Laut PwC Global CEO Survey 2026 sagen 56 Prozent der CEOs, dass KI weder Umsatz noch Kosten spürbar verändert. Warum viele Firmen den wirtschaftlichen Nutzen von KI falsch einschätzen - und welche Faktoren oft fehlen.
Die Ernüchterung ist da. Trotz hoher Investitionen in künstliche Intelligenz berichten laut PwC Global CEO Survey 2026 mehr als die Hälfte der befragten Chefs, dass KI bisher weder mehr Umsatz gebracht noch Kosten gesenkt hat. In der Umfrage unter 4.454 CEOs aus 95 Ländern sagten 56 Prozent, dass sich durch KI weder Umsatz noch Kosten spürbar verändert haben. Nur 12 Prozent der Führungskräfte sahen beides: mehr Umsatz und weniger Kosten. 33 Prozent bemerkten nur einen der beiden Effekte. Die Frage bleibt: Warum ist der wirtschaftliche Nutzen von KI für viele Unternehmen so schwer zu fassen? Und bilden die bisherigen Bewertungsmodelle überhaupt die entscheidenden Faktoren ab?
Messung bleibt auf Einzelfälle beschränkt
Viele Firmen bewerten KI-Projekte nur an einzelnen Anwendungen oder Prozessschritten. Sie schauen auf Kennzahlen wie Bearbeitungsgeschwindigkeit, Zahl automatisierter Vorgänge oder direkte Kosten für Modelle, Tokens und Lizenzen. Doch diese Sicht blendet aus, wie sich der gesamte Service verändert. Wichtig ist, was vor und nach dem KI-Einsatz passiert: Müssen Mitarbeitende die Ergebnisse prüfen? Wie oft sind Korrekturen nötig? Gibt es mehr Rückfragen oder Eskalationen? Die reine Automatisierung eines Schritts senkt weder automatisch die Gesamtkosten noch verbessert sie die Qualität. Forrester betont, dass Unternehmen den kompletten End-to-End-Workflow betrachten und auch den zusätzlichen Aufwand für Kontrolle und Nachbearbeitung erfassen müssen.
Ein Beispiel aus dem IT-Service-Management zeigt das Problem: Wenn eine KI 40 Prozent der Anfragen automatisiert bearbeitet, sinken die Kosten pro Vorgang nicht einfach um 40 Prozent. Die komplexen Fälle bleiben bei den Mitarbeitenden. Das kann dazu führen, dass die durchschnittliche Bearbeitungszeit für manuelle Tickets sogar steigt. Wie viel wirklich eingespart wird, hängt davon ab, wie viele einfache Vorgänge automatisiert werden und wie hoch der zusätzliche Aufwand für Kontrolle und Nacharbeit ist.
Komplexe Kostenstruktur erschwert Transparenz
Die wirtschaftliche Bewertung von KI-gestützten Services scheitert oft daran, dass die nötigen Daten verstreut sind. Operative Kennzahlen wie Ticketvolumen, Bearbeitungszeiten und Servicequalität werden im IT Service Management erfasst. Kosten für Personal, Infrastruktur oder externe Dienstleister liegen aber oft in anderen Systemen. Dazu kommen spezielle KI-Kosten für Modellnutzung, API-Aufrufe und Cloud-Ressourcen. Solange diese Daten nicht zusammengeführt werden, bleibt unklar, wie sich KI auf die Gesamtkosten eines Services wirklich auswirkt.
Nur 5 Prozent der Unternehmen können den Einfluss von KI auf ihre Geschäftsergebnisse quantitativ belegen - das unterstreicht die große Herausforderung, den tatsächlichen ROI von KI-Initiativen messbar zu machen.
Ein belastbarer Business Case für KI muss alle Kostenarten einbeziehen: Neben Technologiekosten zählen auch Aufwände für Einführung, Integration, Datenaufbereitung, Sicherheit und Governance sowie der menschliche Aufwand für Kontrolle und Nachbearbeitung. Die Servicequalität darf nicht unter den Tisch fallen. Eine scheinbar günstige Automatisierung kann durch mehr Rückfragen oder Eskalationen schnell an Wert verlieren. Die Bundesnetzagentur empfiehlt in ihren aktuellen Leitlinien zur Digitalisierung, alle Kosten- und Qualitätsparameter nach DIN EN ISO 9001 systematisch zu dokumentieren und regelmäßig zu prüfen. Mehr dazu steht in der Digitalisierungsstrategie der Bundesnetzagentur.
