AI-Kapitalallokation: Wie CFOs über Skalieren, Halten oder Beenden entscheiden

Die KI-Ausgaben in Unternehmen sind längst größer als das IT-Budget-Thema. Sie verhalten sich heute wie ein Portfolio von Kapitalwetten: Dutzende Pilotprojekte, eine Handvoll Systeme im Produktivbetrieb und ein Strom von Finanzierungsanfragen, die alle in derselben optimistischen Sprache verpackt sind. Die Belege zeigen, dass der Großteil dieses Kapitals nichts erwirtschaftet. Die NANDA-Initiative des MIT stellte in ihrem Bericht The GenAI Divide: State of AI in Business 2025 fest, dass etwa 95 % der generativen KI-Pilotprojekte in Unternehmen kaum oder gar keine messbare Auswirkung auf die Gewinn- und Verlustrechnung haben; nur rund 5 % erreichen eine schnelle Umsatzbeschleunigung.[1]

Liest man diese Zahlen als Technologiegeschichte, bedeuten sie, dass die Modelle nicht funktionieren. Liest man sie als Finanzgeschichte, sagen sie etwas Handgreiflicheres: Der Kapitalprozess rund um KI ist undiszipliniert. Initiativen werden aus Begeisterung finanziert, ohne festen Maßstab überprüft und spät eingestellt - nachdem das Geld ausgegeben ist - statt nach einem festen Zeitplan. Das ist ein Versagen der Ausgaben-Governance, und es fällt klar in den Zuständigkeitsbereich des CFO-Büros.

• KI-Ausgaben sind inzwischen so groß und so diffus, dass niemand sie durch gelegentliche Kontrollen steuern kann; sie brauchen dieselbe Portfolio-Sicht, die das Portfolio-Management auf jede andere Art von Kapitalwetten anwendet.
• Scheitern von Pilotprojekten ist meist ein Allokationsfehler, kein Modellfehler: Es wurde der falsche Use Case finanziert, am falschen Maßstab gemessen und zu lange.
• Das CFO-Büro besitzt bereits die Disziplin für jede andere Investitionskategorie; KI verdient keine Ausnahme davon.

Eine Abgrenzung ist wichtig. Die Aufsicht über KI-Risiken auf Vorstandsebene - einschließlich der Fragen, die Verwaltungsratsmitglieder dem Management stellen sollten, und der Governance-Rahmenwerke, die sie verlangen sollten - ist eine eigene Disziplin, die wir separat in unseren Artikeln zur KI-Governance für Verwaltungsräte behandeln. Dieser Artikel bleibt unterhalb des Vorstandszimmers: Es geht um den operativen Rhythmus, mit dem das CFO-Büro und FP&A Initiative für Initiative entscheiden, was mehr Geld bekommt, was auf demselben Stand bleibt und was beendet wird.

Bevor ein Rhythmus funktionieren kann, muss jemand das Geld besitzen. In der Praxis lassen sich Unternehmen auf eines von drei Eigentumsmodellen ein - und jedes scheitert auf vorhersehbare Weise.

Die Daten legen nahe, dass die meisten Organisationen sich überhaupt nicht entschieden haben. Deloitte beobachtet, dass KI-Ausgaben sich inzwischen über Teams und Abteilungen verteilen - von nutzungsabhängigen Kosten bis zu forschungsähnlichen Experimenten -, wodurch KI-spezifische Gewinn- und Verlustsichten nötig werden, um ein echtes Bild des ROI zu erhalten.[2] Bain stellt fest, dass die Governace-Verantwortung für KI derzeit fast gleichmäßig zwischen IT, Geschäftsfunktionen und zentralen Teams aufgeteilt ist, mit keinem klaren Eigentümer in den meisten Organisationen.[3] Wenn alle das Budget besitzen, besitzt niemand die Allokationsentscheidung.

Die tragfähige Aufteilung weist drei verschiedene Dinge drei verschiedenen Eigentümern zu:

1. Geschäftsbereiche besitzen die Wertschöpfung. Der Gewinn- und Verlustverantwortliche des Prozesses, den eine KI-Initiative berührt, ist für das Ergebnis verantwortlich, nicht für die Technologie.
2. Ein zentrales Team besitzt die Plattform und die Enabler: Modellzugriff, Sicherheit, Integrationsstandards, Lieferantenmanagement und gemeinsame Tools.
3. Die CFO-Ebene besitzt die Portfolio-Sicht und die Allokationsentscheidung. Sie führt keine Projekte durch; sie entscheidet auf Basis von Belegen, welche das nächste Dollar-Budget erhalten.

