ROI-Berechnung für Automatisierungen

Lernziele

Sie können den ROI einer KI-Automatisierung nach der Grundformel (Nettoeinsparung / Investition) berechnen und die Ergebnisse korrekt interpretieren.

Sie sind in der Lage, alle drei Bruttonutzen-Kategorien (Zeitersparnis, Qualitätsgewinn, Skalierbarkeit) zu quantifizieren — auch wenn direkte Messungen fehlen und Schätzungen notwendig sind.

Sie kennen alle drei Investitionskategorien (Einmalaufwand, laufende Kosten, Human-in-the-Loop-Kosten) und können typische Unterschätzungsfallen benennen.

Sie können eine Break-Even-Analyse für eine Automatisierung durchführen und das Ergebnis für eine Entscheidungsvorlage aufbereiten.

Sie sind in der Lage, eine einfache Sensitivitätsanalyse durchzuführen und kritische Annahmen zu identifizieren, die den ROI am stärksten beeinflussen.

Sie verstehen den Unterschied zwischen Hard Savings (direkt quantifizierbar) und Soft Savings (indirekt quantifizierbar) und können beide korrekt in einer ROI-Kalkulation darstellen.

Sie können eine vollständige ROI-Kalkulation für ein konkretes Automatisierungsprojekt erstellen, das als Entscheidungsvorlage für Führungskräfte geeignet ist.

Auf einen Blick

Worum geht es? — Der didaktische Einstieg

„Das klingt alles gut — aber was kostet es, und wann rechnet es sich?” Das ist die Frage, die jede interne Entscheidungsvorlage für eine KI-Automatisierung beantworten muss. Ohne eine fundierte Antwort auf diese Frage bleiben Automatisierungsprojekte im Bereich des Glaubens — und Führungskräfte werden zurecht zurückhaltend.

ROI-Kalkulationen für KI-Automatisierungen haben eine wichtige Besonderheit: Sie sind fast immer unvollständig — weil nicht alle Vorteile direkt monetarisierbar sind und weil Implementierungsaufwände unter Zeitdruck chronisch unterschätzt werden. Das macht sie nicht weniger wertvoll, sondern verlangt Ehrlichkeit und Transparenz über Annahmen.

Eine gute ROI-Kalkulation für eine KI-Automatisierung erfüllt drei Zwecke: Erstens hilft sie, die eigene Entscheidung zu fundieren — nicht jede Automatisierung, die technisch machbar ist, ist wirtschaftlich sinnvoll. Zweitens schafft sie eine gemeinsame Basis für interne Diskussionen — Zahlen machen implizite Annahmen explizit und diskutierbar. Drittens liefert sie eine Grundlage für das spätere Monitoring — wenn nach sechs Monaten geprüft wird, ob die Erwartungen eingetroffen sind.

In dieser UE lernen Sie die Grundformel, die drei Bruttonutzen-Kategorien, die drei Investitionskategorien, die Break-Even-Berechnung und die Sensitivitätsanalyse. Das Ziel ist nicht mathematische Perfektion, sondern die Fähigkeit, eine ehrliche und strukturierte Kalkulation zu erstellen, die Führungskräften als Entscheidungsgrundlage dient.

Lerntext — Theorie und Konzepte

Warum ROI-Rechnung vor dem Bau — nicht nach

Eine häufige Fehler ist, die ROI-Kalkulation erst nach der Implementierung zu erstellen — als nachträgliche Rechtfertigung für eine bereits getroffene Entscheidung. Das hat zwei Probleme: Erstens fehlt dann die Möglichkeit, aufgrund einer schlechten Kalkulation die Implementierung zu verhindern oder anzupassen. Zweitens fehlt eine Baseline für das spätere Monitoring — ohne vorher definierte Erwartungswerte lässt sich kaum beurteilen, ob das Projekt erfolgreich war.

Die Reihenfolge muss sein: (1) Prozessauswahl mit Scoring (UE 80), (2) ROI-Kalkulation vor Implementierungsentscheid, (3) Implementierung und Betrieb, (4) Monitoring (UE 82) mit Vergleich gegen die kalkulierten Erwartungswerte, (5) Quartalsbericht: Plan vs. Ist.

Die ROI-Grundformel

Die Grundformel für den Return on Investment einer Automatisierung:

[ ROI = % ]

Oder alternativ als absolute Nettoeinsparung:

[ Nettoeinsparung = Bruttonutzen - Investition ]

Break-Even-Zeitraum: Der Break-Even-Zeitpunkt ist der Zeitpunkt, ab dem der akkumulierte Bruttonutzen die Investition übersteigt:

[ BreakEven = ]

Für eine gesunde Unternehmens-Entscheidung: Break-Even innerhalb von 12 Monaten ist ein guter Zielwert. Unter sechs Monaten: ausgezeichnet. Über 18 Monate: kritisch prüfen.

Bruttonutzen — Drei Kategorien

Kategorie 1 — Zeitersparnis (Hard Savings):

Zeitersparnis ist die direkteste und am einfachsten quantifizierbare Nutzen-Kategorie.

Berechnungsformel: [ Zeitersparnis_{jährlich} = Minuten_{Einsparung} Häufigkeit_{jährlich} Kostensatz_{Stunde} ]

Zur Bestimmung des Kostensatzes: Vollkosten pro Stunde (nicht nur Bruttogehalt, sondern inkl. Nebenkosten, Overheads — Faustformel: Bruttogehalt-Faktor 1,5–1,7 für Vollkosten).

Typische Fehler: - Unterschätzung der tatsächlichen Zeit, weil der Prozess aus dem Gedächtnis bewertet wird (→ Prozessaufnahme nach SIPOC aus UE 80) - Annahme 100 % Zeitersparnis, wenn in der Praxis Human-in-the-Loop-Review Zeit kostet - Vergessen der Zeit für Ausnahme-Behandlung (in der Praxis oft 20–30 % der Gesamtzeit)

Kategorie 2 — Qualitätsgewinn (Soft Savings / indirekt quantifizierbar):

Qualitätsgewinn umfasst alle Nutzen-Arten, die nicht direkt in Zeitersparnis ausgedrückt werden können, aber dennoch finanziell bewertbar sind:

Fehlerreduktion: Wie viele Fehler pro Periode im manuellen Prozess? Was kostet ein durchschnittlicher Fehler (Nacharbeit, Kundenbeschwerden, Reputationsschaden)? Reduziert der Agent Fehler um X %?

Geschwindigkeitssteigerung: Was ist der Wert einer schnelleren Antwortzeit (z. B. Angebot in 2 Stunden statt 2 Tagen)? Gibt es messbare Konversionsraten-Verbesserungen bei schnellerer Reaktion?

Skalierbarkeit: Wie viel würde es kosten, denselben Output-Anstieg mit menschlichem Personal zu erreichen? Das ist der alternative Investitionsbetrag, den die Automatisierung erspart.

