Der beste KI-Anwendungsfall steht in deiner Erfolgsrechnung

Die häufigste Frage, die ich zu KI höre, lautet: «Was ist bei uns der richtige Anwendungsfall?» Meistens kommt sie mit einer Liste. Protokolle zusammenfassen, Offerten schreiben, E-Mails beantworten, irgendwas mit Agenten. Die Liste stammt aus einem Webinar, von einem Anbieter oder von LinkedIn, und sie hat mit der Firma, die fragt, wenig zu tun.

Schau dir an, wofür Schweizer KMU KI heute einsetzen. AXA hat dieses Jahr zusammen mit Sotomo 336 KMU befragt. Ganz oben stehen Übersetzen (47 Prozent) und Korrespondenz (42 Prozent). Beides ist nützlich, und ich mache es selbst jeden Tag. In der Erfolgsrechnung taucht es bloss nirgends auf. Fast die Hälfte der Firmen erwartet, dass KI Zeit spart, ohne dass sich beim Personal etwas ändert. AXA formuliert die offene Frage selbst: wie die KMU aus vielen kleinen Effizienzgewinnen echten Mehrwert machen.

Bei den grossen Firmen sieht es ähnlich aus. McKinsey hat im Frühsommer gut 1700 Führungskräfte weltweit befragt. 80 Prozent sagen, KI mache sie persönlich produktiver. 37 Prozent sagen, KI habe überhaupt etwas zum Betriebsergebnis ihrer Firma beigetragen, gleich viel wie im Jahr davor.

Ich glaube, das liegt weniger an der Technik als an der Frage. Wer mit «Was kann KI?» anfängt, landet bei dem, was KI gut kann. Wer mit «Womit verdienen wir Geld, und wo verlieren wir es?» anfängt, landet bei dem, was der Firma hilft, und das ist selten dasselbe.

Eine Firma lebt von zwei Zahlen

Mal ehrlich, das ist Betriebswirtschaft im ersten Semester. Eine Firma schafft Wert für jemanden, und dieser Jemand bezahlt dafür. Auf der anderen Seite kostet es etwas, diesen Wert herzustellen, zu verkaufen und auszuliefern. Was dazwischen übrig bleibt, ist der Grund, warum es die Firma gibt.

Daraus folgt eine harte Regel für jeden KI-Anwendungsfall. Er senkt Kosten, oder er bringt mehr Umsatz, oder er ist ein Hobby. Hobbys sind erlaubt, nur sollte niemand sie mit einer Strategie verwechseln.

Das klingt banal. Trotzdem scheitern viele Firmen genau hier, weil sie die zwei Seiten ihrer eigenen Rechnung zu grob kennen. Was im Jahr für Löhne und Miete draufgeht, steht in jeder Buchhaltung. Was es kostet, eine Offerte zu schreiben oder einen Neukunden zu gewinnen, weiss kaum jemand. Ich nehme mich da nicht aus. Eine Offerte kostet mich eine bis vier Stunden, je nach Umfang. Was das im Jahr in Franken heisst, habe ich nie zusammengerechnet. Die Buchhaltung zeigt Kosten nach Konto, und KI arbeitet in Abläufen. Solange diese Übersetzung fehlt, kann niemand sagen, wo KI etwas bewegt.

Vier Brillen aus der Business School

Für diese Übersetzung muss niemand etwas Neues erfinden. Die Werkzeuge stehen seit Jahrzehnten in den MBA-Lehrbüchern. Vier davon passen erstaunlich gut auf KI.

Der Gewinnbaum. Gewinn ist Umsatz minus Kosten, Umsatz ist Menge mal Preis, Kosten zerfallen in ihre Blöcke. Beim Chemiekonzern DuPont hat man die Rendite vor gut hundert Jahren so in Äste zerlegt, und jede Business School lehrt es bis heute. Für KI heisst das: Jeder Anwendungsfall muss an einem Ast hängen, und du musst sagen können, an welchem und um wie viel. Wer das nicht kann, hat einen Pilot, keinen Anwendungsfall.

