Unternehmen investieren zunehmend Zeit und Geld in den Einsatz von KI. Die Gründe dafür sind betriebswirtschaftlich oft nicht nachvollziehbar. Wenn man nachfragt, heißt es: „andere machen das jetzt auch“, „wer jetzt nicht investiert, für den ist der Zug abgefahren“ oder „mit KI werden wir effektiver und effizienter“. 

Für mich ergeben sich hier Parallelen zu meinen Vorlesungen und Vorträgen: Wenn Visionen und Strategien formuliert werden, frage ich immer: „Wie misst du das?“. Oder ganz konkret: „Wir wollen in 2-3 Jahren Marktführer sein“ – aber was heißt das, woran erkenne ich die Zielerreichung? Und was haben die Maßnahmen gekostet, gibt es eine ROI-Rechnung? 

Der Mehrzahl der Unternehmen fehlt das Steuerungsparadigma, Ziele zu definieren, zu quantifizieren, zu messen und zu steuern. Bereits Peter Drucker und Alfred Rappaport erwähnten „If you can’t measure it, you can’t manage it“. Leider ist es dann nicht so. Informationen werden in Unternehmen gesammelt, Alternativen bewertet, Abstimmungen durchgeführt und Freigaben eingeholt. Diese Kosten tauchen allerdings in keiner eigenen Position der Gewinn-und-Verlust-Rechnung auf. Sie sind über Prozesse, Funktionen und Managementebenen verteilt.  

Nach McKinsey („The state of AI in 2026: On the road to ROI“, 08/2026; „The decision dividend: How AI creates economic value“, 08/2026.) sind 80 Prozent der Befragten der Meinung, dass KI ihre persönliche Produktivität verbessert. 50 Prozent berichten, mithilfe von KI bessere Entscheidungen zu treffen. Allerdings sieht es auf Unternehmensebene anders aus: Nur 37 Prozent der Unternehmen steigern durch den Einsatz von KI ihren operativen Gewinn. Lediglich sechs Prozent erzielen damit einen spürbaren finanziellen Erfolg und gelten als sogenannte „AI High Performer“.  

Die Zahlen zeigen eine deutliche Diskrepanz zwischen individueller und unternehmerischer Wirkung: Wenn einzelne Beschäftigte schneller arbeiten, wird dadurch nicht automatisch das gesamte Unternehmen produktiver oder profitabler.  

Zeitersparnis bleibt zunächst ein individueller Effekt. Wirtschaftlicher Wert entsteht erst, wenn Unternehmen diese zusätzlichen Möglichkeiten in bessere Prozesse und bessere Entscheidungen übersetzen.  

Genau hier liegt meines Erachtens das größte Potenzial von KI.  

McKinsey spricht in diesem Zusammenhang von einem „Decision Dividend“. Demnach entsteht ein großer Teil des wirtschaftlichen Nutzens von KI nicht allein durch eingesparte Arbeitszeit, sondern durch schnellere und bessere Entscheidungen.  

Wenn Produktionspläne häufiger an aktuelle Nachfrage- und Bestandsdaten angepasst werden, lassen sich vorhandene Kapazitäten besser nutzen. Wenn Preis-, Investitions- oder Sortimentsentscheidungen auf mehr Informationen und belastbareren Szenarien beruhen, steigen Handlungsfähigkeit und Ergebnisqualität. Und wenn ein Unternehmen früher auf Veränderungen reagiert, kann es Chancen nutzen, die langsamere Wettbewerber verpassen.  

Entscheidend ist nicht der Umfang des KI-Einsatzes, sondern sein messbarer Beitrag zum Unternehmenserfolg. Erst wenn KI die Kosten senkt, Prozesse verbessert, Umsätze steigert oder die Qualität von Entscheidungen erhöht, entsteht wirtschaftlicher Nutzen.  

Relevanter ist demnach die Frage, bei wie vielen wirtschaftlich wichtigen Entscheidungen KI bereits zu einer besseren Entscheidungsgrundlage, schnelleren Abläufen oder zu einer Automatisierung (wo sinnvoll) beiträgt.  

Dabei genügt es nicht, KI auf bestehende Abläufe aufzusetzen. Die wenigen Unternehmen, die bereits einen erheblichen finanziellen Nutzen erzielen, gestalten ihre Workflows deutlich häufiger grundlegend neu. Sie verbinden Technologie mit Daten, Prozessen, Verantwortlichkeiten und klaren wirtschaftlichen Zielgrößen.  

Der ROI von KI beginnt deshalb nicht bei der eingesparten Arbeitsstunde. Er beginnt dort, wo ein Unternehmen bessere Entscheidungen trifft und daraus bessere Geschäftsergebnisse entstehen.