Übersetzung: KI bewegt sich frei zwischen Text, Bild, Audio, Code und Daten. Aus dem Sprachmemo wird eine Tabelle.
- Synthese aus Vielen: Viele Quellen, eine Erkenntnis. Muster sehen, die einzeln nicht sichtbar waren.
- Szenarien und Hypothesen: Mehrere Möglichkeiten parallel durchspielen, mit Begründung. Das verändert, wie du Entscheidungen vorbereitest.
Der Test dazu: Schreib deinen Use Case in einem Satz auf und leg jeden Hebel einmal an. Aus „Excel schneller auswerten“ wird „Excel mit drei anderen Datenquellen auswerten und Muster zwischen ihnen finden“. Schon bist du eine Stufe höher.
Nutzt dein Use Case keinen der vier Hebel, ist er fast sicher Stufe 1. Das ist nicht schlimm. Aber dann weißt du es bewusst, statt es per Default zu tun.
Auf den Punkt
- Drei Stufen: Effizienz spart Zeit, Effektivität ändert Qualität, Neuartiges macht bisher Unmögliches möglich.
- Vier Hebel heben einen Use Case: Personalisierung, Modalitäts-Übersetzung, Synthese, Szenarien.
- Use Cases sind Sätze. Und Sätze kann man umschreiben.
Was KI wirklich kostet
Das nimmst du mit
- Die drei Rechnungen: Lizenz, Nutzung, Zeit
- Warum die Zeit der größte Posten ist und nirgends auftaucht
- Warum Abo gegen API kein Preisvergleich ist
Wenn über KI-Kosten gesprochen wird, geht es fast immer um zwei Zahlen: was die Abos kosten und was die Token kosten. Beide sind leicht zu bekommen, beide stehen auf einer Rechnung. Und beide zusammen sind bei den meisten Anwendungsfällen der kleinere Teil.
| Rechnung | Was darauf steht | Wer sie sieht |
|---|---|---|
| Lizenz | Abos, Sitze, Plattformgebühren. Fix pro Kopf und Monat | Die Buchhaltung |
| Nutzung | Token, Aufrufe, Rechenzeit. Variabel mit dem Volumen | Wer die API-Rechnung bekommt |
| Zeit | Prompten, Prüfen, Nacharbeiten, Korrigieren | Niemand, weil sie nirgends gebucht wird |
Die dritte Zeile taucht in keinem Vergleich auf, in keinem Angebot und in keiner Entscheidungsvorlage. Und sie ist bei fast jedem Anwendungsfall der größte Posten. Wie groß, zeigt die nächste Seite an einer nachrechenbaren Zahl.
Ein Beispiel mit echten Zahlen: 200 Kundenanfragen im Monat, KI schreibt die Antwortentwürfe, ein Mensch liest und korrigiert jede Antwort rund drei Minuten. Stundensatz 60 Euro.
TOKEN-SEITE
200 Vorgänge, je 300 Wörter rein
und 150 Wörter raus = rund 2 Euro im Monat
ZEIT-SEITE
3 Min. x 200 Vorgänge = 10 Stunden
10 Stunden x 60 Euro = 600 Euro im Monat
VERHÄLTNIS = rund 1 zu 300Selbst wenn du beim Modell hundert Prozent sparst, sparst du zwei Euro. Wer hier optimiert, optimiert das Falsche. Die Ausnahme: Läuft ein Ablauf unbeaufsichtigt in Masse, kippt das Verhältnis und die Token zählen wieder. Der Test ist einfach: Sitzt jemand daneben?
Abo gegen Schnittstelle ist kein Preisvergleich. Das eine ist ein fertiges Produkt mit Oberfläche, das andere ein Rohstoff, den jemand anschließen und betreiben muss. Zwei Tage Entwicklung kosten mehr als ein Jahr Abo. Entscheide danach, ob ein Mensch daneben sitzt, nicht nach dem Token-Preis.
Auf den Punkt
- Drei Rechnungen: Lizenz, Nutzung, Zeit. Die Zeit steht auf keiner davon.
- Wo ein Mensch im Takt sitzt, sind die Token Rundungsfehler.
- Abo oder API entscheidet der Produktumfang, nicht der Preis je Token.
Die Kostenhebel
Das nimmst du mit
- Woraus die Zeitkosten wirklich bestehen
- Die Nacharbeitsquote: eine Zahl, in zehn Minuten erhoben
- Warum Volumen mehr zählt als Ersparnis je Vorgang
Wenn die Zeit der größte Posten ist, liegen dort auch die Hebel. Die Zeit besteht aus drei Teilen: Prüfzeit fällt bei jedem Vorgang an, auch bei den guten. Nacharbeit nur bei einem Teil der Vorgänge. Fehlerkosten sind das, was ein durchgerutschter Fehler kostet, mal seiner Wahrscheinlichkeit.
