KI-Investitionen lassen sich nicht mit klassischer Business-Case-Logik rechtfertigen. Nicht weil der Nutzen fehlt – sondern weil er sich auf eine Art entfaltet, die Investitionsmodelle nicht vorgesehen haben. Wer trotzdem versucht, KI-Budget über traditionelle ROI-Rechnungen freizubekommen, blockiert das Programm, bevor es beginnt. Oder er bekommt Geld – aber für die falsche Sache.
Warum klassische ROI-Logik bei KI versagt
In einem klassischen Investitionsmodell ist die Kausalkette klar: Wir investieren X, wir erhalten Y, Y ist größer als X. Der Zeithorizont ist definiert, die Einsparung oder der Mehrerlös ist quantifizierbar, die Alternative ist bekannt. Für eine neue Maschine, ein ERP-System oder eine Marketingkampagne funktioniert das.
Bei KI-Investitionen versagt diese Logik aus drei Gründen.
Erstens: Der Wert liegt in der Fähigkeit, nicht in der Funktion. Ein Unternehmen, das lernt, KI-Projekte gut aufzusetzen, schafft etwas, das kein Business Case abbildet: die Kompetenz, zukünftige Vorhaben schneller, billiger und wirkungsvoller umzusetzen. Dieser Wert ist real, aber nicht direkt einer Investition zuzurechnen. Er entsteht durch Übung, durch Misserfolge, durch kumuliertes Wissen. Business Cases erfassen das nicht.
Zweitens: Die Baseline bewegt sich. Wettbewerber, die KI einsetzen, verschieben das Koordinatensystem. Der relevante Vergleich ist nicht „mit KI vs. ohne KI in absoluten Zahlen" – sondern „mit KI vs. ohne KI in einem Markt, in dem Wettbewerber KI einsetzen". Diese relative Position ist nicht modellierbar, solange man nicht weiß, was die anderen tun. Das macht jeden klassischen Wirtschaftlichkeitsvergleich zu einer Scheinrechnung.
Drittens: Frühe Projekte sind per Definition unsicher. Ein KI-Projekt, das noch nicht gemacht wurde, hat per Definition keine Datenbasis für eine verlässliche ROI-Schätzung. Die Zahlen, die in Business Cases stehen, sind meistens umgekehrt abgeleitet: gewünschtes Ergebnis → rückwärts gerechnete Annahmen. Das ist keine Prognose. Es ist eine Rechtfertigungsübung.
Das eigentliche Problem ist ein Gouvernanz-Problem
Wenn klassische ROI-Logik nicht greift, stellt sich die eigentliche Frage: Wer hat in Ihrer Organisation das Mandat, eine Investitionsentscheidung ohne vollständige Quantifizierbarkeit zu treffen?
Das ist keine triviale Frage. Investitionsentscheidungen in der Regel erfordern einen Business Case, weil sie durch Prozesse und Budgetverantwortliche laufen, die auf Zahlen angewiesen sind. Wer keine Zahl liefert, bekommt kein Budget. Also werden Zahlen produziert – notgedrungen spekulativ –, die dann als Entscheidungsgrundlage dienen, obwohl sie keine sind.
Das Ergebnis: Entweder wird kein KI-Budget freigegeben, weil der Business Case nie überzeugend genug war. Oder es wird Budget freigegeben auf Basis von Zahlen, die niemand wirklich glaubt – und die später, wenn das Projekt abgeschlossen ist, nicht nachgehalten werden, weil das zu unangenehmen Fragen führen würde.
Beides ist kein guter Ausgangspunkt für ein KI-Programm.
Was stattdessen funktioniert
Der Ausweg liegt nicht darin, bessere Business Cases zu bauen. Er liegt darin, die Entscheidungslogik anzupassen.
Capability-Investment statt Projekt-Investment. Statt zu fragen „Was bringt dieses Projekt in 18 Monaten?" die Frage stellen: „Was ist es wert, dass wir in zwei Jahren in der Lage sind, KI-Vorhaben dieser Kategorie sicher und schnell umzusetzen?" Das ist eine strategische Entscheidung – keine Investitionsrechnung. Sie setzt voraus, dass jemand in der Führung das Mandat hat, strategische Entscheidungen zu treffen, ohne dass jede Zahl belegt ist.
