Milliarden für KI – aber kaum einer kann den Erfolg messen

Warum die Messung des KI-ROI so schwierig ist

Die Herausforderungen umfassen vier Hauptbereiche:

Keine vorab festgelegten Ausgangsbasen. Die meisten KI-Einführungen beginnen erst nach dem Start mit der Verfolgung von Kennzahlen, was jede Wertzuordnung unmöglich macht . Eine ModelOp-Umfrage aus dem Jahr 2026 ergab, dass mehr als zwei Drittel der Unternehmen immer noch auf Schätzungen anstatt auf gemessene Finanzergebnisse zurückgreifen, um den Return on Investment zu bewerten .

Eitelkeitskennzahlen dominieren. Viele Unternehmen erfassen aktive Nutzer, Sitzungszahlen oder Abfragen pro Tag – Kennzahlen, die nichts darüber aussagen, ob KI tatsächlich einen geschäftlichen Mehrwert schafft . Die Kennzahl des Jahres 2025 war „Nutzer“. Die Kennzahl des Jahres 2026 muss „prüfbare Ergebnisse“ sein .

Die Produktions-ROI-Lücke. Der Gartner-CIO-Report 2026, der 11.000 CIOs befragte, ergab, dass 59 % der KI-Initiativen nie in die Produktion gelangen und 71 % der CIOs Schwierigkeiten haben, Anwendungsfälle zu priorisieren, die messbare Ergebnisse liefern .

Ausgabenexplosion ohne Transparenz. Die KI-Kosten verteilen sich auf mehrere Anbieter, Modelle und Abteilungen ohne einheitliches Abrechnungssystem . Forrester Research ergab, dass Unternehmen 25 % der geplanten KI-Ausgaben aufgrund der zunehmenden finanziellen Prüfung auf das Jahr 2027 verschieben .

Wie OpenAI, Anthropic und die Branche reagieren

OpenAI – ‚Nützliche Intelligenz pro Dollar‘

OpenAI-CFO Sarah Friar führte eine Vier-Fragen-Bewertungstafel ein: Funktioniert die KI? Ist sie kosteneffizient? Wächst der von ihr geschaffene Wert schneller als ihre Kosten? Dieses Rahmenwerk verlagert die Diskussion vom reinen Token-Verbrauch hin zu ergebnisbereinigten Stückkosten .

Anthropic – ‚Wirtschaftliche Grundbausteine‘

Anthropic veröffentlichte ein Rahmenwerk, das auf „wirtschaftlichen Grundbausteinen“ basiert und Aufgabenkomplexität, Autonomiegrad und Zeitersparnis im Verhältnis zu den Kosten pro Aufgabe misst – anstatt generischer Nutzung . Die unternehmenseigene Anleitung für Unternehmen betont Erfolgskennzahlen, die an Leistungsschwellen, Genauigkeit, Geschwindigkeitsverbesserungen und Kosteneffizienz gebunden sind .

Die Tokenomics Foundation der Linux Foundation

Die am 4. August 2026 mit rund 30 Gründungsmitgliedern – darunter JPMorgan Chase, Accenture, IBM, SAP, BNY und Booking.com – gegründete, herstellerneutrale Standardisierungsorganisation soll für KI-Token-Kosten das tun, was die FinOps Foundation für Cloud-Ausgaben getan hat . Ihr erster Entwurf, die „Big-T-Notation“, schlägt die Standardisierung der Kosten pro API-Aufruf (nicht Kosten pro Token) vor, sodass die Kennzahl direkt einer ausgeführten Arbeitseinheit entspricht . Die Stiftung definiert zudem Kosten-für-die-Bereitstellung-Kennzahlen, die es derzeit in keiner standardisierten Form gibt .

Elisity – ‚Bionische Mitarbeiterzahl‘

Das Cybersicherheitsunternehmen hat eine Kennzahl entwickelt, die die gesamten KI-Ausgaben durch die durchschnittlichen Personalkosten dividiert und dann die kombinierte Leistung menschlicher und KI-„Arbeiter“ mit dem Umsatz vergleicht. Dies bietet Finanzvorständen ein direktes Analogon zur Arbeitsproduktivität für KI-Investitionen .

Branchenweite Bemühungen

Die FinOps Foundation hat KI-spezifische Rahmenwerke veröffentlicht, die Stückkostenkennzahlen empfehlen – Kosten pro Abfrage, Kosten pro Benutzer, Kosten pro Workflow – um Token-Ausgaben für Unternehmensverantwortliche verständlich zu machen . Oracle, Jellyfish und andere bieten jetzt Token-Ökonomie-Dashboards an, die den Verbrauch auf Workflow-Ebene mit Geschäftsergebnissen verknüpfen . BCG schlägt eine formale „Return on AI“ (RoAI)-Kennzahl vor: Wirtschaftlicher Ertrag / (Kosten menschlicher Intelligenz + Kosten der Tokens) .

Was funktioniert: Der aufkommende Konsens zu ergebnisorientierten Kennzahlen

Über all diese Rahmenwerke hinweg zeichnet sich ein klares Muster ab. Die effektivsten Ansätze haben eine gemeinsame Struktur:

1. Definiere ‚Erledigt‘ vor dem Einsatz. Anstatt die generische Nutzung zu verfolgen, beginne mit einem Workflow und definiere, was ein erfolgreiches Ergebnis bedeutet .
2. Messe die Kosten pro Ergebnis, nicht die Kosten pro Token. Beispiele hierfür sind Kosten pro gelöstem Support-Ticket, Kosten pro akzeptiertem Pull-Request, Kosten pro ausgelieferter Funktion oder Kosten pro ausgeliefertem Marketing-Asset .
3. Weise Ausgaben Eigentümern zu. Jeder wesentliche Workflow sollte mit einem Eigentümer, einer Funktion, einer Produkt-gegenüber-internen Nutzung, einer GuV-Position, einem Modell und einem beabsichtigten Ergebnis getaggt werden .

Das Fazit

Kein einzelner Standard hat sich bisher breit durchgesetzt. Aber die Richtung ist klar: Es bildet sich ein wachsender Konsens um ergebnisorientierte Stückkosten – Kosten pro abgeschlossener Aufgabe, Kosten pro gelöstem Ticket, bionische Mitarbeiterzahl – anstatt um rohe Token-Zahlen. Für Finanz- und IT-Vorstände, die einen Ausgangspunkt suchen, bleibt der Rat von OpenAIs Sarah Friar der praktischste: „Der beste Ort, um zu beginnen, ist ein einziger Workflow. Definiere, was ‚erledigt‘ bedeutet, und messe dieses Ergebnis in dem System, in dem die Arbeit stattfindet“ .