Die Nacharbeitsquote ist in zehn Minuten erhoben: Nimm die letzten zehn KI-Ergebnisse und zähl, wie viele du unverändert verwendet hast. Diese eine Zahl verschiebt die Rechnung oft mehr als jede Modellwahl.
Der stärkste Hebel steckt in der Prüfzeit. Eine Minute weniger je Vorgang bringt bei 200 Vorgängen rund 200 Euro im Monat. Erreichbar durch besseren Kontext und eine Vorlage statt Freitext. Dinge, die nichts kosten.
Für ehrliche Zahlen brauchst du eine unbequeme Einsicht: Deine eigene Zeitersparnis kannst du nicht fühlen. Dir fehlt der Vergleichswert, und Warten, Lesen und Prüfen fallen aus der inneren Zeitrechnung heraus. Stopp deshalb sechs Vorgänge, drei mit KI und drei ohne, und vergleich die Mittelwerte.
Ob sich eine Automatisierung trägt, ist danach eine Multiplikation. Dasselbe Setup, 20 Stunden Einrichtung, eine Minute Ersparnis je Vorgang. Nur die Menge unterscheidet sich:
| Vorgänge je Monat | Amortisation |
|---|---|
| 20 | 60 Monate. Rechnet sich nicht |
| 200 | 6 Monate. Trägt sich |
| 2.000 | Unter einem Monat. Klarer Fall |
Volumen schlägt Ersparnis je Vorgang: Zwei Minuten bei 500 Vorgängen tragen mehr als zwei Stunden bei fünf. Und der Einrichtungsaufwand entscheidet öfter als der laufende Preis. Er wird durchgängig unterschätzt.
Eine Rechnung, die nie ein negatives Ergebnis zulässt, ist keine Rechnung. Wenn bei euch noch nie ein KI-Vorhaben an der Wirtschaftlichkeit gescheitert ist, wird nicht gerechnet, sondern begründet.
Auf den Punkt
- Zeitkosten bestehen aus Prüfzeit, Nacharbeit und Fehlerkosten.
- Minuten werden gestoppt, nicht geschätzt. Ersparnis ist eine Differenz, kein Gefühl.
- Volumen schlägt Ersparnis je Vorgang, der Einrichtungsaufwand entscheidet.
Messen statt raten
Das nimmst du mit
- Warum „fühlt sich besser an“ kein Beleg ist
- Fehleranalyse in vier Schritten: lesen, notieren, gruppieren, zählen
- Priorisieren nach Häufigkeit statt nach Bauchgefühl
Du änderst zwei Sätze im Prompt, testest mit drei Mails, die Antworten wirken runder, du rollst aus. Eine Woche später wurde eine Frist übersehen. War das deine Änderung? Du weißt es nicht. Du hast nie festgehalten, wie gut es vorher war.
Vibe-Check: Drei Fälle sind keine Stichprobe, sie sind ein Gefühl. Und ein Gefühl kannst du nicht mit dem Gefühl von letzter Woche vergleichen, weil du es nicht aufgeschrieben hast.
Der Weg raus beginnt nicht mit einem Werkzeug, sondern mit Lesen. Wer nicht 20 bis 50 echte Outputs von Hand gelesen hat, weiß nicht, was er messen soll.
- Fälle sammeln: Echte Durchläufe, keine ausgedachten. Eingabe und Ausgabe zusammen.
- Offen notieren: Ein Fall, ein bis zwei Sätze in eigenen Worten.
- Gruppieren: Zusammenschieben, was sich ähnelt. Aus den Gruppen werden Namen.
- Zählen: Wie oft kommt jede Gruppe vor? Erst hier entstehen Zahlen.
Beim Zählen passiert das Interessante: Die erfundene Angabe regt dich am meisten auf und kommt zweimal vor. Das übersehene zweite Anliegen fällt kaum auf und passiert elfmal. Priorisiert wird nach Häufigkeit, nicht nach Empörung. Nur Fehler mit echtem Schaden dürfen bewusst vorgezogen werden.
Aus jeder Fehlerkategorie wird ein Testfall. 10 bis 20 echte Fälle reichen, jeder mit einem Kriterium, das sich mit Ja oder Nein beantworten lässt:
| Schwammig | Als Ja/Nein-Frage |
|---|---|
| Die Antwort war unvollständig | Wird jedes Anliegen aus der Mail behandelt? |
| Der Ton war unpassend | Würdest du diese Antwort einer verärgerten Kundin so schicken? |
| Wirkt insgesamt hilfreich | Kann die Kundin den nächsten Schritt tun, ohne nachzufragen? |
„11 von 15 Fällen bestanden“ versteht jeder sofort. Eine 4,2 auf einer Skala versteht niemand. Und prüf so billig wie möglich: Ob die Frist aus der Mail in der Antwort vorkommt, lässt sich buchstäblich prüfen. Dafür brauchst du kein Modell.
Bei jeder Änderung alle Fälle laufen lassen und mit dem letzten Stand vergleichen. 20 Minuten Aufwand, und aus jeder Hoffnung wird eine Messung.