Die Wertkette. Michael Porter hat 1985 jede Firma in Haupt- und Unterstützungstätigkeiten zerlegt: Material annehmen, herstellen, ausliefern, verkaufen, betreuen, und dahinter Führung und Finanzen, Personal, Technologie, Beschaffung. Wer die eigene Kette einmal Schritt für Schritt durchgeht, sieht, wo sich Arbeit staut und wo Kunden verloren gehen. So entsteht eine Landkarte der ganzen Firma. Der erste Anbieter am Telefon zeigt dir nur seinen Ausschnitt davon.

Kosten nach Tätigkeit statt nach Konto. Robert Kaplan und Steven Anderson haben dafür 2004 eine schlanke Methode beschrieben: Wie viele Minuten braucht ein Vorgang, wie oft kommt er vor, was kostet die Stunde. Dann steht da vielleicht, dass das Abtippen von Bestellungen aus E-Mails und PDFs jede Woche einen ganzen Arbeitstag frisst, verteilt auf mehrere Leute, und dass es niemand gemerkt hat, weil es auf keinem Konto steht. Das sind die Stellen, an denen KI zuerst etwas taugt: grosse Stundenblöcke mit wiederkehrender Kopfarbeit.

Der Engpass. Eliyahu Goldratt hat 1984 etwas aufgeschrieben, das Produktionsleiter auswendig kennen und das in KI-Verkaufsgesprächen kaum vorkommt. Eine Firma liefert so viel, wie ihr engster Punkt zulässt. Wenn die Offerten bei zwei Ingenieuren liegen, die auch noch Projekte leiten, dann verkauft die Firma so viel, wie diese zwei Leute offerieren können. Zeit, die du anderswo sparst, bleibt liegen. Diese vierte Brille halte ich für die wichtigste, weil sie ein Rätsel erklärt, über das gerade viele Ökonomen schreiben.

Gesparte Zeit ist noch kein gespartes Geld

Zwei Ökonomen haben in Dänemark Umfragen mit den amtlichen Lohn- und Arbeitszeitdaten von 25'000 Angestellten in 7'000 Betrieben verknüpft. Zwei Jahre nach dem Start von ChatGPT finden sie keinen messbaren Effekt auf Löhne oder Arbeitsstunden. Die gesparte Zeit liegt im Schnitt bei rund 3 Prozent. Gleichzeitig zeigt eine Studie von Forschern aus Stanford und dem MIT mit über 5000 Kundendienst-Mitarbeitenden, dass KI dort 14 Prozent mehr Fälle pro Stunde möglich macht, bei neuen Mitarbeitenden sogar 34 Prozent.

Beides stimmt. Die Leute werden schneller, und die Firma merkt es nicht. Die gesparte Viertelstunde verteilt sich über den Tag, landet im nächsten Meeting oder im Postfach. Zu Geld wird sie erst, wenn jemand den Ablauf so umbaut, dass Arbeit wegfällt oder ein externer Auftrag nicht mehr nötig ist, oder wenn die frei gewordene Zeit genau in den Engpass fliesst. McKinsey findet denselben Zusammenhang aus der anderen Richtung: Fast drei Viertel der Firmen mit deutlicher Ergebniswirkung haben ihre Abläufe wegen KI grundlegend umgebaut. Bei allen anderen ist es etwa ein Viertel.

Auf der Kostenseite: zuerst die Lieferantenrechnung

Die ehrlichste Einsparung steht oft auf der Rechnung eines Dritten. Ein Team am MIT hat letztes Jahr einen viel zitierten und methodisch dünnen Bericht veröffentlicht, aber ein Befund darin ist bemerkenswert: Die messbaren Einsparungen kamen vor allem aus tieferen externen Ausgaben, etwa für Agenturen und ausgelagerte Sachbearbeitung. Personal haben die Firmen dafür kaum abgebaut.

Für ein KMU ist das eine brauchbare erste Frage: Wofür zahlen wir heute jemanden draussen, weil wir es intern nicht schaffen? Bei vielen sind das Texte und Übersetzungen, bei manchen die Belegerfassung. Dort steht die Einsparung auf einer Rechnung und muss nicht aus Stundenschätzungen hochgerechnet werden.

