Die Rentabilität von KI ehrlich messen

Eine saubere KI-Rentabilitätsmessung braucht etwas, das die meisten Projekte auslassen: Ausgangswerte vor dem Start. Daraus folgen Zuordnung, Geldbewertung und Vermeidung von Doppelzählungen. Ohne sie ist jede spätere Zahl eine als Messung verkleidete Schätzung.

Warum die Messung der KI-Rentabilität oft ausbleibt

Viele KI-Anbieter drängen aus strukturellem Grund nicht auf Messung, nicht aus Unfähigkeit. Messung kann enttäuschen. Wer von Verlängerungen lebt, hat einen stillen Anreiz, über Fähigkeiten statt Ergebnisse zu sprechen.

Käufer tragen häufiger dazu bei, als sie zugeben. Messung bedeutet, vorab festzulegen, was als Misserfolg gilt. Das ist in Woche eins eines intern gerade durchgesetzten Projekts unangenehm. Bequemer ist es, einzuführen, eine Verbesserung zu fühlen und sie mit Adjektiven zu beschreiben.

Viele Einsätze können dem Finanzchef deshalb nicht beantworten: Was wurde zurückgewonnen, und woher wissen Sie das? Anbieter sollten auf einer Antwort bestehen. Uns ist messbar und gelegentlich durchschnittlich lieber als unmessbar und stets hervorragend.

Der restliche Beitrag erklärt die Methode: Daten erfassen, ohne Beschönigung in Geld umrechnen und ehrlich berichten.

Was Sie vor jedem Einsatz als Ausgangswerte erfassen sollten

Der Ausgangszeitraum sollte mindestens vier, idealerweise acht Wochen dauern und vor jeder produktiven Änderung enden. Bei Saisongeschäft notieren Sie auch die Saison als später nötigen Kontext.

Sechs Kennzahlen decken die meisten Empfangs- und Supporteinsätze ab.

Annahmequote

Der Anteil der Kontakte, die einen Menschen erreichten, an allen Versuchen. Nutzen Sie Telefoniedaten statt Erinnerungen. Fast jeder Betrieb erinnert eine höhere Quote als protokolliert – ein hilfreicher früher Befund. Zählen Sie abgebrochene und außerhalb der Geschäftszeiten eingehende Anrufe mit, denn genau dort verändert der Agent etwas.

Reaktionszeit

Median und 90. Perzentil der Zeit bis zur ersten hilfreichen Antwort je Kanal. Der Median beschreibt die typische Erfahrung, das 90. Perzentil die besonders absprunggefährdeten Kunden. Geschwindigkeit ist geschäftlich relevant: Eine oft zitierte Online-Anfragenanalyse der Harvard Business Review fand deutlich höhere Chancen, Entscheidungsträger zu erreichen, wenn innerhalb einer Stunde reagiert wurde. Mehr dazu erläutern wir bei der Fünf-Minuten-Regel für Interessentenanfragen.

Abschlussquote von Anfrage zu Buchung oder Verkauf

Welcher Anteil angenommener Kontakte führte zu Buchung, Angebotsannahme oder Bestellung? Dieser Faktor verwandelt Kontakte in Geld und muss aus eigenen Daten statt Branchendurchschnitten stammen. Haben Sie ihn nur für einen Kanal, sagen Sie das.

Ausfall- und Absagequote

Der Anteil gebuchter Termine ohne Erscheinen, möglichst nach Buchungsvorlauf aufgeteilt. Das ist eine besonders klare Kennzahl: eindeutig, bereits im Kalender vorhanden und schnell auf Erinnerungen reagierend. Den Mechanismus erläutert unser Beitrag zum Reduzieren von Terminausfällen durch automatische Erinnerungen.

Lösungszeit und Erstkontaktlösung

Bei supportintensiven Betrieben: Median vom Öffnen bis zur Lösung und Anteil ohne zweiten Kontakt. Die Erstkontaktlösung ist ehrlicher. Lösungszeit lässt sich nämlich durch voreiliges Schließen verbessern, bevor Kunden wirklich zufrieden sind.

