Die meisten KMU-Verantwortlichen, die nach dem ROI von KI-Agenten fragen, haben im Grunde eine andere Frage im Kopf: „Wie rechtfertige ich das gegenüber dem CFO — oder mir selbst?” Das ist die ehrlichere Frage, und sie verdient eine ehrlichere Antwort als die überschwänglichen Effizienzversprechen, die man gewöhnlich zu lesen bekommt.
Dieser Artikel gibt Ihnen ein praxistaugliches Framework, um den Business Case zu erarbeiten, bevor Sie Budget freigeben. Er behandelt die drei Messdimensionen, auf die es wirklich ankommt, ein einfaches Payback-Modell für die Tabellenkalkulation und die Kosten, die systematisch unterschätzt werden.
Warum die meisten „KI-ROI”-Rechnungen von Anfang an falsch liegen
Der typische Fehler: Es wird das Falsche gemessen. Unternehmen zählen die Stunden, die ein Agent theoretisch ersetzt, und multiplizieren sie mit einem Stundensatz. Das Ergebnis wirkt in einer Präsentation beeindruckend und bricht innerhalb von sechs Monaten zusammen.
Das Problem: Ein KI-Agent lässt keine Person verschwinden. Er verlagert deren Zeit. Wenn Ihre Kundensupport-Koordinatorin täglich 80 E-Mail-Anfragen bearbeitet hat und ein Agent nun 60 davon übernimmt, bleibt das Gehalt gleich. Was sich ändert, ist, womit die freigewordene Zeit verbracht wird — und ob dieser Wert bewusst abgeschöpft wird.
Beantworten Sie zwei Fragen, bevor Sie irgendwelche Zahlen berechnen:
- Was passiert mit der eingesparten Zeit? Wird sie in höherwertige Tätigkeiten reinvestiert (umsatzgenerierend, kundennah, strategisch), oder löst sie sich im Arbeitsalltag auf, ohne sichtbaren Output zu erzeugen?
- Was kostet der Status quo? Nicht nur die Stunden, sondern die Fehlerquote, die Durchlaufzeit, die Umsatzverluste durch Prozesslücken.
Diese beiden Ankerpunkte entscheiden darüber, ob Ihre ROI-Rechnung Bestand hat.
Die drei Dimensionen des ROI von KI-Agenten
1. Arbeitseffizienz (zurückgewonnene Stunden mit Wert)
Dies ist die direkteste Dimension und gleichzeitig die, die am leichtesten übertrieben wird. Erfassen Sie sie als zurückgewonnene Kapazität, nicht als Gehaltsersparnis.
So berechnen Sie sie:
- Identifizieren Sie die Aufgabe, die der Agent übernehmen soll (z. B. First-Level-Support-Triage, Rechnungsdatenextraktion, Terminbestätigungsnachrichten).
- Messen Sie die aktuelle Zeit pro Aufgabeneinheit und das wöchentliche Volumen.
- Schätzen Sie die Lösungsrate des Agenten — den Anteil der Fälle, den er ohne menschliches Eingreifen löst. Seien Sie konservativ: Veröffentlichte Benchmarks liegen je nach Integrationstiefe und Qualität der Wissensbasis zwischen 40 und 70 % — ein erster Einsatz mit leichter Integration sollte mit 40–55 % planen, während ein vollständig integriertes agentisches System 65–80 % erreichen kann (gemäss Branchenanalysen von Notch.cx und SupportBench).
- Rechnen Sie zurückgewonnene Stunden nur dann in Geldwert um, wenn Sie einen Plan haben, sie einzusetzen. Wenn die freigestellte Person anschliessend zwei zusätzliche Kundenverträge pro Monat abschliesst, verwenden Sie diesen Umsatz. Wenn sie lediglich ein ruhigeres Postfach hat, buchen Sie den Nutzen als Kapazitätspuffer — noch immer wertvoll, aber schwerer zu quantifizieren.
Illustratives Szenario: Ein Logistikunternehmen mit 12 Mitarbeitenden bearbeitet 150 Statusanfragen von Kunden pro Woche, je vier Minuten — zehn Stunden Verwaltungsaufwand. Ein Agent, der 65 % selbstständig löst, gewinnt 6,5 Stunden pro Woche zurück, 26 Stunden pro Monat. Ob sich das in Umsatz niederschlägt, hängt vollständig davon ab, wohin diese Stunden umgeleitet werden.
2. Fehlerreduktion und Nachbearbeitungskosten
Manuelle, repetitive Prozesse haben eine Fehlerquote. Bei der Dateneingabe, Terminplanung und Dokumentenweiterleitung ist menschliches Versagen kein Charakterfehler, sondern eine ingenieurstechnische Realität. Die Kosten multiplizieren sich: Eine fehlerhafte Rechnung löst einen Korrekturprozess aus, eine Lieferantenanfrage, eine verzögerte Zahlung und einen teilweisen Produktivitätsverlust im Finance-Team.
