Hier ist die erste Seite eines Piloten. Wir haben sie gebaut, um die Methode zu zeigen, das Unternehmen existiert also nicht. Die zwei Schwellen darauf sind der Teil, den Sie übernehmen sollten: das Ergebnis, das ein zweites Team verdient, und das Ergebnis, das das Projekt beendet. Beide waren mit dem Finanzbereich vereinbart, bevor die erste Rechnung in die Nähe des Agenten kam.
Der Fall unten ist konstruiert. Er ist kein Kunde, kein vergangenes Projekt und keine Messung. Jede Zahl darin ist so gewählt, dass die Rechnung leicht zu verfolgen ist, und Sie sollten sie durch Ihre eigenen ersetzen. Echt ist die Methode, und echt ist, was sie über den ROI von KI-Agenten sagt: Ein Pilot ist eine Entscheidung mit einem Stichtag, und der Prozentsatz der Rendite kommt danach.
Der Arbeitsablauf ist der Rechnungsabgleich in der Kreditorenbuchhaltung. Der Agent liest jede Lieferantenrechnung, ordnet sie der zugehörigen Bestellung zu, lässt die sauberen Fälle durchlaufen und übergibt die Abweichungen an einen Menschen.
Woche null: die Seite
| Punkt | Was aufgeschrieben wurde |
|---|---|
| Arbeitsablauf | Lieferantenrechnungen den Bestellungen zuordnen; Abweichungen an die Leitung der Kreditorenbuchhaltung übergeben |
| Vergleichsbasis | 1.000 Rechnungen pro Monat. Je 6 Minuten Bearbeitung, dazu 4 % mit Nacharbeit zu je 25 Minuten. Effektive Kosten: 7,0 Minuten je Rechnung. Gemessen über einen vollen Zyklus samt Monatsabschluss |
| Ergebniszahl und Verantwortung | Effektive Minuten je Rechnung, verantwortet von der Leitung der Kreditorenbuchhaltung und nicht von denen, die den Agenten gebaut haben |
| Schwelle zum Skalieren | 4,5 Minuten oder darunter, bei Nacharbeit nicht höher als in der Vergleichsbasis |
| Schwelle zum Abbruch | 6,0 Minuten oder darüber, oder Nacharbeit über 5 %, nach einer erlaubten Korrektur |
| Dazwischen | Eine Korrektur, dann erneut messen |
| Wofür freie Zeit verwendet wird | Die Aushilfe für den Monatsabschluss wird nicht erneut geholt |
| Pilotkosten und Betriebskosten | Getrennte Zeilen. Integration und Datenbereinigung fallen einmal an. Modellnutzung und menschliche Prüfung wiederholen sich |
Zwei Zeilen tragen das Ganze. Die Vergleichsbasis musste einen Monatsabschluss abdecken, denn zwei ruhige Wochen hätten dem Agenten geschmeichelt oder ihn blamiert, je nach Glück im Kalender. Und die Zeile zur freien Zeit existiert, weil „58 Stunden gespart“ kein finanzielles Ergebnis ist, solange sich nichts ändert. Verschwinden die Stunden im gleichen Arbeitstag, zählt eine Finanzleitung sie zu Recht als null.
Die effektiven Minuten rechnen außerdem die Fehler mit, damit der Pilot nicht besser aussehen kann als der Dauerbetrieb später.
Woche vier: zwischen den Schwellen
Der erste Stand: Der Agent lässt 45 % der Rechnungen sauber durchlaufen und übergibt 55 % an einen Menschen. Die sauberen brauchen eine Minute Stichprobe. Die übergebenen brauchen die üblichen 6 Minuten. Die Nacharbeit liegt bei 6 %.
Das sind 0,45 × 1 + 0,55 × 6 = 3,75 Minuten, dazu 6 % × 25 = 1,5 Minuten Nacharbeit: 5,25 Minuten je Rechnung.
Besser als die Vergleichsbasis von 7,0, und keine der beiden Schwellen ist erreicht. Der Wert liegt über 4,5 und unter 6,0, also greift die Regel aus Woche null: eine Korrektur, dann erneut messen. Niemand streitet darüber, ob 5,25 „vielversprechend“ ist.
Die Übergabequote zeigt auf die Ursache. Mehr als die Hälfte der Fälle bei einem Menschen heißt, dass der Agent die Lieferanten nicht erkennt. Doppelte Lieferantenstammdaten verteilen die Rechnungen eines Lieferanten auf zwei Namen, und der Agent kann nicht wissen, welcher gilt. Die Korrektur ist kein besserer Prompt. Sie besteht darin, die Doppelungen bei den Lieferanten zusammenzuführen, die den größten Teil des Volumens ausmachen, also einen Ausschnitt und nicht die ganze Datenbank.
