Amortisationszeiten von KI-Projekten realistisch.

„Payback in sechs Monaten“ gehört zu den Versprechen, die in KI-Verkaufsgesprächen besonders oft fallen. Manchmal stimmt es, oft nicht — und meist liegt es nicht an der Technik, sondern an der Rechnung. Amortisationszeiten von KI-Projekten unterscheiden sich teils erheblich von klassischen IT-Investitionen, weil sich Aufwand und Nutzen anders verteilen. Während ein ERP-System nach dem Go-Live Jahre läuft und die Vorinvestition über lange Zeit abträgt, hat KI typischerweise eine flachere, aber unstetigere Nutzenkurve. Manche Projekte amortisieren sich in vier bis sechs Monaten, andere brauchen zwei Jahre, wieder andere amortisieren sich nie, weil die Annahmen falsch waren. Wer hier verlässlich rechnen will, muss die typischen Schönfärbereien kennen und ein paar handwerkliche Regeln befolgen. Dieser Artikel zeigt, welche Bandbreiten in welchen Anwendungsbereichen realistisch sind und wo die häufigsten Rechenfehler stecken.

Warum die Amortisationsrechnung bei KI anders aussieht.

Bei einer klassischen Maschineninvestition kennt man die Anschaffungskosten, die jährlichen Wartungskosten und die produzierte Stückzahl. Die Amortisation lässt sich mit drei Zahlen berechnen, das Ergebnis ist robust. KI-Projekte haben eine andere Kostenstruktur: Die initiale Lizenz ist häufig klein, die Integration mittelgroß, der laufende Betrieb mit Schulung, Qualitätssicherung und kontinuierlicher Anpassung dauerhaft präsent.

Hinzu kommt, dass der Nutzen nicht linear einläuft. Im ersten Quartal arbeiten Mitarbeitende noch parallel mit alten und neuen Prozessen. Im zweiten Quartal beginnt die KI Wirkung zu zeigen, oft mit Rückschlägen. Erst ab Monat sechs bis neun stabilisiert sich der Effekt — wenn das Projekt nicht vorher abgebrochen oder umgebaut wurde.

Eine ehrliche Amortisationsrechnung muss diese Kurve abbilden. Wer mit linearen Annahmen rechnet — „ab Monat eins 30 Prozent Einsparung“ — schreibt sich die Amortisation schön. Realistisch ist eine s-förmige Kurve: erst flache Anlaufphase, dann Steilanstieg, dann Plateau. Dieser Verlauf verschiebt den Break-even um Monate.

Typische Bandbreiten nach Anwendungsfall.

Die Amortisationszeit hängt stark vom Anwendungsfall ab. In der Beratungspraxis ergeben sich grobe Mittelwerte, die als Orientierung taugen — aber jedes konkrete Projekt streut um diese Werte.

„Robustheit der Rechnung“ meint, wie verlässlich sich die Einsparung im Vorhinein abschätzen lässt. Bei einem Copilot, der von 80 Mitarbeitenden täglich genutzt wird, ist die Rechnung relativ klar. Bei einem Custom-Modell für Forecasting ist die Wirkung erst messbar, wenn das Modell stabil läuft — und das kann dauern.

Wichtig: Diese Bandbreiten gehen von einem ordentlich aufgesetzten Projekt aus. Bei mangelhafter Vorbereitung, schlechter Datenlage oder schwacher Akzeptanz verschiebt sich die Amortisation deutlich nach hinten — oder sie tritt nie ein.

Vier typische Rechenfehler, die die Amortisation schönfärben.

In jeder Anbieterpräsentation, jedem internen Business Case und manchen Beraterberichten finden sich die gleichen Fehler. Wer sie kennt, kann sie korrigieren — oder zumindest beim Lesen die richtigen Fragen stellen.

