KI-Anwendungen bewerten: So priorisierst du KI-Projekte richtig

Mehr als die Hälfte der deutschen Unternehmen setzt inzwischen künstliche Intelligenz ein. Laut Bitkom nutzen 57 Prozent der Unternehmen ab 20 Beschäftigten KI. Vor einem Jahr waren es 36 Prozent, 2021 erst 8 Prozent. Offen ist für dich vor allem, welche Anwendung sich für dein Unternehmen lohnt.

Ein Viertel ihrer KI-Initiativen hat laut den Vorständen in der IBM-CEO-Studie 2025 den erwarteten Ertrag gebracht. Nur 16 Prozent wurden unternehmensweit ausgerollt.

Genau hier hakt es. Nicht jede technisch mögliche KI-Anwendung ist wirtschaftlich sinnvoll oder strategisch richtig.

Bewerte deshalb jede Idee vor der Einführung systematisch: ihren Nutzen, ihre Voraussetzungen und ihre Auswirkungen auf Unternehmen und Mitarbeitende.

Das Wichtigste in drei Sätzen

Eine KI-Anwendung ist erst dann sinnvoll, wenn ihr erwarteter Nutzen die Investition rechtfertigt, die nötigen Daten verfügbar und rechtmäßig nutzbar sind und die Menschen sie annehmen. Wer KI-Projekte bewertet, prüft deshalb fünf Perspektiven: Wirtschaftlichkeit, Akzeptanz, Machbarkeit, Verantwortung und rechtliche Anforderungen. Den größten Nutzen bringt nicht der umfassendste KI-Einsatz, sondern die bewusste Auswahl weniger, passender Anwendungen.

Warum du KI-Projekte bewerten solltest, bevor du startest

Viele KI-Ideen entstehen aus einer Demo. Eine Demo zeigt, was technisch geht. Sie zeigt nicht, was es in deinem Betrieb kostet, wer damit arbeiten muss und welche Daten fehlen.

Der Bitkom-Report vom September 2026 zeigt, wo Unternehmen nach der Einführung hängen bleiben. Unter den Unternehmen, die KI bereits nutzen, nennen 66 Prozent den Datenschutz als Hemmnis, 56 Prozent Rechtsunsicherheit und 54 Prozent die Kosten. 42 Prozent berichten von fehlender Akzeptanz der Beschäftigten.

Diese Probleme sind nicht technisch. Sie lassen sich vor dem Start erkennen, wenn du die richtigen Fragen stellst. Eine Bewertung kostet Stunden, ein falsches Projekt Monate.

Die drei zentralen Kriterien zur Bewertung von KI-Anwendungen

1. Wirtschaftlicher Nutzen und ROI

Du stellst die Investition den erwarteten Einsparungen oder Erträgen gegenüber. Vier Fragen helfen: Wie hoch ist der Einführungsaufwand in Geld und Zeit? Welche laufenden Kosten entstehen? Welche Einsparungen oder Erträge erwartest du? Ab wann rechnet sich die Investition? Die Rechnung macht Ideen vergleichbar und hilft dir, sie zu priorisieren.

Wie stark der Nutzen schwankt, zeigt eine Feldstudie von Brynjolfsson, Li und Raymond mit rund 5.200 Servicemitarbeitenden eines Softwareunternehmens. Ein KI-Assistent steigerte die gelösten Fälle pro Stunde im Schnitt um 14 Prozent. Bei Neulingen waren es 34 Prozent, bei erfahrenen Kräften kaum messbar.

Rechne also nicht mit einem Durchschnittswert aus einer Pressemitteilung. Frag, wer die Anwendung nutzt und wie erfahren diese Menschen sind.

2. Akzeptanz bei Mitarbeitenden und Kunden

Eine Anwendung kann technisch hervorragend sein und trotzdem scheitern, weil niemand sie nutzt. Akzeptanz wirkt direkt auf den wirtschaftlichen Erfolg: Ein Assistent, den das halbe Team umgeht, liefert den halben Nutzen bei vollen Kosten. Prüfe früh, wie sich Abläufe, Rollen und Kundenbeziehungen verändern, etwa wenn ein Chatbot statt eines bekannten Ansprechpartners antwortet.

75 Prozent der Wissensarbeitenden weltweit nutzen laut Work Trend Index 2024 von Microsoft und LinkedIn KI, 78 Prozent davon mit eigenen Werkzeugen.