Kosten pro Interaktion

Vollkosten der Funktion geteilt durch bearbeitete Interaktionen. Dazu zählen Gehalt, Arbeitgeberbeiträge, Software und der übliche Gemeinkostenanteil, nicht nur der Lohn. Die meisten Betriebe haben das nie berechnet und sind vom Ergebnis etwas überrascht. Die Zahl ist Basis des späteren Vergleichs und wird vom Finanzchef zuerst geprüft. Die entsprechende KI-Kostenseite erläutert unser Beitrag dazu, was eine KI-Rezeption tatsächlich kostet.

Kennzahlentabelle: Ausgangswerte, Messung und typische Beschönigungen

Die letzte Spalte ist am nützlichsten. Für jede Kennzahl gibt es bekannte Beschönigungstricks. Wer sie kennt, liest Anbieterberichte schneller kritisch.

Kennzahl	So erfassen Sie den Ausgangswert	So messen Sie danach	Typische Verzerrung
Annahmequote	Telefonprotokolle über vier bis acht Wochen mit allen Versuchen, auch außerhalb der Geschäftszeiten und vor Annahme abgebrochenen Anrufen.	Gleiche Quelle, Definition, Zeitraumlänge und möglichst Saison.	Den Nenner stillschweigend um Anrufe außerhalb der Geschäftszeiten oder Wiederholungen verkleinern, sodass die Quote ohne echte Veränderung steigt.
Reaktionszeit	Median und 90. Perzentil je Kanal aus Systemzeitstempeln statt Erinnerungen.	Gleiche Perzentile und Kanäle, gemeinsam ausgewiesen.	Mittelwert oder nur Median ausweisen und damit die langen Wartezeiten verbergen, bei denen Kunden verloren gehen.
Abschlussquote von Anfrage zu Buchung	Buchungen geteilt durch beantwortete Anfragen aus CRM oder Kalender im selben Ausgangszeitraum.	Gleiche Berechnung. Neue Anfragen getrennt von Bestandskunden erfassen.	Bestandskundenanrufe als neue Anfragen zählen und damit „zurückgewonnene Interessenten“ stark überhöhen.
Nichterscheinensquote	Nichterscheinen geteilt durch gebuchte Termine aus dem Kalender, nach Buchungsvorlauf aufgeteilt.	Gleiches Vorgehen über gleiche Zeiträume. Änderungen im Buchungsmix beachten.	Einen verschobenen Termin als wahrgenommen statt als vermiedenen Ausfall zählen und den Nutzen doppelt anrechnen.
Ticketlösungszeit	Median bis zur Lösung und Anteil der Erstkontaktlösungen.	Dieselben zwei Zahlen, immer gemeinsam.	Tickets vorschnell schließen, um den Median zu senken, während Wiedereröffnungen unbemerkt steigen.
Kosten pro Interaktion	Vollkosten der Funktion geteilt durch bearbeitete Interaktionen.	Gesamte KI-Kosten einschließlich anteiliger Entwicklung, Betreuung und Nutzung, geteilt durch Interaktionen.	KI-Abonnement mit einem Gehalt vergleichen, aber Entwicklung, Integration und Betreuung auslassen.
Zurückgewonnener Umsatz	Kein direkt erhobener Ausgangswert. Aus den vier genannten Größen abgeleitet.	Zurückgewonnene Kontakte mal gemessene Abschlussquote mal Durchschnittswert, mit Abschlag für erneute Kontakte.	Ohne Abschlag für erneute Kontakte gilt jeder verpasste Anruf als sonst endgültig verlorener Kunde.
Gesparte Stunden	Zeitstudie oder vertretbare Schätzung der für die Funktion eingesetzten Stunden.	Nur sinnvoll mit benannter neuer Zeitverwendung.	Geschätzte Stunden mit einem Satz multiplizieren und ohne Beleg der neuen Verwendung als Geldersparnis ausweisen.