• Vergessene Implementierungskosten: Die Lizenz steht im Angebot, die Integration nicht. In der Praxis liegt der Integrationsaufwand bei 1,5- bis 3-fach der jährlichen Lizenzkosten — und er fällt vor dem Nutzen an.
• Linearer Nutzenverlauf: Die Rechnung unterstellt volle Wirkung ab Tag eins. Realistisch sind 0 Prozent im ersten Monat, 20 Prozent im dritten, 60 Prozent im sechsten, 90 Prozent ab dem neunten. Die durchschnittliche Wirkung des ersten Jahres liegt damit eher bei 40 als bei 80 Prozent der Endwirkung.
• Vergessene Schulungskosten: Mitarbeitende müssen lernen, mit dem System zu arbeiten. Pro Person fallen typischerweise vier bis acht Stunden Schulungszeit an, plus zwei bis drei Wochen mit halber Produktivität in der Lernphase.
• Vergessene Qualitätssicherung: KI macht Fehler. Bei produktivem Einsatz braucht es eine Stichprobenkontrolle, oft 5 bis 15 Prozent der bearbeiteten Vorgänge. Diese Kontrollzeit muss in die Rechnung.

Wer diese vier Posten ergänzt, kommt häufig auf eine Amortisationszeit, die 50 bis 100 Prozent länger ist als die ursprüngliche Schätzung. Das ist kein Argument gegen das Projekt, aber gegen falsche Erwartungen.

Wann sich KI besonders schnell amortisiert.

Es gibt Konstellationen, in denen die Amortisation tatsächlich in unter sechs Monaten liegt. Sie haben drei Gemeinsamkeiten: hohes Volumen wiederkehrender Tätigkeiten, geringe Komplexität pro Vorgang und gute Akzeptanz bei den ausführenden Mitarbeitenden.

Konkretes Beispiel aus dem produzierenden Mittelstand: Ein Unternehmen mit zwölf Mitarbeitenden in der Auftragssachbearbeitung bearbeitet 2.500 Vorgänge pro Monat. Jeder Vorgang dauert im Schnitt zwölf Minuten. Ein KI-System, das die ersten Schritte der Sachbearbeitung übernimmt, reduziert die Bearbeitungszeit auf neun Minuten. Bei 30.000 Vorgängen pro Jahr summiert sich die Einsparung auf 1.500 Stunden — entsprechend rund 75.000 Euro Personalkosten. Die Investition lag bei knapp 60.000 Euro. Amortisation: zehn Monate inklusive Anlaufphase.

Solche Rechnungen sind möglich, wenn Volumen, Standardisierung und Akzeptanz zusammenkommen. Sie sind nicht möglich, wenn ein Unternehmen mit 200 Vorgängen pro Monat startet und davon ausgeht, dass sich ein eigenes Modell schon „rechnet“. Bei niedrigem Volumen gewinnt fast immer eine Standardlösung gegen ein Custom-Projekt.

Wann die Rechnung trügt — und das Projekt trotzdem richtig sein kann.

Manchmal amortisiert sich ein KI-Projekt rechnerisch nie — und ist trotzdem strategisch richtig. Drei Fälle, in denen die klassische Amortisationsrechnung in die Irre führt.

Erstens: Das Projekt sichert ein Geschäft, das ohne KI verloren gehen würde. Wenn der Wettbewerb seine Reaktionszeiten halbiert und Sie nachziehen müssen, um nicht aus dem Markt gedrängt zu werden, ist die richtige Vergleichsrechnung nicht „Investition gegen Einsparung“, sondern „Investition gegen Marktanteilsverlust“. Die Zahlen sehen ganz anders aus.

Zweitens: Lernkurven-Effekte. Das erste KI-Projekt eines Unternehmens bringt nicht nur den unmittelbaren Nutzen, sondern Kompetenz, Daten und Infrastruktur, die das zweite, dritte und vierte Projekt billiger und schneller machen. Diese „Optionskosten“ tauchen in der ersten Rechnung nicht auf, sind aber real.

