Woran ihr erkennt, ob KI in eurem Betrieb wirklich etwas verändert hat
Die meisten KI-Renditezahlen halten keiner Prüfung stand. Vier Fragen, mit denen ihr jede Zahl zerlegt, und vier Grössen, die ihr selbst messen könnt.
Nicola BählerCo-Founder19. August 202613 Min. Lesezeit
Wenn euch jemand eine Rendite verspricht, prüft vier Dinge: den Ausgangswert vor der Einführung, das Messprotokoll, die Bezugsgruppe und die Datenherkunft. Die im Schweizer Netz kursierenden Renditeangaben von 250 bis 500 Prozent im ersten Jahr bestehen diese Prüfung nicht, weil sie anonymisiert sind, keine Datengrundlage offenlegen und vom Anbieter selbst validiert wurden.
Messt stattdessen im eigenen Betrieb, und zwar in vier Grössen:
- Zeit pro Vorgang
- Durchlaufzeit von der Auslösung bis zum Abschluss
- Nacharbeitsquote
- Anteil der Fälle, die ohne manuellen Eingriff durchlaufen
Drei davon lassen sich aus vorhandenen Systemspuren erheben, die vierte nur als Stichprobe mit vorher festgelegter Fallzahl. Alle vier müssen feststehen, bevor das erste Werkzeug läuft. Wer keine Ausgangsmessung hat, misst später nicht Wirkung, sondern Erfassungsdisziplin.
Warum «wir sparen Zeit» kein Messwert ist
Fragt in einem Betrieb, der seit einem halben Jahr mit KI arbeitet, was es gebracht hat, und ihr bekommt fast immer dieselbe Antwort: Es geht schneller. Das ist keine Lüge, aber es ist auch keine Messung. Es ist ein Eindruck, und Eindrücke sind bei genau dieser Frage unzuverlässig, weil das Neue immer auffälliger ist als das Weggefallene.
Die Schweizer Datenlage zeigt, wie weit das trägt. In der AXA KMU-Arbeitsmarktstudie 2025, durchgeführt von Sotomo bei 300 Schweizer KMU ab fünf Beschäftigten aus der Deutsch- und Westschweiz, Feldzeit 3. bis 10. März 2025, sagten 57 Prozent der Betriebe, die KI nutzen oder erproben, KI spare ihnen derzeit Zeit. Im Jahr davor waren es 46 Prozent.
Das klingt nach einem Sprung von elf Punkten. Es ist keiner. Die Bezugsgruppe ist zwischen den beiden Wellen von 55 auf 71 Prozent aller befragten KMU gewachsen. Die beiden Werte beschreiben also nicht dieselbe Gruppe, und der Zuwachs an Zustimmung kann genauso gut daher kommen, dass später auch Betriebe dazugekommen sind, die anders antworten. Dazu ist die Zahl eine angekreuzte Selbsteinschätzung, keine gemessene Stunde.
Das ist kein Vorwurf an die Studie. Sie weist alles offen aus. Es ist ein Hinweis darauf, wie schnell aus einer sauberen Erhebung eine Aussage wird, die sie nie getroffen hat.
Vier Fragen, die jede Zahl bestehen muss
Diese vier Fragen brauchen keine Statistikkenntnisse. Sie dauern zusammen keine dreissig Sekunden und sortieren den grössten Teil dessen aus, was euch in einem Verkaufsgespräch vorgelegt wird.
Erstens, der Ausgangswert. Womit wird verglichen? Eine Prozentangabe ohne Vorher-Wert ist keine Aussage über Wirkung, sondern über die Fantasie dessen, der sie aufschreibt.
Zweitens, das Messprotokoll. Wie wurde gemessen, über welchen Zeitraum, mit welcher Fallzahl? Eine Zahl mit zwei Nachkommastellen und ohne Streuungsangabe ist genauer dargestellt, als sie ist.
Drittens, die Bezugsgruppe. Auf wen bezieht sich der Wert? «Ein Drittel der Firmen» und «ein Drittel der Firmen, die KI einsetzen» sind völlig verschiedene Aussagen, und die zweite wird im Zitieren regelmässig zur ersten.
Viertens, die Datenherkunft. Wer hat erhoben, wer hat bezahlt, und verkauft der Auftraggeber etwas, das die Zahl stützt? Das disqualifiziert eine Erhebung nicht automatisch, aber es gehört ins Bild.