Ein Teil der Belegschaft ist dir also oft voraus. Wer nicht auswählt, bekommt trotzdem KI im Haus, nur unkontrolliert.

Schulung ist ein wichtiger Hebel. Laut Bitkom schulen 70 Prozent der Unternehmen ihre Beschäftigten zu KI. Artikel 4 verlangt Maßnahmen zur Förderung der KI-Kompetenz des Personals; der im Juli 2026 in Kraft getretene Digital-Omnibus hat die Pflicht nach Darstellung mehrerer Kanzleien abgeschwächt.

3. Datenverfügbarkeit und technische Machbarkeit

Ein hoher Nutzen hilft dir nichts, wenn die nötigen Daten fehlen. Prüfe vier Punkte: Sind die Daten in brauchbarer Qualität vorhanden? Hast du Zugriff und darfst du sie rechtmäßig nutzen? Stehen Schnittstellen und Systeme bereit? Passt der Aufwand zu deinen Ressourcen? Unter den Unternehmen ohne KI nennen laut Bitkom 40 Prozent fehlende Daten als Hemmnis.

Strategische und ethische Verantwortung beim KI-Einsatz

Welche Ziele verfolgst du mit KI, und welche Veränderungen nimmst du in Kauf? Viele Anwendungen lassen sich auf zwei Arten einsetzen.

• RationalisierungStellen einsparenDie KI übernimmt Aufgaben, und das Unternehmen baut Kapazität ab.
• UnterstützungMenschen entlastenDie KI nimmt Routine ab, und die frei gewordene Zeit fließt in andere Tätigkeiten.

Dieses Dilemma ist real, der Wettbewerbsdruck auch. Die ILO schätzt, dass weltweit etwa jeder vierte Beschäftigte in einem Beruf arbeitet, der generativer KI ausgesetzt ist. Die wahrscheinlichste Wirkung ist laut ILO die Veränderung von Tätigkeiten, nicht der Ersatz ganzer Jobs.

Triff diese Entscheidung bewusst, bevor große Projekte starten. Sonst trifft sie das Projekt für dich. Die KI-Strategie muss zu den langfristigen Unternehmenszielen passen. Nicht umgekehrt. Welche Abhängigkeiten du dir dabei einkaufst, beschreibe ich im Beitrag zu Chancen, Risiken und Abhängigkeiten durch KI.

Datenschutz und EU AI Act: Was KI-Projekte rechtlich kosten

Technisch verfügbare Daten sind nicht automatisch nutzbare Daten. Im Gesundheitswesen liegen Patientendaten in vielen Systemen vor, doch die DSGVO untersagt in Artikel 9 die Verarbeitung von Gesundheitsdaten grundsätzlich und erlaubt sie nur unter engen Ausnahmen. Artikel 22 schützt Menschen vor ausschließlich automatisierten Entscheidungen mit erheblicher Wirkung. Verstöße kosten nach Artikel 83 bis zu 20 Millionen Euro oder 4 Prozent des weltweiten Jahresumsatzes.

Dazu kommt der EU AI Act mit seinen Risikoklassen. Für Chatbots gilt nach Artikel 50 eine Transparenzpflicht: Menschen müssen erkennen können, dass sie mit einer KI sprechen, außer es ist offensichtlich. Hochrisiko-Systeme unterliegen umfangreichen Pflichten zu Risikomanagement, Dokumentation und menschlicher Aufsicht. Für den Mittelstand ist vor allem Anhang III Nummer 4 relevant: KI, die Bewerbungen filtert, Bewerber bewertet, über Beförderung oder Kündigung entscheidet oder Leistung und Verhalten überwacht.

Nach dem im Juli 2026 in Kraft getretenen Digital-Omnibus (Verordnung (EU) 2026/1744) gelten die Hochrisiko-Pflichten für eigenständige Systeme nach Anhang III ab dem 2. Dezember 2027, für KI in Produkten nach Anhang I ab dem 2. August 2028. Fristen können sich durch weitere Änderungsverordnungen erneut verschieben.

Die Bußgelder des AI Act sind in Artikel 99 gestaffelt. Für KMU gilt jeweils der niedrigere Wert aus Festbetrag und Umsatzanteil.

