Fast sieben von zehn großen börsennotierten Konzernen in den USA und Großbritannien setzen KI im Live-Betrieb ein. Knapp 30 Prozent können irgendeinen Effekt in Zahlen nennen, und nur rund 2 Prozent veröffentlichen eine Kennzahl, die sie Quartal für Quartal weiterverfolgen. So steht es im Marktbericht State of Markets II von Andreessen Horowitz vom 30. September 2026, der sich dabei auf eine Auswertung von 532 Unternehmen aus S&P 500 und FTSE 100 stützt.
Diese Konzerne haben Controlling-Abteilungen, Datenteams und Budgets, von denen ein mittelständisches Unternehmen nur träumt. Trotzdem können die allermeisten nicht belegen, was ihre KI bringt.
Wenn Sie das von Anfang an können, sind Sie also nicht hinten dran, sondern weiter als die meisten Großen.
Kurz gefasst: Halten Sie vor jeder KI-Einführung zwei bis vier Wochen lang fest, wie lange ein Ablauf heute dauert. Wählen Sie wenige Kennzahlen, die direkt an diesem Ablauf hängen, rechnen Sie die gesparte Zeit in Euro gegen alle laufenden Kosten und legen Sie vorher fest, wann Sie das Projekt beenden.
Technisch läuft es, wirtschaftlich offen
Bei Gesprächen im Silicon Valley haben wir genau dieses Muster immer wieder gehört, am deutlichsten bei einem jungen Software-Startup. Dessen Team hatte eine fast vollständig automatisierte Softwareentwicklung mit KI-Agenten aufgebaut, die hervorragend lief, bis sich die technische Grundlage änderte und das System für vier bis sechs Wochen ausfiel. Das Fazit der Gründer: technisch funktioniert es, ökonomisch noch nicht. Die ganze Geschichte und was sie für die KI-Transformation in Unternehmen bedeutet, steht im Blog von Ventas AI.
Hier geht es um die praktische Seite: Wie stellen Sie fest, ob sich ein KI-Einsatz bei Ihnen rechnet?
Warum so selten jemand misst
Drei Gründe begegnen uns in Projekten mit mittelständischen Unternehmen immer wieder, und keiner hat mit Technik zu tun.
Es gibt keinen Ausgangswert. Wer nicht weiß, wie lange die Bearbeitung einer Anfrage vor der KI gedauert hat, kann hinterher nur schätzen, und Schätzungen fallen bei einem Projekt, das man selbst angestoßen hat, erstaunlich freundlich aus.
Der Nutzen verteilt sich. Eine KI, die jedem im Team pro Tag zwölf Minuten spart, taucht in keiner Monatsauswertung auf, obwohl das bei zehn Leuten rund 40 Stunden im Monat sind.
Das Projekt läuft als IT-Thema. Dann misst man, ob das System läuft, und niemand fragt, ob der Vertrieb schneller Angebote schreibt.
Erst den Ausgangswert festhalten
Bevor irgendein Werkzeug eingeführt wird, sollten Sie zwei bis vier Wochen lang aufschreiben, wie der Ablauf heute aussieht. Das muss kein Projekt sein; oft reicht eine einfache Tabelle, in die das Team bei jedem Vorgang Startzeit, Endzeit und Ergebnis einträgt. Wichtig ist nur, dass Sie später mit derselben Methode noch einmal messen, sonst vergleichen Sie Äpfel mit Birnen.
Kennzahlen, die in Vertrieb und Website etwas aussagen
Allgemeine Größen wie „Produktivität" helfen wenig. Diese Kennzahlen lassen sich in den meisten Betrieben mit Bordmitteln erheben:
- Antwortzeit auf Anfragen: Wie viele Stunden vergehen zwischen Kontaktformular oder Mail und der ersten echten Antwort? Gerade hier bringt eine KI-Vertriebsautomation oft den deutlichsten Unterschied.
- Zeit von der Anfrage bis zum Angebot, gemessen in Arbeitstagen.
- Anteil qualifizierter Anfragen: Wie viele Kontakte passen tatsächlich zu Ihrem Angebot, und wie viel Zeit kostet es, die übrigen auszusortieren?
- Nacharbeit bei KI-Texten: Wie viele Minuten braucht jemand, um einen KI-Entwurf für die Website oder eine Kundenmail freigabefertig zu machen? Was dabei typischerweise schiefgeht, beschreibt unser Artikel zu Website-Texten mit ChatGPT.
