KI-Adoption ist hoch. Warum lässt sich der Enterprise-ROI so schwer belegen?

Die Lücke ist längst keine Anekdote mehr; sie zeigt sich in den Benchmark-Daten. In McKinseys im August 2026 veröffentlichter Global Survey on AI sagen 80 Prozent der Befragten, dass KI ihre individuelle Produktivität verbessert hat, doch nur 37 Prozent berichten von einem positiven EBIT-Beitrag durch KI - im Wesentlichen unverändert zum Vorjahr, obwohl der Anteil der Organisationen, die KI unternehmensweit skalieren, auf 44 Prozent stieg.[1] MITs NANDA-Initiative kam aus einem anderen Blickwinkel zu einem ähnlichen Ergebnis: Ihr Bericht 2025, The GenAI Divide: State of AI in Business, fand, dass rund 95 Prozent der unternehmerischen Generative-AI-Pilotprojekte kaum oder keine messbare Wirkung auf die Gewinn- und Verlustrechnung hatten.[2]

Aufgabentempo ist nicht Geschäftstempo

Der erste Grund ist mechanisch. Ein Bericht, der von acht Stunden auf zwei Stunden verkürzt wird, wartet trotzdem tagelang auf Prüfung, Freigabe und downstreamige Nutzung, sodass der End-to-End-Prozess kaum schneller wird. Die Beschleunigung einzelner Aufgaben wird von Übergaben, Warteschlangen und Entscheidungspunkten absorbiert, die KI nie berührt hat. Wie Howard Rubin in CIO argumentiert, messen die meisten gefeierten KI-Metriken Fähigkeitsaufbau und Aktivität, nicht realisierte Unternehmensergebnisse, und die Kausalkette zwischen beiden ist oft indirekt oder verzögert.[3]

Der zweite Grund ist eine fehlende Entscheidung. Wenn Stunden eingespart werden, aber niemand entscheidet, was mit ihnen geschieht, zerfließen die Einsparungen in denselben Strukturen, die die alte Basislinie erzeugt haben:

• Dieselbe Personalstärke bleibt bestehen, weil nie eine Umsetzungsentscheidung getroffen wurde
• Derselbe Rückstau füllt sich wieder, weil die Nachfrage nie neu definiert wurde
• Dieselben externen Ausgaben laufen weiter, weil kein Vertrag oder Lieferantenvolumen neu verhandelt wurde
• Dieselben Durchlaufzeiten bleiben bestehen, weil die Freigabekette upstream und downstream nie neu gestaltet wurde

Der dritte Grund ist derjenige, um den es in diesem Artikel geht. Nichts davon ist ein Technologieversagen. Es ist ein Versagen der Messarchitektur: Das Unternehmen hat nie die explizite Beweiskette aufgebaut, die die KI-Nutzung mit der Veränderung von Workflows, mit einem benannten operativen KPI, mit einem konkreten finanziellen Mechanismus und schließlich mit dem EBIT verbindet. Der Rest dieses Artikels zeigt, wie man diese Kette aufbaut.

Wir nennen die fehlende Struktur die AI Value Bridge. Es ist eine Messarchitektur mit fünf Sprossen, die erzwingt, dass jeder KI-Anwendungsfall der Reihe nach belegt wird - von der ersten Nutzung bis zur Finanzberichterstattung. Jede Sprosse ist eine Behauptung, die bewiesen werden muss, bevor die nächste überhaupt aufgestellt werden darf. Die Sprossen sind:

Vergleichen Sie damit das typische KI-Dashboard, das direkt von Sprosse zwei zu Sprosse sechs springt: Es berichtet auf der einen Seite über Prompt-Volumina und aktive Nutzer und auf der anderen über eine Dollarzahl - mit nichts dazwischen. Die mittleren Sprossen, auf denen der Wert tatsächlich entsteht oder vernichtet wird, fehlen schlicht. Genau deshalb überstehen die Zahlen den Kontakt mit einer CFO-Prüfung nicht.