Der Test an einer Zahl, mit der wir eigentlich eröffnen wollten
Dieser Artikel sollte mit einer anderen Zahl beginnen. Das Schweizer Daten- und KI-Observatorium 2026, herausgegeben von Colombus Consulting zusammen mit Oracle und der Hochschule für Wirtschaft Genf, publiziert am 24. Juni 2026, hält fest: 36 Prozent der Unternehmen messen den Wert ihrer KI-Projekte gar nicht, und weitere 34 Prozent bewerten die Rendite ausschliesslich über Produktivität oder Kostensenkung.
Das ist der perfekte Einstieg für einen Text über Wirkungsmessung. Also haben wir die vier Fragen angelegt.
Frage eins und zwei fallen durch. Weder die Fachberichterstattung noch die Seite des Observatoriums selbst nennen eine Stichprobengrösse, einen Erhebungszeitraum oder die Zusammensetzung der Befragten. Das Whitepaper liegt hinter einem Downloadformular. Frage drei bleibt offen: Ob «Unternehmen» hier alle Befragten meint oder nur jene mit laufenden KI-Projekten, steht nirgends. Frage vier ist wenigstens klar beantwortbar, die Herausgeberschaft ist transparent, und zwei der drei Häuser verkaufen Leistungen im selben Feld.
Wir zitieren die Zahl hier trotzdem, aber nicht als Beleg. Sie steht als Beispiel dafür, dass auch eine plausible, mehrfach berichtete und von seriösen Häusern herausgegebene Zahl ihre eigene Methode nicht mitliefert. Wer sie als Beweis verwendet, verwendet ein Gerücht mit Absender.
Was passiert, wenn ihr die vier Fragen anlegt
Vier Zahlen, die in Schweizer Diskussionen über KI regelmässig auftauchen, im selben Raster:
| Aussage | Was tatsächlich erhoben wurde | Verwendbar als |
|---|---|---|
| «89 Prozent der Schweizer Unternehmen nutzen KI» | EY befragte 604 Personen in Schweizer Unternehmen, publiziert am 27. Mai 2026. Die 89 Prozent sagen, ihr Unternehmen stelle KI-Zugang bereit. Ein Befragungszeitraum wird nicht ausgewiesen, eine Frage nach Rendite oder Erfolgsmessung stellt die Untersuchung nicht. | Aussage über Verfügbarkeit, nicht über Nutzung und schon gar nicht über Wirkung |
| «Nur 9 Prozent setzen KI systematisch ein» | Stammt aus der KMU-Mittelstandstudie 2024 von Kearney und swiss export, erhoben im Frühjahr 2024 bei 605 antwortenden Unternehmen. 54 Prozent hatten einzelne Pilotversuche, 37 Prozent gar keine KI. Die 9 Prozent sind der Anteil an allen Befragten. | Momentaufnahme von 2024, nicht Stand heute |
| «9 Prozent haben KI strategisch integriert» | Aus derselben EY-Untersuchung: 57 Personen wählten die oberste Stufe einer Reifegrad-Skala. Gleiche Zahl wie oben, anderes Konstrukt, andere Grundgesamtheit. | Nicht mit dem Raiffeisen-Wert verrechenbar, obwohl beide 9 Prozent lauten |
| «60 Prozent melden messbare Erträge, aber nur 5 Prozent haben die Datenbasis dafür» | Dun & Bradstreet befragt vierteljährlich rund 10'000 Betriebe in 32 Ländern. In der Welle vom 4. Mai 2026 berichten 60 Prozent mindestens einen messbaren Ertrag, 24 Prozent breite oder starke Erträge, und 5 Prozent halten ihre Datenbasis für ausreichend vorbereitet. Beides Selbstauskünfte, der Auftraggeber verkauft Unternehmensdaten. | Die stärkste Spannung im Material: Ertrag wird gemeldet, bevor die Grundlage dafür steht |
Zwei Anmerkungen dazu. Die Raiffeisen-Studie «Mehr als nur Hype: KI in der Praxis» (Redaktionsschluss 17. April 2025) hält fest, dass gut zwei Jahre nach der Lancierung von ChatGPT «noch kein solcher Produktivitätsschub spürbar ist», weder in den USA noch in Europa oder in der Schweiz. Sie stützt das nicht auf eine eigene Messung, sondern auf Produktivitätsdaten von The Conference Board. Und die berühmten 95 Prozent gescheiterter KI-Projekte aus dem MIT-NANDA-Bericht «The GenAI Divide» beruhen auf Interviews mit 52 Organisationen, gut 150 Umfrageantworten und der Auswertung öffentlich dokumentierter Einführungen. Der Bericht ist nicht begutachtet, die Rohdaten wurden nie veröffentlicht, und Fachkritiker haben öffentlich Datenfreigabe oder Rückzug gefordert. Bis heute ist weder das eine noch das andere geschehen.