Mitarbeiterzufriedenheit: Welchen monetären Wert hat eine Reduktion von Fluktuation bei Fachkräften, wenn lästige Routineaufgaben automatisiert werden? (Fluktuationskosten einer Fachkraft: 6–12 Monatsgrossgehälter als Richtwert)

Empfehlung: Qualitätsgewinn separat und transparent als Soft Savings ausweisen — nicht in den Hard Savings verstecken. Das erhöht die Glaubwürdigkeit der Kalkulation.

Kategorie 3 — Skalierbarkeit und Wachstumsbefähigung (strategischer Nutzen):

Der strategische Nutzen einer Automatisierung ist der am schwierigsten quantifizierbare, aber oft der bedeutsamste:

Kann die Organisation mit dieser Automatisierung wachsen, ohne proportional mehr Personal einzustellen?

Ermöglicht die Automatisierung einen neuen Service oder eine neue Angebotsform, die ohne sie nicht möglich wäre?

Schafft die Automatisierung Kapazitäten für höherwertige Tätigkeiten?

Diese Kategorie wird in der Kalkulation als qualitativer Zusatznutzen beschrieben — mit einem illustrativen Schätzwert, aber explizit als solcher ausgewiesen.

Merksatz

Die ehrlichste ROI-Kalkulation ist die, die zwischen Hard Savings (direkt messbar), Soft Savings (indirekt bewertbar) und Strategic Savings (qualitativ, nicht quantifiziert) klar unterscheidet. Eine Kalkulation, die alle drei in einen Gesamtwert zusammenführt, ohne diese Unterscheidung zu machen, ist irreführend — auch wenn die einzelnen Schätzungen ehrlich sind. Führungskräfte müssen wissen, welchen Teil der Kalkulation sie vertrauen können und welchen Teil sie mit Vorsicht interpretieren müssen.

Gesamtinvestition — Drei Kostenkategorien

Kategorie 1 — Einmalaufwand (Implementierungskosten):

Interne Konfigurationszeit: Wer konfiguriert den Agenten? Wie viele Stunden × Kostensatz?

Externe Unterstützung: Werden externe Berater oder Entwickler eingesetzt? Zu welchen Kosten?

Prozessaufnahme und Dokumentation: Diese Zeit wird oft vergessen — sie ist aber real und notwendig

Testing und Qualitätssicherung: Wie viele Iterationen, wie viele Stunden?

Schulung der Nutzenden: Wer wird trainiert? Wie lange dauert das Onboarding?

Datenvorbereitung und Wissensbasis-Aufbau: Besonders bei RAG-basierten Agenten — wie viel Zeit kostet die initiale Wissensbasispflege?

Kategorie 2 — Laufende Betriebskosten (monatlich / jährlich):

API-Kosten: Token-Verbrauch × API-Preis (je nach Modell sehr unterschiedlich — genaue Kalkulation auf Basis des Monitoring-Schätzwerts aus UE 82)

Tool-Lizenzen: n8n, Power Automate Premium, Custom GPT Teams-Lizenz, etc.

Wartungsaufwand: Monatliche Zeit für Systemanweisungs-Pflege, Wissensbasis-Updates, Monitoring-Review

Infrastrukturkosten: Hosting, Storage für Logs, ggf. Vektorstore

Kategorie 3 — Human-in-the-Loop-Kosten (oft vergessen):

Das ist die am häufigsten übersehene Kostenkategorie:

Review-Zeit pro Ausgabe × Anzahl Ausgaben täglich × Arbeitstage × Kostensatz Reviewer

Eskalations-Review-Zeit für komplexere Fälle

Monatliche Stichproben-Review für Grün-Agenten (5 % der Ausgaben manuell prüfen)

Quartalsweise Klassifikations-Review aller produktiven Agenten

Beispiel-Rechnung für einen Gelb-Agenten mit 20 Ausgaben täglich: 20 Ausgaben × 5 Minuten Review = 100 Minuten täglich = 37 Stunden monatlich × 80 €/h Vollkosten = 2.960 € pro Monat an HitL-Kosten. Das ist oft mehr als alle API-Kosten zusammen — und wird in naiven Kalkulationen komplett vergessen.

Break-Even und Payback-Periode

Die Break-Even-Berechnung ist der kritischste Teil der ROI-Kalkulation für die Entscheidung:

[ BreakEven = ]

Drei Szenarien für die Sensitivitätsanalyse:

Optimistisches Szenario: Alle Annahmen im oberen Bereich (höchste Zeitersparnis, niedrigste Kosten)

Basis-Szenario: Konservative, realistische Annahmen (empfohlen für die Entscheidungsvorlage)

Pessimistisches Szenario: Alle Annahmen im unteren Bereich (niedrigste Zeitersparnis, höchste Kosten)

Wenn im pessimistischen Szenario der Break-Even > 24 Monate ist, sollte das Projekt grundsätzlich überdacht werden.

Qualitative Faktoren in der Kalkulation

Neben den quantitativen Zahlen enthält jede vollständige ROI-Kalkulation qualitative Faktoren, die in Zahlen nicht vollständig abgebildet werden:

Strategische Bedeutung des Prozesses

Mitarbeiterzufriedenheit und Akzeptanz

Organisatorisches Lernpotenzial (was die Organisation durch dieses Projekt über KI-Implementierung lernt)

Risiken: Was ist der Downside, wenn das Projekt nicht wie geplant funktioniert?

Alternativkosten: Was wird nicht getan, wenn dieses Projekt priorisiert wird?

Diese Faktoren gehören als Abschnitt in die Entscheidungsvorlage — nicht als Zahlen, sondern als bewertete qualitative Einschätzungen.

Vollständiges Kalkulations-Beispiel: Angebots-Assistent

Ein Unternehmen möchte einen Angebots-Drafting-Agenten einführen. Hier die vollständige ROI-Kalkulation:

Bruttonutzen:

Hard Savings — Zeitersparnis: - Angebote pro Monat: 40 - Zeitersparnis pro Angebot: 45 Minuten (von 90 auf 45 Minuten) - Kostensatz Vertriebsmitarbeiter: 90 €/h (Vollkosten) - Monatliche Zeitersparnis: 40 × 45 Min × 90 €/h ÷ 60 = 2.700 €/Monat - Jährliche Zeitersparnis: 32.400 €

Soft Savings — Fehlerreduktion: - Fehlerrate manuell: 8 % der Angebote enthalten Kalkulationsfehler - Kosten pro Fehler (Nacharbeit + gelegentlich verlorene Deals): geschätzt 500 € - Fehlerreduktion durch Agenten: 80 % - Monatliche Fehlerersparnis: 40 × 8 % × 500 € × 80 % = 128 €/Monat - Jährlich: 1.536 €

