KI-ROI: Warum Produktivität die falsche erste Kennzahl ist

Wir hören aktuell fast jede Woche eine Variante derselben Frage: “Wann sehen wir endlich einen ROI aus unseren KI-Investitionen?”

Die Frage ist berechtigt. Aber sie wird oft zu ungenau gestellt. Unsere erste Gegenfrage lautet deshalb fast immer: “Welche Kennzahl soll sich durch KI konkret verändern?”

Darauf folgt häufig eine Antwort wie: «Die Produktivität der Mitarbeitenden.»

Das klingt plausibel. Nur eignet sie sich gerade in den ersten ein bis zwei Jahren schlecht als zentrale Kennzahl, um KI-Investitionen sauber zu rechtfertigen, weil Produktivität oft diffus bleibt. Mitarbeitende sparen Zeit, aber die eingesparte Zeit taucht nicht automatisch in der Erfolgsrechnung auf. Sie verteilt sich über Meetings, Abstimmungen, Zusatzaufgaben oder höhere Qualität. Sichtbar wird sie meist erst dann, wenn Teams mit gleicher Grösse deutlich mehr leisten oder wenn Personalbestände eingefroren beziehungsweise reduziert werden können.

Das ist nicht in jedem Team realistisch. Und auch nicht immer wünschenswert. Der schnellere Weg zu sichtbarem KI-ROI beginnt deshalb woanders: bei den Geschäftszielen.

Der bessere Einstieg: Ziele rückwärts denken.

Beginnt nicht mit KI-Zielen. Beginnt mit Geschäftszielen. Also mit dem, was euer Führungsteam ohnehin erreichen will:

• Umsatzwachstum
• bessere Marge
• höhere Kundenbindung
• kürzere Verkaufszyklen
• tiefere Supportkosten
• schnellere Produktentwicklung
• höhere Abschlussquoten

Diese Ziele bestehen unabhängig von KI. Genau das macht sie wertvoll. Wenn KI auf bestehende Unternehmensziele einzahlt, müsst ihr nicht künstlich beweisen, dass KI wichtig ist. Ihr zeigt, wo KI bereits relevante Prioritäten beschleunigt.

Von Zielen zu Stellschrauben

Der nächste Schritt: Brecht jedes Geschäftsziel auf die zugrunde liegenden Kennzahlen herunter. 

Wenn euer Ziel Umsatzwachstum ist, welche Faktoren beeinflussen dieses Ziel konkret?

In einer Vertriebsorganisation sind es oft:

• Anzahl vereinbarter Meetings
• Qualität der Erstgespräche
• Conversion Rates zwischen den Phasen
• durchschnittlicher Vertragswert
• Dauer bis zum Abschluss
• Geschwindigkeit im Nachfassen

In einer Produktorganisation können andere Stellschrauben entscheidend sein:

• Geschwindigkeit bei neuen Features
• Nutzungsrate bestehender Funktionen
• Aktivierung neuer Kunden
• zusätzlicher Umsatz mit bestehenden Kunden
• Anzahl gelöster Kundenprobleme pro Entwicklungszyklus

Im Kundendienst wiederum geht es vielleicht um:

• Erstlösungsquote
• durchschnittliche Bearbeitungszeit
• Eskalationsrate
• Kundenzufriedenheit
• Kosten pro Anfrage

Jedes Unternehmen hat solche Bausteine. Die meisten Führungskräfte kennen sie. Sie nehmen sich nur zu selten die Zeit, sie explizit mit KI zu verbinden.

Genau dort beginnt die Arbeit.

Jetzt wird KI konkret

Erst im dritten Schritt kommt KI ins Spiel.

Die Frage lautet nicht: «Wo könnte KI überall helfen?»

Diese Frage ist zu gross. Und meistens lautet die Antwort: überall ein bisschen. Das hilft niemandem.

Die bessere Frage lautet:

Welche dieser Stellschrauben kann KI konkret bewegen?

Können eure SDRs mehr qualifizierte Meetings vereinbaren, wenn sie mit KI bessere Zielkundenlisten, personalisierte Nachrichten und Follow-ups erstellen?

Können Account Executives Verkaufszyklen verkürzen, wenn KI nach jedem Discovery Call automatisch Lücken erkennt, nächste Schritte vorbereitet und Angebotsentwürfe beschleunigt?