Das Zuordnungsproblem und der ehrliche Umgang damit

Die Zuordnung von Ergebnissen zu einer Maßnahme ist am schwierigsten. Hier scheitern viele Berichte unbemerkt. Betriebe ändern selten nur eine Sache: Im selben Quartal starten KI und Website, steigen Werbeausgaben, schließt ein Wettbewerber oder wechselt die Saison. All das kann dieselben Zahlen beeinflussen.

Vier vertretbare Ansätze, nach abnehmender Aussagekraft geordnet.

Lassen Sie eine Vergleichsgruppe unverändert. Ändern Sie im ersten Monat einen Standort, eine Leitung, einen Kanal oder ein Zeitfenster wie die Wochenenden nicht. So entsteht eine interne Vergleichsgruppe unter gleichen Marktbedingungen. Näher kommt ein kleiner Betrieb einem kontrollierten Test kaum, und es kostet fast nichts. Der Nutzen für diesen Teil verzögert sich zwar, das lohnt sich aber meist.

Vergleichen Sie mit dem Vorjahreszeitraum statt dem Vormonat. Oktober mit dem vorherigen Oktober zu vergleichen, beseitigt die meisten saisonalen Verzerrungen. Ein Monatsvergleich tut das nicht. Dafür brauchen Sie saubere historische Daten – ein guter Grund, Berichte vor dem Einsatz zu verbessern.

Trennen Sie direkt nachvollziehbare Ergebnisse ab. Manche Fälle sind eindeutig: Eine vom Agenten um 21:40 angelegte Buchung eines neuen Anrufenden auf einer Leitung, die zuvor abends zur Mailbox ging. Diese Buchung ist keine Auslegungssache. Weisen Sie die nachvollziehbare Teilmenge getrennt vom modellierten Gesamtwert aus, damit Leser beides unterschiedlich gewichten können.

Benennen Sie Störfaktoren und eine Bandbreite. Im Zweifel ist Ehrlichkeit besser als Präzision. „Buchungen stiegen um 18 %, gleichzeitig erhöhten wir Werbung um 30 %. Direkt auf vom Agenten angenommene Abendanrufe zurückführbar sind 7 %. Dem Einsatz würden wir 7 bis 12 % zuschreiben.“ Ein Finanzchef vertraut dem eher als einer glatten Einzelzahl, weil alternative Erklärungen geprüft wurden.

Warum „gesparte Stunden“ eine schwache Kennzahl sind

Gesparte Stunden sind die Standardkennzahl für KI-Rentabilität, weil sie einfach zu erzeugen und schmeichelhaft ist. In kleinen Betrieben ist sie jedoch nahezu bedeutungslos – aus drei Gründen.

Erstens beruhen die Angaben fast immer auf ungeprüfter Selbstauskunft. „Das spart uns etwa zehn Stunden pro Woche“ ist ein Eindruck, keine Messung. Zeiteindrücke sind bekanntermaßen unzuverlässig.

Zweitens wird Zeit nur durch umsatzbringende oder kostensenkende Verwendung zu Geld. In einem Fünf-Personen-Betrieb verteilt sich eine freie Telefonstunde oft auf längere Pausen, weniger Druck und einen ruhigeren Tag. Das sind echte, wertvolle Verbesserungen der Lebensqualität, aber kein Geld. Wer sie so ausweist, verliert Glaubwürdigkeit beim späteren Blick aufs Bankkonto.

Drittens setzt Stunden mal Stundensatz variable Kosten voraus. Wurden keine Stunden gekürzt und keine Einstellung vermieden, bleibt die Lohnsumme gleich. Die Ersparnis ist rechnerisch.

Drei bessere Alternativen:

• Arbeit, die zuvor gar nicht stattfand. Abendanrufe annehmen, Angebote am dritten Tag nachfassen, Bewertungsanfragen senden. Das ist die stärkste Kategorie, weil der Vergleich klar ist: Das frühere Volumen war null.
• Veränderte Quoten bei bestehender Arbeit. Abschlüsse, Nichterscheinen, Erstkontaktlösung. Quoten aus eigenen Systemen sind schwer zu bestreiten.
• Kosten pro Interaktion. Eine Zahl zum fairen Vergleich von KI, menschlichem Team, Telefonservice und beliebigen Kombinationen.