KI-Budgets wirken intransparent, weil sie meist als eine einzige Position berichtet werden. In Wirklichkeit zerfallen die Ausgaben in vier Buckets mit völlig unterschiedlichem Kostenverhalten, und diese Unterschiede bestimmen, wie jeder davon gesteuert werden sollte.

Die entscheidende Unterscheidung ist die zwischen Pilotbudget und Produktionsbudget. Ein Pilot weist die Machbarkeit an einem kleinen Nutzungsausschnitt nach. Die Produktion erfordert die Sicherheitsprüfung, das Monitoring, die Eigentümerschaft, die Integration und das Change-Management, die der Pilot nie getragen hat - und diese Ebene ist meist nicht eingeplant, was ein großer Teil des Grundes ist, warum Piloten genau in dem Moment stocken, in dem sie skalieren sollen. Deloitte beschreibt das Volatilitätsproblem konkret: In einem großen Healthcare-Unternehmen führte ein Token-Verbrauchswachstum von 8 % bis 10 % pro Monat zu mehr als 6 Millionen US-Dollar an annualisierten, zuvor nicht eingeplanten Kostensteigerungen, bevor das Finanzteam den Treiber überhaupt erkannte.[4]

Die Governace-Konsequenz folgt unmittelbar: Weil Modellkosten nutzungsbasiert sind, skaliert der Aufwand mit der Adoption. Eine Entscheidung, eine Initiative zu skalieren, ist daher zugleich eine Kostenentscheidung. Die CFO-Ebene kann die Skalierung nicht genehmigen und die Rechnung später entdecken; die Unit Economics auf Produktionsvolumen gehören in dieselbe Entscheidung.

Um diese Entscheidungen wiederholbar zu machen, braucht die CFO-Ebene einen Loop, den sie bei jeder Initiative in jedem Zyklus durchläuft. Wir nennen ihn THE AI CAPITAL DISCIPLINE LOOP. Er hat sechs Schritte:

1. Use Case. Ein benannter Geschäftsprozess, mit einem benannten Geschäftseigentümer und den vorgesehenen Nutzern, die vor der Finanzierung identifiziert wurden. Keine Technologie auf der Suche nach einem Problem.
2. Ausgaben. Die voll belasteten Kosten über alle vier Buckets, einschließlich der Produktionsebene, mit dem nutzungsbasierten Anteil, modelliert auf dem relevanten Volumen.
3. Adoption. Ob die vorgesehenen Nutzer das Tool tatsächlich nutzen, in welcher Frequenz und Tiefe, gemessen an einer Schwelle, die zum Zeitpunkt der Finanzierung festgelegt wurde.
4. Belege. Die dokumentierte Verbindung zwischen Nutzung und einem finanziellen Mechanismus: welche Position der Gewinn- und Verlustrechnung sich bewegt, über welchen Weg, verifiziert gegen die eigenen Zahlen des Unternehmens.
5. Geschäftswert. Die gemessene Wirkung auf diesen Mechanismus, abzüglich der vollen Kosten, ausgedrückt in denselben Begriffen wie jede andere Kapitalinvestition.
6. Skalieren, Halten oder Beenden. Der explizite Allokationsentscheid: mehr Kapital, gleichbleibende Finanzierung, während die Belege reifen - oder Stopp und Umverteilung.

Adoptionsbelege sind keine Wertbelege

Der Schritt, den die meisten Organisationen auslassen, ist die Unterscheidung zwischen den beiden Arten von Nachweisen. Adoptionsnachweise beantworten die Frage: Nutzen die vorgesehenen Anwender das Werkzeug tatsächlich, wie oft und wie tief in ihrem Arbeitsablauf? Ein Tool mit hohen Login-Zahlen und oberflächlicher Nutzung ist ein Spielzeug. Wertnachweise beantworten eine härtere Frage: Gibt es einen dokumentierten finanziellen Mechanismus, einen benannten Weg von der Nutzung zur Kostenreduktion oder zum Umsatz, mit messbarem Effekt auf die Gewinn- und Verlustrechnung? Die Forschung des MIT Sloan Management Review zeigt, dass nur wenige Unternehmen auf KI dieselbe finanzielle Disziplin anwenden wie auf eine neue Fabrik oder Maschine, und dass zwei Unternehmen mit nahezu identischen Investitionen Erfolg auf völlig unterschiedliche Weise definieren können.[5] Der Loop existiert, um diese Lücke zu schließen: Jede Initiative wird nach denselben sechs Schritten und mit demselben Nachweisstandard beurteilt, in jedem Zyklus.