So berechnen Sie sie:
- Stellen Sie Ihre Fehler-Baseline für den Zielprozess fest. Selbst eine grobe Schätzung — „wir finden drei bis fünf fehlerhafte Einträge pro Woche im Einkaufsregister” — genügt.
- Quantifizieren Sie die Nachbearbeitungskosten pro Fehler: Zeit zur Erkennung, Zeit zur Korrektur, nachgelagerte Folgen (Zahlungsverzug, Kundenbeschwerden, regulatorische Exposition).
- Schätzen Sie die Fehlerquote des Agenten bei derselben Aufgabe. Ein gut konzipierter Agent, der strukturierte Dateneingaben verarbeitet, sollte deutlich weniger Übertragungsfehler machen als ein Mensch bei derselben repetitiven Aufgabe; unstrukturierte Eingaben erfordern eine ehrlichere Kalibrierung.
- Das Delta zwischen den Baseline-Nachbearbeitungskosten und den agentenunterstützten Nachbearbeitungskosten ist eine reale, einplanbare Einsparung.
3. Komprimierung der Durchlaufzeiten
Geschwindigkeit hat einen finanziellen Wert, der in ROI-Modellen oft völlig fehlt. Ein Angebot, das in vier Minuten statt vier Stunden verschickt wird, erzielt eine andere Abschlussquote. Ein Support-Ticket, das in 45 Sekunden statt am nächsten Tag gelöst wird, erzeugt einen anderen Kundenzufriedenheitswert — und eine andere Churn-Auswirkung.
Durchlaufzeitgewinne lassen sich am schwierigsten direkt monetarisieren, führen aber häufig zu den sichtbarsten Geschäftsergebnissen.
Proxy-Metriken, die Durchlaufzeit in Wert übersetzen:
- Antwortzeit auf Angebote → Veränderung der Konversionsrate (eine schnellere Reaktion auf zehn Angebote pro Monat bei einem durchschnittlichen Deal von CHF 8.000 kann bei selbst moderatem Lift erheblichen Umsatz verschieben)
- Support-Lösungszeit → CSAT-Score → Churn-Reduktion
- Rechnungsbearbeitungsgeschwindigkeit → Erfassung von Skonti, Vermeidung von Mahngebühren
Für einen Business Case brauchen Sie keine präzisen Kausaldaten. Richtungsmässig glaubwürdige Annahmen, die nach dem Go-live mit tatsächlichen Werten abgeglichen werden, genügen.
Ein einfaches Payback-Modell
Hier ist eine Vorlage, die Sie anpassen können. Führen Sie sie in einer Tabellenkalkulation; vermeiden Sie die Versuchung, etwas Aufwändiges zu bauen, bevor Sie reale Daten haben.
| Eingabe | Ihre Schätzung |
|---|---|
| Automatisierte Aufgaben pro Woche | — |
| Durchschnittliche Minuten pro Aufgabe (manuell) | — |
| Lösungsrate des Agenten (%) | — |
| Zurückgewonnene Stunden pro Monat | — |
| Wert der zurückgewonnenen Stunde (CHF) | — |
| Vermiedene monatliche Fehler-Nachbearbeitungskosten | — |
| Monatlicher Umsatzgewinn durch Durchlaufzeitverkürzung (falls schätzbar) | — |
| Monatlicher Gesamtnutzen (CHF) | — |
| Entwicklungs-/Einrichtungskosten des Agenten (einmalig) | — |
| Monatliche Betriebskosten (API-Nutzung, Hosting) | — |
| Amortisationsdauer (Monate) | — |
Für die meisten gut abgegrenzten ersten Agent-Deployments — ein einzelner Prozess, klare Inputs, klar definierte Erfolgskriterien — sollten Sie eine Amortisationsdauer von unter 12 Monaten anstreben. Projekte, die diese Schwelle mit konservativen Annahmen nicht erreichen, haben in der Regel ein Abgrenzungsproblem, kein KI-Problem.
Einen Überblick über typische Entwicklungskosten finden Sie in unserer Aufschlüsselung zu den realen Kosten der KI-Agenten-Entwicklung.
Was man vergisst einzurechnen
Die Kostenseite
- Integrationsaufwand. Einen Agenten an Ihr CRM, ERP oder Ticketing-System anzubinden kostet Engineering-Stunden. Ein eigenständiger Agent ohne Systemzugang hat begrenzten Wert; ein korrekt integrierter kostet mehr in der Entwicklung.
