Im letzten Beitrag ging es um Zuordnung: Wer verbraucht welche KI-Kosten, und welchem Budget fallen sie zu? Das war wichtig, beantwortet aber nur die halbe Frage. Kostentransparenz sagt, was etwas kostet. Nicht, ob es sich lohnt. Und genau das ist die Frage, die davor gehört.
Auch bei unserem Rückblick auf 25 Jahre eXXcellent solutions haben wir in einer Gesprächsrunde darüber nachgedacht, wie unsere Welt in drei Jahren mit KI aussehen könnte. Ein Thema dort war das Spannungsfeld zwischen Vertrauen und Kontrolle. Dieser Beitrag nimmt die wirtschaftliche Seite davon auf.
Wer nur die Tokenkosten betrachtet, rechnet an der eigentlichen Frage vorbei. Nicht, weil falsch gerechnet wird, sondern weil die falsche Größe im Mittelpunkt steht. Der Blickwinkel entscheidet, ob die Rechnung am Ende trägt.
Aktuelle Zahlen zeigen, wie groß diese Lücke sein kann: Nur 16 Prozent der deutschen Unternehmen berichten von geringeren Kosten durch KI, nur 11 Prozent von höheren Umsätzen. Eine aktuelle Gartner-Erhebung unter Infrastruktur- und Betriebsverantwortlichen zeigt ein ähnliches Bild: Nur bei rund einem Viertel der KI-Anwendungsfälle erfüllen sich die Erwartungen vollständig. Entscheidend ist dabei laut Gartner weniger das eingesetzte Tool selbst, sondern das Zusammenspiel aus guter Datengrundlage, sauberer Integration in bestehende Workflows und Rückhalt durch die Geschäftsführung.
Eine Rechnung, die nur auf Tokens schaut, beantwortet eine technische Frage. Die unternehmerische Frage lautet anders: Was ist das Ergebnis wert, das dabei entsteht?
Bevor man KI-Kosten zuordnet, muss man wissen, wogegen man sie stellt. Was kostet die Aufgabe heute? Von Hand erledigt, im bestehenden Prozess mit vorhandenen Tools, oder klassisch automatisiert ohne KI. Erst dieser Vergleich zeigt, ob KI trägt.
Nicht was ein Aufruf kostet, ist die entscheidende Zahl. Sondern was das Ergebnis wert ist, das am Ende steht.
An dieser Stelle lohnt sich ein genauerer Blick, denn die Frage „KI oder nicht" ist zu einfach gestellt. Wir sehen sie in der Praxis eher als zwei Fragen, die man nacheinander beantwortet.
Die erste Frage: Passt die Aufgabe grundsätzlich zu Automatisierung? Das ist meist dann der Fall, wenn sie eng umrissen ist, sich wiederholt, in hohem Volumen anfällt und das Risiko bei einem Fehler überschaubar bleibt. Ist das nicht gegeben, etwa weil Kontext, Urteilsvermögen oder Haftung entscheidend sind, bleibt der Mensch die klügere Wahl. Auch das darf man so benennen.
Fällt die erste Antwort für Automatisierung aus, kommt die zweite Frage: Bildet ein Standardmodell oder ein Standardtool diese Aufgabe sauber ab? Wenn ja, ist die Antwort meist eine Plattformlösung mit sinnvollem Routing, wie wir sie im letzten Beitrag beschrieben haben. Wenn nein, braucht es KI, die nicht von der Stange kommt, sondern gezielt in den vorhandenen Prozess integriert wird.
Diese zweite Antwort ist kein Umweg und kein Kompromiss. Sie ist oft die wirtschaftlich sauberste Lösung, weil sie den Prozess ernst nimmt, wie er tatsächlich läuft, statt ihn an ein Standardwerkzeug anzupassen.
Die andere Seite der Rechnung ist der Nutzen: Zeit, Qualität, kürzere Durchlaufzeiten, weniger Risiko. Nutzen ist jedoch schwerer zu messen als Kosten. Wer hier eine Genauigkeit vortäuscht, die es nicht gibt, verliert genau die Glaubwürdigkeit, die ein Entscheider braucht, um die Zahl gegenüber Geschäftsführung oder Aufsichtsrat zu vertreten.
Besser ist es, Nutzen dort zu benennen, wo er tatsächlich beobachtbar ist, und dort offen zu bleiben, wo er es nicht ist. Eine grobe, ehrliche Schätzung trägt in der Praxis weiter als eine präzise wirkende Zahl, die sich nicht halten lässt.
Manchmal ergibt die Rechnung, dass der bestehende Weg der richtige bleibt. Das ist kein Rückschritt und keine verpasste Chance, sondern schlicht das ehrliche Ergebnis einer Prüfung, die man ernst genommen hat. Ein Fall, der zu selten vorkommt, um ihn zu automatisieren, bleibt zu selten. Das darf man so sagen, ohne es zu rechtfertigen.
Und manchmal liegt die Antwort woanders: nicht bei KI im Allgemeinen und nicht beim bisherigen Vorgehen, sondern bei KI, die gezielt auf einen bestehenden Prozess zugeschnitten wird. Wie das konkret aussehen kann, zeigen wir im nächsten Beitrag.
Die Reihenfolge ist entscheidend. Erst die Wirtschaftlichkeit klären, dann zuordnen, routen und steuern. Die Prüfung gehört vor den Rollout eines Anwendungsfalls, nicht in die nachträgliche Rechtfertigung eines bereits laufenden Projekts. Governance und Kostenkontrolle, wie wir sie im letzten Beitrag beschrieben haben, entfalten ihren Wert erst dann vollständig, wenn vorher geklärt ist, wofür sie eigentlich eingesetzt werden.
Fazit
Kostentransparenz ist die Voraussetzung, nicht das Ziel. Bevor man KI-Nutzung zuordnet, lohnt der Blick auf die Alternative:
Die Baseline zeigt, was die Aufgabe heute ohne KI kostet. Der Nutzen wird benannt, nicht behauptet: Zeit, Qualität, Risiko. Die Eignungsfrage entscheidet, ob KI grundsätzlich passt und ob ein Standardwerkzeug ausreicht oder eine gezielte Integration nötig ist. Und manchmal bleibt die ehrlichste Antwort, dass eine Aufgabe weiterhin von Hand am besten aufgehoben ist.
Wer diese Reihenfolge einhält, rechnet zuerst und skaliert erst danach.
Wenn Sie für einen konkreten Anwendungsfall einordnen möchten, ob sich KI rechnet, schauen wir gemeinsam darauf.