Soft Savings — Geschwindigkeitssteigerung: - Bisherige Angebotserstellung: 2 Arbeitstage - Mit Agent: 4 Stunden (same day) - Geschätzter Konversionsgewinn durch schnellere Angebote: 2 % mehr Abschlüsse = +0,8 Abschlüsse/Monat - Durchschnittlicher Auftragswert: 15.000 €, Deckungsbeitrag 20 % = 3.000 € - Monatlicher Konversions-Soft-Saving: 0,8 × 3.000 € = 2.400 €/Monat (Achtung: hohe Unsicherheit)

Gesamter monatlicher Bruttonutzen (konservativ, ohne Konversionsgewinn): 2.700 + 128 = 2.828 €/Monat

Investition:

Einmalaufwand: - Konfiguration Custom GPT + Systemanweisung: 16 Stunden × 90 €/h = 1.440 € - Wissensbasis (Preisliste, Angebotsvorlagen): 8 Stunden × 90 €/h = 720 € - Testing (10 Angebote manuell geprüft, Iteration): 8 Stunden = 720 € - Schulung Vertrieb (4 Personen, je 1 Stunde): 4 × 90 € = 360 € - Einmalaufwand gesamt: 3.240 €

Laufende Kosten monatlich: - API-Kosten (Custom GPT Teams-Abo): anteilig ~50 €/Monat - Wartung Systemanweisung/Wissensbasis: 2 Stunden × 90 €/h = 180 €/Monat - Monitoring-Review: 1 Stunde × 90 €/h = 90 €/Monat - Laufende Kosten: 320 €/Monat

Human-in-the-Loop-Kosten: - 40 Angebote × 10 Minuten Review × 90 €/h ÷ 60 = 600 €/Monat - HitL-Kosten: 600 €/Monat

Break-Even-Berechnung:

Monatlicher Nettonutzen (konservativ) = 2.828 € - 320 € - 600 € = 1.908 €/Monat

Break-Even = 3.240 € ÷ 1.908 €/Monat = 1,7 Monate

Jährlicher ROI (nach Break-Even) = (1.908 € × 12 - 3.240 €) ÷ 3.240 € = 607 %

Vertiefung — Sensitivitätsanalyse und Szenarien

Die Kalkulation des Basisfall ist ein einzelner Datenpunkt. Die Sensitivitätsanalyse zeigt, wie empfindlich der ROI auf veränderte Annahmen reagiert:

Interpretation: Selbst im pessimistischen Szenario (break-even in 6,2 Monaten, 180 % Jahres-ROI) ist das Projekt attraktiv. Die Entscheidung ist robust gegenüber Annahmen-Unsicherheiten.

Kritische Variable identifizieren: Die größte Sensitivität liegt bei der tatsächlichen Review-Zeit pro Angebot — von 5 auf 20 Minuten zu gehen halbiert den Nettonutzen. Das ist die Annahme, die am kritischsten zu validieren ist, bevor die Kalkulation der Führungsebene präsentiert wird.

Nachkalkulation planen: Sechs Monate nach Inbetriebnahme wird die Kalkulation mit Ist-Daten aus dem Monitoring (UE 82) nachkalibriert: Wie viele Angebote tatsächlich? Wie viel Zeit tatsächlich gespart? Wie hoch die tatsächlichen API-Kosten? Wie hoch die tatsächliche Review-Zeit? Die Abweichungen zwischen Kalkulation und Realität sind lehrreiche Inputs für alle zukünftigen ROI-Kalkulationen.

Vertiefung II — ROI-Kommunikation an Führungskräfte

Eine vollständig korrekte ROI-Kalkulation, die schlecht kommuniziert wird, ist weniger wirksam als eine einfachere Kalkulation, die überzeugend präsentiert wird. Die Kommunikation des ROI an Führungskräfte folgt anderen Prinzipien als die Erstellung der Kalkulation selbst.

Was Führungskräfte wirklich interessiert:

Führungskräfte ohne tiefes KI-Verständnis interessiert in der Regel nicht die Detailberechnung — sie interessiert die Antwort auf drei Fragen:

Wie viel Geld wird eingespart (oder welcher Wert gewonnen)?

Wie viel Risiko wird eingegangen?

Was ist der schlimmste realistische Fall?

Die ROI-Kalkulation muss so aufgebaut sein, dass diese drei Fragen sofort beantwortet werden können — ohne dass die Führungskraft durch 15 Seiten Berechnungsdetails lesen muss.

Strukturierung der Entscheidungsvorlage:

Eine wirksame ROI-Entscheidungsvorlage hat maximal zwei Seiten:

Seite 1 — Executive Summary: (1) Was wird automatisiert? (Ein Satz). (2) Was ist das erwartete Ergebnis? (Jährliche Einsparung in Euro, Break-Even in Monaten). (3) Was ist das Risiko? (Schlimmster realistischer Fall: Break-Even in X Monaten). (4) Was ist der Investitionsbedarf? (Einmalaufwand, laufende Kosten, HitL-Kosten). (5) Empfehlung: Implementieren.

Seite 2 — Kalkulations-Detail: Die vollständige Berechnungstabelle mit Annahmen für diejenigen, die die Details prüfen möchten.

Sensitivitätsanalyse in der Präsentation:

Die häufigste Frage von Führungskräften nach der ROI-Präsentation: „Und wenn sich die Annahmen als falsch erweisen?” Die Antwort muss sofort greifbar sein. Empfehlung: Eine einfache Tabelle mit drei Szenarien (optimistisch / Basis / pessimistisch) und dem Break-Even je Szenario. Wenn der Break-Even im pessimistischen Szenario noch unter 18 Monaten liegt, ist das ein starkes Argument für die Investition.

Qualitative Faktoren als separate Argumentation:

Qualitative Faktoren (Mitarbeiterzufriedenheit, strategische Positionierung, Lernkurve der Organisation) sollten nicht in die quantitative Kalkulation eingebaut werden — sie sind separat und als Soft-Arguments zu kommunizieren. Führungskräfte schätzen Ehrlichkeit: „Die harten Zahlen zeigen break-even in 3 Monaten. Zusätzlich gibt es strategische Vorteile, die wir nicht beziffern können: [X, Y, Z].”

Merksatz

Der größte Fehler in ROI-Kalkulationen für KI-Projekte ist nicht eine falsche Zahl — es ist eine unehrliche Darstellung. Führungskräfte, die später merken, dass Annahmen zu optimistisch waren oder HitL-Kosten vergessen wurden, verlieren das Vertrauen in zukünftige Kalkulationen und in das gesamte KI-Programm. Eine konservative Kalkulation, die die Realität übertrifft, ist strategisch wertvoller als eine optimistische, die enttäuscht.

Nachkalkulation: Plan vs. Ist nach sechs Monaten

Die ROI-Kalkulation ist keine einmalige Übung — sie ist der Ausgangspunkt eines Lernzyklus. Sechs Monate nach Inbetriebnahme wird die Kalkulation mit Ist-Daten aus dem Monitoring (UE 82) nachkalibriert.

