Diese Folie gibt es in jedem Unternehmen und sie sagt immer dasselbe: „Wir machen 1.200 Stunden im Jahr frei.“ Sie steht auf Seite vier, direkt vor dem Budget, und niemand widerspricht, weil sie nach Arithmetik aussieht. Zwölf Monate später kostet die Abteilung dasselbe, die Belegschaft ist dieselbe, und niemand kann erklären, wo diese 1.200 Stunden geblieben sind. Es liegt nicht daran, dass die KI nicht funktioniert hätte. Die Stunde wurde frei und ist nirgendwo hingegangen.
Die These in einer Zeile: eine freigewordene Stunde ist kein gesparter Euro. Sie ist eine verfügbare Stunde, und das ist etwas anderes. Damit daraus Geld wird, muss sie eines von drei Zielen erreichen — mehr Volumen bei gleicher Belegschaft, Arbeit, die vorher liegen blieb, oder ein Kostenblock, der wirklich sinkt — und jedes davon verlangt eine ausdrückliche Entscheidung, die fast nie getroffen wird. Standardmäßig wird die Stunde von Füllarbeit aufgesogen und niemand merkt es, weil niemand hingesehen hat. Wenn nicht aufgeschrieben ist, wohin die Stunde geht, geht die Stunde nirgendwohin.
Warum durch KI freigewordene Stunden keine echte Einsparung in der GuV sind
Das Missverständnis steckt im Verb. „Sparen“ heißt in einer Tabelle, dass eine Kostenposition verschwindet. „Sparen“ heißt in einem Arbeitstag, dass ein Zeitfenster frei wird. Zwei verschiedene Dinge, gleich geschrieben — und der Business Case behandelt sie als eines. Die Kosten einer Person sinken nicht, weil sie weniger Arbeit hat: sie sinken, wenn es weniger Personen gibt oder wenn dieselben Personen mehr von etwas produzieren, das sich verkauft. Alles andere ist Leerkapazität mit dem Etikett Einsparung.
Und Leerkapazität sieht man nicht. Niemand starrt die Wand an: die Lücke füllt sich von selbst, mit Meetings, die vorher nicht hineinpassten, mit sorgfältigeren Reviews, mit der langen Fassung des Reports, den man früher kurz gehalten hat. Ein Teil davon ist in Ordnung — das ist besser gemachte Arbeit. Aber es ist keine Einsparung, und nach sechs Monaten kann niemand sagen, welcher Teil der Lücke Verbesserung war und welcher Füllmaterial, weil die Lücke nie gemessen wurde.
Die Rechnung der EZB: von 7,7 % des Arbeitstags zu 0,35 Punkten Produktivität
Es gibt eine aktuelle Zahl, an der man das ganze Leck sehen kann, und sie kommt nicht von einem Anbieter. Am 26. August 2026 veröffentlichte die Europäische Zentralbank eine Analyse zu KI-Adoption und Produktivität — von António Dias da Silva, Laura Lebastard und David Sondermann — auf Basis ihrer Consumer Expectations Survey: rund 20.000 Personen im Monat in elf Ländern des Euroraums. Der Median-Nutzer gibt an, drei Stunden pro Woche zu sparen, etwa 7,7 % seiner Arbeitszeit. Die EZB weist selbst darauf hin, dass die Verteilung stark schief ist: die meisten sparen wenig, wenige sparen viel.
Interessant ist, was die EZB anschließend mit diesen 7,7 % macht, denn genau diese Subtraktion taucht in keiner Präsentation auf. Nur die Hälfte der Erwerbstätigen — 48,8 % — gibt an, KI zu nutzen und Zeit zu sparen, also fällt der Effizienzgewinn für die Gesamtwirtschaft auf rund 3,8 %. Übersetzt in Produktivitätswachstum liegt die eigene Schätzung der EZB für den Euroraum bei etwa 0,35 Prozentpunkten pro Jahr. Von 7,7 % eines Arbeitstags am Schreibtisch zu drei Zehnteln eines Punkts in der Wirtschaft. Unterwegs geht keine Technologie verloren: es geht eine Entscheidung verloren. Die Zahl gilt für den Euroraum; sie bemisst das Problem, sie verspricht kein Ergebnis.