Auf den Punkt
- Fehleranalyse kommt vor Werkzeugen: lesen, notieren, gruppieren, zählen.
- Ein gutes Testset ist klein, echt und gemein: 15 echte Fälle schlagen 500 saubere.
- Eine Ja/Nein-Frage pro Fehlermodus schlägt jede Skala.
Dein Business Case
Das nimmst du mit
- Der Fahrplan vom Use Case zur belegten Wirkung
- Welche Zahl du in welcher Etappe erhebst
- Woran du erkennst, dass dein Case trägt
Jetzt fügt sich alles zusammen. Ein Business Case für KI ist kein Foliensatz, sondern ein Fahrplan mit vier Etappen. Jede baut auf einem der vorigen Kapitel auf.
- Use Case wählen: Ordne die Aufgabe auf der Landkarte ein und prüf die Stufe. Leg einen der vier Hebel an, bevor du priorisierst.
- Kosten rechnen: Stell die drei Rechnungen getrennt auf. Zähl die Vorgänge, stopp die Minuten, erheb die Nacharbeitsquote.
- Schwelle prüfen: Ersparnis je Vorgang mal Volumen, gegen Einrichtungsaufwand und laufende Kosten. Ein negatives Ergebnis ist ein Ergebnis.
- Wirkung messen: Testset mit echten Fällen, binäre Kriterien, Stand datieren. So hast du zwei Messpunkte statt einem Gefühl.
Vom Bauchgefühl zum Beleg: Jede Etappe ersetzt eine Vermutung durch eine Zahl, die du selbst erhoben hast.
Für die Etappen 2 und 3 reicht eine Seite. Das Raster stammt aus der Kosten-Lesson und passt auf jeden Anwendungsfall:
1 Vorgänge je Monat gezählt, nicht geschätzt
2 Token-Kosten je Vorgang aus der Abschätzung
3 Minuten je Vorgang gestoppt, nicht geschätzt
4 Nacharbeitsquote an zehn Fällen erhoben
5 Einrichtungsaufwand im Zweifel verdoppelt
6 Was ein Fehler kostet ehrlich, nicht beruhigendDie Zeilen 1 bis 4 ergeben die laufende Rechnung. Die Zeilen 5 und 6 entscheiden, ob sie überhaupt zählt. Wo du nur schätzen kannst, schreib „geschätzt“ dahinter. Die schwächste Zahl im Raster ist die, die du als Nächstes erhebst.
Und wenn dir jemand eine Studie vorlegt? Drei Fragen prüfen jede fremde Zahl: Wie groß war die Stichprobe? Was galt als Erfolg? Wer verdient am Ergebnis? Eine selbst erhobene Zahl aus zehn eigenen Vorgängen ist stärker als jede kursierende Statistik.
Starte mit einem einzigen Use Case und zieh ihn komplett durch: einordnen, rechnen, messen. Ein durchgerechneter Fall überzeugt mehr als zwanzig Ideen auf einer Liste.
Auf den Punkt
- Vier Etappen: einordnen, rechnen, Schwelle prüfen, Wirkung messen.
- Sechs Zeilen, eine Entscheidung: Das Raster passt auf eine Seite.
- Selbst erhobene Zahlen schlagen kursierende Studien.
Zusammenfassung
Wo KI im Business wirkt
Die System-Landkarte: Assistent für Variables, Automatisierung für Wiederkehrendes, agentische Systeme für Aufgaben mit eigenem Urteil.
Use Cases neu denken
Use Cases haben drei Stufen, und erst die vier Hebel der generativen KI heben sie über die reine Effizienz.
Was KI wirklich kostet
Der größte Kostenposten ist die menschliche Zeit, und sie steht auf keiner Rechnung.
Die Kostenhebel
Gestoppte Minuten, die Nacharbeitsquote und das Volumen entscheiden, ob sich ein Einsatz trägt.
Messen statt raten
Fehleranalyse kommt vor Werkzeugen, und eine Ja/Nein-Frage pro Fehlermodus schlägt jede Skala.
Dein Business Case
Vier Etappen machen aus dem Bauchgefühl einen Beleg: einordnen, rechnen, Schwelle prüfen, Wirkung messen.
Weiterlernen auf lernen.diy
Dieser Snack ist der Einstieg. Die vier Lessons dahinter gehen in die Tiefe, mit Übungen und Beispielen.
Nimm dir einen echten Use Case aus deinem Alltag und fang an zu rechnen. Wenn du das ganze Thema Schritt für Schritt angehen willst, führt dich der Lernpfad „KI ins Business bringen“ durch alle Stationen.
Blättern mit den Pfeiltasten, per Klick oder Wisch
Aus diesen Lessons gebaut
Das Flipbook ist die Kurzfassung. Jede der Lessons dahinter geht mit Übungen und Beispielen in die Tiefe.