Was typischerweise von der Planung abweicht — und warum:

Zeitersparnis: In 70 % der Fälle ist die tatsächliche Zeitersparnis geringer als geplant — weil der Anteil der Ausnahmen höher war als erwartet, weil die Review-Zeit unterschätzt wurde, oder weil die Eingewöhnungsphase der Nutzenden länger dauerte. Typische Abweichung: -15 bis -30 % der geplanten Zeitersparnis.

Token-Kosten: Token-Kosten weichen häufig von der Planung ab — entweder weil das Nutzungsvolumen höher war als geplant (positives Signal: der Agent wird viel genutzt!) oder weil die Systemanweisung in der Praxis länger wurde als geplant.

HitL-Kosten: Review-Zeit wird in der Planung fast immer unterschätzt. Tatsächliche Review-Zeiten sind oft 30–50 % höher als geplant — weil Reviewer im Alltag durch andere Aufgaben abgelenkt werden und Kontextwechsel die Review-Effizienz senken.

Was die Nachkalkulation bewirkt:

Erstens: Bessere Kalkulationen für zukünftige Projekte. Die systematische Erfassung der Abweichungen baut organisatorisches Wissen auf, das zukünftige ROI-Kalkulationen präziser macht.

Zweitens: Grundlage für Systemanweisungs-Verbesserungen. Wenn die Zeitersparnis niedriger als geplant ist, zeigen die Monitoring-Daten oft, wo Zeit verloren geht — und geben damit Hinweise für Systemanweisungs-Anpassungen.

Drittens: Kommunikationsgrundlage für die Führungsebene. Transparente Plan-vs.-Ist-Berichte bauen langfristiges Vertrauen auf — auch wenn die Ist-Werte hinter dem Plan liegen, solange die Gründe klar erklärt werden.

Total Cost of Ownership (TCO) über drei Jahre

ROI-Kalkulationen, die nur das erste Jahr betrachten, unterschätzen den Gesamtaufwand erheblich. Eine vollständige Total Cost of Ownership (TCO)-Analyse über drei Jahre zeigt ein anderes Bild:

Jahr 1: Einmalaufwand + 12 × monatliche Betriebskosten + 12 × HitL-Kosten + Systemanweisungs-Iterationen (3–5 größere Überarbeitungen)

Jahr 2: Keine Einmalkosten mehr, aber: Wissensbasis-Aktualisierungen (wenn neue Produkte, Preise, Prozesse), Modell-Upgrades (wenn das verwendete Modell durch eine neue Version ersetzt wird, die Re-Testing erfordert), Monitoring-Anpassungen, ggf. Scope-Erweiterungen (neue Anwendungsfälle für denselben Agenten)

Jahr 3: Typischerweise niedrigster relativer Aufwand — der Agent ist stabil, gut konfiguriert, die Nutzenden sind erfahren. Aber: Regulatorische Updates (AI Act Anpassungen, DSGVO-Änderungen), technologische Obsoleszenz-Risiken (werden neue Sprachmodelle oder Tools verfügbar, die eine Architektur-Überarbeitung rechtfertigen?)

Faustregel für TCO-Schätzung: Jahres-Betriebskosten (laufend + HitL) × 2,5 = Näherungswert für 3-Jahres-TCO (Faktor 2,5 statt 3, weil Jahr 1 die Einmalkosten enthält und Jahr 3 typischerweise leicht reduzierte Aufwände hat).

Diese TCO-Perspektive zeigt: KI-Agenten sind keine einmaligen Anschaffungen, sondern laufende Betriebsmittel. Ihre Wirtschaftlichkeit muss aus einer Mehrjahres-Perspektive bewertet werden.

Vertiefung II — Strategische Ebene — ROI-Kommunikation in verschiedenen Entscheidungskulturen

Eine belastbare ROI-Rechnung ist eine notwendige, aber keine hinreichende Bedingung für die Genehmigung eines KI-Projekts. Die Entscheidung fällt in der Praxis immer auch unter dem Einfluss von Unternehmenskultur, Entscheidungsstil der Führung und dem Vertrauen in die Tragfähigkeit der zugrunde liegenden Annahmen. Zwei Personen können dieselbe Kalkulation auf denselben Zahlen präsentieren — und eine erhält die Genehmigung, die andere nicht. Der Unterschied liegt nicht in der Arithmetik, sondern in der Anpassung der Kommunikation an den jeweiligen Entscheidungskontext. Wer die ROI-Rechnung vorträgt, muss deshalb sowohl das Rechenwerk beherrschen als auch die Entscheidungslogik der jeweiligen Person oder des jeweiligen Gremiums verstehen.

Vier Entscheidungsstile und ihre ROI-Präferenz

Der zahlengläubige Entscheider will Präzision: Kalkulationen mit Quellenangaben für jede bedeutende Annahme, eine explizite Sensitivitätsanalyse, und eine klare Antwort auf die Frage, welche Annahmen den Break-Even am stärksten beeinflussen. Er hinterfragt aktiv, welche Annahme das größte Risiko birgt. Für diesen Typ ist die Sensitivitätsanalyse — nicht die Gesamtzahl — das zentrale Argument. Ein Ergebnis von „der Break-Even verschiebt sich um maximal drei Monate, wenn unsere kritischste Annahme um 30 Prozent falsch liegt” ist überzeugender als eine hohe ROI-Prozentzahl.

Der erfahrungsgeleitete Entscheider vertraut Zahlen deutlich weniger als Analogien, Referenzprojekten und dem gesunden Menschenverstand. Er fragt: „Welches andere Unternehmen in unserer Branche hat das bereits gemacht, und was ist dabei herausgekommen?” Für diesen Typ sollte die ROI-Präsentation mit zwei oder drei konkreten Branchenbeispielen beginnen — nicht mit dem eigenen Rechenwerk. Die Zahlen bestätigen dann die Erfahrungsanalogie, statt sie ersetzen zu wollen. Die Reihenfolge: Analogie zuerst, Kalkulation danach.

Der risikoscheue Entscheider fokussiert weniger auf den erwarteten Nutzen als auf die Downside: Was passiert, wenn das Projekt scheitert? Was sind die maximalen Verluste? Wie lange ist das Unternehmen gebunden, und wie hoch sind die Ausstiegskosten? Für diesen Typ ist das Worst-Case-Szenario das wichtigste Element der Präsentation — kombiniert mit einem klaren Exit-Plan, der zeigt, dass das Risiko begrenzt, definiert und kontrollierbar ist. Ein Projekt, dessen Worst Case explizit und begrenzt ist, fühlt sich für diesen Typ sicherer an als ein Projekt mit höherem erwartetem ROI, dessen Risiken unscharf bleiben.

