Parradee - stock.adobe.com
ROI von KI-Projekten: Warum der Business Case oft täuscht
Warum die Fixierung auf den ROI von KI Unternehmen bremst – und wie ineffiziente Dokumentenprozesse den eigentlichen Engpass bilden. Ein Perspektivwechsel für IT-Entscheider.
Wenn Unternehmen beginnen, sich mit künstlicher Intelligenz (KI) zu beschäftigen, steht schnell eine Frage im Raum: Was bringt uns das aus wirtschaftlicher Sicht? Ein klar berechneter Return on Investment (ROI) gilt in vielen Unternehmen als Inbegriff unternehmerischer Rationalität. Doch genau dieser Maßstab blockiert oft die eigentliche Entwicklung, weil sich der Mehrwert von KI nicht unbedingt entlang gängiger Bewertungskriterien erfassen lässt. Dass sich Unternehmen auf eine kurzfristig messbare Rendite fixieren, wirkt oft wie ein Schutzmechanismus. Denn solange sich der Nutzen nicht eindeutig messen lässt, müssen bestehende Strukturen nicht hinterfragt werden.
Der eigentliche Fehler liegt in der Annahme, KI müsse vor allem zusätzlichen Wert schaffen. In der Praxis entsteht ihr Nutzen häufig anders. Sie räumt mit Arbeitsschritten auf, die sich über Jahre in Prozesse eingeschlichen haben wie beispielsweise manuelle Zwischenschritte oder doppelte Prüfungen. Statt Neues zu schaffen, wirkt sie als Diagnoseinstrument. Sie legt offen, wo Organisationen Ressourcen binden, sodass redundante und manuelle Zwischenschritte gezielt entfallen können
Die eigentliche Baustelle liegt im Dokumentenbestand
Unternehmen in Europa, dem Nahen Osten und Afrika investieren derzeit erheblich in KI-Initiativen, von ersten Pilotprojekten bis hin zu umfassenden Innovationsprogrammen. Gleichzeitig geraten viele dieser Vorhaben ins Stocken. Der Grund dafür liegt allerdings weniger in der Technologie selbst als in der strukturellen Basis, auf der sie aufsetzen soll.
Im Zentrum nahezu aller Geschäftsprozesse stehen Dokumente wie Verträge, Rechnungen, Compliance-Berichte oder Onboarding-Dokumentationen. In ihnen bündeln sich operative Entscheidungen, regulatorische Verpflichtungen und finanzielle Risiken. Dennoch sind sie in vielen Organisationen fragmentiert abgelegt, in proprietären oder statischen Formaten gespeichert und nur eingeschränkt maschinell auswertbar.
Oft fehlen einheitliche Metadatenstrukturen, standardisierte Datenmodelle oder saubere Schnittstellen zu ERP-, CRM- und Workflow-Systemen. Insbesondere generative Modelle und Automatisierungsplattformen sind darauf angewiesen, dass Dokumente maschinenlesbar und systemübergreifend integrierbar sind.
Wo die Debatte ansetzt und warum das nicht reicht
Viele Unternehmen stellen die Technologie in den Mittelpunkt ihrer Überlegungen. Erfolgreicher jedoch ist der Ansatz, nicht bei KI zu beginnen, sondern bei bestehenden Reibungsverlusten.
In nahezu jeder Organisation finden sich wiederkehrende Ineffizienzen. Daten werden manuell übertragen, Verträge zeitaufwendig geprüft, Rechnungsinformationen in mehreren Systemen neu erfasst, Freigaben über E-Mail-Ketten koordiniert. Häufig entstehen diese Medienbrüche dort, wo Systeme nicht sauber integriert sind oder Dokumente nicht in strukturierter Form vorliegen, um automatisiert verarbeitet oder systemübergreifend integriert zu werden.
Wird der Blick auf diese operativen Engpässe gerichtet, verändert sich die Rolle der KI. Sie zwingt Organisationen, zwischen notwendigen Abläufen und historisch gewachsenen Routinen zu unterscheiden und entzieht Strukturen ihre Selbstverständlichkeit, die lange nicht mehr hinterfragt wurden. Ähnlich einem Röntgenbild, das Brüche sichtbar macht, die unter der Oberfläche verborgen bleiben.
Das verborgene Budget
Die Kosten ineffizienter Dokumentenprozesse sind längst real, aber sie tauchen meist nicht als eigenständiger Budgetposten auf. Gerade in IT-Budgets werden diese Aufwände häufig indirekt als Integrations- oder Support-Kosten verbucht, ohne dass ihre strukturelle Ursache adressiert wird.
Wer den ROI von KI berechnet, setzt implizit häufig einen Nullzustand voraus – als gäbe es bisher keine Kosten. Tatsächlich finanzieren viele Organisationen Automatisierung bereits, nur eben in umgekehrter Form: durch fortlaufende manuelle Arbeit. Die eigentliche Vergleichsgröße ist daher ein Status quo, der oft teurer ist, als er auf den ersten Blick erscheint.