Skalieren ist eine Kapitalallokationsentscheidung, und sie sollte an drei Kriterien hängen - alle drei erfüllt, nicht zwei von drei:

1. Ein finanzieller Mechanismus ist identifiziert. Keine generische Produktivitätshoffnung, sondern ein benannter Weg von der Nutzung zu einer bestimmten Kosten- oder Umsatzposition, bemessen an der eigenen Baseline des Unternehmens.
2. Die Adoption liegt über einer vorab festgelegten Schwelle. Häufigkeit und Tiefe der Nutzung durch die vorgesehene Anwendergruppe, gemessen an der Schwelle, die bei der Finanzierung der Initiative festgelegt wurde - nicht nachträglich erfunden.
3. Ein fachlicher Verantwortlicher ist benannt. Jemand im Geschäftsbereich, dem Prozess und Ergebnis gehören - nicht ein Projektbefürworter, dessen Tagesgeschäft endet, sobald der Pilotbericht geschrieben ist.

Halten ist ein legitimes Ergebnis, und es als solches zu behandeln, schützt das Portfolio vor beiden Fehlern. Fortgeführte Finanzierung, während die Nachweise reifen, ist die richtige Entscheidung für eine Initiative mit glaubwürdigem Mechanismus, aber dünnen Adoptionsdaten - oder starker Adoption, aber unausgereifter Wertbegründung. Halten ist kein Parkplatz: Eine ausgesetzte Initiative trägt eine benannte Bedingung und ein Datum und kehrt wie alles andere in den Loop zurück.

Build-or-Buy gehört ebenfalls in die Skalierungsentscheidung. Die Forschung des MIT, wie Fortune berichtet, ergab, dass gekaufte Lösungen in etwa 67 % der Fälle die Produktionsreife erreichen, während interne Eigenentwicklungen nur etwa ein Drittel so oft erfolgreich sind.[1] Die praktische Konsequenz für das CFO-Büro ist eine höhere Nachweisschwelle beim Skalieren einer internen Entwicklung: Dasselbe Kapital, das in eine gekaufte und integrierte Lösung fließt, dürfte die drei Kriterien schneller erfüllen - eine interne Entwicklung muss also stärkere Adoption und einen konkreteren Mechanismus nachweisen, bevor sie sich den nächsten Dollar verdient.

Eine KI-Initiative zu beenden ist schwieriger als jedes andere Projekt zu beenden, denn die Menschen, die entscheiden, sind meist dieselben, die sie gefördert haben - und das Technologie-Narrativ lässt jede Stockung wie ein Timing-Problem statt wie ein Urteil klingen. Genau deshalb müssen die Beendigungskriterien festgelegt werden, bevor das Geld fließt. Drei Auslöser rechtfertigen ein Beenden:

• Keine nennenswerte Adoption nach einer festgelegten Anzahl von Monaten, etwa zwei Review-Zyklen, gemessen an der bei der Finanzierung festgelegten Schwelle.
• Kein identifizierbarer finanzieller Mechanismus: Nach wiederholten Zyklen kann niemand den Weg von der Nutzung zu einer Position der Gewinn- und Verlustrechnung benennen.
• Opportunitätskosten von Talenten: Knappe KI-fähige Ingenieure, Analysten und Produktverantwortliche, die in einer toten Initiative feststecken, sind die teuerste versteckte Kostenposition im Portfolio.

Versunkene Kosten sind der Feind der KI-Kapitaldisziplin. Das bereits ausgegebene Geld ist weg, egal was als Nächstes passiert; die einzige Frage, die der Loop stellen darf, ist die beste Verwendung des nächsten Dollars. Jeden Monat, in dem ein zum Scheitern verurteiltes Pilotprojekt sein Team behält, gibt es auch die alternative Zukunft aus, die diese Menschen in einer überlebenden Initiative hätten aufbauen können. Die Analyse von CIO.com über disziplinierte Allokatoren macht den Mechanismus konkret: Jede Initiative erhält im Moment ihrer Finanzierung eine Beendigungsgrenze - einen benannten Meilenstein, ein Datum und einen Verantwortlichen, der befugt ist, sie zu stoppen.[6] Verfehlt das Investment seinen Meilenstein, wird es liquidiert und das Kapital planmäßig umverteilt, ohne eine Debatte über versunkene Kosten.