Der strategisch orientierte Entscheider sieht ROI primär als Proxy für strategische Positionierung. Die eigentliche Frage ist nicht „Was bringt es?” sondern „Investieren wir in die Zukunftsfähigkeit unserer Organisation — oder nicht?” Für diesen Typ ist die quantitative ROI-Rechnung Pflicht — ohne sie wird das Gespräch nicht ernst genommen — aber das eigentliche Argument ist die Wettbewerbsfrage: Wo stehen die direkten Konkurrenten in 18 Monaten, wenn jetzt nicht gehandelt wird? Diese Frage mit Marktdaten zu belegen ist überzeugender als jede interne Kalkulation.

Merksatz

Die Qualität einer ROI-Rechnung misst sich nicht allein an ihrer rechnerischen Richtigkeit, sondern daran, ob sie die Entscheidungsfrage beantwortet, die der jeweilige Entscheider tatsächlich stellt. Gleiche Zahlen, unterschiedliche Präsentationslogik — das ist in der Praxis häufig der Unterschied zwischen einem genehmigten und einem abgelehnten Projektantrag.

Umgang mit Gegenannahmen — Proaktive Selbst-Infragestellung

Eine häufige Fehltaktik in ROI-Präsentationen: Der Präsentierende verteidigt jede Annahme, sobald sie hinterfragt wird. Das führt zu einer Konfrontationsdynamik, die das Vertrauen in die gesamte Kalkulation beschädigt — weil ein Entscheider, der eine Zahl erfolgreich hinterfragt hat, anschließend alle anderen Zahlen mit erhöhter Skepsis betrachtet.

Besser ist die proaktive Gegenannahmen-Strategie: Bevor der Entscheider eine bestimmte Annahme hinterfragt, nennt der Präsentierende sie selbst und bewertet ihr Risiko transparent: „Die Annahme, die am stärksten hinterfragt werden sollte, ist die geschätzte wöchentliche Zeitersparnis von vier Stunden pro Mitarbeitenden. Wir haben diese Zahl aus einer Pilotstudie mit drei Personen abgeleitet. Es könnte auch nur zwei Stunden sein — im Worst Case verschiebt sich der Break-Even um fünf Monate. Das halten wir für ein akzeptables Risiko, weil die Ausstiegskosten begrenzt sind und weil…” Diese Selbst-Infragestellung signalisiert intellektuelle Redlichkeit und stärkt die Glaubwürdigkeit aller anderen Annahmen erheblich.

Mehrstufige ROI-Kommunikation für komplexe Organisationen

In größeren Organisationen wird ein Investitionsantrag häufig mehreren unterschiedlichen Gremien präsentiert — dem Fachbereich, der IT-Abteilung, dem Controlling und schließlich der Geschäftsführung oder dem Vorstand. Jedes dieser Gremien hat andere primäre Fragen, andere Hintergrundannahmen und andere Entscheidungskriterien.

Der Fachbereich fragt primär: Verändert sich Ihrem Arbeit, und wie stark? Was muss neu erlernt werden, und welche Unterstützung steht dabei zur Verfügung? Die IT fragt: Welche technische Schuldenlast entsteht durch dieses System? Wie wird es betrieben, wer ist zuständig, und wie aufwändig ist die Integration in die bestehende Infrastruktur? Das Controlling fragt: Sind die Zahlen prüfbar und revisionssicher dokumentiert, und welche Annahmen sind durch externe Quellen belegt? Die Geschäftsführung fragt schließlich: Was ist das strategische Argument — und kann ich es in zwei Minuten verstehen und vertreten?

Die Lösung ist keine separate Kalkulation für jedes Gremium, sondern eine modulare Präsentationsstruktur: Ein zentrales Masterdeck mit der vollständigen Kalkulation, Methodenbeschreibung und allen Quellenangaben. Aus diesem Deck werden jeweils die gremienrelevanten Slides für die jeweilige Präsentation extrahiert. Das Masterdeck liegt dem Entscheidungsantrag schriftlich bei; die Kurzversionen dienen der Vorabkommunikation und der Diskussion in den einzelnen Gremien.

ROI als Feedback-Loop: Die Nachkalkulation als strategisches Instrument

Eine ROI-Rechnung, die nur vor dem Projektstart erstellt und danach nie wieder aufgegriffen wird, verfehlt einen wesentlichen Teil ihres strategischen Nutzens. Organisationen, die nach sechs und nach zwölf Monaten eine strukturierte Ist-vs.-Plan-Analyse durchführen, entwickeln zwei wichtige Kapazitäten. Erstens werden sie besser in der Einschätzung künftiger Projekte, weil sie verstehen, welche Kategorien von Annahmen systematisch über- oder unterschätzt wurden — und warum. Zweitens können sie den Führungskräften zeigen, dass die ursprüngliche Investitionsentscheidung korrekt war. Oder sie können transparent erklären, warum das Ergebnis vom Plan abgewichen ist, was daraus gelernt wurde, und wie die nächste Kalkulation davon profitiert. Diese Transparenz ist der wirksamste Vertrauensaufbau für die Genehmigung des nächsten KI-Projekts — weit wirksamer als jede noch so sorgfältig ausgearbeitete initiale ROI-Rechnung.

Branchen-Anwendungen

IT-Dienstleistung & Beratung

Ein IT-Beratungsunternehmen erstellt die ROI-Kalkulation für seinen Projektstatus-Report-Agenten, der wöchentlich automatisiert Berichte aus Jira und Zeiterfassung erstellt. Die Hard Savings sind klar: 12 Projekte × 75 Minuten wöchentlich × 52 Wochen × 90 €/h Vollkosten ÷ 60 = 70.200 € Jahresersparnis bei Zeitaufwand. Einmalaufwand (n8n-Workflow, API-Integrationen, Bericht-Template): 24 Stunden × 90 € = 2.160 €. Laufende Kosten: 150 €/Monat (API-Kosten, Wartung). HitL-Kosten: 12 Berichte × 5 Minuten Qualitätsprüfung = 1 Stunde wöchentlich × 52 × 90 € = 4.680 €/Jahr = 390 €/Monat. Break-Even: 2.160 € ÷ (5.850 € - 150 € - 390 €) Monatsnutzen = 0,4 Monate. Das Projekt amortisiert sich in zwei Wochen. Im pessimistischen Szenario (nur sechs Projekte, 40 Minuten gespart): Break-Even 1,1 Monate. Die Kalkulation überzeugt die Unternehmensleitung ohne Diskussion.