Die Brücke ist das Bindegewebe, das Führungsteams derzeit fehlt. McKinseys Umfrage 2026 zeigt, dass die finanzielle Wirkung auf Unternehmensebene flach bleibt, obwohl der Anteil der Befragten, die KI skalieren, auf 44 Prozent gestiegen ist - das heißt, die Einschränkung liegt nicht mehr in der Einführung. Es ist das Fehlen eines nachvollziehbaren Wegs von der Einführung bis zum Ergebnis.[1]

Die Brücke funktioniert nur, wenn Sprosse vier an einen harten Maßstab gebunden wird - und die meisten Organisationen scheitern genau daran. Adoptionsmetriken messen Nutzung, und Nutzung ist nicht Wert. Tausend oberflächliche Nutzer, die gelegentlich prompten, können gegen fünfzig tief verwurzelte Nutzer verlieren, die in einen neu gestalteten Prozess eingebettet sind. Die Analyse von CIO trifft dieselbe Unterscheidung: Die Zahl der ausgeführten Prompts, der verbrauchten Tokens und der Mitarbeitenden, die KI-Tools nutzen, zeigt Adoption und Aktivität, sagt aber wenig darüber aus, ob sich die operative Leistung tatsächlich verbessert hat.[3]

Eine durchgerechnete Umrechnung

Nehmen wir eine häufige Aktivitätsmetrik: Das Forderungsmanagement-Team meldet 30 Prozent eingesparter Stunden beim Verfolgen von Rechnungen durch KI-entworfene Zahlungserinnerungen. So formuliert ist das eine Folienzahl. Rechnen wir um: Die Stunden fließen in ein schnelleres und konsistenteres Mahnwesen, das die durchschnittliche Inkassodauer verkürzt. Der operative KPI sind die Days Sales Outstanding, mit einer eingefrorenen Baseline vor der Einführung, etwa dem gleitenden Zwölfmonatsdurchschnitt. Die Differenz zwischen Baseline und aktuellem DSO, multipliziert mit dem Tagesumsatz, ist das, was die Finanzabteilung tatsächlich buchen kann. Bewegt sich der DSO nicht, waren die eingesparten Stunden Aktivität, nicht Wert - und der Anwendungsfall wird neu abgegrenzt oder eingestellt.

Der Lackmustest hinter diesem Beispiel ist einfach: Wenn sich ein Anwendungsfall nicht an eine konkrete Finanzposition binden lässt, gehört er in ein F&E-Labor, nicht in das operative Budget. Die aktuelle Berichterstattung von CFO.com macht die Tragweite deutlich: Trotz weitverbreiteter Einführung hat sich KI selten in messbare Verbesserungen von EBITDA, Cashflow oder Gesamtkapitalrendite übersetzt.[4]

Sprosse fünf ist der Punkt, an dem die meisten Wertfälle still scheitern, denn eingesparte Stunden sind kein finanzieller Mechanismus. Eingesparte Stunden erreichen die Gewinn- und Verlustrechnung nur über einen von drei konkreten Wegen, und jeder Anwendungsfall löst genau einen davon zuerst aus:

Die Wahl des Mechanismus ist kein buchhalterischer Nachgedanke; sie bestimmt, was operativ entschieden werden muss. Kostenvermeidung erfordert die Disziplin, eine offene Stelle unbesetzt zu lassen. Die Freisetzung von Kapazität erfordert ein benanntes Ziel für die umverteilten Stunden. Der Umsatz pro Vollzeitäquivalent erfordert einen Nenner, auf den sich beide Seiten einigen. Wird der Mechanismus nicht im Voraus gewählt, bleiben die Einsparungen eine Zahl auf einer Folie, weil niemand jemals für ihre Umsetzung verantwortlich war.

Ehrliche Zeithorizonte sind genauso wichtig wie ehrliche Mechanismen. Deloittes Umfrage aus dem Jahr 2025 unter 1.854 Führungskräften in Europa und dem Nahen Osten ergab, dass die meisten Befragten bei einem typischen KI-Anwendungsfall erst innerhalb von zwei bis vier Jahren einen zufriedenstellenden ROI erzielen - gegenüber den sieben bis zwölf Monaten, die bei Technologieinvestitionen üblicherweise erwartet werden - und nur 6 Prozent eine Amortisation in unter einem Jahr meldeten.[5] Eine Brücke, die auf einem Amortisationsversprechen von zwei Quartalen aufgebaut ist, wird scheitern - nicht, weil der Wert fehlt, sondern weil die Erwartung falsch gesetzt wurde.

