Ein Projekt ohne Zahl ist eine Wette

In vielen Finanzinstituten startet ein KI-Vorhaben mit einer beeindruckenden Demo und einer guten Absicht, aber ohne eine einzige belastbare Zahl. Sechs Monate später fragt der Vorstand nach dem Effekt, und niemand kann ihn beziffern, weil ihn vorher niemand definiert hat. Ein tragfähiger Business Case für ein KI-Projekt beantwortet vor dem ersten Sprint drei Fragen: Welcher Aufwand fällt heute konkret an, welcher Anteil davon entfällt nach der Automatisierung, und was kostet die Lösung im laufenden Betrieb? Wer diese drei Zahlen nicht hat, kann den Nutzen am Ende nicht nachweisen und verliert die nächste Budgetrunde.

Warum der Business Case so oft fehlt

Es liegt selten am Geld. Die Studie "KI in Banken 2025" von Cofinpro zeigt, dass Budget nicht der Engpass ist: Nur 19 Prozent der Institute sehen fehlende Mittel als Hindernis. Der eigentliche Mangel ist Klarheit. Viele Projekte beginnen bei der Technik und nicht beim Problem, und ein technologiegetriebenes Vorhaben lässt sich kaum rechnen, weil ihm der Bezug zu einem teuren Prozess fehlt. Genau das ist einer der drei häufigsten Fehler bei der KI-Strategie.

Welche Zahlen einen belastbaren Business Case ausmachen

Der Ist-Aufwand ist die Grundlage: Wie viele Vorgänge eines Typs fallen pro Jahr an, wie lange dauert die Bearbeitung im Schnitt, und was kostet eine Arbeitsstunde im jeweiligen Bereich? Daraus ergibt sich der heutige Aufwand in Euro. Die zweite Zahl ist der realistische Automatisierungsgrad. Er ist fast nie hundert Prozent, weil Ausnahmen, Plausibilitätsprüfungen und Entscheidungen am Menschen bleiben. Wer hier ehrlich rechnet, kalkuliert mit einem Rest, den die KI vorbereitet, aber nicht abschließt. Die dritte Zahl sind die Betriebskosten: Lizenz, Integration in das Kernsystem und der laufende Verbrauch im Regelbetrieb. Erst die Differenz aus eingespartem Aufwand und Betriebskosten ergibt den tatsächlichen Hebel, ergänzt um vermiedene Fehlerkosten und gewonnene Bearbeitungsqualität.

Der häufigste Rechenfehler

Zwei Fehler tauchen immer wieder auf. Der erste ist, die Pilotkosten mit den Betriebskosten zu verwechseln. Ein Pilot auf wenigen hundert Fällen ist günstig, der Betrieb über Millionen Vorgänge ist es nicht, und wer diese Logik nicht kennt, unterschätzt die Kosten von GenAI im Regelbetrieb systematisch. Der zweite Fehler ist ein zu hoch angesetzter Automatisierungsgrad, der die Ausnahmen ausblendet, an denen das Modell im Echtbetrieb scheitert. Beide Fehler machen aus einem soliden Case eine schöne Folie, die der Realität nicht standhält.

Vom Business Case zur Nachweisbarkeit

Ein Business Case ist nur so viel wert wie die Messung, die ihn am Ende bestätigt oder widerlegt. Deshalb gehört zu jedem Vorhaben eine Ausgangsmessung vor dem Start und ein klares Erfolgskriterium nach 90 Tagen. Ohne Baseline lässt sich keine Verbesserung belegen, und ohne Stichtag verschiebt sich der Nachweis ins Unbestimmte. Wer hier sauber arbeitet, schließt zugleich die Lücke zwischen Strategie und Umsetzung und verhindert, dass ein Pilot zur Dauerschleife wird, statt in den Regelbetrieb zu gehen. Ob die Grundlagen dafür überhaupt stehen, klärt vorab die Frage nach der KI-Readiness des Instituts.

Wenn Sie für ein konkretes Vorhaben den Business Case sauber rechnen wollen, bevor Budget fließt, machen wir genau das mit Ihnen: Ist-Aufwand, realistischer Hebel, Betriebskosten und ein messbares Erfolgskriterium. Buchen Sie eine Sprechstunde, dann sehen wir uns Ihren Anwendungsfall an und benennen die Zahl, die heute fehlt.