KI-ROI im Mittelstand: Wie sich der Einsatz wirklich rechnet.

Die Versprechen sind überall gleich. „30 % Effizienzsteigerung." „Halbierung der Bearbeitungszeiten." „ROI in 6 Monaten." Was fehlt, ist immer dasselbe: die Kalkulation dahinter. Wer genau was gemessen hat, mit welcher Baseline, und was das Unternehmen dafür aufwenden musste.

V1 Capital hat drei KI-native Unternehmen aufgebaut — xpansio (vollautomatisierter Wärmepumpen-E-Commerce), Hey Listen (Telefon-KI) und HireBotIQ (KI-gestütztes Personalmatching). Wir beraten Mittelstandsunternehmen bei der KI-Integration. Was folgt, sind keine Hochglanzversprechen — es ist die Logik, mit der wir ROI tatsächlich berechnen.

Warum die meisten KI-ROI-Versprechen wertlos sind

Das Vendor-Problem

KI-Anbieter kalkulieren ROI systematisch zugunsten ihrer eigenen Zahlen. Die Best-Case-Einsparung wird gegen die schlechteste Baseline gemessen — der ineffizienteste Mitarbeiter, der langsamste manuelle Prozess, die teuerste Alternative. Das Ergebnis klingt beeindruckend und ist weitgehend nutzlos für eine reale Entscheidung.

Hinzu kommt: Viele ROI-Versprechen rechnen Zeitersparnis direkt in Geld um, ohne zu fragen, ob diese Zeit überhaupt monetarisierbar ist. Wenn ein Sachbearbeiter täglich zwei Stunden einspart, aber keine zwei Stunden produktivere Arbeit danach erledigt — weil die Auftragsvolumen gleich bleiben — ist der ROI null.

Was wirklich gemessen werden muss

Die richtige Frage ist nicht: „Wie viele Aufgaben übernimmt die KI?" Die richtige Frage ist: Was macht die Person stattdessen? Was erzeugt diese Zeit — Umsatz, Qualität, Kapazität? Oder verpufft sie in Leerlauf?

Konkret: Wenn die KI die Auftragsverarbeitung übernimmt und der Mitarbeiter diese Zeit für Neukundenakquise nutzt, ist die Rechnung eindeutig. Wenn dieselbe Zeit in Meetings versickert, ist die Rechnung eine andere.

ROI ist keine Zahl. ROI ist: Was ändert sich im Unternehmen, wenn dieser Prozess wegfällt — und was kostet das Wegfallen?

Die drei Kostenkategorien einer KI-Implementierung

Implementierungskosten

Einmalige Kosten umfassen Setup, Systemintegration, Prompt-Engineering und Testing. Die Spanne ist groß: Ein einfacher Dokumenten-Workflow mit Make und einem LLM liegt bei €5.000–10.000. Eine vollständige CRM-Integration mit Custom-API-Anbindung, mehrsprachigen Prompts und umfangreichem Testing bewegt sich Richtung €30.000–50.000. Die meisten sinnvollen Mittelstandsprojekte liegen dazwischen — €8.000–20.000 für einen produktiv nutzbaren ersten Use-Case.

Laufende Betriebskosten

API-Kosten sind bei typischen Mittelstandsvolumen oft geringer als erwartet: €100–500/Monat für Text-intensive Prozesse bei moderatem Volumen. Dazu kommen Tool-Lizenzen: Make (€16–29/Monat), HubSpot oder ähnliche CRMs (€50–500/Monat je nach Tier), spezialisierte KI-Tools nach Bedarf. Realistische laufende Gesamtkosten für einen vollständig automatisierten Prozess: €300–2.000/Monat.

Interne Zeitkosten — der unterschätzte Faktor

Das ist die Kostenkategorie, die die meisten Angebote verschweigen. Das Team, das die neue Lösung lernt, die Prompts anpasst, Ausnahmen behandelt und das System im Alltag pflegt — dieser Aufwand ist real und oft erheblich. In Jahr 1 rechnen wir bei V1 Capital mit 20–40 % der Gesamtkosten für interne Zeitaufwände. Ein Unternehmen, das das ignoriert, wird von der Realität überrascht.

