Die KI-Einsparung ist schon eingeplant – aber wer bezahlt die Lernkurve?
In aktuellen Gesprächen über neue Projekte beobachte ich die beunruhigende Entwicklung, dass bereits bei der Kostenkalkulation mögliche Effizienzsteigerungen durch KI eingepreist werden sollen.
Dafür werden Expertenschätzungen eingefordert, wie viel sich während der Projektlaufzeit einsparen lässt. Das Einsparpotenzial wird teilweise schon vor dem Projektstart berücksichtigt, unabhängig davon, ob die im Projekt eingesetzten Mitarbeiter*innen mit den neuen Werkzeugen bereits arbeiten können.
Besonders problematisch wird es, wenn Projekte deshalb direkt mit weniger Personal geplant werden. Wer das Werkzeug noch nicht sicher beherrscht, soll dann die gleiche Arbeit in weniger Zeit erledigen. Aus einem Effizienzversprechen kann so schnell Überlastung werden.
Was dagegen oft in der Kalkulation fehlt, sind Lizenzkosten und die schwer vorhersehbaren Kosten der Token-Nutzung. Noch wichtiger sind Schulungen, Prozessanpassungen, neue Qualitätskontrollen, Datenschutzprüfungen und die notwendige Zeit zum Ausprobieren.
Die Produktivitäts-J-Kurve beschreibt genau diesen zeitlichen Versatz: Neue Technologien benötigen zunächst ergänzende Investitionen. Der messbare Nutzen folgt häufig später [1].
Dass es sich für Unternehmen lohnt, KI früh und strukturiert zu erproben, steht für mich außer Frage [2]. Gerade deshalb sollten Erwartungen nicht mit belastbaren Erfahrungswerten verwechselt werden.
Aus meiner Sicht braucht es einen klaren Ablauf: Erfahrungen in laufenden Projekten sammeln, Beschäftigte qualifizieren und die tatsächliche Entlastung messen. Erst daraus entsteht eine tragfähige Kalkulationsgrundlage für neue Projekte.
Erst befähigen, dann messen und erst danach einkalkulieren.
Für künftige Gespräche möchte ich deshalb drei Fragen stellen: Wer bekommt Zeit zum Lernen? Woran messen wir die tatsächliche Entlastung? Und was passiert mit der Personalplanung, solange diese Antworten noch fehlen?
Quellen
[1] Brynjolfsson, Rock und Syverson: The Productivity J-Curve, American Economic Journal: Macroeconomics, 2021. (AEA)
[2] LMU München: „Es lohnt sich für Unternehmen, KI früh zu erproben“. Interview mit Florian Englmaier, 25. März 2026. (LMU München)