Der Fall, an dem sich das Muster am besten zeigt
Ein Schweizer Anbieter für KI-Automatisierung führt auf seiner Website fünf anonymisierte Fallstudien: 247, 387, 411, 499 und 447 Prozent Rendite im ersten Jahr, im Mittel 398 Prozent, amortisiert in zwei bis vier Monaten. Als Beleg dient ein Satz, sinngemäss: Die Unternehmen seien real, aber aus Vertraulichkeitsgründen anonymisiert, die Zahlen von den jeweiligen Finanzabteilungen validiert.
Legt die vier Fragen an. Ausgangswert: keiner genannt. Messprotokoll: keines. Bezugsgruppe: fünf Fälle, zwei davon Betriebe mit acht und zwölf Mitarbeitenden, was die Rendite rechnerisch stark macht und die Aussagekraft schwach. Datenherkunft: der Anbieter selbst, geprüft von den Kunden des Anbieters.
Wir nennen die Firma bewusst nicht, weil es nicht um sie geht. Das Muster ist verbreitet, und es ist auch nicht durchweg böswillig. Wer selbst überzeugt ist, dass seine Arbeit wirkt, schreibt eine solche Zahl ohne Hintergedanken auf. Sie bleibt trotzdem unbrauchbar für eure Entscheidung.
Die Ausgangsmessung, bevor das erste Werkzeug läuft
Der teuerste Fehler bei der Wirkungsmessung passiert vor der Einführung, nicht danach: Es wird nicht gemessen, wie es vorher war. Danach ist der Zustand nicht mehr rekonstruierbar, und jede spätere Aussage über Wirkung ist eine Erinnerung.
Zwei Wochen reichen. In dieser Zeit erhebt ihr für genau einen Prozess, den ihr automatisieren wollt:
- Wie oft fällt er an, gezählt, nicht geschätzt
- Wie lange dauert ein Durchlauf, von der Auslösung bis zum Abschluss
- Wie oft muss nachgebessert werden, und woran das liegt
- Wer ist beteiligt und an welcher Stelle
Wichtig dabei: Wählt einen Prozess, der häufig anfällt. Bei seltenen Aufgaben ist die Fallzahl nach zwei Wochen so klein, dass jeder Ausreisser das Ergebnis bestimmt. Welche Prozesse sich dafür eignen, haben wir in Top 10 Prozesse, die Schweizer KMU sofort mit KI automatisieren können durchgespielt.
Vier Grössen, die in jedem KMU funktionieren
Zeit pro Vorgang. Die naheliegendste Grösse und die einzige, die ohne Zeiterfassung nur als Stichprobe zu haben ist. Legt die Fallzahl vorher fest, sonst wird aus der Stichprobe eine Sammlung der Fälle, an die man sich erinnert.
Durchlaufzeit. Die Spanne von der Auslösung bis zum Abschluss. Sie steht in fast jedem System als Zeitstempel und ist deshalb die ehrlichste der vier Grössen. Sie zeigt auch Liegezeiten, die in der reinen Bearbeitungszeit unsichtbar bleiben.
Nacharbeitsquote. Wie viele Vorgänge müssen korrigiert werden? Diese Grösse ist der Gegenspieler zur Zeitersparnis. Ein Werkzeug, das die Bearbeitung halbiert und die Nacharbeit verdoppelt, hat nichts gebracht.
Durchlaufquote ohne Eingriff. Der Anteil der Fälle, die ohne manuelles Zutun bis zum Ende laufen. Das ist die Grösse, die am direktesten zeigt, ob eine Automatisierung trägt oder ob sie nur die Arbeit verschiebt.
Was bewusst nicht dabei ist: Nutzungszahlen, Anzahl Prompts, Lizenzauslastung und Zufriedenheitswerte als Einzelgrösse. Sie sind leicht zu erheben und sagen über Wirkung nichts. Ein Team kann ein Werkzeug intensiv nutzen und trotzdem gleich lange brauchen.