Danach kommen die grossen Stundenblöcke, die die Kostenrechnung nach Tätigkeit sichtbar macht, typischerweise Auftragserfassung, Offertvorbereitung und Mahnwesen.

Auf der Umsatzseite: dort, wo Kunden warten

Hier ist die Wirkung grösser und schwerer zu messen. BCG hat diesen September über 1300 Führungskräfte befragt. Knapp die Hälfte der Firmen zieht inzwischen echten Wert aus KI. Die Vorreiter wachsen beim Umsatz mehr als doppelt so schnell wie die Nachzügler. Was sie laut BCG unterscheidet: Sie haben ganze Abläufe in ihren wichtigsten Bereichen von Anfang bis Ende neu gebaut. Das MIT findet dagegen die schnellsten Erträge im Backoffice. Ich halte beides für richtig. Im Backoffice liegt das Geld, das sich heute belegen lässt, und im Kerngeschäft das grössere, das erst nach einem Umbau kommt. Beide Studien befragen übrigens vor allem Grossfirmen.

Die Umsatzfrage lautet: Wo verlieren wir heute Kunden oder Aufträge, weil wir zu langsam oder zu teuer sind? Wenn deine Offerte nach zwei Tagen beim Kunden liegt statt nach zwei Wochen, gewinnst du andere Aufträge. Wenn du merkst, dass ein Kunde abspringen will, bevor er kündigt, behältst du ihn vielleicht. Beides hängt am Gewinnbaum, nur an einem anderen Ast als die Kosten.

Was diese Brille nicht sieht

Die Kosten-Umsatz-Brille hat blinde Flecken, und ich will sie nicht verschweigen. Risiko und Qualität kommen zu kurz, weil ein vermiedener Fehler auf keiner Rechnung steht. Auch das gebundene Kapital fehlt: Wer schneller fakturiert, hat früher Geld auf dem Konto, ohne mehr zu verkaufen. Einsparungen, die bald alle Konkurrenten auch haben, landen über kurz oder lang im Preis. Am meisten unterschätze ich selbst den vierten Fleck, nämlich das, was deine Leute längst auf eigene Faust mit KI tun, oft an Stellen, die in keiner Prozesslandkarte stehen.

Ich würde die Brille deshalb weiter fassen und auch auf Risiko, Liquidität und den heimlichen KI-Alltag im Betrieb richten.

Wo ich anfangen würde

Mit der eigenen Erfolgsrechnung vom letzten Jahr, bevor irgendein Werkzeug auf dem Tisch liegt. Drei Fragen dazu reichen für den Anfang: Wo liegen die grössten Kostenblöcke, nach Tätigkeit statt nach Konto? Wo zahlen wir Dritte für Arbeit, die sich wiederholt? Und wo ist der eine Engpass, der bestimmt, wie viel wir verkaufen oder ausliefern können?

Wer diese drei Fragen beantwortet hat, braucht keine Liste aus einem Webinar mehr. Die Anwendungsfälle stehen dann da, mit einer Zahl daneben.

Mich interessiert, wie das bei dir aussieht: Weisst du, was eine Offerte in deiner Firma kostet?

Quellen

• AXA / Sotomo, KMU-Arbeitsmarktstudie 2026, 336 KMU, Befragung März 2026, KI-Teil publiziert 16.09.2026. inside-it.ch
• McKinsey, The State of AI in 2026: On the road to ROI, 1’719 Befragte, publiziert 26.08.2026. mckinsey.com
• BCG, Applied AI Index 2026, 1’330 Befragte, publiziert 30.09.2026. PR Newswire
• MIT NANDA, The GenAI Divide: State of AI in Business 2025, Juli 2025. PDF
• Brynjolfsson, Li, Raymond, Generative AI at Work, Quarterly Journal of Economics 2025. NBER
• Humlum, Vestergaard, Large Language Models, Small Labor Market Effects, NBER w33777, revidiert März 2026. NBER
• Kaplan, Anderson, Time-Driven Activity-Based Costing, Harvard Business Review, November 2004. hbr.org
• Michael E. Porter, Competitive Advantage, 1985. Eliyahu M. Goldratt, The Goal, 1984.