Praxisbeispiel zeigt Grenzen der Automatisierung
Ein fiktives Rechenbeispiel aus einem Großunternehmen macht die Dynamik deutlich: Vor dem KI-Einsatz kostet die Bearbeitung von 10.000 IT-Anfragen im Monat 180.000 Euro, also 18 Euro pro Vorgang. Nach Einführung der KI werden 4.000 Anfragen automatisiert für etwa einen Euro pro Stück bearbeitet. Die restlichen 6.000 bleiben manuell und kosten weiter 18 Euro pro Vorgang. Zusätzlich fallen 15.000 Euro für Betrieb und Infrastruktur der KI an. Insgesamt sinken die monatlichen Gesamtkosten auf 127.000 Euro. Das sind rund 12,70 Euro pro gelöstem Vorgang - eine Einsparung von knapp 30 Prozent. Das Beispiel zeigt aber auch: Die Automatisierungsquote allein sagt wenig über den wirtschaftlichen Effekt aus, weil einfache und komplexe Vorgänge unterschiedlich ins Gewicht fallen.
Unternehmen müssen deshalb Vorgangsarten und Schwierigkeitsgrade getrennt betrachten. Durchschnittswerte können wichtige Veränderungen verdecken, vor allem wenn nach der Automatisierung der Anteil komplexer Fälle steigt und der Prüfaufwand für Mitarbeitende hoch bleibt. Die Internationale Arbeitsorganisation (ILO) stellt in ihrem aktuellen Bericht fest, dass systematische Bewertungsrahmen für KI-Effekte außerhalb enger Produktivitätskennzahlen bisher selten sind. Einblicke dazu gibt der ILO-Überblick zu KI und Produktivität.
Wirtschaftlicher Nutzen bleibt an klare Kennzahlen gebunden
Für eine solide Bewertung sollten Unternehmen vor dem Rollout eines KI-gestützten Services eine belastbare Ausgangsbasis schaffen: Wie hoch sind Volumen, Kosten und Bearbeitungsaufwand heute? Welche Qualität wird erreicht? Erst dann lassen sich Kennzahlen wie Kosten pro gelöstem Vorgang, eingesparte Arbeitszeit, Lösungsquote oder Eskalationsrate sinnvoll definieren. Die Automatisierungsquote sollte nie isoliert betrachtet werden.
Ob ein KI-Use-Case wirtschaftlich tragfähig ist, zeigt sich erst, wenn der Effekt auf Serviceebene stabil nachgewiesen werden kann. Bleibt der erwartete Vorteil aus - etwa weil der Aufwand für Kontrolle und Korrekturen den Nutzen auffrisst -, sollten Unternehmen den Mut haben, den Anwendungsfall zu überarbeiten oder nicht weiter auszubauen. Wirtschaftlicher Erfolg mit KI entsteht nicht durch Automatisierung um jeden Preis, sondern durch eine realistische Bewertung aller relevanten Faktoren.
Künstliche Intelligenz wird in Unternehmen oft als Schlüssel für mehr Effizienz und geringere Kosten verkauft. In der Praxis hängt der wirtschaftliche Nutzen aber davon ab, ob Firmen alle Kosten- und Qualitätsfaktoren systematisch erfassen und bewerten. Ohne eine integrierte Sicht auf operative und finanzielle Daten bleibt der echte Effekt von KI-Projekten schwer messbar. Wer seine Bewertungsmodelle anpasst und den gesamten Service betrachtet, kann realistisch einschätzen, ob und wo KI wirklich einen Mehrwert bringt.
Im Kontext von KI-Projekten meint die Automatisierungsquote den Anteil der Vorgänge, die komplett ohne menschliches Eingreifen bearbeitet werden. Sie ist eine wichtige Kennzahl, reicht aber allein nicht aus, um den wirtschaftlichen Effekt zu bewerten. Erst die Kombination aus Automatisierungsquote, Kosten pro Vorgang, Servicequalität und zusätzlichem Prüfaufwand zeigt, ob ein KI-gestützter Service wirklich effizienter und wirtschaftlicher läuft.