Die drei Return-Kategorien

Zeitersparnis — der direkteste Hebel

Die einfachste Berechnung: Stunden × Stundensatz × Frequenz. Beispiel: 2 Mitarbeiter × 5 Stunden/Woche × 52 Wochen × €60/Stunde = €31.200/Jahr. Das ist die Obergrenze, nicht die Untergrenze. Was zurückbleibt, wenn Umrüstzeiten, Lernkurven und Ausnahme­behandlung abgezogen werden, entscheidet die reale Wirtschaftlichkeit.

Entscheidend: Dieser Wert ist nur real, wenn die eingesparte Zeit anders produktiv eingesetzt wird. Zeitersparnis ohne Umwidmung ist buchhalterisch nichts wert.

Qualitätssteigerung — indirekt aber real

Weniger Fehler bedeuten weniger Rückfragen, weniger Nachbearbeitung, weniger Kunden­abwanderung. Diese Kette ist schwerer zu quantifizieren, aber in vielen Fällen größer als die reine Zeit­ersparnis. Ein Angebotsprozess, der statt 48 Stunden in 4 Stunden abgeschlossen wird, gewinnt Aufträge — nicht weil die Person schneller war, sondern weil der Kunde früher eine Entscheidung treffen konnte.

Neue Erlöse — selten, aber wenn, dann transformativ

Der interessanteste Return entsteht, wenn KI neue Produkte oder Dienstleistungen ermöglicht, die vorher nicht existierten. Das ist das Szenario, das über ROI-Kalkulation hinausgeht — und das schwer zu planen, aber leicht zu erkennen ist, wenn es eintritt. Genau das ist bei xpansio und Hey Listen passiert: KI hat nicht bestehende Prozesse beschleunigt, sondern neue Geschäftsmodelle erst möglich gemacht.

Der V1-Ansatz: Pilot in 2–4 Wochen

Wir starten keine 6-monatigen Strategieprojekte. Wir identifizieren einen Use-Case, der klar messbar ist, und liefern in 2–4 Wochen einen funktionierenden Pilot. Ab Tag 1 wird gemessen.

Was ein guter Pilot konkret bedeutet: eine klare Vorher-Nachher-Metrik (Bearbeitungszeit, Fehlerquote, Volumen), ein 4-Wochen-Zeitfenster, reale Nutzer im tatsächlichen Betrieb — kein Testumfeld. Wenn der Pilot nach 4 Wochen keinen messbaren ROI zeigt, ist entweder der Use-Case falsch gewählt oder die Daten­grundlage stimmt nicht. Beides ist ein valides Ergebnis — besser als 12 Monate Projekt ohne Klarheit.

Das Gegenteil ist auch wahr: Wenn der Pilot nach 4 Wochen funktioniert, ist die Entscheidung für die nächsten Use-Cases trivial. Wir haben die Methode bewiesen, das Team kennt den Prozess, und die Kosten für weitere Automatisierungen sinken deutlich.

Wann KI sich NICHT rechnet

Das ist der Teil, den die meisten Berater weglassen. Wir nicht — weil schlechte KI-Projekte unsere Mandanten Zeit, Geld und Vertrauen kosten, das wir nicht zurückgeben können.

KI rechnet sich in der Regel nicht, wenn:

• Prozesse zu unstrukturiert sind. KI automatisiert Regeln. Was keine erkennbare Logik hat, kann nicht automatisiert werden — erst muss der Prozess strukturiert werden.
• Das Volumen zu gering ist. KI für Vorgänge, die 2–3 Mal pro Jahr auftreten, ist wirtschaftlicher Unsinn. Der ROI kommt erst bei Frequenz.
• Der Engpass Entscheidungskompetenz ist. Wenn der Prozess langsam ist, weil jemand entscheiden muss — nicht weil Ausführung langsam ist — hilft KI nicht weiter.
• Integrationskosten 3 Jahre Einsparungen übersteigen. Wenn eine Legacy-System-Anbindung €80.000 kostet und die Einsparung €15.000/Jahr beträgt, ist die Rechnung klar.

Wir raten in 30–40 % der ersten Gespräche davon ab, mit KI zu starten — nicht weil KI nicht funktioniert, sondern weil die Voraussetzungen fehlen.

Das ist keine Bescheidenheit. Das ist der Grund, warum unsere Projekte funktionieren: Wir nehmen nur Mandate an, bei denen wir den ROI verantworten können.