Wenn Sie Zeit ausweisen, nennen Sie sie freigesetzte Kapazität und benennen Sie die Verwendung. „Der Empfang gewann etwa sechs Wochenstunden für Vorbehandlungsgespräche“ ist überprüfbar. „Spart zehn Stunden pro Woche“ nicht.

Früh- und Spätindikatoren

Sie verändern sich unterschiedlich schnell. Ihre Vermischung führt zu verfrühtem Jubel und verfrühter Panik.

Frühindikatoren reagieren innerhalb von Tagen: Annahmequote, Reaktionszeit, Kontakte, Eskalationsquote und ohne Übergabe abgeschlossene Fälle. Sie zeigen, ob der Ablauf funktioniert, nicht ob er sein Geld wert ist.

Spätindikatoren brauchen ein Quartal oder mehr: Umsatz, Bindung, Kundenlebenszeitwert, Zahl und Qualität von Bewertungen sowie spätere Senkung oder Vermeidung zusätzlicher Personalkosten. Sie zeigen den finanziellen Nutzen, reagieren aber langsam und mit vielen Störeinflüssen.

Legen Sie an Frühindikatoren sofort strenge Maßstäbe an. Geben Sie Spätindikatoren neunzig Tage. Stimmen die Frühwerte in Woche drei nicht, warten Sie nicht auf spätere Bestätigung schlechter Nachrichten. Korrigieren Sie das System.

Achtung: Hervorragende Frühindikatoren garantieren kein Geschäftsergebnis. Ein Agent kann 99 % der Anrufe perfekt annehmen und nichts erwirtschaften, wenn die zusätzlichen Kontakte Lieferanten oder falsch Verbundene sind. Darum ist die Aufteilung der Anfragearten wichtig.

So vermeiden Sie Doppelzählungen

Doppelzählungen sind der häufigste Rechenfehler bei KI-Rentabilität. Meist entstehen sie unbeabsichtigt durch das Addieren überlappender Vorteile.

Drei konkrete Fallen.

Dieselbe Buchung doppelt zählen. Der Agent nimmt den Anruf an, daraus entsteht eine Buchung und eine Erinnerung verhindert Nichterscheinen. Das bleibt ein Termin, nicht zwei. Zählen Sie die Buchung einmal voll. Vermiedene Ausfälle nur bei ohnehin zustande gekommenen Terminen anrechnen.

Zurückgewonnenen Umsatz und Arbeitsersparnis addieren. Befreite Mitarbeiterzeit kann selbst die Ursache zusätzlicher Abschlüsse sein. Beides vollständig anzurechnen, überhöht das Ergebnis. Wählen Sie den Hauptmechanismus und behandeln Sie den anderen als sekundär.

Erneute Kontaktversuche ignorieren. Nicht jeder verpasste Anruf ist ein verlorener Kunde. Manche rufen erneut an oder hinterlassen eine beantwortete Nachricht. 100 % als zurückgewonnenen Umsatz anzurechnen, überhöht das Ergebnis teils erheblich. Fehlen Daten, verwenden Sie eine konservative, ausdrücklich benannte Annahme und messen Sie sie im nächsten Zyklus.

Ein Rechenbeispiel mit beispielhaften Annahmen

Die folgenden Zahlen sind beispielhaft und modelliert, keine gemessenen Kundenergebnisse. Sie zeigen die Rechenstruktur. Ersetzen Sie jede Zahl durch Ihre eigene.

Angenommen, eine Klinik hat folgende Ausgangswerte über acht Wochen vor dem Einsatz erfasst:

• 400 eingehende Anrufe pro Monat
• 70 % angenommen, also 120 unbeantwortete Anrufe pro Monat
• 60 % der angenommenen Anrufe sind neue Anfragen, 40 % Bestandskunden, Lieferanten oder falsch gewählte Nummern.
• Gemessene Buchungsquote beantworteter neuer Anfragen: 25 %
• Durchschnittswert eines Ersttermins: 180 EUR

Nach dem Einsatz steigt die Annahmequote auf 98 %, also 112 zusätzlich angenommene Anrufe pro Monat.