Die Alternative ist das, was der Markt tatsächlich tut. Bains Befragung von 951 globalen Unternehmen ergab: Während 37 % Kostenreduktionen von 11 % bis 20 % anstrebten, landeten fast 40 % derjenigen, die Ergebnisse maßen, stattdessen im Bereich von 0 % bis 10 % - und 90 % derselben Unternehmen erhöhen ihre KI-Budgets trotzdem erneut.[3] Die nächste Welle zu finanzieren, ohne die Fehlschläge zu beenden, die den letzten Fehlbetrag verursacht haben, ist kein Optimismus; es ist die Verstärkung des ursprünglichen Allokationsfehlers.

Kriterien ohne einen Rhythmus verfallen zu Schreibtischdokumenten. Der Loop läuft auf zwei Uhren.

• Monatliches Portfolio-Review, geführt vom CFO-Büro und FP&A. Pro Initiative: Adoption gemessen an der Schwelle, Burn gemessen am Meilenstein, Status der Beendigungsgrenze. Ergebnis: Abweichungen markieren, Entscheidungen vorbereiten, kleine Beträge umverteilen.
• Quartalsweise Allokations-Review der Konzernleitung. Skalieren-, Halten- und Beenden-Entscheidungen über die verbliebenen Initiativen sowie Rebalancierung des Kapitals über das Portfolio. Ergebnis: die tatsächlichen Allokationsänderungen, dokumentiert mit ihrer Begründung.

Beide Ebenen laufen auf einer einzigen Portfolio-Scorecard, damit es in der Diskussion um Entscheidungen statt um Status-Theater geht:

Diesen Loop gut zu betreiben ist ebenso ein Dokumentations- und Nachvollziehbarkeitsproblem wie ein Disziplinproblem: Jede Adoptionszahl, jede Kostenposition und jeder Wertnachweis auf der Scorecard muss bis zu den eigenen Unternehmensdokumenten rückverfolgbar sein, sonst wird die quartalsweise Review zur Verhandlung. Genau hier setzt die CFO-Abteilung eine KI-native Strategieplattform ein. Decisity wird von CFO-Abteilungen genutzt, um das Portfolio der KI-Initiativen auf Basis der eigenen Unternehmensdokumente zu strukturieren: Die Plattform liest und kreuzverweist internes Material, um die Portfolio-Sicht aufzubauen, hält jeden Nachweis auf der Scorecard bis zur Quelle rückverfolgbar und erzeugt die boardfähigen Allokations-Decks, auf denen die quartalsweise Review basiert. Diese Nachvollziehbarkeit trägt auch nach oben: Wenn die Allokationsentscheidungen in den Vorstandssaal gelangen, landen sie im Format, das die Gremien erwarten - mit jeder Zahl, die per Klick zu ihrem Beleg zurückführt. Genau dafür ist die Lösung für Konzernleitung und Boards gebaut. Die zugrunde liegende Methode - von der Dokumentenaufnahme über die strukturierte Analyse bis zum belastbaren Ergebnis - ist unter wie Decisity funktioniert beschrieben, und die AI Strategy Engine erzwingt die Quellen-Nachvollziehbarkeit hinter jeder Skalieren-, Halten- oder Beenden-Empfehlung.

Die Disziplin ist am Ende nicht die Software. Es ist die Bereitschaft, den Loop jeden Monat zu durchlaufen, dieselben drei Skalierungskriterien und dieselben drei Beendigungsauslöser auf jede Initiative anzuwenden - auch auf die populären - und eine termingerecht ausgeführte Beendigung als Funktionieren des Portfolios zu betrachten, nicht als Scheitern. Die Organisationen, die Erträge aus KI ziehen, sind nicht die, die bessere Pilotprojekte ausgewählt haben. Es sind die, die bewusst und wiederholt entschieden haben, wohin der nächste Dollar fließt.

Related: Decisity für C-Level und Vorstand.