Selbst ein gut gewählter KPI und Mechanismus beweisen nichts, wenn das Delta nicht attribuiert werden kann. KI wird selten in eine statische Umgebung eingeführt. Die von Deloitte befragten Führungskräfte sagen das explizit: KI wird typischerweise parallel zu Bemühungen eingeführt, die Datenqualität zu verbessern, Teams neu zu konfigurieren oder Abläufe zu verschlanken, was ihren Wert schwer trennbar macht. Eine Führungskraft aus dem Energiesektor beschrieb, nur eine Größenordnung der Vorteile beziffern zu können, weil sich die Erträge aus KI nicht von gleichzeitig laufenden Programmen für operative Exzellenz und Reorganisationen trennen ließen.[5]

Die praktische Antwort lautet: die Baseline vor der Einführung einfrieren und ein Attributionsdesign bewusst wählen. Drei Designs decken die meisten Situationen ab:

1. Gestaffelter Rollout mit Kontrollgruppe: Der Anwendungsfall wird zuerst in einigen Einheiten oder Regionen eingeführt, und die noch nicht versorgten Einheiten dienen als Vergleich, sodass sich allgemeine Trends herausrechnen
2. Vorher-nachher-Vergleich bei einem stabilen Prozess: Wenn sich der Prozess selbst außerhalb der KI wirklich nicht verändert hat, ist eine eingefrorene Baseline mit einem definierten Beobachtungszeitraum vertretbar
3. Differenz-von-Differenzen über vergleichbare Einheiten: Die Veränderung des KPI in KI-gestützten Einheiten wird über denselben Zeitraum mit der Veränderung in vergleichbaren nicht versorgten Einheiten verglichen

Welches Design Sie auch wählen: Die Baseline muss vor der Einführung eingefroren werden, nicht nachträglich aus dem Gedächtnis des Teams rekonstruiert werden, dem das Werkzeug gehört. Eine im Nachhinein erstellte Baseline ist eine Verhandlung, keine Messung.

Das Kontrafaktische braucht außerdem einen benannten finanziellen Verantwortlichen. In den meisten Organisationen werden Pilotprojekte von demjenigen geführt, der die Technologie beauftragt hat, und niemand aus der Finanzabteilung hütet die Baseline oder den Attributionsstandard. Wenn niemand das Kontrafaktische besitzt, ist der Erfolg per Konstruktion unbestimmbar: Jeder gemeldete Gewinn kann angezweifelt werden, und jedes Fehlen lässt sich erklären. Genau diese Position kann ein CFO in einer Vorstandssitzung nicht verteidigen - und es ist ein Verantwortlichkeitsproblem, kein Analyseproblem.

Keine einzelne Funktion kann die Brücke allein bauen. Der Fachverantwortliche kennt den Workflow: Welche Schritte sind tatsächlich entfallen, welche Übergaben wurden gestrichen, wohin sind die umverteilten Stunden geflossen? Die Finanzabteilung kennt den Mechanismus und den Standard des Kontrafaktischen: In welcher Position landet der Wert, welche Evidenz übersteht eine Prüfung, welche Baseline ist vertretbar? Eine Brücke, die nur von der Fachseite gebaut wird, ergibt Stunden-gespart-Arithmetik; eine Brücke, die nur von der Finanzabteilung gebaut wird, ergibt Skepsis. Der Wert entsteht in der gemeinsamen Arbeit.

Die Evidenz stützt die Workflow-Seite dieser Partnerschaft. McKinseys Forschung zeigt, dass die Neugestaltung von Workflows den größten Einfluss darauf hat, ob Organisationen einen EBIT-Beitrag aus generativer KI sehen, und ihre Umfrage von 2026 zeigt, dass die High Performer - die rund 6 Prozent der Organisationen, die mindestens 5 Prozent des EBIT auf KI zurückführen - deutlich häufiger als andere Workflows grundlegend neu gestaltet haben, statt KI in bestehende einzufügen; fast drei Viertel von ihnen haben dies getan.[6]

Gemeinsame Verantwortung läuft in der Praxis auf drei Disziplinen hinaus:

1. Ein Wertbrücken-Blatt pro Anwendungsfall, unterzeichnet vom Fachverantwortlichen und vom Finanzverantwortlichen, wobei jede Sprosse der Reihe nach belegt wird, bevor die nächste beansprucht wird
2. Ein vierteljährliches Re-Scoring: Sprossen werden erneut verifiziert, nicht vorausgesetzt, weil sich Workflows und Baselines verschieben
3. Kill-or-Scale-Entscheidungen nur an Sprosse vier und fünf, wenn das KPI-Delta und der Mechanismus belegt sind - niemals allein auf Basis von Nutzungsdaten

Der Rhythmus ist genauso wichtig wie das Blatt selbst. Eine vierteljährliche Neubewertung hält die Wertbrücke ehrlich, wenn sich die Rahmenbedingungen ändern, und die Beschränkung von Kill-or-Scale-Entscheidungen auf die obersten Sprossen verhindert den häufigsten Governance-Fehler: Anwendungsfälle wegen schwacher Nutzungszahlen zu stoppen, während Anwendungsfälle skaliert werden, die zwar Nutzung zeigen, aber keine KPI-Bewegung.

Bewaffnet mit der Wertbrücke lässt sich ein Blick auf die typische AI-ROI-Präsentation werfen, und die Fehlermuster lassen sich leicht benennen:

• Nicht attribuierte Benchmark-Zahlen: Branchenumfragewerte, die präsentiert werden, als wären es Ergebnisse des eigenen Unternehmens
• Stunden-Ersparnis-Arithmetik ohne Mechanismus: 40.000 Stunden mal einem Vollkostensatz, ohne Antwort auf die Frage, in welcher Position der Gewinn- und Verlustrechnung das Geld ankommt
• Kein Kontrafaktisches: eine Differenz, die gegen eine nie eingefrorene Basislinie behauptet wird, in einem Umfeld, in dem fünf andere Veränderungsprogramme gleichzeitig liefen
• Keine benannte Finanzposition: Wert, der in der Sprache der Produktivität beschrieben wird, niemals in der Sprache des Kontenplans

Der CFO-Test verdichtet all dies in einen Satz: Nenne den KPI, nenne den Mechanismus, nenne das Kontrafaktische - oder die Zahl zählt nicht. Eine Präsentation, die auf der Wertbrücke aufbaut, beantwortet jeden Einwand der Reihe nach. Auf die Frage, ob das Tool genutzt wird, zeigt sie Belege der zweiten Sprosse, gebunden an den konkreten Workflow. Auf die Frage, ob sich etwas verändert hat, zeigt sie die Prozesskarte vorher-nachher auf der dritten Sprosse. Auf die Frage, ob sich der KPI bewegt hat, zeigt sie die eingefrorene Basislinie und die gemessene Differenz auf der vierten Sprosse. Auf die Frage, wo das Geld ist, nennt sie Mechanismus und Position auf der fünften Sprosse. Und auf die Frage, ob AI die Ursache war, zeigt sie das Attributionsdesign am Kontrafaktischen. Jede Behauptung liegt genau eine Sprosse über der Frage, die sie auslöst, und nichts stützt sich auf eine Benchmark aus der Umfrage eines anderen Unternehmens.

Hier braucht auch die Analysearbeit selbst Struktur. Decisity ist eine AI-native Strategieplattform, mit der CFO- und CSO-Bereiche genau diese Art von Wertbrücken-Analyse auf Basis der eigenen Unternehmensdokumente erstellen: Scoping-Briefings, Prozessdokumentation, Basislinien und Finanzdaten gehen hinein, und die Wertbrücke pro Anwendungsfall kommt als boardreife Präsentation heraus, in der jede Aussage mit ihrer Quelle verknüpft ist. Wenn der CFO-Test im Meeting angewendet wird, ist der Beleg hinter jeder Sprosse einen Klick entfernt - das ist der Unterschied zwischen einer Zahl, die eine Prüfung übersteht, und einer, die es nicht t[7]ut. Wie die Plattform diese Arbeit strukturiert, sehen Sie unter Decisity platform.

Related: die Decisity-Plattform für KI-native Strategieberatung.