Drittens: Qualitätsgewinne, die sich nicht in Stunden, aber in Kundenzufriedenheit, Fehlerquote oder Reputation niederschlagen. Eine Konstruktionsabteilung, die durch KI fundierter kalkuliert, vergibt seltener unauskömmliche Angebote — ein Effekt, der erst nach zwei Jahren sichtbar wird, aber strategisch deutlich wertvoller ist als die direkte Zeitersparnis.

Das heißt nicht, die Amortisationsrechnung sei unwichtig. Sie ist eine notwendige Disziplinierung. Aber sie ist nicht das einzige Kriterium — und Entscheider sollten sich davor hüten, gute Projekte abzulehnen, weil ihre Hauptwirkung jenseits der direkten Kostenrechnung liegt.

Was die Amortisationszeit am stärksten beeinflusst.

Wenn man die Streuung tatsächlicher Amortisationszeiten in vergleichbaren Projekten betrachtet, sticht ein Faktor heraus, der alle anderen dominiert: die Vorarbeit. Datenqualität, Prozessdokumentation, Mitarbeiterbereitschaft. Wer in diesen drei Punkten gut vorbereitet ist, halbiert die Amortisationszeit. Wer sie unterschätzt, verdoppelt sie — oder mehr.

Datenqualität: Wenn die Trainingsdaten in einheitlichem Format vorliegen, kann die Modellierung in Wochen abgeschlossen werden. Wenn sie aus drei verschiedenen Systemen mit unterschiedlichen Schemata stammen, vergehen Monate, bevor das eigentliche Modell überhaupt sinnvolle Ergebnisse liefert.

Prozessdokumentation: KI automatisiert keine Tätigkeit, die niemand beschreiben kann. Wenn die Sachbearbeitung in den Köpfen erfahrener Mitarbeitender steckt und nirgends dokumentiert ist, muss erst das Wissen erfasst werden, bevor automatisiert werden kann. Diese Vorarbeit kostet zwei bis vier Monate.

Akzeptanz: Wenn die ausführenden Mitarbeitenden früh eingebunden sind, läuft der Roll-out schnell. Wenn die Einführung als Überraschung von oben kommt, verlängert sich der Nutzbeginn um Monate, weil das System zwar läuft, aber kaum genutzt wird.

Wie eine ehrliche Amortisationsrechnung aussieht.

Eine belastbare Rechnung enthält drei Elemente, die in vielen Business-Case-Vorlagen fehlen: realistische Kostenseite, gestufte Nutzenkurve und Szenarienrechnung.

Die Kostenseite umfasst Lizenz, Integration, Schulung, Qualitätssicherung, Datenaufbereitung und einen Risiko-Puffer von 15 bis 25 Prozent. Wer diesen Puffer weglässt, kalkuliert systematisch zu knapp. Die Nutzenkurve startet nicht bei voller Wirkung, sondern bei null und erreicht das geplante Plateau nach sechs bis zwölf Monaten — abhängig vom Anwendungsfall.

Die Szenarienrechnung umfasst drei Fälle: optimistisch, erwartet, pessimistisch. Optimistisch: alles läuft besser als geplant, Amortisation in der Untergrenze der Bandbreite. Erwartet: die mittlere Bandbreite. Pessimistisch: das Projekt verzögert sich, Akzeptanz ist niedrig, Nutzen erreicht nur 60 Prozent der Erwartung. Wenn ein Projekt auch im pessimistischen Szenario in 24 Monaten Break-even erreicht, ist die Entscheidung deutlich robuster, als wenn sie nur im optimistischen Fall trägt.

Diese Disziplinierung verlangsamt manche Entscheidung. Aber sie verhindert, dass das KI-Programm nach zwei Jahren als „hatte wohl zu hohe Erwartungen“ abgehakt wird — und sie hilft, die Projekte mit dem besten Hebel zuerst anzugehen.

Sie wollen für ein konkretes KI-Projekt eine belastbare Amortisationsrechnung aufstellen? Unverbindlich anfragen — wir gehen gemeinsam Kosten, Nutzenkurve und realistische Szenarien durch — ohne Schönrechnerei und ohne Übervorsicht.