- Datenvorbereitung. Wenn der Agent aus Ihren historischen Tickets, Dokumenten oder dem Produktkatalog lernen soll, muss jemand diese Daten bereinigen und strukturieren.
- Laufende Wartung. Geschäftsprozesse ändern sich. Agenten müssen entsprechend aktualisiert werden. Planen Sie mindestens eine vierteljährliche Überprüfung ein.
- Menschliche Aufsicht in der Anlaufphase. In den ersten ein bis zwei Monaten muss jemand Grenzfälle prüfen und Fehlklassifizierungen melden. Das ist nicht optional — so erkennen Sie Fehlerquellen, bevor sie Kunden betreffen, und es entspricht den Anforderungen zur menschlichen Aufsicht im EU AI Act, die für viele geschäftliche KI-Systeme gelten.
Die Nutzenseite
- Sekundäre Automatisierung. Sobald ein Agent in einen Workflow eingebettet ist, werden angrenzende Automatisierungen günstiger. Der zweite Agent in einem vernetzten System kostet weniger als der erste.
- Skalierbarkeit ohne Neueinstellungen. Der Agent bearbeitet 150 oder 1.500 Anfragen zum gleichen Grenzkosten. Wachstum, das sonst eine neue Stelle erfordert hätte, erfordert sie möglicherweise nicht.
Für wen dieses Framework geeignet ist — und für wen nicht
Geeignet, wenn Sie:
- Einen konkreten, repetitiven Prozess im Blick haben (nicht „wir wollen KI überall”)
- Der Prozess messbare Volumina und eine Baseline hat, die Sie bestimmen können
- Jemanden benennen können, der für die Ergebnisse nach dem Deployment verantwortlich ist
- Bereit sind, Ist-Werte mindestens 90 Tage lang mit Ihren Prognosen zu vergleichen
Nicht geeignet, wenn Sie:
- Einen Business Case für KI im Allgemeinen ohne definierten Anwendungsfall erstellen möchten
- Ihr Prozess hochgradig variabel oder urteilsintensiv ist (ein ROI-Modell für eine kreative oder kontextabhängige Aufgabe wird spekulativ sein)
- ROI-Sicherheit brauchen, bevor Sie überhaupt ein begrenztes Pilotprojekt starten — die Zahlen werden das nicht leisten, und jeder Anbieter, der das behauptet, ist unehrlich
Wenn Sie noch früher im Entscheidungsprozess stehen — und herausfinden möchten, ob Ihr Unternehmen überhaupt bereit für Agenten ist — ist die KI-Readiness-Bewertung der bessere Ausgangspunkt.
Das Modell vor dem Meeting verankern
Das obige Framework gibt Ihnen eine Struktur. Die Inputs stammen von Ihnen — und sie müssen ehrlich sein. Business Cases fallen auseinander, wenn jemand die Deflection-Rate oder den Stundenwert der zurückgewonnenen Zeit aufbläst, damit die Zahlen aufgehen. Ein auf optimistischen Annahmen aufgebauter Case übersteht weder einen skeptischen CFO noch die tatsächlichen Ergebnisse.
Verwenden Sie das pessimistische Ende Ihrer Bandbreite für den Nutzen. Nehmen Sie die Gesamtkosten, nicht nur die Entwicklungsrechnung. Wenn der Case mit konservativen Zahlen trägt, lohnt es sich, ihn weiterzuverfolgen. Wenn er nur funktioniert, wenn alles optimal läuft, ist das ein Signal.
Sobald Sie einen Prozess und ein grobes Modell haben, ist der schnellste Weg zur Überprüfung das Gespräch mit jemandem, der Agenten in dieser Grössenordnung gebaut hat — kein Verkaufsgespräch, sondern eine Arbeitssitzung mit den Zahlen auf dem Tisch.
Für weiteren Kontext dazu, wo Agenten wirklich Geschäftsergebnisse liefern, lesen Sie KI-Agenten für Unternehmen: wo der ROI wirklich entsteht und unsere Analyse zu den KPIs, die beweisen, dass Ihre Agenten funktionieren.
Unsere Prozessoptimierungsarbeit bei Orange ITS beginnt genau hier — beim Business Case, nicht beim Technology Stack.
Bereit, die Zahlen für Ihren Prozess durchzurechnen? Buchen Sie eine 30-minütige Arbeitssitzung mit unserem Team. Wir gehen gemeinsam Ihren Kandidaten-Anwendungsfall durch, hinterfragen die Annahmen in Ihrem Modell und geben Ihnen eine ehrliche Einschätzung, was ein erster, klar abgegrenzter Agent kosten würde und was er bringen sollte. Kein Pitch-Deck — nur die Rechnung.