Die drei Ziele einer freigewordenen Stunde (und was jedes davon verlangt)
Eine Stunde, die nicht mehr von einer Aufgabe verbraucht wird, kann nur an drei Orten landen, wenn sie im Ergebnis sichtbar werden soll. Keines der drei ist automatisch, und alle drei verlangen etwas, das dir das Werkzeug nicht gibt.
| Ziel der Stunde | Was es braucht, damit es eintritt | Woran man es nach sechs Monaten prüft |
|---|---|---|
| Mehr Volumen bei gleicher Belegschaft | Echte Nachfrage, die diese Kapazität aufnimmt: mehr Aufträge, mehr Fälle, mehr Kunden. Ohne Nachfrage ist die Stunde übrig. | Das bearbeitete Volumen pro Person steigt, die Stückkosten sinken |
| Arbeit, die vorher liegen blieb | Eine Führungsentscheidung, die diese Arbeit benennt und priorisiert. Wird sie nicht benannt, erscheint sie nicht von selbst. | Es gibt eine neue Aufgabe mit Verantwortlichem und Termin, auf die jemand zeigen kann |
| Kosten, die wirklich sinken | Ein Gespräch über Stellen, über einen Dienstleistervertrag oder über Überstunden, das fast niemand führen will. | Eine konkrete Budgetzeile sinkt: eine Stelle, ein externer Vertrag oder eine Schicht |
Beim dritten Punkt lohnt Ehrlichkeit, denn es ist der einzige, der „Einsparung“ in dem Sinne ist, den ein CFO meint, und der fast nie aufgeschrieben wird. Die anderen beiden sind Wachstum und Qualität: sie sind Geld wert, aber sie senken keine Kosten, sie verschieben sie. Ein Business Case, der Einsparung verspricht und Volumen liefert, ist nicht an der Umsetzung gescheitert. Er ist am Etikett gescheitert.
Das Standardziel: die Stunde wird aufgesogen und niemand merkt es
Wird keines der drei gewählt, passiert das vierte — das, was nicht im Business Case steht, weil niemand es aufschreiben würde: die Stunde verteilt sich von selbst. Und sie läuft immer durch dieselben vier Abflüsse.
- Die Aufsicht über die KI selbst. Prüfen, korrigieren und neu anstoßen, was das System zurückgibt, ist neue Arbeit, die es vorher nicht gab — und sie bedient sich direkt aus der Lücke, die sie gerade geschaffen hat.
- Was in der Warteschlange lag. Was seit Monaten aufgeschoben war, rückt in die Lücke. Nützlich, aber es ist Substitution, keine Einsparung: die Kosten bleiben, der Stau ist nur umgezogen.
- Die Ausweitung des Standards. Was früher auf einer halben Seite erledigt wurde, braucht jetzt drei, weil es geht. Die Qualität steigt etwas, die Zeit kehrt an ihren Platz zurück und die Kosten bewegen sich nicht.
- Die unsichtbare Streuung. Zehn Minuten hier, fünfzehn dort, verteilt auf vierzehn Personen und dreißig Tage. Niemand spürt Luft, also fordert sie niemand ein, und in der Buchhaltung taucht sie nie auf.
Der erste Punkt verdient eine eigene Zahl, weil er am stärksten unterschätzt wird. Die Automation and AI Pathfinder Survey von Bain & Company, veröffentlicht am 1. Juni 2026 über 951 Unternehmen weltweit, findet, dass nur 7 % vollständig autonome Agenten im Produktivbetrieb haben: das dominierende Modell mit 38 % verlangt menschliche Freigabe, weitere 32 % laufen mit Leitplanken und Ausnahmen. In neun von zehn Fällen sitzt ein Mensch im Kreislauf, und diese Personenzeit stand nicht im Business Case. Dieselbe Erhebung bringt die Folge auf eine Zeile: 37 % der Unternehmen peilten Kostensenkungen von 11 % bis 20 % an, und knapp 40 % derjenigen, die gemessen haben, landeten stattdessen im Bereich 0 % bis 10 %. Es sind große Unternehmen weltweit; die Zahl bemisst das Problem, sie beschreibt nicht unsere Arbeit.
Wie das Ziel in den Business Case geschrieben wird, bevor es losgeht
Das Gute daran: das löst man mit Text, nicht mit Technologie, und man löst es, bevor irgendetwas unterschrieben wird. Vier Zeilen im Business Case ersparen dir die Diskussion in sechs Monaten:
- Ziel benannt. Welches der drei es ist. Nicht „die Effizienz wird steigen“, sondern „wir fangen die für das zweite Halbjahr erwarteten 20 % mehr Aufträge ohne zusätzliche Köpfe ab“ oder „wir beenden den externen Spitzenvertrag“. Eines, nicht drei.
- Verantwortlicher benannt. Wer entscheidet, was mit der Kapazität passiert, wenn sie auftaucht. Nicht das Gremium: die Person, die die Arbeitslast dieses Teams ändern und es erklären kann.
- Basislinie vorher gemessen. Wie viele Stunden der Prozess heute kostet, gestoppt an echten Fällen, bevor irgendetwas angefasst wird. Ohne diese Zahl ist in sechs Monaten jede Zahl vertretbar und keine überprüfbar.
