Der Vorstand hat sich für KI entschieden. Die Use Cases sind identifiziert, die Erwartungen hoch, die Verträge mit dem externen Anbieter unterschriftsreif. Dann kommt die Budgetdiskussion. Jeder Bereich verweist auf seine eigenen Engpässe. Der CFO verlangt einen ROI-Nachweis für eine Technologie, die noch nicht implementiert ist und für die noch keine belastbaren Erfahrungswerte im Unternehmen vorliegen. Das Vorhaben landet auf der Themenliste der nächsten Budgetrunde.
KI-Investitionen scheitern in vielen Organisationen nicht an der Technologie und nicht am fehlenden Willen. Sie scheitern an der Finanzierungslogik. Wer KI als Zusatzbudget behandelt, konkurriert mit allem. Wer sie als Umschichtung behandelt, finanziert sie aus dem, was sie überflüssig macht.
Ein Geschäftsführer, den ich beraten habe, löste diese Blockade durch eine Frage: „Welche Tätigkeiten halten wir heute aufrecht, auf die wir in zwei Jahren verzichten wollen?“ Die Antwort war der eigentliche Business Case. Drei manuelle Bearbeitungsprozesse, für die das Unternehmen zusammen fünf Vollzeitstellen vorhielt, ließen sich durch zwei KI-Anwendungen grundlegend verändern. Die Investition war damit keine Frage zusätzlicher Mittel mehr, sondern eine einfache Rechnung: Woher kommt die Gegenfinanzierung, und wann rechnet sie sich? Das ist eine andere Diskussion als „Wer gibt Budget frei?“. Es ist eine Führungsdiskussion.
Clayton Christensen hat das Prinzip der Effizienz-Innovation beschrieben: Technologien, die bestehende Prozesse günstiger oder schneller machen, erzeugen ihren eigentlichen Wert nicht durch das, was sie hinzufügen, sondern durch das, was sie ersetzen. KI ist in den meisten Unternehmensanwendungen heute genau das: eine Effizienz-Innovation. Ihr Finanzierungspotenzial liegt in dem, was sie überflüssig macht.
Der erste Schritt ist die Sichtbarmachung. Viele Organisationen wissen ungefähr, dass eine KI-Anwendung Zeit spart, aber sie messen es nicht systematisch. Was nicht gemessen wird, lässt sich nicht gezielt umlenken. Es löst sich stattdessen in der allgemeinen Kapazitätswahrnehmung auf: Die Mitarbeiter haben etwas mehr Puffer, die Abläufe werden etwas angenehmer, aber die Einsparung wird nicht realisiert.
Wirksame Gegenfinanzierung beginnt damit, den Effizienzgewinn vor der Freigabe zu quantifizieren, messbar und konservativ. Nicht nur in der Wirtschaftlichkeitsbetrachtung, sondern als operative Verpflichtung: Die Anwendung soll den manuellen Aufwand in diesem Prozess um X Prozent reduzieren. Führungskräfte müssen diese Einsparung in der nächsten KPI-Überprüfung messen und ausweisen. Der zweite Schritt ist die Umlenkung: Die freigewordene Kapazität darf nicht ungesteuert im allgemeinen Betrieb aufgehen, sondern muss gezielt gesteuert werden. In manchen Fällen bedeutet das die Verlagerung in wertschöpfendere Tätigkeiten, in anderen einen Kapazitätsabbau. Entscheidend ist, dass die Verwendung der Kapazität im Business Case verankert ist, bevor das System in Betrieb geht.
| Scheinbare Einsparung | Tatsächliche Einsparung |
|---|---|
| Zeit wird gespart, Kapazität bleibt unverändert | Freigewordene Kapazität wird gezielt umgelenkt |
| Keine Steuerung, keine Messung | Einsparung ist vor Freigabe quantifiziert und messbar |
| Verpufft im allgemeinen Betrieb | Fließt in die Finanzierung der nächsten Anwendung |
| Business Case bleibt abstrakt | Gegenfinanzierung ist konkret und nachweisbar |
Eine Bereichsleiterin, die ich bei der Implementierung eines KI-gestützten Dokumentenmanagements begleitet habe, erlebte ein verbreitetes Muster: Das neue System lief produktiv, aber das Altsystem blieb in Betrieb. Der Grund war strukturell: Das Altsystem hatte technische Abhängigkeiten zu zwei weiteren Systemen, deren Migration Zeit und Mittel erforderte. Also liefen beide Systeme parallel. Zwölf Monate nach dem Rollout überstiegen die Kosten des Parallelbetriebs die ursprünglichen Betriebskosten des Altsystems. Der erwartete Einspareffekt existierte auf dem Papier, in der laufenden Kostenrechnung war er nicht sichtbar.
