Konkrete Kosteneinsparungen durch KI.

Die Frage nach konkreten Einsparungen durch KI gehört in jedem ernsthaften Strategiegespräch an den Anfang — und sie wird meist zu unkonkret beantwortet. Anbieter werben mit pauschalen Effizienzgewinnen von 30 oder 40 Prozent, ohne zu sagen, worauf sich diese Zahlen beziehen. Geschäftsführer hören das, rechnen still im Kopf hoch und sind im nächsten Moment wieder skeptisch, weil sie wissen, dass diese Quoten ihre eigenen Erfahrungswerte sprengen. Ein nüchterner Blick hilft: KI senkt Kosten — aber nicht überall gleich, nicht für jeden Mittelständler gleich und nicht ohne Voraussetzungen. Dieser Artikel benennt vier Bereiche, in denen die Einsparungen heute belastbar sind, mit ehrlichen Bandbreiten und den Bedingungen, unter denen sie eintreten. Wer die Logik dahinter versteht, kann für sein eigenes Unternehmen plausible Schätzungen anstellen — und Anbieter-Versprechen besser einordnen.

Warum pauschale Einsparungsversprechen in die Irre führen.

„30 Prozent weniger Aufwand“ ist ein Satz, der in Werbebroschüren gut funktioniert und in Vorstandspräsentationen schlecht. Er sagt nicht, worauf sich die 30 Prozent beziehen — auf den gesamten Prozess, auf die Bearbeitungszeit einzelner Vorgänge, auf das Personalbudget einer Abteilung? Er sagt auch nicht, ob diese Quote in einem Pilot mit drei Power-Usern erreicht wurde oder im Regelbetrieb mit dreißig durchschnittlichen Mitarbeitenden.

In der Beratungspraxis zeigt sich: Die Spanne zwischen Pilotwert und Produktivwert ist erheblich. Was im kontrollierten Pilotbetrieb 40 Prozent spart, landet im Roll-out häufig bei 15 bis 20 Prozent. Der Grund ist banal: Im Pilot arbeiten motivierte Frühanwender mit ausgesuchten Vorgängen. Im Echtbetrieb stoßen alle Mitarbeitenden auf alle Vorgänge, auch die, für die das System nicht trainiert ist.

Eine seriöse Einsparungsschätzung beginnt darum nicht mit einer Prozentzahl, sondern mit einer Zerlegung: Welcher Prozessschritt soll automatisiert werden? Wie viele Vorgänge pro Monat durchlaufen ihn? Was kostet ein Vorgang heute in Arbeitszeit? Und vor allem: Welcher Anteil dieser Vorgänge ist standardisiert genug, dass KI ihn übernehmen kann?

Personal: wo der größte Hebel sitzt — und wo nicht.

Der größte Kostenblock im Mittelstand ist Personal. Wenn KI dort Wirkung zeigt, fällt das ins Gewicht. In der Praxis lassen sich drei Kategorien unterscheiden: Tätigkeiten mit hohem Standardisierungsgrad und hohem Volumen, gemischte Tätigkeiten, und beratungsintensive Tätigkeiten mit hoher Variabilität.

Hohes Volumen, hohe Standardisierung: Hier liegen die belastbaren Einsparungen. Beispiele: Rechnungsprüfung mit hohem Aufkommen ähnlicher Belege, einfache Kundenkorrespondenz, Auftragsbestätigungen, Berichtsroutinen. Realistische Bandbreite: 20 bis 40 Prozent Zeitersparnis pro Vorgang nach sechs Monaten Einarbeitung. Wichtig: Die freigewordene Zeit ersetzt selten Stellen, sondern entlastet bestehende Mitarbeitende von Überlast oder ermöglicht zusätzliche Aufgaben.

Gemischte Tätigkeiten — Sachbearbeitung, Vertriebsinnendienst, Personalabteilung — bringen 10 bis 20 Prozent. Beratungsintensive Tätigkeiten — komplexer Vertrieb, strategische Einkaufsverhandlungen, individuelle Kundenbetreuung — bringen oft unter 10 Prozent, weil die kritische Arbeit weiter manuell bleibt.

Die belastbarste Rechnung lautet darum nicht „X Mitarbeitende sparen Y Prozent ihrer Zeit“, sondern „Wir wickeln Z Prozent mehr Vorgänge mit unveränderter Mannschaft ab“. Wer ehrlich rechnet, vermeidet die spätere Enttäuschung über fehlenden Stellenabbau, der ohnehin selten das politische Ziel ist.