In diesem Kontext verschiebt sich die Logik der Investition. KI muss nicht zwingend zusätzliche Umsätze generieren, um ihre Sinnhaftigkeit zu rechtfertigen. Oft reicht es aus, bestehende Verschwendung systematisch zu reduzieren und gebundene Ressourcen produktiver einzusetzen. Der ökonomische Effekt entsteht durch Umverteilung, nicht durch Expansion.
Wenn der perfekte Business Case bremst
Die Forderung nach einem exakt bezifferten ROI verlangsamt den Prozess zusätzlich. Dokumentenbasierte Ineffizienzen sind selten zentral erfasst und ihre Auswirkungen verteilen sich über Abteilungen hinweg, wodurch sie sich nur schwer isoliert quantifizieren lassen. Während intern noch gerechnet wird, setzen Wettbewerber operative Verbesserungen bereits um. Die Erwartung eines vollständig durchgerechneten Business Case kann so paradoxerweise dazu führen, dass strukturelle Defizite unangetastet bleiben – da ihre Beseitigung nicht unmittelbar in einer einzelnen Kennzahl sichtbar wird.
„Wer den ROI von KI berechnet, setzt implizit häufig einen Nullzustand voraus – als gäbe es bisher keine Kosten. Tatsächlich finanzieren viele Organisationen Automatisierung bereits, nur eben in umgekehrter Form: durch fortlaufende manuelle Arbeit.“
Evan Reiss, Foxit
Der eigentliche Handlungsbedarf zeigt sich im Tagesgeschäft. Dort gleichen Mitarbeitende Systemgrenzen manuell aus, pflegen Daten mehrfach und sichern Abläufe, die technisch längst anders organisiert werden können. Die größten Risiken resultieren dabei nicht aus falschen Strategien, sondern aus Dokumentenprozessen, die über Jahre hinweg unkoordiniert gewachsen sind.
Dokumente als Infrastruktur
Gerade in administrativen Bereichen wird der praktische Nutzen von KI sichtbar. Die manuelle Prüfung umfangreicher Verträge, die Verarbeitung großer Rechnungsvolumina oder die Bearbeitung regulatorischer Dokumentationen fordern Zeit und Aufmerksamkeit. Intelligente Analyse- und Automatisierungssysteme verkürzen diese Abläufe spürbar und erhöhen zugleich Transparenz und Nachvollziehbarkeit. Voraussetzung dafür ist jedoch eine durchgängige Systemarchitektur, in der Dokumente als strukturierte Datenquellen verstanden werden.
Diese Systeme legen dabei offen, wie groß der Anteil an Tätigkeiten ist, die bislang als unvermeidlich galten, tatsächlich aber nur Ausdruck technischer und organisatorischer Versäumnisse waren. Der Effekt ist selten spektakulär, aber strukturell relevant, da Prozesse beschleunigt werden und Fehlerquoten sinken.
Über Jahre hinweg galten PDF-Tools und Dokumentensoftware als reine Produktivitätswerkzeuge. Diese Einordnung greift inzwischen zu kurz. Dokumente sind die infrastrukturelle Grundlage betrieblicher Tätigkeit. In ihnen bündeln sich Entscheidungsgrundlagen und Wertschöpfung. Wer Dokumente intelligent strukturiert, zugänglich macht und sicher verwaltet, schafft die Voraussetzung für belastbare KI-Anwendungen. Wer sie vernachlässigt, etabliert ungewollt einen Engpass.
Vor diesem Hintergrund verändert sich auch die ROI-Debatte. KI muss nicht als disruptiver Wachstumstreiber inszeniert werden. Ihr ökonomischer Wert liegt darin, überholte Arbeitsschritte zu eliminieren und sichtbar zu machen, wo Prozesse ihren ursprünglichen Zweck verloren haben. Sobald dieser Zusammenhang erkannt wird, verliert die isolierte Betrachtung des unmittelbaren ROI an Relevanz und der Nutzen wird im laufenden Betrieb sichtbar.
Über den Autor:
Evan Reiss leitet derzeit das internationale Marketing bei Foxit. Dort setzt er sich für KI-gestützte Strategien ein, die Marketingverantwortliche und Wissensarbeiter dabei unterstützen, effizienter und wirkungsvoller zu arbeiten. Er verfügt über umfassende Go-to-Market-Erfahrung bei Technologieunternehmen wie Square und GM und hat sowohl Start-ups innerhalb großer Konzerne aufgebaut als auch junge Unternehmen erfolgreich skaliert. Als Autor und Speaker beschäftigt er sich mit der Schnittstelle von KI, Design Thinking und Marketingtechnologie.
Die Autoren sind für den Inhalt und die Richtigkeit ihrer Beiträge selbst verantwortlich. Die dargelegten Meinungen geben die Ansichten der Autoren wieder.