Gestufte Freigaben statt Gesamtbudget upfront. Statt ein Gesamtprogramm-Budget zu beantragen, werden Phasen freigegeben: Phase 1 (erstes Projekt, begrenzte Mittel, klare Lernziele) → Auswertung → Freigabe Phase 2. Das reduziert das Risiko, macht Entscheidungen reversibel und ersetzt spekulativen Business Case durch tatsächliche Erfahrungswerte.
Klare Eigentümerschaft für die Investitionsentscheidung. KI-Investitionen brauchen einen Sponsor, der das Mandat hat und das Risiko trägt. Nicht als Projekt-Owner, sondern als strategischer Entscheider, der sagt: Wir investieren in diese Fähigkeit, weil ich das für richtig halte, und ich verantworte diese Entscheidung. Das ist für viele Organisationen eine ungewohnte Haltung – aber die einzige, die bei Fähigkeitsinvestitionen funktioniert.
Woran Sie erkennen, dass Ihre Investitionslogik das Programm blockiert
Vier Prüffragen:
- 1.Werden KI-Budgetanträge über dasselbe Verfahren eingereicht wie Investitionen in Infrastruktur oder Sachvermögen?
- 2.Enthalten Ihre KI-Business-Cases Zahlen, die niemand wirklich glaubt – aber die das Verfahren erfordert?
- 3.Gibt es in Ihrer Führung jemanden mit Mandat, eine strategische Fähigkeitsinvestition ohne vollständig quantifizierten ROI zu genehmigen?
- 4.Werden abgeschlossene KI-Projekte nachträglich gegen ihre Business-Case-Annahmen geprüft?
Wenn Frage 3 mit Nein beantwortet wird, ist das die Grundsatzfrage. Nicht welche Technologie, nicht welcher Use Case – sondern wer in Ihrer Organisation das Mandat hat, eine Investitionsentscheidung ohne vollständige Quantifizierbarkeit zu treffen. Bis das geklärt ist, wird das Programm immer wieder an Budgetprozessen scheitern, die für eine andere Art von Investition gebaut wurden.
Häufige Fragen
Was Leser noch wissen wollen
Warum lässt sich KI-Nutzen so schwer quantifizieren?
Weil ein wesentlicher Teil des Nutzens in der organisationalen Fähigkeit liegt, nicht in einer einzelnen Funktion. Eine Maschine liefert direkt messbaren Output. Ein KI-Programm baut Kompetenz auf, beschleunigt zukünftige Projekte, verbessert Entscheidungsqualität. Diese Effekte sind real, aber sie lassen sich keiner einzelnen Investition zurechnen – und sie entfalten sich über Zeiträume, die Business Cases meistens nicht abbilden.
Wie rechtfertigt man KI-Investitionen gegenüber dem CFO?
Nicht mit Projektrechnung, sondern mit strategischer Logik: Was ist das Risiko, in drei bis fünf Jahren nicht in der Lage zu sein, KI-Vorhaben umzusetzen, während Wettbewerber das können? Und was kostet es, diese Fähigkeit aufzubauen? Das ist eine andere Gesprächsführung als „Dieses Projekt spart 400.000 Euro im Jahr" – aber die ehrlichere und belastbarere.
Wie groß sollte das erste KI-Budget sein?
Klein genug, um ohne vollständigen Business Case genehmigt werden zu können. Groß genug, um ein Projekt abzuschließen, das belastbare Lerneffekte produziert. Als grobe Orientierung: Ein erstes Projekt mit drei bis vier Monaten Laufzeit und einem klar begrenzten Scope kommt meistens mit einem Bruchteil des Budgets aus, das für eine „echte" Digitalisierungsinitiative veranschlagt würde. Der Wert liegt im Lernen, nicht im Ergebnis.
Wer sollte das Mandat für KI-Investitionsentscheidungen haben?
Eine Person mit strategischer Entscheidungskompetenz und Budgetverantwortung – und dem Willen, eine Investition ohne vollständige Quantifizierbarkeit zu vertreten. Das kann die Geschäftsführung sein, ein CDO, oder ein Beiratsmitglied mit entsprechendem Mandat. Entscheidend ist nicht der Titel, sondern die Bereitschaft, Fähigkeitsinvestitionen anders zu behandeln als Projekt-Investments.