Material- und Produktionskosten: wenn die Daten stimmen.

Im produzierenden Mittelstand liegen Einsparungen weniger im Personal als in Material, Energie und Ausschuss. Hier wirkt KI an drei Stellen besonders deutlich, vorausgesetzt, Sensorik und historische Daten sind vorhanden.

• Predictive Maintenance: 10 bis 25 Prozent Reduktion der ungeplanten Stillstände in Anlagen mit ausreichender Sensorik. Voraussetzung: mindestens 18 bis 24 Monate Maschinendatenhistorie und ein konsistentes Wartungslogbuch.
• Qualitätssicherung mit Bildverarbeitung: 30 bis 60 Prozent Reduktion der Pseudoausschüsse. Voraussetzung: klare Definition der Prüfkriterien und eine Beleuchtungssituation, die reproduzierbar ist.
• Energie- und Materialoptimierung: 5 bis 15 Prozent Einsparung im Energieverbrauch, oft bei gleichzeitig stabilerer Qualität. Voraussetzung: Messung in ausreichender zeitlicher Auflösung.

Diese Zahlen klingen niedriger als die werblich kommunizierten Spitzenwerte, halten aber im Mittelwert über mehrere Pilotprojekte hinweg. Wer einen Spitzenwert aus einem Anbieterprospekt liest, sollte fragen, an welcher Stelle einer Maschinenflotte und über welchen Zeitraum gemessen wurde. Spitzenwerte aus Einzelmaschinen lassen sich selten flächendeckend reproduzieren, weil Maschinenparks heterogen sind.

Reklamation, Service und Kundenbindung.

Ein häufig unterschätzter Bereich ist der Service. Hier wirkt KI doppelt: Einerseits senkt sie die direkten Bearbeitungskosten, andererseits wirkt sie auf die Kundenbindung — was sich in der Bilanz erst mittelfristig zeigt, aber häufig den größeren wirtschaftlichen Effekt erzeugt.

Direkter Effekt: Wenn ein Servicemitarbeitender mit KI-Unterstützung Anfragen 30 Prozent schneller beantwortet und die Erstlösungsquote von 60 auf 75 Prozent steigt, wirken sich beide Effekte auf das Personalbudget aus. Bei einem typischen mittelständischen Service-Team mit zehn Mitarbeitenden bedeutet das eine spürbare Entlastung, ohne dass Stellen abgebaut werden müssen.

Indirekter Effekt: Schnelle Erstreaktion und höhere Erstlösungsquote senken die Kündigungsraten. Bei B2B-Geschäften mit langen Vertragslaufzeiten ist eine um zwei Prozentpunkte gesenkte Abwanderungsquote häufig wertvoller als jede Einsparung im Tagesgeschäft. Diese Effekte sind methodisch schwerer zu quantifizieren, aber in Längsschnittauswertungen klar erkennbar.

Wichtig ist die Erwartungssteuerung: KI-gestützter Service bedeutet selten weniger Personal, sondern mehr Kapazität pro Kopf bei gleichzeitig sinkenden Bearbeitungszeiten. Wer die Rechnung als reine Personalkosteneinsparung aufstellt, unterschätzt den eigentlichen wirtschaftlichen Hebel.

Time-to-Market und indirekte Effekte.

Die direkten Personal- und Materialeinsparungen sind in Excel leicht zu fassen. Schwieriger, aber oft wirtschaftlich gewichtiger, sind indirekte Effekte: schnellere Markteinführung neuer Produkte, kürzere Angebotsphasen, niedrigere Fehlerkosten im Vertrieb.

Beispiel Angebotserstellung im Sondermaschinenbau: Wenn die Angebotsphase von drei Wochen auf eine Woche schrumpft, weil KI die Konstruktionsdatenbank durchsucht und die Kalkulationsgrundlage vorbereitet, gewinnt das Unternehmen Aufträge, die früher an schnellere Wettbewerber gingen. Der wirtschaftliche Wert ist nicht die eingesparte Bearbeitungszeit, sondern der zusätzliche Umsatz aus gewonnenen Aufträgen.

