Wie misst man den ROI von KI-Projekten in einer Bank?

Die meisten KI-Piloten in Genossenschaftsbanken liefern eine beeindruckende Demo und keine einzige belastbare Zahl. Wer den Erfolg nicht vor dem Start definiert, kann ihn nach dem Start nicht beweisen.

Der ROI eines KI-Projekts in einer Bank ergibt sich aus dem Vergleich einer vor dem Pilotstart gemessenen Baseline mit dem Ergebnis nach dem Einsatz, umgerechnet auf eine harte Kennzahl: Bearbeitungszeit pro Vorgang, Fehlerquote, eingesparte Personalstunden oder zusätzlicher Ertrag pro Berater. Ohne diese Baseline ist jede spätere Erfolgsmeldung eine Behauptung.

Warum scheitern so viele KI-Piloten in Banken?

Die Zahlen sind deutlich. Laut einer Untersuchung der MIT-Initiative NANDA mit dem Titel "The GenAI Divide: State of AI in Business 2025" liefern 95 Prozent der untersuchten generativen KI-Piloten in Unternehmen keinen messbaren ROI. Nicht die Technik ist der Grund, sondern die fehlende Anbindung an reale Prozesse und Projekte, die auf Sichtbarkeit statt auf Wirkung zielen.

Gartner kommt aus einer anderen Richtung zum selben Befund. Nach der Prognose von Gartner werden bis Ende 2025 mindestens 30 Prozent der generativen KI-Projekte nach dem Proof of Concept abgebrochen, unter anderem wegen schlechter Datenqualität, unklarem Geschäftswert und eskalierenden Kosten. Rita Sallam, Distinguished VP Analyst bei Gartner, nennt Bereitstellungskosten von fünf bis zwanzig Millionen Dollar als eine Ursache, an der die Rechtfertigung scheitert.

Der gemeinsame Nenner ist kein Technikproblem. Es ist ein Messproblem.

Welche Kennzahlen zeigen den KI-ROI wirklich?

Zählbar ist, was am Prozess hängt. In der Kreditbearbeitung sind das die Durchlaufzeit pro Kreditakte, die Zahl der Nachforderungen und die Fehlerquote in der Vorprüfung. Im Service sind es die Bearbeitungsdauer pro Anfrage und die Erstlösungsquote. Diese Größen lassen sich vorher und nachher messen und in Euro übersetzen.

Ein Beispiel für einen klar umrissenen Hebel ist der Einsatz von KI in der Marktfolge, wo sich jede eingesparte Minute pro Vorgang direkt auf die Menge der bearbeiteten Fälle auswirkt. Wer den Hebel benennt, bevor er das Werkzeug kauft, misst danach das Richtige.

Warum die Baseline vor dem Pilot über alles entscheidet

Die Baseline ist der Nullpunkt. Sie beantwortet die Frage, wie lange ein Vorgang heute dauert, wie viele Hände ihn anfassen und wie oft er zurückläuft. Ohne diesen Ausgangswert gibt es später keinen Vergleich, nur Bauchgefühl.

Die Baseline deckt zusätzlich einen zweiten Wert auf, der in vielen Häusern unter dem Radar läuft: das Erfahrungswissen einzelner Mitarbeiter. Wer Wissen ausscheidender Mitarbeiter sichern will, muss zuerst wissen, wo dieses Wissen im Prozess steckt. Auch das ist eine Kennzahl, kein Gefühl.

So messen Sie den KI-ROI in Ihrem Haus

Definieren Sie vor dem ersten Pilotversuch genau eine Kennzahl, die das Geschäft bewegt, und messen Sie ihren heutigen Stand. Legen Sie eine Zielgröße fest, ab der sich der Einsatz rechnet. Begrenzen Sie den Pilot auf einen Prozess, dessen Zahlen Sie sauber erheben können.

Rechnen Sie nach dem Pilot ehrlich zurück: Zeitgewinn mal Fallmenge mal Kostensatz, abzüglich Lizenz und Betrieb. Kommt am Ende keine Zahl heraus, war es kein Projekt, sondern ein Experiment. Beides hat seinen Platz, aber nur eines gehört in den Vorstandsbericht.

Der nächste Schritt

Sotica findet mit Ihnen den einen Prozess, an dem sich KI zuerst rechnet, und legt die Kennzahl fest, an der Sie den Erfolg messen. Die Sotica-Potenzialanalyse liefert Ihnen Baseline, Hebel und Zielgröße, bevor Sie den ersten Euro in ein Werkzeug stecken. Sprechen Sie mit uns über Ihre Potenzialanalyse.