Kann der Support mehr Anfragen beim ersten Kontakt lösen, wenn KI relevante Wissensartikel vorschlägt und Antwortentwürfe erstellt?

Kann das Produktteam schneller priorisieren, wenn KI Kundenfeedback clustert und Muster über Tickets, Calls und Nutzungsdaten hinweg sichtbar macht?

Jetzt entsteht eine Investitionsthese.

Nicht:

Alle sollten KI häufiger nutzen.

Sondern:

Unser grösster Hebel für Umsatzwachstum ist die Conversion vom ersten Kundengespräch zur Opportunity. KI kann diese Conversion verbessern, wenn Account Executives besser vorbereitet sind, Gesprächslücken schneller erkennen und konsequenter nachfassen.

Das ist deutlich präziser. Und vor allem: Es lässt sich messen.

Messt den Hebel, nicht das Gefühl

Die Frage «Macht KI uns produktiver?» bleibt auf Unternehmensebene oft schwammig.

Die Frage «Hatten Discovery Calls mit KI-Unterstützung eine höhere Conversion Rate als Gespräche ohne KI-Unterstützung?» lässt sich beantworten.

Das ist der Kern dieses Ansatzes.

Ihr messt nicht allgemeine Nutzung. Ihr messt eine geschäftlich relevante Veränderung an einer konkreten Stelle im System. 

Wenn die Zahl qualifizierter Meetings um 15 Prozent steigt, verändert das euer Unternehmen vielleicht nicht über Nacht. Aber ihr könnt den Effekt modellieren.

Kennt ihr eure Conversion Rates und eure durchschnittliche Deal-Grösse, könnt ihr berechnen, welchen Wert diese Steigerung über ein Jahr hat.

Das ist eine Zahl, mit der ein CFO arbeiten kann.

Sie ist deutlich hilfreicher als: «Unsere Mitarbeitenden geben an, ungefähr zwei Stunden pro Woche einzusparen.»

Woher wissen wir, dass diese Veränderung wirklich durch KI verursacht wurde?

Die ehrliche Antwort: vollständig wisst ihr es nicht.

Perfekte Attribution ist schwierig. Bei KI genauso wie bei Preisänderungen, neuer Positionierung, Trainingsprogrammen, neuen Mitarbeitenden oder veränderten Marktbedingungen.

Trotzdem könnt ihr einen belastbaren Zusammenhang herstellen.

Die einfachste Variante ist ein Vorher-Nachher-Vergleich. Messt die Kennzahl vor Einführung der KI-Lösung und verfolgt anschliessend die Entwicklung.

Wenn eure Conversion Rate bei Discovery Calls sechs Monate lang bei 22 Prozent lag und in den zwei Monaten nach Einführung einer KI-Unterstützung auf 28 Prozent steigt, ohne andere grosse Veränderungen, habt ihr keinen mathematischen Beweis. Aber ihr habt ein starkes Signal.

Für Unternehmensführung reicht oft nicht der perfekte Beweis. Es braucht eine vernünftige, nachvollziehbare Evidenz.

Eine zweite Variante ist der Vergleich zwischen KI-unterstützter und nicht KI-unterstützter Arbeit.

Wenn die Hälfte eurer Account Executives KI für die Meeting-Vorbereitung nutzt und die andere Hälfte nicht, kommt ihr einem kontrollierten Experiment im Unternehmensalltag ziemlich nahe.

Was sich im KI-Programm dadurch verändert

Wenn ihr KI vom Geschäftsziel her denkt, verändert sich euer gesamtes System.

Training wird spezifischer

Statt allen Mitarbeitenden ein allgemeines KI-Training anzubieten, baut ihr Trainings um konkrete Hebel herum. Das Marketingteam lernt dann nicht einfach «Prompting für alle». Es lernt, wie KI bessere Kampagnenbriefings, Zielgruppenvarianten, Content-Sets oder Performance-Auswertungen unterstützt.

Das Vertriebsteam arbeitet an anderen Use Cases: Vorbereitung, Gesprächsanalyse, Follow-up, Angebotsqualität, Pipeline-Geschwindigkeit.

Das ist weniger bequem als ein Standardtraining für alle. Aber deutlich wirksamer.