Solche Effekte messbar zu machen, ist anspruchsvoll. In der Praxis hilft eine vergleichende Betrachtung über mehrere Quartale: Wie viele Anfragen wurden bearbeitet, wie viele kamen zum Abschluss, wie hoch war die Quote vor und nach Einführung der KI-Unterstützung? Wenn die Trefferquote signifikant steigt, ist der wirtschaftliche Effekt deutlich höher als jede Personalkostenrechnung suggeriert.

Die Methodik dafür ist in unserem Beitrag ROI von KI-Projekten ehrlich berechnen ausführlich beschrieben — entscheidend ist, dass diese Effekte überhaupt im Rechenmodell auftauchen und nicht aus methodischer Bequemlichkeit weggelassen werden.

Wann Einsparungen nicht eintreten.

Drei Konstellationen führen regelmäßig dazu, dass die prognostizierten Einsparungen nicht erreicht werden. Wer sie kennt, kann sie im Vorfeld vermeiden — oder die Erwartung anpassen.

Erstens: Mangelhafte Datengrundlage. Wenn die Daten, mit denen die KI arbeiten soll, in inkonsistenten Formaten in fünf Systemen liegen, fließt der Großteil der Projektzeit in die Datenaufbereitung. Die Einsparungen kommen — aber später und niedriger. Realistisch sind Projektverlängerungen um 30 bis 80 Prozent in solchen Konstellationen.

Zweitens: Fehlende Akzeptanz. Eine technisch funktionierende Lösung, die nicht genutzt wird, spart nichts. Wer Mitarbeitende erst beim Roll-out involviert, bekommt häufig eine Nutzungsquote von 30 bis 50 Prozent — die Einsparungen halbieren sich entsprechend. In der Praxis ist Change Management der häufigste Grund für unterperformante KI-Projekte.

Drittens: Kontrollaufwand frisst die Einsparung. Manche Anwendungsfälle erfordern, dass Mitarbeitende die KI-Ausgaben weiterhin manuell prüfen. Wenn diese Kontrolle 60 Prozent der ursprünglichen Bearbeitungszeit kostet, bleibt am Ende kaum noch Einsparung übrig. Das ist kein Argument gegen den Einsatz — oft sind Qualität und Konsistenz dann die eigentlichen Gewinne — aber die Rechnung muss ehrlich geführt werden.

Eine belastbare Schätzung für das eigene Unternehmen.

Anstelle eines Pauschalansatzes hilft ein dreistufiges Vorgehen, das in der Praxis belastbare Schätzungen liefert und gleichzeitig die Risiken sichtbar macht.

1. Prozess identifizieren: Welcher Prozess hat hohes Volumen, klar definierte Eingaben und Ausgaben, und einen messbaren Zeitaufwand pro Vorgang? Genau dort liegt der erste Hebel.
2. Heutige Kosten ermitteln: Welche Arbeitszeit, welche Materialkosten, welche Fehlerkosten fallen heute pro Monat an? Diese Zahl ist die Bezugsgröße jeder ehrlichen Einsparungsrechnung.
3. Realistische Quote ansetzen: Statt 30 oder 40 Prozent aus der Werbebroschüre eine Bandbreite von 15 bis 25 Prozent für das erste Jahr ansetzen — mit der Möglichkeit, später zu skalieren, wenn die Erfahrung trägt.

Diese Bandbreiten klingen weniger spektakulär als die werblichen Zahlen, sie sind aber für einen Mittelständler von 80 bis 400 Mitarbeitenden viel belastbarer. Wer sein Projekt auf einer realistischen Schätzung aufsetzt, erlebt am Ende eine positive Überraschung, statt im zweiten Jahr eine peinliche Erklärung im Beirat liefern zu müssen.

Wer noch keinen Anhaltspunkt hat, wo der erste Hebel im eigenen Unternehmen liegt, beginnt mit einer Bestandsaufnahme von Prozessen, Datenlage und Mitarbeiterstruktur. Die Frage „Wo verbringen wir die meiste Zeit mit der wenigsten Wertschöpfung?“ führt fast immer auf zwei oder drei sinnvolle Kandidaten.

Sie wollen wissen, welche Einsparungen in Ihrem Unternehmen realistisch sind? Unverbindlich anfragen — wir schauen gemeinsam auf Prozesse, Daten und plausible Bandbreiten — ohne Hype und ohne Worst-Case-Panik.