Die Berechnung Schritt für Schritt:

1. Zusätzlich angenommene Anrufe: 112.
2. Berücksichtigen Sie die Anfragearten. 60 % von 112 sind rund 67 echte neue Anfragen. Die übrigen 45 sind reale Anrufe, aber keine Umsatzereignisse.
3. Wenden Sie die gemessene Abschlussquote an. 25 % von 67 ergeben etwa 17 zusätzliche Buchungen.
4. Berücksichtigen Sie spätere erneute Kontakte. Angenommen, 35 % hätten die Klinik später durch einen weiteren Anruf erreicht. Es bleiben 65 %, also etwa 11 tatsächlich zusätzliche Buchungen.
5. Rechnen Sie in Umsatz um. Elf Buchungen zu 180 EUR ergeben rund 1.980 EUR zusätzlichen Monatsumsatz.
6. Ziehen Sie sämtliche Kosten ab. Angenommen, Betreuung kostet 850 EUR und Nutzung 140 EUR monatlich, zusammen 990 EUR.
7. Monatlicher Nettobeitrag: rund 990 EUR, etwa ein Verhältnis von zwei zu eins zum eingesetzten Geld.

Zwei Beobachtungen: Der Abschlag für erneute Kontakte in Schritt vier nahm ein Drittel des scheinbaren Nutzens heraus. Gerade dieser Schritt fehlt oft. Ohne ihn würden etwa 3.060 EUR zurückgewonnener Umsatz und ein Verhältnis von drei zu eins ausgewiesen – fälschlich.

Zweite Beobachtung: Das Ergebnis hängt am durchschnittlichen Transaktionswert, nicht an der KI. Bei 60 EUR deckt das Modell kaum die Kosten, bei 400 EUR verändert es das Geschäft grundlegend. Misstrauen Sie deshalb pauschalen Rentabilitätsfaktoren: Sie hängen von Ihrem Betrieb ab, nicht von der Software. Dasselbe gilt beim Vergleich KI-Frontoffice oder Rezeptionskraft einstellen.

Warum Kundennachweise Quelldaten benötigen

Das Modell ist kein Kundenergebnis. Ein echter Fall verlangt Exporte beider Zeiträume, feste Kennzahldefinitionen und Abgleich mit tatsächlich erzieltem Umsatz. Unser VEGNA-Projekt beschreibt die Umsetzung, aber es liegt kein verifizierter Ergebnisdatensatz zur Veröffentlichung vor.

Sichern Sie für belastbare Ergebnisaussagen Telefonie- und Kalenderexporte vor dem Start und vergleichen Sie einen gleich langen Folgezeitraum. Den Umfang unseres Kundenprojekts VEGNA können Sie ansehen, ohne ihn als Leistungsnachweis zu behandeln.

Der Nutzennachweis scheitert oft an Verwaltung. Sichern Sie Ausgangswerte vor dem Start, sonst bleiben spätere Aussagen Schätzungen.

Prüfrhythmus und Inhalt des Monatsberichts

Messung ohne Rhythmus endet im jährlichen Streit. Drei Prüfzyklen funktionieren gut.

Wöchentlich

Nur Frühindikatoren in etwa zehn Minuten: Annahmequote, Reaktionszeit, Eskalation, selbstständig abgeschlossene Fälle und abgebrochene Gespräche. Eine operative, keine finanzielle Prüfung.

Monatlich

Vollständiger Ausgangsvergleich mit Entscheidung: Umfang erweitern, begrenzen oder beibehalten. Eine Monatsprüfung, die nie etwas ändert, ist nur ein Statusbericht.

Vierteljährlich

Spätindikatoren und echte Überprüfung der Annahmen. Ist die angenommene Quote erneuter Kontakte mit mehr Daten noch plausibel? Hat sich der Durchschnittswert geändert? Würden Sie erneut zu diesem Preis kaufen?