Industrie & Fertigung

Für ein Fertigungsunternehmen zeigt die ROI-Kalkulation des Wartungsprotokoll-Agenten eine komplexere Struktur. Zeitersparnis ist klar quantifizierbar: 3 Linien × 3 Berichte/Woche × 40 Minuten Einsparung × 52 Wochen × 65 €/h = 40.560 €/Jahr. Aber die Einmalkosten sind höher als erwartet: MES-API-Integration erfordert externe Unterstützung (8.000 € einmalig), Datenqualitäts-Bereinigung (interne 40 Stunden = 2.600 €), Schulung (3.000 €). Gesamteinmalaufwand: 13.600 €. Laufende Kosten inkl. HitL (jede kritische Abweichung wird manuell geprüft): 1.800 €/Monat. Nettomonatlicher Nutzen: 3.380 € - 1.800 € = 1.580 €. Break-Even: 13.600 € ÷ 1.580 € = 8,6 Monate. Die Kalkulation ist noch positiv — aber das Soft Saving „Frühzeitige Fehlererkennung verhindert ungeplante Stillstände” (ein Produktionsstillstand kostet 15.000–50.000 €) wird als strategischer Zusatznutzen explizit ausgewiesen und ist letztlich das überzeugende Argument für die Investitionsentscheidung.

Finanzdienstleistung & Versicherung

Eine Versicherungsgesellschaft berechnet den ROI des Schadenklassifikations-Agenten. Besonderheit: Wegen der Hochrisiko-Klassifikation nach AI Act sind Compliance-Kosten als eigene Investitionskategorie eingeplant: Datenschutz-Folgenabschätzung (extern, 3.500 €), Audit-Log-Infrastruktur (2.000 €), Rechtliche Prüfung der Systemanweisung (1.500 €) — insgesamt 7.000 € zusätzlicher Einmalaufwand für Compliance. Die Zeitersparnis ist signifikant: 150 Fälle täglich × 3 Minuten Klassifikationseinsparung × 250 Arbeitstage × 55 €/h ÷ 60 = 103.125 €/Jahr. Laufende Kosten inkl. Compliance-Monitoring: 2.500 €/Monat. Break-Even einschließlich Compliance-Kosten: 4,2 Monate. ROI nach einem Jahr: 340 %. Wichtige Lektion für die Kalkulation: Compliance-Kosten frühzeitig einpreisen — sie sind real und substanziell, aber nicht prohibitiv.

Öffentliche Verwaltung

Eine Kommunalverwaltung erstellt die ROI-Kalkulation für den Standard-Bürgeranfragen-Agenten. Die öffentliche Verwaltung verwendet andere ROI-Metriken als Privatunternehmen: Nicht Profitoptimierung, sondern Kapazitätsgewinn und Servicequalitätssteigerung. Die Kalkulation zeigt: 60 Standardanfragen täglich × 8 Minuten Einsparung pro Anfrage × 250 Tage × 45 €/h ÷ 60 = 27.000 €/Jahr eingesparte Sachbearbeiterkapazität. Diese Kapazität wird nicht durch Stellenabbau realisiert (das ist in der öffentlichen Verwaltung oft weder gewünscht noch möglich), sondern durch Umwidmung: Die freigewordene Zeit fließt in komplexere Bürgeranliegen und Rückstandsbearbeitung — messbarer Effekt: Bearbeitungszeit für komplexe Anliegen sinkt von durchschnittlich 18 auf 12 Tage. Das ist der eigentliche ROI für die Verwaltung: nicht Geldersparnis, sondern Service-Level-Verbesserung. Die Entscheidungsvorlage für den Stadtrat verwendet diese Sprache — nicht €, sondern „Tage Bearbeitungszeitreduktion” und „Kapazität für Bürgerberatung”.

Übung 1 — ROI-Kalkulation durchführen

Aufgabe: Sie führen eine vollständige ROI-Kalkulation für einen gegebenen Agenten durch.

Szenario: Ein Unternehmen möchte einen Meeting-Protokoll-Agenten einführen. Der Agent erstellt aus strukturierten Gesprächsnotizen automatisiert formatierte Protokolle, die zur menschlichen Review und Freigabe vorgelegt werden (Gelb-klassifiziert).

Gegebene Werte: - Meetings pro Woche mit Protokollpflicht: 12 - Aktuelle manuelle Protokollerstellungszeit: 25 Minuten pro Protokoll - Erwartete Zeitersparnis mit Agent: 70 % (Agent erstellt Entwurf, Mensch prüft und gibt frei) - Kostensatz Mitarbeitende (Vollkosten): 75 €/h - Review-Zeit pro Protokoll: 8 Minuten - Einmalaufwand (Konfiguration, Testing, Schulung): 1.800 € - Laufende Kosten (API, Lizenzen, Wartung): 120 €/Monat

Aufgaben: 1. Berechnen Sie die monatliche Zeitersparnis in Euro (Hard Saving). 2. Berechnen Sie die monatlichen HitL-Kosten. 3. Berechnen Sie den monatlichen Nettonutzen. 4. Berechnen Sie den Break-Even in Monaten. 5. Berechnen Sie den Jahres-ROI nach Break-Even. 6. Führen Sie ein pessimistisches Szenario durch: Zeitersparnis 50 % statt 70 %, Review-Zeit 15 Minuten statt 8 Minuten.

Musterlösung:

Zeitersparnis monatlich (Hard Saving): 12 Meetings/Woche × 52 Wochen ÷ 12 Monate = 52 Meetings/Monat 52 × 25 Minuten × 70 % = 910 Minuten gespart/Monat 910 Minuten ÷ 60 × 75 €/h = 1.137,50 €/Monat

HitL-Kosten monatlich: 52 Meetings × 8 Minuten Review = 416 Minuten = 6,93 Stunden/Monat 6,93 Stunden × 75 €/h = 520 €/Monat

Monatlicher Nettonutzen (Basis): 1.137,50 € - 120 € (laufend) - 520 € (HitL) = 497,50 €/Monat

Break-Even: 1.800 € ÷ 497,50 €/Monat = 3,6 Monate

Jahres-ROI: (497,50 € × 12 - 1.800 €) ÷ 1.800 € = (5.970 € - 1.800 €) ÷ 1.800 € = 232 %

Pessimistisches Szenario: Zeitersparnis: 52 × 25 Min × 50 % ÷ 60 × 75 € = 812,50 €/Monat HitL: 52 × 15 Min ÷ 60 × 75 € = 975 €/Monat Nettonutzen: 812,50 - 120 - 975 = -282,50 €/Monat → Negativer ROI!

Konsequenz: Im pessimistischen Szenario lohnt sich der Agent nicht. Die Investition hängt entscheidend davon ab, dass die Review-Zeit bei ≤ 10 Minuten bleibt und die Zeitersparnis ≥ 60 % beträgt. Diese Annahmen müssen vor der Entscheidung validiert werden — z. B. durch einen zweiwöchigen Pilottest.

Übung 2 — Eigene ROI-Kalkulation für den UE-84-Kandidaten

Aufgabe: Sie erstellen die ROI-Kalkulation für Ihren eigenen Agenten-Kandidaten aus UE 80 (Übung 2).