- Umwandlungsdatum. Wann die Kapazität zum gewählten Ziel wird. Ist es im sechsten Monat nicht passiert, war die Hypothese falsch — dann sagt man das, statt die Kennzahl neu zu verhandeln.
Das ist die Ebene darüber. Die Arithmetik — wie viele Stunden, was jede wert ist, was das System kostet — ist längst geklärt und ich wiederhole sie hier nicht: sie steht im Leitfaden zu wie man den ROI der Automatisierung mit KI berechnet, mit den drei Kostenblöcken und der Payback-Formel. Diese Rechnung sagt dir, ob du einsteigst. In diesem Artikel geht es darum, was mit dem Zähler nach dem Einstieg passiert — genau dort verdunstet er.
Was man nach sechs Monaten prüft, um zu wissen, ob die Stunde angekommen ist
Vier Prüfungen. Kannst du sie nicht beantworten, hast du keine Einsparung: du hast eine Überzeugung in Euro.
- Die Basislinie, noch einmal. Derselbe Prozess, gemessen wie beim ersten Mal. Nicht die Schätzung dessen, der ihn gebaut hat: die Stoppuhr an echten Fällen.
- Die Aufsichtszeit. Wie viele Stunden im Monat jemand damit verbringt, zu prüfen, zu korrigieren oder neu zu machen, was das System zurückgibt. Diese Zahl wird abgezogen, nicht ignoriert.
- Die Kennzahl des Ziels. War das Ziel Volumen, dann Volumen pro Person; war es Kosten, die Budgetzeile; war es neue Arbeit, dass diese Arbeit existiert und einen Verantwortlichen hat. Nur eine: die, die aufgeschrieben wurde.
- Was das Team sagt. Frag die Leute, die die Arbeit machen, wohin die Lücke gegangen ist. Es ist die unsauberste Antwort und die aufschlussreichste, und fast niemand fragt danach.
Wie man diese Messung aufsetzt — Basislinie, Instrumentierung, was monatlich geprüft wird — steht in die Leistung deiner Automatisierungen messen. Das Einzige, was ich ergänze: bau sie auf, bevor du das System einschaltest, denn die Basislinie lässt sich nur nehmen, solange es noch nichts zu messen gibt.
Wann die ehrliche Antwort lautet, dass es keine Einsparung geben wird
Bei manchen Prozessen sagt man es besser vorher: hier wirst du kein Geld sparen. Es sind die, die dünne Luft auf viele Menschen verteilen — zwei Stunden im Monat pro Person bei vierzig Personen —, die, die schon gut liefen und jetzt etwas besser laufen, und die, die von einer Nachfrage abhängen, die nicht wächst. Sie zu automatisieren kann sich trotzdem lohnen: wegen vermiedener Fehler, wegen Durchlaufzeit, wegen Nachvollziehbarkeit oder weil die Arbeit zermürbend ist und die Leute gehen. Das alles ist Geld wert, aber es ist keine Kostenzeile, die sinkt — und es als solche zu verkaufen, sorgt dafür, dass ein Projekt, das funktioniert hat, als Misserfolg beurteilt wird.
Das Grundmuster ist das übliche und steht ausführlich in warum KI-Automatisierungsprojekte scheitern: fast nie scheitert das Modell, es scheitert das Drumherum. Hier ist das Drumherum ein Satz, den niemand geschrieben hat.
Wo man anfängt
Bei der Reihenfolge, nicht beim Werkzeug. Bevor entschieden wird, was automatisiert wird, musst du wissen, welche Prozesse geeignet sind, was sie wirklich kosten und in welcher Reihenfolge sie drankommen: das ist deine Prozesse für KI auditieren, und daraus entsteht die Basislinie, mit der du später mit Zahlen argumentieren kannst. Und wenn beim Blick auf die drei Ziele klar wird, dass der Engpass nicht die Kapazität ist, sondern dass niemand die Arbeitsweise des Teams ändern wird, wenn die Lücke auftaucht, dann ist die Arbeit KI-Adoption in den Teams — Playbooks je Abteilung, ein Verantwortlicher je Prozess, ein Adoption-Dashboard — und nicht noch eine Automatisierung.
Der Satz, den man mitnehmen sollte, ist der vom Anfang: wenn nicht aufgeschrieben ist, wohin die Stunde geht, geht die Stunde nirgendwohin. Nach sechs Monaten wird nicht darüber diskutiert, ob die KI funktioniert hat — sie hat —, sondern darüber, warum das Budget dasselbe geblieben ist. Und diese Diskussion gewinnt oder verliert man an dem Tag, an dem der Business Case geschrieben wird, nicht an dem Tag, an dem das System eingeschaltet wird.