Und eine Warnung zur Umrechnung: Gesparte Stunden sind noch kein Ertrag. Der Ertrag entsteht erst, wenn die freigewordene Kapazität etwas anderes tut, das ihr benennen könnt. Solange niemand sagen kann, wofür die Zeit jetzt verwendet wird, habt ihr eine Entlastung gemessen, keine Wertschöpfung. Welche Kostentreiber dabei zusammenkommen, steht in Was kostet KI-Integration für ein Schweizer KMU.
Wo die gesparte Zeit hingeht
Es gibt einen Posten, den fast niemand misst und der die Bilanz kippen kann: Zeit, die durch KI-Ergebnisse entsteht, statt eingespart zu werden.
BetterUp Labs und das Social Media Lab der Universität Stanford haben dafür im September 2025 in der Harvard Business Review den Begriff «Workslop» geprägt: KI-Output, der nach guter Arbeit aussieht, die Aufgabe aber nicht voranbringt. In ihrer Befragung von 1'150 US-Vollzeitbeschäftigten gaben 41 Prozent an, im Vormonat solchen Output erhalten zu haben. Der durchschnittliche Aufwand, einen einzelnen Fall zu bereinigen, lag bei einer Stunde und 56 Minuten.
Die Zahlen stammen aus den USA und sind nicht eins zu eins auf einen Berner Betrieb mit 20 Mitarbeitenden übertragbar. Der Mechanismus schon: Die Ersparnis fällt bei dem an, der etwas erzeugt, der Aufwand bei dem, der es weiterverarbeitet. Wer nur die erste Hälfte misst, misst die Hälfte, die gut aussieht. Nehmt die Nacharbeitsquote deshalb bei der empfangenden Stelle auf, nicht bei der erzeugenden.
Unsere eigene Zahl im selben Test
Es wäre unredlich, diesen Massstab nur an andere anzulegen.
Wir haben im Mai 2026 ein Whisper-Modell für Schweizerdeutsch fine-getunt und die Messung publiziert: 13.31 Prozent Wortfehlerrate auf dem Testset des Swiss Parliament Corpus R, dazu ein 95-Prozent-Bootstrap-Intervall von 13.02 bis 13.70 über 1'000 Resamples. Frage zwei besteht diese Zahl, das Messprotokoll liegt offen und das Intervall steht da, statt einer nackten Kommastelle. Die anderen drei besteht sie nicht sauber. Der Ausgangswert von rund 26 Prozent stammt aus einer fremden Studie und nicht aus einer eigenen Messung auf denselben Samples. Und ein Parlamentskorpus ist nicht die Tonqualität einer Sitzung in einem Grossraumbüro. Die Zahl ist belastbar für das, was sie misst, und sie sagt weniger über euren Alltag, als die Kommastellen suggerieren. Die vollständige Methodik steht in Whisper für Schweizerdeutsch.
Der zweite Fall ist unangenehmer. Wir haben lange nicht sagen können, wie profitabel ein einzelnes Kundenprojekt tatsächlich war. Der Grund war kein fehlendes Werkzeug, sondern ein Konstruktionsfehler: Die Kennzahl, die wir dafür verwenden wollten, setzt erfasste Arbeitsstunden voraus. Wir arbeiten pauschal, also erfassen wir sie nicht systematisch. Wir haben also eine Grösse gemessen, für die unser eigenes Geschäftsmodell keine Daten liefert, und das Ergebnis jahrelang für ungenau gehalten, statt die Kennzahl infrage zu stellen.
Das ist genau der Fehler, vor dem dieser Artikel warnt, nur in die andere Richtung: nicht eine Zahl ohne Grundlage geglaubt, sondern eine Kennzahl gewählt, die zum Betrieb nicht passt. Prüft deshalb vor der ersten Messung nicht nur, ob ihr messen könnt, sondern ob die Grösse zu eurem Geschäft passt.
Wenn die Messung negativ ausfällt
Irgendwann liegt ein Ergebnis vor, das nichts hergibt oder nach hinten losgeht. Dann gibt es drei Ursachen, und sie verlangen drei verschiedene Reaktionen.