- Nutzung nach drei Monaten: Wie viele im Team arbeiten noch regelmäßig mit der Lösung?
Die letzte Kennzahl wird fast immer unterschätzt. Eine KI, die nach der Einführungsphase niemand mehr öffnet, spart genau null Minuten, ganz gleich, wie gut sie in der Demo aussah.
Wie lange wartet eine Anfrage auf die erste Antwort? Eine der einfachsten Kennzahlen überhaupt. Bild KI-generiert.
Eine einfache ROI-Rechnung
Ein Rechenbeispiel, damit die Größenordnung greifbar wird; die Zahlen sind angenommen, nicht aus einem Kundenprojekt.
Angenommen, Ihr Vertrieb bekommt 120 Anfragen im Monat und braucht für die Vorqualifizierung jeder Anfrage im Schnitt 15 Minuten. Eine KI sortiert vor, fasst zusammen und schlägt eine Antwort vor, sodass pro Anfrage noch 5 Minuten übrig bleiben. Das sind 10 Minuten mal 120, also 20 Stunden im Monat. Bei internen Kosten von 50 Euro pro Stunde ergibt das 1.000 Euro monatlich.
Dem stehen gegenüber: Einrichtung, laufende Lizenz- oder Serverkosten und die Zeit, die das Team für Einarbeitung und Kontrolle aufwendet. Liegt die Summe dauerhaft unter den 1.000 Euro, rechnet sich das Projekt. Liegt sie darüber, ist das kein Weltuntergang, aber ein klares Signal, Umfang oder Werkzeug zu überdenken. Wie solche Abläufe im Vertrieb konkret aussehen, zeigt unser Überblick zur Vertriebsautomation.
Vorher festlegen, wann Schluss ist
Die vielleicht wertvollste Lehre aus dem Silicon Valley: Legen Sie vor dem Start fest, unter welchen Bedingungen Sie ein KI-Projekt beenden. Etwa so: „Wenn die Antwortzeit nach drei Monaten nicht um mindestens ein Drittel gesunken ist, stellen wir um." Wer das erst hinterher entscheidet, hält erfahrungsgemäß zu lange an einem Projekt fest, in das schon viel Zeit geflossen ist.
Wo spart KI in Ihrem Betrieb messbar Zeit?
Wir schauen mit Ihnen auf Vertrieb, Anfragen und Website, legen Ausgangswerte und Kennzahlen fest und sagen ehrlich, wo sich KI rechnet und wo nicht. Ein Gespräch von 30 Minuten reicht für den ersten Überblick.
Termin vereinbarenHäufige Fragen
Wie misst man den ROI von KI?
Indem Sie vor der Einführung einen Ausgangswert erheben, zum Beispiel Bearbeitungszeit oder Kosten pro Vorgang, nach der Einführung mit derselben Methode erneut messen und die eingesparte Zeit in Euro gegen alle laufenden Kosten der Lösung rechnen.
Welche KI-Kennzahlen sind für mittelständische Unternehmen sinnvoll?
Kennzahlen, die direkt an einem Ablauf hängen: Antwortzeit auf Anfragen, Zeit bis zum Angebot, Nacharbeit an KI-Ergebnissen, Kosten pro Vorgang und der Anteil der Mitarbeitenden, die die Lösung nach drei Monaten noch nutzen.
Ab wann sollte man ein KI-Projekt abbrechen?
Wenn die vorher festgelegten Ziele nach einer vereinbarten Frist, typischerweise drei Monate, klar verfehlt sind und sich keine konkrete Ursache findet, die sich mit vertretbarem Aufwand beheben lässt.
Fazit
Die großen Konzerne zeigen gerade, dass sich KI überall einsetzen lässt, ohne dass jemand weiß, was sie bringt. Für mittelständische Unternehmen ist das eine Gelegenheit: Wer vor dem Start einen Ausgangswert festhält, eine Handvoll Kennzahlen wählt und ein Abbruchkriterium definiert, weiß nach drei Monaten mehr über seinen KI-Einsatz als die meisten Unternehmen im S&P 500.
Wenn Sie herausfinden möchten, wo KI in Ihrem Vertrieb oder auf Ihrer Website messbar Zeit spart, finden Sie auf unserer Seite KI für mittelständische Unternehmen die nächsten Schritte.