Rechne Hochrisiko-Pflichten deshalb von Anfang an in Planung und Wirtschaftlichkeit ein. Ein hoher Compliance-Aufwand kann ein Projekt unwirtschaftlich machen, das auf dem Papier glänzend aussah. Dieser Beitrag ersetzt keine Rechtsberatung. Bei sensiblen Daten bindest du Datenschutzbeauftragte früh ein.

Praxisbeispiel: KI-Anwendungen priorisieren bei der InnoTech GmbH

Die InnoTech GmbH ist ein fiktives Unternehmen mit 200 Mitarbeitenden. Sie entwickelt und vertreibt innovative Haushaltsgeräte, nutzt bisher keine KI und will wettbewerbsfähiger werden. Alle Werte in diesem Kapitel sind Annahmen einer Beispielbewertung, keine Branchenzahlen.

Die Geschäftsführung geht alle Abteilungen durch, von Entwicklung über Produktion bis Außendienst. Sie sucht nach repetitiven Aufgaben, großen Datenmengen und Potenzial für Vorhersagen oder Optimierung. Daraus entstehen fünf Ideen.

Die Bewertungsmatrix

Jede Idee bekommt je Perspektive 1 bis 5 Punkte. 5 heißt: hoher Nutzen, hohe Akzeptanz, Daten vorhanden, kaum ethische Fragen, geringer rechtlicher Aufwand.

Lesart: Die Punkte sind eine Beispielbewertung für das fiktive Unternehmen, Annahmen des Autors. 5 ist in jeder Perspektive die günstigste Stufe.

Die Wissensdatenbank liegt vorn, obwohl sie nicht den größten Nutzen hat. Ihr Profil zeigt, warum: Sie schneidet in allen fünf Perspektiven solide ab.

• WissensdatenbankZuerstÜberall solide, und die Techniker wünschen sie sich selbst.
• NachfrageprognoseErst DatenHoher Nutzen, scheitert vorerst an verstreuten Vertriebsdaten.
• Kundenservice-AssistentSpäterKunden mit defektem Gerät wollen oft einen Menschen sprechen. Er braucht den Hinweis nach Artikel 50.

Eine sechste Idee hat InnoTech bewusst verworfen: eine Kamera-Auswertung des Arbeitstempos einzelner Monteure. Sie fiele unter Anhang III Nummer 4 und würde das Vertrauen in alle anderen Projekte beschädigen.

Jetzt der Belastungstest: Tritt nur der halbe Nutzen ein, bleiben 27.500 Euro pro Jahr, und die Amortisation dauert gut fünf Jahre. Deshalb sagt die Matrix „Pilot mit Datentest“. Und die freie Prüfzeit zählt nur, wenn du sie bewusst einsetzt, etwa für Ursachenanalyse.

Anleitung: KI-Anwendungen in sechs Schritten bewerten

Plane für den ersten Durchgang einen halben Tag mit drei bis fünf Personen aus verschiedenen Bereichen ein.

1. Ziel festlegen: Schreib in einem Satz auf, was KI erreichen soll, zum Beispiel Wachstum ohne zusätzliche Stellen.
2. Ideen sammeln: Suche Abteilung für Abteilung nach repetitiven Aufgaben, großen Datenmengen und Prognosepotenzial.
3. Aussortieren: Prüfe jede Idee mit dem Entscheidungsbaum unten.
4. Punkte vergeben: Bewerte die übrigen Ideen in fünf Perspektiven von 1 bis 5. Lass die künftigen Nutzer die Akzeptanz einschätzen.
5. ROI rechnen: Rechne die zwei besten Ideen durch, auch mit halbem Nutzen.
6. Pilot festlegen: Starte die erste Idee mit einem messbaren Abbruchkriterium, etwa einer Erkennungsquote.

Wo dein Unternehmen steht, zeigt dir der KI-Schnellcheck. Wie du die gewählte Anwendung einführst, beschreibe ich in KI-Projekte umsetzen: sieben Schritte und typische Fehler. Für einen Blick von außen gibt es meine Beratung.