Schritt-für-Schritt: 1. Nehmen Sie Ihren Top-1-Prozess aus UE 80. 2. Schätzen Sie die Hard Savings (Zeitersparnis) — seien Sie konservativ. 3. Identifizieren Sie mindestens eine Soft-Saving-Kategorie und schätzen Sie einen Wert oder beschreiben Sie sie qualitativ. 4. Schätzen Sie den Einmalaufwand realistisch (inkl. Prozessaufnahme, Testing, Schulung). 5. Schätzen Sie die laufenden Kosten (API, Wartung, Monitoring). 6. Schätzen Sie die HitL-Kosten basierend auf der Freigabe-Klassifikation aus UE 81. 7. Berechnen Sie Break-Even und Jahres-ROI. 8. Führen Sie ein pessimistisches Szenario durch: Was ist die kritischste Variable? 9. Formulieren Sie eine Empfehlung: Implementieren (wenn Break-Even ≤ 12 Monate) oder kritisch prüfen?

Musterlösung-Struktur:

Eine vollständige Kalkulation enthält mindestens: - Prozessbeschreibung (1–2 Sätze) - Bruttonutzen-Tabelle (Hard / Soft / Strategic, jeweils mit Annahmen) - Investitions-Tabelle (Einmal / Laufend / HitL, jeweils mit Annahmen) - Break-Even und Jahres-ROI (Basis und pessimistisch) - Kritische Variable (welche Annahme beeinflusst den ROI am stärksten?) - Empfehlung mit Begründung (nicht nur Zahlen — auch Risiken und Qualitätsfaktoren)

Validierungstipp: Wenn Sie unsicher sind über einen Annahmen-Wert, verwenden Sie den konservativeren. Eine konservative Kalkulation, die die Entscheidung trotzdem positiv bewertet, ist stärker als eine optimistische Kalkulation, die in der Realität enttäuscht.

PromptBox — ROI-Kalkulation erstellen und prüfen

Prompt: ROI-Kalkulation für eine KI-Automatisierung strukturiert erstellen

Ich möchte die ROI-Kalkulation für folgende KI-Automatisierung erstellen:



Agenten-Beschreibung: [WAS MACHT DER AGENT?]

Prozess-Häufigkeit: [X MAL PRO WOCHE/MONAT]

Geschätzte Zeitersparnis pro Ausführung: [X MINUTEN von Y MINUTEN gesamt]

Kostensatz der ausführenden Person: [€/h Vollkosten]

Freigabe-Klassifikation: [Grün / Gelb / Rot]

Geschätzte Review-Zeit pro Ausgabe: [X MINUTEN] (nur bei Gelb)

Geschätzter Einmalaufwand: [€]

Geschätzte monatliche Betriebskosten: [€]



Erstelle bitte:

1. Vollständige Bruttonutzen-Tabelle (Hard Savings, Soft Savings mit Begründung, Strategic Savings qualitativ)

2. Vollständige Investitions-Tabelle (Einmal-, Betriebs-, HitL-Kosten)

3. Break-Even-Berechnung (Basis-Szenario)

4. Pessimistisches Szenario: Was passiert, wenn Zeitersparnis 40 % geringer ist und Einmalaufwand 30 % höher?

5. Kritische Variable: Welche Annahme beeinflusst den ROI am stärksten?

6. Validierungsempfehlung: Wie kann ich die kritischste Annahme vor der Entscheidung validieren?

7. Formulierung für die Entscheidungsvorlage: Ein Absatz, der die Empfehlung für eine Führungskraft ohne Techniktiefe verständlich macht



Verwende konservative Schätzungen und kennzeichne Soft Savings und Strategic Savings klar als solche.

Erwartetes Ergebnis: Eine vollständige, ehrliche ROI-Kalkulation mit Sensitivitätsanalyse — bereit für eine Entscheidungsvorlage an die Führungsebene.

Promptbaustein — Worst-Case-Szenario und Investitions-Entscheidungsgrundlage

Rolle: Sie sind ein Finanzanalyst mit Spezialisierung auf die ROI-Bewertung von KI-Automatisierungsprojekten. Sie kennen die typischen Risikofaktoren und Unsicherheiten bei KI-Projekten in mittelständischen Unternehmen.

Aufgabe: Erstellen Sie eine Sensitivitätsanalyse und Worst-Case-Bewertung für die folgende ROI-Kalkulation: [Basis-ROI-Kalkulation einfügen — Zeitersparnis, Kosten, Break-Even-Punkt].

Ziel: Eine robuste Entscheidungsgrundlage, die sowohl optimistische als auch pessimistische Szenarien abdeckt und Führungskräften eine informierte Investitionsentscheidung ermöglicht.

Kontext: Die Kalkulation soll einer Geschäftsführung präsentiert werden, die KI-skeptisch ist und konkrete Worst-Case-Absicherungen erwartet. Das Projekt hat ein Budget von maximal 25.000 € für die erste Implementierungsphase.

Output: 1. Drei-Szenarien-Tabelle (Best Case / Base Case / Worst Case) mit: Zeitersparnis pro Monat, monatliche Betriebskosten, Break-Even-Monat, 3-Jahres-ROI in %. 2. Die drei kritischsten Annahmen der Basis-Kalkulation — und wie sich der ROI verändert, wenn jede Annahme um 30 % verfehlt wird (Tabellenformat). 3. Qualitative Faktoren: Welche Nutzen-Komponenten sind nicht quantifizierbar — und wie kommunizieren Sie diese vor einer skeptischen Führungsebene, ohne Glaubwürdigkeit zu riskieren? 4. Eine klare Empfehlung: Sollte das Projekt genehmigt werden — und unter welchen Bedingungen (z. B. Pilot-Phase mit begrenztem Scope, Go/No-Go-Kriterien nach drei Monaten)? 5. Eine ehrliche Exit-Bedingung: Unter welchen Umständen sollte das Projekt abgebrochen werden — und was ist dann das konkrete Szenario?

Format: Zahlentabellen für Szenarien und Sensitivität, Fließtext für Empfehlung und Exit-Bedingung.

Cheat-Sheet — ROI-Berechnung kompakt

ROI-Grundformel: (Bruttonutzen - Investition) / Investition × 100 %

Break-Even: Einmalaufwand ÷ (Monatlicher Bruttonutzen − Laufende Kosten − HitL-Kosten)

Bruttonutzen: - Hard Savings: Minuten gespart × Häufigkeit/Jahr × Kostensatz/h ÷ 60 - Soft Savings: Fehlerreduktion × Fehlerkosten; Geschwindigkeitsgewinn - Strategic: Qualitativ, separat ausweisen

Investition: - Einmal: Konfiguration + Prozessaufnahme + Testing + Schulung - Laufend: API-Kosten + Lizenzen + Wartung + Monitoring - HitL: Ausgaben/Monat × Review-Minuten × Kostensatz/h ÷ 60 (häufig vergessen!)