Der Prozess war falsch gewählt. Er fällt zu selten an, oder er ist zu unterschiedlich pro Fall. Erkennbar daran, dass die Fallzahl klein und die Streuung gross ist. Reaktion: anderen Prozess wählen, nicht anderes Werkzeug.
Die Einführung ist steckengeblieben. Das Werkzeug läuft, aber es wird umgangen. Erkennbar daran, dass die Durchlaufquote ohne Eingriff niedrig bleibt, während die Nutzungszahlen stimmen. Reaktion: an der Einführung arbeiten, nicht an der Technik.
Die Sache trägt nicht. Das Werkzeug leistet, was es soll, und es reicht trotzdem nicht. Erkennbar daran, dass alle vier Grössen sich bewegen, aber zu wenig. Reaktion: abschalten und den Aufwand woanders einsetzen.
Diese dritte Möglichkeit gehört ausdrücklich dazu. Ein Projekt zu beenden, das gemessen nichts bringt, ist kein Scheitern der Messung, sondern ihr Zweck.
Häufige Fragen zur Wirkungsmessung von KI
Wie messe ich, ob ein KI-Projekt in meinem Unternehmen etwas gebracht hat?
Über vier Grössen: Zeit pro Vorgang, Durchlaufzeit, Nacharbeitsquote und der Anteil der Fälle, die ohne manuellen Eingriff durchlaufen. Entscheidend ist, dass ihr alle vier vor der Einführung erhebt. Ohne Ausgangswert lässt sich eine Veränderung nachträglich nicht mehr belegen. Zwei Wochen Erhebung für einen einzelnen, häufig anfallenden Prozess reichen als Basis.
Sind die Rendite-Angaben von KI-Anbietern realistisch?
Prüfbar sind sie meist nicht. Die im Schweizer Netz kursierenden Werte von 250 bis 500 Prozent im ersten Jahr nennen keinen Ausgangswert, kein Messprotokoll und keine Fallzahl, und sie sind vom Anbieter oder dessen Kunden selbst validiert. Das heisst nicht automatisch, dass sie erfunden sind, aber sie taugen nicht als Grundlage für eine Investitionsentscheidung.
Welche Kennzahlen eignen sich für ein KI-Projekt in einem KMU, und welche nicht?
Geeignet sind Grössen, die aus vorhandenen Systemspuren kommen: Durchlaufzeit, Nacharbeitsquote, Durchlaufquote ohne Eingriff. Ungeeignet sind Nutzungszahlen, Anzahl Prompts, Lizenzauslastung und Zufriedenheit als Einzelwert. Sie zeigen Aktivität, nicht Wirkung.
Wie lange muss ich messen, bevor ein Ergebnis aussagekräftig ist?
Nicht die Dauer entscheidet, sondern die Fallzahl. Bei einem Prozess, der täglich mehrfach anfällt, liegt nach zwei bis vier Wochen genug vor. Bei einem, der monatlich anfällt, auch nach einem Jahr nicht. Das ist einer der Gründe, warum der erste Anwendungsfall ein häufiger sein sollte.
Was mache ich, wenn die Messung zeigt, dass das KI-Projekt nichts gebracht hat?
Zuerst die Ursache trennen: falsch gewählter Prozess, steckengebliebene Einführung oder eine Sache, die schlicht nicht trägt. Die drei sehen im Ergebnis ähnlich aus und verlangen verschiedene Reaktionen. Im dritten Fall ist Abschalten die richtige Antwort, und eine Messung, die das zeigt, hat ihren Zweck erfüllt.
Brauche ich eine Zeiterfassung, um die Wirkung von KI zu messen?
Nein, für drei der vier Grössen nicht. Durchlaufzeit, Nacharbeitsquote und Durchlaufquote stehen als Zeitstempel und Statuswechsel in den bestehenden Systemen. Nur die reine Bearbeitungszeit pro Vorgang braucht entweder eine Erfassung oder eine Stichprobe mit vorher festgelegter Fallzahl.
Über apexAI
apexAI ist ein KI-Integrationspartner mit Sitz im Raum Bern. Wir begleiten Schweizer KMU von der ersten Standortbestimmung bis zur produktiven KI-Lösung, done-for-you und zum Fixpreis.
Wollt ihr wissen, wo bei euch der schnellste Ertrag liegt? Macht den kostenlosen KI-Readiness-Check: 10 Fragen, 3 Minuten, eine konkrete Standortbestimmung.
