KI-Investitionen beurteilen: Woran ein Beirat Substanz von Aktionismus unterscheidet

Kurz gesagt: Ob eine KI-Investition Substanz hat, erkennt ein Beirat an sechs Merkmalen. Es gibt ein konkretes Geschäftsproblem, einen vorher gemessenen Ausgangswert, bekannte Kosten pro erledigtem Fall, eine tragfähige Datenbasis, einen Plan vom Pilot in den Betrieb und eine verantwortliche Person. Fehlen mehrere davon, handelt es sich eher um Aktionismus. Mittel sollten deshalb gestuft freigegeben werden, gebunden an messbare Zwischenziele.

Warum ist die Beurteilung von KI-Investitionen so schwierig?

KI-Vorhaben sehen in der Vorführung fast immer überzeugend aus. Die Schwierigkeiten zeigen sich erst im Betrieb, etwa bei schlechten Daten oder bei Kosten, die mit der Nutzung wachsen. Gartner hält fest, dass zusätzliche KI-Funktionen häufig Kosten erhöhen, ohne die Ergebnisse zu verbessern, und dass bessere Ergebnisse Systeme verlangen, die das Wissen und den Kontext des Unternehmens halten (Gartner, 1. Juli 2026).

Hinzu kommt ein Wissensgefälle. In der Deloitte-Studie „Governance of AI“ sagen zwei Drittel der Befragten, ihr Gremium habe begrenzte oder keine KI-Kenntnisse (Deloitte, 2. Ausgabe). Ein Beirat, der sich nicht zutraut, die Technologie zu bewerten, neigt zu einer von zwei Reaktionen: Er winkt durch, weil KI strategisch wichtig klingt, oder er bremst, weil er das Risiko nicht einschätzen kann. Beides ist vermeidbar, wenn er die richtigen Kriterien anlegt.

Welche Kriterien sollte ein Beirat an KI-Investitionen anlegen?

Ein konkretes Geschäftsproblem.Die Investition beginnt bei einem Engpass, einer Kostenposition oder einer Wachstumschance, nicht bei einem Werkzeug. „Wir führen Copiloten ein“ ist kein Problem. „Unsere Angebotserstellung dauert elf Tage und kostet uns Aufträge“ ist eines.

Ein gemessener Ausgangswert.Wer vorher nicht misst, kann hinterher keinen Erfolg nachweisen. Die Kennzahl muss vor dem Projekt erhoben sein, mit denselben Methoden, mit denen später gemessen wird.

Bekannte Kosten pro Fall.KI verursacht variable Kosten, die mit der Nutzung und der Schwierigkeit der Fälle wachsen. Gefragt ist, was ein erledigter Fall im Betrieb kostet, im einfachen wie im schwierigen Fall.

Eine tragfähige Datenbasis.Die Daten, auf die das System zugreift, sind vorhanden, gepflegt und rechtlich nutzbar. Ist das nicht der Fall, gehört die Datenarbeit in den Investitionsantrag.

Ein Weg vom Pilot in den Betrieb.Es ist beschrieben, was nach einem erfolgreichen Piloten passiert, wer den Betrieb übernimmt und wie das System in die Breite geht. Ein Pilot ohne diesen Plan ist ein Experiment, keine Investition.

Eine verantwortliche Person.Eine Führungskraft aus dem Geschäft, nicht aus der IT, verantwortet das Ergebnis und berichtet dem Gremium.

Welche Warnsignale deuten auf Aktionismus hin?