Break-Even-Zielwert: ≤ 6 Monate = ausgezeichnet | ≤ 12 Monate = gut | > 18 Monate = kritisch prüfen

Pessimistisches Szenario zwingend: Break-Even > 24 Monate auch pessimistisch = Projekt grundsätzlich überdenken

Soft Savings immer separat ausweisen — nicht in Hard Savings einrechnen

Reflexionsfragen

Für welchen Ihrer Agenten-Kandidaten haben Sie das beste Bauchgefühl — und stimmt das mit der ROI-Kalkulation überein? Was, wenn nicht?

HitL-Kosten werden am häufigsten vergessen. Warum glauben Sie, passiert das — und wie vermeiden Sie es in Ihrer nächsten Kalkulation?

Welche Soft Savings sind in Ihrer Branche am schwierigsten zu quantifizieren — und wie gehen Sie damit um, ohne die Kalkulation durch Schätzungen unglaubwürdig zu machen?

Die pessimistische Sensitivitätsanalyse zeigt manchmal negativen ROI. Wann sollte ein negativ-pessimistischer ROI ein Stopp-Kriterium sein — und wann nicht?

Wie würden Sie einer Führungskraft erklären, dass eine Automatisierung mit 150 % Jahres-ROI in manchen Fällen weniger attraktiv ist als eine mit 90 % Jahres-ROI?

Was ändert sich an der ROI-Kalkulation, wenn der Zweck der Automatisierung nicht Kostensenkung, sondern Kapazitätserweiterung ohne Personalwachstum ist?

Wie verwenden Sie die ROI-Kalkulation nach sechs Monaten im Betrieb — und was tun Sie, wenn die Ist-Werte erheblich von den Plan-Werten abweichen?

Quellen & Weiterlesen

Hinweise für AI Champions — So vermitteln Sie das Thema

Timing (45 Min): 5 Min Einstieg (Frage: „Wer hat schon einmal eine Kostenschätzung für ein IT-Projekt erlebt, die am Ende 50 % höher war? Was war der häufigste Grund?” — Einleitung zu HitL-Kosten als vergessene Kostenkategorie), 15 Min Input (Grundformel + Drei Bruttonutzen-Kategorien + Drei Investitionskategorien + Break-Even + Sensitivitätsanalyse), 15 Min Übung 1 (Kalkulation Meeting-Protokoll-Agent — in Paaren, Rechenschritte gemeinsam), 10 Min Übung 2 (eigene ROI-Kalkulation beginnen — individuell, Ergebnis als Hausaufgabe oder UE-84-Vorbereitung).

Methodische Empfehlung: Übung 1 Schritt für Schritt durchrechnen — jede Zeile gemeinsam in der Gruppe oder allein bevor zur nächsten gewechselt wird. Das macht den Rechenweg transparent und vermeidet Fehler im Verständnis. Besonders wichtig: Den Schritt „pessimistisches Szenario” bewusst als Moment der Überraschung gestalten — wenn das Ergebnis negativ ist, ist die Reaktion im Raum oft überraschend stark. Das ist ein lehrreicher Moment: „Hätten wir das ohne Kalkulation gewusst? Nein. Das ist der Wert der Kalkulation.”

Häufige Stolperstellen:

(a) HitL-Kosten werden auch nach der Erklärung noch vergessen: Nach der Erklärung explizit fragen: „Wer von Ihnen hatte HitL-Kosten in der eigenen Kalkulation schon berücksichtigt?” — wenn wenige Hände hoch gehen, ist das der Beweis, dass der Punkt wichtig war.

(b) Hard und Soft Savings werden vermischt: Streng trennen und einfordern: „Was ist messbar, was ist Schätzung, was ist qualitativ?” Eine Kalkulation, die alle drei vermengt, ist nicht überzeugend.

(c) Zeitersparnis wird auf 100 % gesetzt: Systematisch korrigieren: „Wenn ein Agent den Entwurf erstellt und ein Mensch reviewt — ist die Zeitersparnis 100 %? Nein. Welchen Anteil spart der Agent wirklich?”

(d) Pessimistisches Szenario wird übersprungen: Es ist nicht optional — explizit in der Gruppe oder allein verlangen. „Was passiert in Ihrer Kalkulation, wenn die Zeitersparnis um 30 % geringer ist als angenommen? Haben Sie den Break-Even neu berechnet?”

Diskussionsfragen:

„Welche Kalkulation überzeugt eine Führungskraft mehr: eine, die einen 600 % ROI zeigt, oder eine, die ehrlich sagt ‚selbst im pessimistischen Szenario break-even in 8 Monaten’? Warum?”

„Wenn Ihre Kalkulation negativ-pessimistischen ROI zeigt — würden Sie das Projekt trotzdem empfehlen? Unter welchen Bedingungen?”

Tafelbild-Vorschlag: T-Konto mit Bruttonutzen links und Investitionen rechts. Drei Ebenen für Nutzen (Hard / Soft / Strategic) und drei Ebenen für Kosten (Einmal / Laufend / HitL). Monatliche Zahlen in einer Zeile, jährliche Zahlen in der nächsten. Break-Even-Berechnung als Formel darunter.

Differenzierung Power-User ↔ Einsteiger: - Einsteiger: Übung 1 vollständig durchrechnen, Basis-Szenario. Pessimistisches Szenario nur wenn Zeit bleibt. - Power-User: Übung 1 vollständig inkl. pessimistischem Szenario + kritische Variable identifizieren. Übung 2 vollständig mit Empfehlung und Validierungsvorschlag für die kritischste Annahme.

Branchenspezifische Hinweise: - IT-Beratung: Typische Projekte haben hohe Zeitersparnis, niedrige API-Kosten — schnelle Break-Even sind realistisch. - Industrie: MES-Integrationen sind teuer; Compliance-Anforderungen für Produktionsdaten erhöhen Einmalaufwand. - Finanz/Versicherung: AI Act Compliance-Kosten als eigene Kategorie immer einplanen. - Öffentliche Verwaltung: ROI-Metrik ist oft nicht €, sondern Kapazitätsgewinn und Service-Level — Kalkulation entsprechend anpassen.

Materialliste: ROI-Kalkulations-Template (Excel oder ausgedruckte Tabelle mit Formeln) für Übung 1 und 2; Taschenrechner oder Tabellenkalkulationszugang für die Rechenübungen.

Übergang zur nächsten UE: „Sie haben jetzt alle strategischen Werkzeuge: Prozessauswahl, Architekturentscheidung, Human-in-the-Loop-Design, Monitoring und ROI-Kalkulation. In UE 84 bauen Sie Ihren ersten eigenen No-Code-Agenten — und wenden alles an, was Sie in Modul 7 gelernt haben.”

Quelle: KI-Wissensbasis von MindsMachines, Edition Juni 2026. Vollständige Fassung mit Anhängen und Musterlösungen: als PDF anfordern.