Woche acht: der Stand
Nach der Bereinigung lässt der Agent 65 % sauber durchlaufen und übergibt 35 %. Die Nacharbeit fällt auf 3 %.
0,65 × 1 + 0,35 × 6 = 2,75 Minuten, dazu 3 % × 25 = 0,75 Minuten: 3,5 Minuten je Rechnung, gegen eine Vergleichsbasis von 7,0.
Damit ist die Schwelle zum Skalieren erreicht, und die Nacharbeit liegt zusätzlich unter der Vergleichsbasis. Bei 1.000 Rechnungen pro Monat fällt die effektive Bearbeitung von rund 117 Stunden auf rund 58. Diese 58 Stunden zählen, weil Woche null ihre Verwendung benannt hat: Die Aushilfe wird zum Monatsabschluss nicht erneut geholt. Die Betriebskosten, also Modellnutzung und Prüfzeit, stehen auf einer eigenen Zeile und werden mit diesen Stunden verglichen, nicht mit der einmaligen Bereinigung vermischt.
Rechnen Sie es nun anders herum. Angenommen, die Bereinigung hätte nicht geholfen und Woche acht hätte 5,25 Minuten bei weiterhin 6 % Nacharbeit gezeigt. Die eine Korrektur ist verbraucht, die Nacharbeit liegt über der Marke von 5 %, also greift die Schwelle zum Abbruch: Der Pilot endet, oder er startet mit neuem Entwurf und neuen Schwellen. Die Abbruchbedingung erfüllt ihren Zweck im schlechten Quartal. Die Auseinandersetzung darüber hat in Woche null in Ruhe stattgefunden, mit dem Finanzbereich am Tisch.
Die größeren Zahlen erklären, warum diese Disziplin lohnt. McKinseys Untersuchung State of AI berichtet, dass 23 % der Organisationen irgendwo im Unternehmen ein agentisches KI-System skalieren und weitere 39 % mit Versuchen begonnen haben, wobei in einem einzelnen Geschäftsbereich nicht mehr als 10 % der Befragten von skalierten Agenten berichten. Gartners Prognose lautet, dass mehr als 40 % der Projekte mit agentischer KI bis Ende 2027 eingestellt werden, und nennt steigende Kosten, unklaren geschäftlichen Nutzen und unzureichende Risikokontrollen. Der mittlere Punkt ist der, den eine Seite wie die oben angeht. Ein Projekt kann keinen Nutzen zeigen, den niemand definiert hat, und die Einstellung kommt, wenn ein Budgetverantwortlicher im neunten Monat um Belege bittet und eine Demo bekommt.
Die Sprache der ROI-Messung selbst hat kaum ein Publikum: „AI ROI measurement“, „agentic commerce“ und „AI agent observability“ lieferten in Google Ads kein messbares Volumen (DataForSEO, USA, Englisch, 11. Oktober 2026). „AI in ERP“ erreichte in derselben Messung 1.000 Anfragen pro Monat zu 21,44 US-Dollar pro Klick. Das ist ein Werkzeug und ein Land. Wir lesen es so, dass Käufer KI dort wollen, wo ihre Zahlen schon liegen, und das hat hier eine praktische Folge: Läuft der Arbeitsablauf in Ihrem ERP, kommen das Vorher und das Nachher aus zeitgestempelten Datensätzen an einem Ort, mit denselben Definitionen. Arbeitet der Agent neben dem System, streitet man im Review darüber, wessen Zahlen stimmen, statt darüber, was sie bedeuten. Was passiert, wenn ein Pilot, der gut aussah, im Produktivbetrieb enttäuscht, steht in Observability als Tor zwischen Pilot und Produktion.
Wenn bei Ihnen ein Pilot seit Monaten läuft und sich weder belegen noch widerlegen lässt, schreiben Sie die Seite jetzt, auch spät. Unser Vorgehen beginnt mit der Vergleichsbasis, bevor eine Automatisierung live geht, und das Team der Leistungen hilft Ihnen, Schwellen zu setzen, denen Ihr Finanzbereich traut. Melden Sie sich und bringen Sie den Arbeitsablauf mit.
Quellen: McKinsey, The State of AI | Gartner, 25. Juni 2025 | Suchvolumina gemessen über Google Ads (DataForSEO), USA, Englisch, 11. Oktober 2026. Die Zahlen des Piloten sind zur Veranschaulichung konstruiert.