Was in den Monatsbericht gehört

• Die vollständigen Ausgangszahlen jeden Monat erneut aufführen. Kein Link, sondern die Zahlen selbst. Menschen vergessen sie.
• Absolute Zahlen hinter jedem Prozentsatz. „98 %“ sagt ohne „392 von 400“ nichts.
• Jede Annahme zur Umrechnung von Aktivität in Geld, ausdrücklich als solche gekennzeichnet.
• Klare Trennung zwischen gemessenen und modellierten Zahlen.
• Sämtliche Kosten einschließlich Betreuung, Nutzung und interner Verwaltungszeit.
• Eskalationsquote und ihr Verlauf.
• Ein Abschnitt zu Fehlern: Ausfälle, Beschwerden, schwierige Gespräche und alles, was der Agent schlecht bearbeitet hat.

Der letzte Punkt ist entscheidend. Ein Monatsbericht ohne Fehler ist Marketing. Jedes produktive System hat in einem Monat schlechte Interaktionen. Wer sie nicht zeigt, schaut nicht hin oder will sie verbergen. Beides ist kein gutes Zeichen. Die erfolgreichsten Anwender lesen zuerst den Fehlerabschnitt.

Häufig gestellte Fragen

Wie messen Sie die Rentabilität eines KI-Systems?

Erfassen Sie vor dem Einsatz Ausgangswerte und vergleichen Sie dieselben Kennzahlen über gleich lange Zeiträume: Annahme, Reaktion, Anfrageabschlüsse, Nichterscheinen, Lösung und Interaktionskosten. Bewerten Sie die Änderung mit vorhandenen Größen wie dem Erstbesuchswert und ziehen Sie alle Betriebskosten ab. Ohne Ausgangswerte vor dem Start bleibt jede spätere Zahl eine als Messung verkleidete Schätzung.

Warum sind gesparte Stunden eine schwache Kennzahl für KI-Rentabilität?

Gesparte Zeit wird erst durch umsatzbringende Verwendung zu Geld. In kleinen Betrieben geht sie meist in allgemeiner Entlastung auf. Zudem beruhen Zeitangaben auf Selbstauskunft und werden fast nie geprüft. Besser sind vorhandene Systemwerte: Umsatz aus zuvor nicht erfolgter Arbeit, Anfrageabschlüsse, Terminausfälle und Kosten pro Interaktion.

Wie lange sollten Sie KI vor der Rentabilitätsbewertung betreiben?

Planen Sie etwa zwei Wochen Optimierung außerhalb der Messung ein und messen Sie danach volle neunzig Tage. Zwei Wochen reichen nicht: Frühes Verhalten ist untypisch, saisonale Effekte dominieren. Neunzig Tage umfassen einen vollen Abrechnungszyklus, mindestens eine ruhige und eine geschäftige Phase und lassen erste Veränderungen bei Kundenbindung oder Bewertungen erkennen.

Wie ordnen Sie Ergebnisse zu, wenn sich mehrere Dinge gleichzeitig ändern?

Benennen Sie den Störfaktor. Änderten sich auch Preise oder Werbung, zeigt ein ehrlicher Bericht den Gesamteffekt und direkt nachvollziehbare Teile. Lassen Sie möglichst einen Standort, Kanal oder Zeitraum im ersten Monat unverändert als interne Vergleichsgruppe. Eine klare Bandbreite ist besser als eine unglaubwürdige exakte Zahl.

Welche Rentabilität ist für eine KI-Rezeption oder ein Frontoffice realistisch?

Das hängt fast vollständig von Anrufvolumen und durchschnittlichem Auftragswert ab. Ein pauschaler Faktor ist daher geraten. Die Rechnung: zurückgewonnene Anfragen mal gemessene Buchungsquote mal Durchschnittswert, abzüglich ohnehin erneut kontaktierender Kunden und sämtlicher Monatskosten. Hohe Volumina und Transaktionswerte bringen die stärksten Erträge.

Was gehört in einen ehrlichen monatlichen KI-Bericht?

Ausgangswerte neben dem aktuellen Zeitraum, absolute Zahlen hinter Quoten, Annahmen der Geldbewertung, alle Kosten samt Betreuung, Eskalationen und Fehler. Ohne Fehler ist es Marketing. Messwerte und Modellwerte müssen zudem klar getrennt sein.