Das ist kein Einzelfall. Altsysteme bleiben nach einer KI-Implementierung aus mehreren Gründen in Betrieb, die alle legitim sind: technische Abhängigkeiten, die eine sofortige Dekommissionierung verhindern. Abschreibungen auf Altsysteme, die im ersten Jahr den Weiterbetrieb rechnerisch günstiger erscheinen lassen. Regulatorische Aufbewahrungspflichten, die Übergangszeiträume erzwingen. Das sind keine Ausreden, sondern strukturelle Hindernisse, die in den Business Case gehören und entsprechend bewertet werden müssen.
Die Konsequenz: Die Dekommissionierungsstrategie muss vor der Freigabe geplant sein, mit konkretem Datum, klarer Verantwortung und realistisch einkalkulierten Migrationskosten. Wer die Abschaltung auf später vertagt, trägt das Risiko des Dauerbetriebs. Und die Entscheidung unter planerischen Bedingungen zu treffen ist grundsätzlich günstiger als unter dem Druck eines bereits laufenden Systems.
Der dritte Hebel ist die Priorisierung. Die meisten Organisationen verteilen KI-Mittel nach einer Logik, die mehr mit politischer Balance zu tun hat als mit Wirksamkeit: Jeder Bereich, der einen überzeugenden Use Case vorgelegt hat, erhält einen Teil der verfügbaren Mittel. Das Ergebnis ist eine Vielzahl kleiner Piloten, die alle zu klein sind, um ihren Mehrwert zu beweisen, und zusammen zu kostspielig, um einen davon wirklich zu skalieren.
Ein hartes Filterkriterium hilft: Welche Anwendungen erzielen eine positive Einsparung innerhalb von zwölf Monaten? Jede Organisation sollte für ihre KI-Vorhaben ein verbindliches Rangreihenkriterium festlegen, sei es Payback Period, Return on Investment oder ein anderer Maßstab, den der CFO und die Fachbereiche gemeinsam als angemessen erachten. Nicht als Garantie, sondern als Erwartungshaltung bei der Mittelzuweisung. Vorhaben, die das gewählte Kriterium verfehlen, werden nachrangig behandelt, nicht weil sie strategisch falsch sind, sondern weil die kurzfristigen Einsparungen die investitionsintensiveren Vorhaben mitfinanzieren sollen. Die Konzentration auf zwei oder drei konsequent finanzierte Anwendungen schlägt ein Dutzend Piloten fast immer, weil erst die konsequente Skalierung den eigentlichen Wert erzeugt.
Hier liegt auch die eigentliche Gefahr des Valley of Death: der Phase zwischen einem erfolgreichen Piloten und dem Produktivbetrieb. Wer seine Mittel auf viele Piloten verteilt hat, verfügt am Ende über keine Kapazität mehr für die letzte Meile, die aus einem funktionierenden Test ein nutzbringendes System macht. Die Gegenfinanzierungslogik dreht das um: Zuerst eine Anwendung konsequent bis zur Produktivreife und nachweisbarer Einsparung führen, dann damit die nächste finanzieren. Das ist Priorisierung als Finanzierungsstrategie: nicht die Verteilung auf alle, sondern die Konzentration auf das Wirksame.
Erstens: Für wie viele KI-Anwendungen in Ihrem Bereich haben Sie eine konkrete, messbare Einsparung definiert, die vor der Freigabe vereinbart und nach sechs Monaten nachgewiesen wird?
Zweitens: Welche Altsysteme laufen parallel zu einer bereits implementierten KI-Anwendung weiter, ohne dass eine Dekommissionierungsstrategie vorliegt?
Drittens: Wenn Sie Ihre verfügbaren Mittel auf die zwei Anwendungen konzentrieren müssten, die innerhalb von zwölf Monaten eine nachweisbare Einsparung erzielen, welche wären das?
KI finanziert sich dort, wo sie konsequent eingesetzt wird: aus der Reduktion dessen, was sie ersetzt, und aus den Einsparungen, die sie erzeugt. Das setzt voraus, dass Führungskräfte diese Einsparungen aktiv messen, gezielt umlenken und nicht ungesteuert im allgemeinen Betrieb aufgehen lassen. Und es setzt voraus, dass die Dekommissionierungsstrategie für Altsysteme Teil des Business Case ist.
KI als Sonderprojekt zu finanzieren heißt, dauerhaft um Mittel zu kämpfen. KI-Investitionen sukzessive aus erfolgreichen KI-Implementierungen zu refinanzieren bedeutet, sie als das zu betrachten, was sie im Kern ist: eine Effizienz-Innovation.
Kosten senken, ohne die Organisation zu schwächen – Die Logik der intelligenten Umschichtung gilt für KI-Finanzierung genauso wie für jede andere Kostenentscheidung.
Vom Piloten in den Produktivbetrieb – Warum die teure letzte Meile über den Erfolg einer KI-Investition entscheidet.
Alle Impulse finden Sie in der Übersicht.