AI Champions bekommen einen besseren Auftrag

Viele AI Champions erhalten heute ein ziemlich vages Mandat:

Helft den Mitarbeitenden, KI besser zu nutzen.

Das ist gut gemeint, aber zu breit. Ein stärkerer Auftrag lautet:

Unterstützt euer Team dabei, Automatisierungen und neue Workflows aufzubauen, die diese konkreten Kennzahlen verbessern.

Damit wird ihre Arbeit fokussierter. Sie wissen, worauf sie achten müssen. Und ihre Wirkung lässt sich besser zeigen.

AI Champions werden damit vom Tool-Multiplikator zum Veränderungsarchitekten im eigenen Bereich. Das klingt grösser als es ist – aber es trifft den Punkt.

Erfolgsmessung wird anschlussfähig

Der grösste Vorteil: Ihr berichtet nicht mehr über KI-Aktivität, sondern über Unternehmenskennzahlen.

Nicht über Anzahl Prompts, Trainings, Nutzer und geschätzte Zeitersparnis, sondern um Conversion Rate, Bearbeitungszeit, Erstlösungsquote, Angebotsdurchlaufzeit, Kosten pro Fall, Umsatz pro Account Executive, Geschwindigkeit von Feature-Auslieferung bis Adoption.

Das Management kennt diese Kennzahlen bereits. Ihr müsst also nicht zuerst erklären, warum sie wichtig sind. Ihr zeigt, wie KI sie bewegt.

Führt dieses Gespräch vor dem vierten Quartal

Wenn du KI verantwortest und dein Führungsteam nach ROI fragt, warte nicht bis zur Budgetrunde. Setzt euch vorher zusammen und beantwortet drei Fragen:

• Welche drei bis fünf Kennzahlen entscheiden über unseren Geschäftserfolg 2027?
• Welche Stellschrauben beeinflussen jede dieser Kennzahlen?
• Wo kann KI diese Stellschrauben schneller oder stärker bewegen als Menschen allein?

Diese drei Fragen reichen, um die Diskussion zu verändern. Aus «Wir brauchen mehr KI-Nutzung» wird «Wir investieren in die Hebel, die unser Geschäft bewegen».

Denn am Ende interessiert sich niemand ernsthaft dafür, ob ein Unternehmen mehr Prompts schreibt. Interessant ist, ob sich Arbeit so verändert, dass relevante Kennzahlen besser werden. Genau dort beginnt KI-ROI, den man vor einem CFO vertreten kann.

Häufige Fragen

Warum ist Produktivität keine gute erste Kennzahl für KI-ROI?

Produktivität ist wichtig, aber oft schwer in finanziellen Wert zu übersetzen. Gesparte Zeit wird nicht automatisch zu mehr Umsatz, tieferen Kosten oder besseren Margen. Deshalb sollten Unternehmen KI zuerst mit konkreten Geschäftskennzahlen verbinden.

Wie findet man die richtigen Kennzahlen für KI-ROI?

Beginnt mit den bestehenden Geschäftszielen und brecht sie auf die relevanten Stellschrauben herunter. Bei Umsatzwachstum können das zum Beispiel Meetings, Conversion Rates, Deal-Grösse oder Verkaufszyklus sein. Danach prüft ihr, wo KI diese Stellschrauben konkret bewegen kann.

Was ist eine Investitionsthese für KI?

Eine Investitionsthese beschreibt, welche konkrete Kennzahl sich durch KI verbessern soll und warum. Statt «alle sollen KI häufiger nutzen» lautet sie zum Beispiel: KI soll die Conversion vom Erstgespräch zur Opportunity verbessern, weil Account Executives besser vorbereitet sind und schneller nachfassen.

Wie kann man zeigen, dass KI eine Kennzahl wirklich beeinflusst hat?

Perfekte Attribution ist selten möglich. Sinnvoll sind Vorher-Nachher-Vergleiche oder der Vergleich zwischen KI-unterstützter und nicht KI-unterstützter Arbeit. So entsteht keine absolute Gewissheit, aber eine belastbare Evidenz für Management und CFO.

Was verändert dieser Ansatz im KI-Programm?

Trainings, AI Champions und Erfolgsmessung werden spezifischer. Statt allgemeine KI-Nutzung zu fördern, richtet ihr Enablement und Automatisierungen auf konkrete Hebel aus, die ohnehin für das Unternehmen relevant sind.