  • Die Zahl der Piloten wird als Erfolg berichtet. Zwanzig Piloten ohne einen einzigen produktiven Einsatz sind kein Fortschritt, sondern ein Kostenblock.
  • Viele Werkzeuge, keine Architektur. Jeder Bereich hat sein eigenes KI-Tool, niemand weiß, welche Daten wohin fließen und was das insgesamt kostet.
  • KI wird kostenlos verteilt. Funktionen werden breit ausgerollt, ohne dass jemand die laufenden Kosten pro Nutzung kennt.
  • Der Nutzen wird in Stunden beschrieben, die niemand einspart. „Zwei Stunden pro Woche und Mitarbeitendem“ ist nur dann ein Ertrag, wenn klar ist, was mit der Zeit geschieht.
  • Verantwortung liegt allein in der IT. Dann wird KI als Technologieprojekt geführt, und niemand verantwortet die Wirkung auf das Geschäft.

Wie sollte ein Beirat Mittel für KI freigeben?

Bewährt hat sich eine gestufte Freigabe. Sie schützt vor zwei Fehlern zugleich: alles auf eine Karte zu setzen und vielversprechende Vorhaben verhungern zu lassen.

StufeMittelFreigabe der nächsten Stufe, wenn …
1. Erprobungkleiner Teil des Budgets, wenige Wochendas System im realen Betrieb mit echten Daten den Ausgangswert messbar verbessert
2. Pilot im Betriebmittlerer Teil, ein bis zwei Bereiche oder KundenKosten pro Fall, Annahmequote durch Mitarbeitende und Fehlerrate im Zielkorridor liegen
3. SkalierungHauptteil der MittelBetrieb, Verantwortung, Schulung und Kostensteuerung geregelt sind

Die Stufen verändern die Gesprächsqualität im Gremium. Statt über die Strategie im Allgemeinen zu diskutieren, prüft der Beirat an jeder Stufe dieselben Kennzahlen. Das macht Fortschritt sichtbar und Abbrüche legitim.

Ein abgebrochener Pilot mit sauberem Befund ist ein besseres Ergebnis als ein fortgeführter ohne.

Was unterscheidet strategische von operativen KI-Investitionen?

Nicht jede KI-Investition muss sich im ersten Jahr rechnen. Investitionen, die das Geschäftsmodell schützen oder neu ausrichten, etwa eigene KI-Agenten in einem Softwareunternehmen, drücken das Ergebnis oft über mehrere Jahre. Sie verlangen eine andere Bewertung als Effizienzprojekte. Wichtig ist, beide nicht zu vermischen. Ein Beirat sollte für strategische Vorhaben eine getrennte Sicht verlangen, in der Kennzahlen und Marge des neuen Geschäfts eigens ausgewiesen sind. Wer sie an den Maßstäben des Kerngeschäfts misst, stellt sie zu früh ein.

Häufige Fragen

Wie misst man den Erfolg einer KI-Investition?

Mit einer Geschäftskennzahl, die vor dem Projekt erhoben wurde, etwa Durchlaufzeit, Kosten pro Vorgang, Fehlerquote oder Umsatz pro Kunde, ergänzt um die laufenden Kosten pro erledigtem Fall. Eingesparte Stunden allein sind kein Nachweis.

Warum scheitern viele KI-Piloten?

Häufige Gründe sind unzureichende Daten, fehlende Ausgangswerte, unklare Verantwortung und kein Plan für den Betrieb. Viele Piloten funktionieren mit ausgewählten Fällen und scheitern an der Breite und Schwierigkeit des Alltags.

Sollte ein Beirat KI-Investitionen einzeln genehmigen?

Das hängt von Gesellschaftsvertrag und Zustimmungskatalog ab. Unabhängig davon sollte ein Beirat für wesentliche Vorhaben eine gestufte Freigabe mit klaren Kriterien verlangen und den Fortschritt regelmäßig an denselben Kennzahlen prüfen.

Mehr zum Thema: Fünf Fragen, die ein Beirat der Geschäftsführung zu KI stellen sollte · EU AI Act: Was Beiräte und Aufsichtsräte wissen müssen · Governance beginnt beim Vertrauen

Quellen: Gartner, Pressemitteilung vom 1. Juli 2026 · Deloitte (2025): Governance of AI, 2nd edition

Ähnliche Beiträge