Fazit: Bewusste Auswahl statt umfassender Einsatz

Die Bewertung von KI-Anwendungen verbindet wirtschaftliche, organisatorische, strategische, ethische und rechtliche Anforderungen. Keine Perspektive reicht allein. Wie sehr die Auswahl zählt, zeigt die Studie von Dell'Acqua und Kollegen mit 758 Beratern der Boston Consulting Group: Bei Aufgaben, die zur KI passten, erledigten sie mit KI 12,2 Prozent mehr Aufgaben und waren 25,1 Prozent schneller. Bei einer Aufgabe außerhalb dieser Grenze lagen sie 19 Prozentpunkte seltener richtig. Den größten Nutzen erzielst du durch bewusste Auswahl.

Eine KI-Anwendung ist dann sinnvoll, wenn ihr erwarteter Nutzen die erforderlichen Investitionen rechtfertigt, ihre Umsetzung möglich und rechtlich zulässig ist und sie zur strategischen Ausrichtung des Unternehmens passt.

Reflexion: Prüfe eine Anwendung aus fünf Perspektiven

Nimm eine KI-Anwendung, die bei dir gerade diskutiert wird:

Würdest du sie priorisieren? Welche Fragen bleiben offen? Und bei InnoTech: Welche Idee hätte die größte Wirkung, welche wäre am einfachsten, wo liegen die Hürden?

Häufige Fragen

Wie bewerte ich, ob sich eine KI-Anwendung lohnt?

Bewerte jede Idee aus fünf Perspektiven: Wirtschaftlichkeit, Akzeptanz, Machbarkeit, Verantwortung und rechtliche Anforderungen. Vergib je 1 bis 5 Punkte und rechne für die besten Ideen den ROI mit Einführungskosten, laufenden Kosten und erwartetem Nutzen durch.

Wie berechne ich den ROI eines KI-Projekts?

Stell Einführungskosten und laufende Kosten den jährlichen Einsparungen und Mehrerträgen gegenüber. Die Amortisationszeit ist die Einführung geteilt durch den Nettonutzen pro Jahr. Rechne zusätzlich mit halbem Nutzen, um den ungünstigen Fall zu sehen.

Warum scheitern KI-Projekte trotz guter Technik?

Häufig fehlen nutzbare Daten, die Akzeptanz der Beschäftigten oder Klarheit über Kosten und Recht. Laut Bitkom nennen 42 Prozent der KI-nutzenden Unternehmen in Deutschland fehlende Akzeptanz der Beschäftigten als Hemmnis, 66 Prozent den Datenschutz.

Ab wann gelten die Hochrisiko-Pflichten des EU AI Act?

Nach dem im Juli 2026 in Kraft getretenen Digital-Omnibus gelten die Pflichten für eigenständige Hochrisiko-Systeme nach Anhang III ab dem 2. Dezember 2027, für KI in Produkten nach Anhang I ab dem 2. August 2028. Fristen können sich durch weitere Änderungen verschieben.

Ist ein Chatbot im Kundenservice ein Hochrisiko-System?

In der Regel nein. Ein Kundenservice-Chatbot hat ein begrenztes Risiko, für das nach Artikel 50 AI Act eine Transparenzpflicht gilt. Kunden müssen erkennen können, dass sie mit einer KI sprechen, sofern das nicht offensichtlich ist.

Quellen und Stand

• Bitkom, Erstmals nutzt Mehrheit der Unternehmen KI, 14.09.2026
• IBM Institute for Business Value, 2025 CEO Study, 06.05.2025
• NBER, Brynjolfsson/Li/Raymond, Generative AI at Work, 2023
• Harvard Business School, Dell'Acqua et al., Navigating the Jagged Technological Frontier, 2023
• Microsoft und LinkedIn, 2024 Work Trend Index, 08.05.2024
• ILO, Generative AI and Jobs, 20.05.2025
• Rat der EU, Council gives final green light, 06/2026
• Orrick, Digital Omnibus Finalizes 8 Compliance Changes, 07/2026
• EU, AI Act Art. 4, VO (EU) 2024/1689
• EU, AI Act Art. 50, VO (EU) 2024/1689
• EU, AI Act Art. 99, VO (EU) 2024/1689
• EU, AI Act Anhang III, VO (EU) 2024/1689
• EU, DSGVO Art. 9, VO (EU) 2016/679
• EU, DSGVO Art. 22, VO (EU) 2016/679
• EU, DSGVO Art. 83, VO (EU) 2016/679

Bilder: KI-generiert mit Gemini 3 Pro Image; das Titelbild zeigt Steffen Herr auf Basis eines echten Porträts.

Stand: 14. November 2026