ROI-Messung bei KI-Projekten: So rechnen Sie richtig

Warum die klassische ROI-Formel für KI nicht reicht

Die Betriebswirtschaft rechnet ROI standardmäßig so: ROI (%) = (Gewinn − Kosten) / Kosten × 100. Das funktioniert für neue Maschinen. Bei KI ist das Problem: Der Gewinn liegt in Vermeidung, nicht in Ertrag. Fehlerquoten sinken um 23 bis 31 Prozent (McKinsey 2024, „AI and automation in manufacturing"), aber das ist kein Umsatz, den Sie auf der Rechnung sehen. Stattdessen sinken Nacharbeitskosten, Ausschussquoten und Ausfallzeiten.

Die richtige Formel für KI in der Fertigung lautet: ROI (%) = (Jährliche Einsparnis − Laufende KI-Kosten) / Implementierungskosten × 100. Das macht bereits einen großen Unterschied aus. Die zweite Hürde: KI bringt meistens nicht eine Verbesserung, sondern drei oder vier gleichzeitig. Jede muss separat gemessen werden.

Die drei Messketten: Fehler, Durchsatz, Verfügbarkeit

1. Fehlerreduktion messen: Eine Fehlerquote von 2,3 Prozent sinkt mit KI-Überwachung auf 1,1 Prozent. Bei 10.000 Teilen pro Monat und 80 Euro Nacharbeitskosten pro Fehler spart das 960 Euro pro Monat, also knapp 11.500 Euro pro Jahr. Das ist real, aber nicht spektakulär.

2. Durchsatzsteigerung messen: BCG misst in über 150 Fertigungsbetrieben einen Durchsatzanstieg um 12 bis 18 Prozent. Das bedeutet konkret: Die gleiche Maschine produziert mehr Teile in der gleichen Zeit. Eine Maschine, die bisherig 85 Prozent ausgelastet war und 240 Teile pro Schicht machte, kommt mit KI-gestützter Rüstoptimierung auf 91 Prozent Auslastung und 267 Teile pro Schicht. Das sind 27 zusätzliche Teile pro Tag. Bei 120 Euro Verkaufspreis minus 45 Euro Materialkosten sind das 525.000 Euro zusätzlicher Deckungsbeitrag pro Jahr — wenn die Kapazität auch abverkauft wird.

3. Verfügbarkeit messen: Ungeplante Ausfallzeiten sind in der Fertigung teuer. Predictive Maintenance kann ungeplante Ausfälle um 20 bis 35 Prozent senken. Eine Anlage mit 2 Prozent ungeplanter Ausfallzeit pro Jahr kommt auf 1,4 bis 1,6 Prozent. Das ist klein, aber 0,4 Prozentpunkte sind bei 5.000 Betriebsstunden pro Jahr 20 Stunden weniger Ausfallzeit. 20 Stunden × 8 Teile pro Stunde × 75 Euro Deckungsbeitrag = 12.000 Euro jährlich.

Implementierungskosten richtig zählen

Software, Hardware, Training — das sind die offensichtlichen Kosten. Aber in der Praxis sind sie oft die kleineren Posten. Eine realistische Kalkulation für einen Fertigungsbetrieb mit 200 bis 500 Mitarbeitern: 150.000 bis 400.000 Euro Einmalkosten, plus 30.000 bis 60.000 Euro jährlich für Betrieb und Updates.

• Direkte Kosten: KI-Software (20–150 KEuro/Jahr), Hardware (10–80 KEuro), Integration (30–200 KEuro), Schulung (5–20 KEuro)
• Versteckte Kosten: Datenaufbereitung (20–40 % der Projektzeit), IT-Sicherheit (15–25 %), Personalkosten für Projektleitung, Ramp-up-Verluste (3–6 Monate reduzierte Produktivität)

Amortisationszeit: 18 bis 24 Monate realistisch

McKinsey bestätigt einen Durchschnitt von 18 bis 24 Monaten. Ein Beispiel einer mid-size Fabrik: Fehlerreduktion 12.000 Euro jährlich, Durchsatzgewinn 180.000 Euro jährlich (angenommen, Kapazität ist absetzbar), Verfügbarkeit 15.000 Euro jährlich = 207.000 Euro jährlich eingesparte Kosten. Abzug laufende KI-Betriebskosten 50.000 Euro jährlich = Netto 157.000 Euro jährlich. Bei 300.000 Euro Implementierungskosten: 300.000 ÷ 157.000 = 1,9 Jahre. Das ist realistisch.

Häufige Fehler beim Rechnen

• Falsche Baseline: Sie vergleichen nicht Zustand-vor-KI mit Zustand-nach-KI, sondern mit einem idealen Zustand. Messbare Baseline: wie arbeitet die Maschine diese Woche, ohne KI?
• Einmalkosten in die laufende Rentabilität: KI-Software kostet Monat 1–24 anders als Monat 25+. Bitte auseinanderhalten.
• Einsparungen, die es nicht gibt: Kalkulieren Sie nicht „KI ist 10 Prozent genauer", sondern „10 Prozent von bisheriger Fehlerquote".
• Change-Management unterschätzen: Rechnen Sie 3 bis 6 Monate ein, in denen die Maschine mit 70 bis 85 Prozent läuft, weil Menschen und KI sich erst kennenlernen müssen.