Wie messen ich, ob KI im IT-Service tatsächlich Wert schafft?

Ergebnisse statt Output messen
Künstliche Intelligenz im neuronalen Netz

Ob KI im IT-Service Wert schafft, messen Sie am veränderten Ergebnis, nicht an der Menge der KI-Antworten. Legen Sie vor der Einführung ein Zielergebnis und einen Ausgangswert fest, etwa Erstlösungsquote oder Kosten je Ticket. Danach vergleichen Sie Nutzen, Kosten und Risiken über den gesamten Betrieb. Laut McKinsey berichten 80 Prozent von höherer persönlicher Produktivität, aber nur 37 Prozent von einer Wirkung auf das Betriebsergebnis.

Warum zeigt sich der Nutzen von KI selten im Betriebsergebnis?

Der Nutzen von KI zeigt sich selten im Betriebsergebnis, weil eingesparte Minuten einzelner Beschäftigter nicht automatisch zu geringeren Kosten oder besseren Ergebnissen führen. Die gewonnene Zeit verteilt sich häufig im Arbeitstag, ohne dass jemand sie gezielt einsetzt. Ohne Ausgangswert und Zielergebnis bleibt der Effekt zudem unsichtbar.

In der Umfrage The State of AI 2026 von McKinsey berichten 80 Prozent der Befragten, dass KI ihre persönliche Produktivität verbessert hat. Nur 37 Prozent führen überhaupt eine Wirkung auf das Betriebsergebnis vor Zinsen und Steuern (EBIT) auf KI zurück. Grundlage sind 1.719 Antworten aus 97 Ländern, erhoben im Mai und Juni 2026.

Rund sechs Prozent der Befragten zählt McKinsey zu den Spitzenreitern, die mindestens fünf Prozent ihres EBIT der KI zuschreiben. Diese Unternehmen geben doppelt so häufig an, festgelegte Verfahren zur Messung der Wirkung ihrer KI-Vorhaben zu haben. Ein Beleg für Ursache und Wirkung ist das nicht, wohl aber ein Hinweis, dass Messung zur Steuerung gehört.

Einfacher ist die Lage, wenn KI eine klar abgegrenzte Tätigkeit übernimmt, deren Aufwand bekannt ist. Klassifiziert ein Modell eingehende Tickets, lassen sich eingesparte Bearbeitungszeit und Fehlzuordnungen direkt zählen. Schwierig wird es, sobald KI Entscheidungen oder das Kundenerlebnis verändert.

Was verraten Output-Kennzahlen über den tatsächlichen Nutzen?

Output-Kennzahlen verraten, wie viel eine KI produziert, aber nicht, ob sich dadurch etwas verbessert. Ein Chatbot kann Tausende Anfragen beantworten, während Rückfragen und Beschwerden steigen. Aussagekräftig wird die Messung erst, wenn sie das Ergebnis für Anwender, Service-Team und Unternehmen erfasst.

Das Rahmenwerk ITIL AI Governance von PeopleCert trennt dafür zwei Begriffe. Ein Output ist das, was eine Tätigkeit liefert, etwa eine generierte Antwort. Ein Outcome ist das Ergebnis, das ein Beteiligter durch diesen Output erreicht, etwa ein gelöstes Problem. Die Leitfragen lauten entsprechend: Was hat die KI produziert, und was hat sich verändert, weil der Output genutzt wurde?

Im IT-Service liegt der Unterschied oft zwischen zwei Kennzahlen. Die Zahl der vom Chatbot geschlossenen Tickets ist ein Output. Die Wiederöffnungsquote dieser Tickets zeigt, ob das Problem tatsächlich gelöst wurde. Steigt sie, verlagert die KI Arbeit nur zeitlich nach hinten.

Kundenanfragen sind der häufigste Einsatzbereich. Laut Bitkom nutzen 2026 bereits 72 Prozent der KI-Anwender KI für die Bearbeitung von Kundenanfragen. Im IT-Bereich selbst sind es neun Prozent, nach zwei Prozent im Vorjahr. Einen messbaren Beitrag zum Unternehmenserfolg sehen 45 Prozent der KI-Anwender. Das ist eine Selbsteinschätzung, keine Messung.

Woraus besteht der Wert einer KI-Anwendung im IT-Service?

Der Wert einer KI-Anwendung im IT-Service besteht aus den Ergebnissen, die sie ermöglicht, abzüglich der Kosten und Risiken, die sie verursacht. Positiv zählen etwa gelöste Anliegen und vermiedene Störungen. Negativ zählen Lizenz- und Betriebskosten sowie Fehlentscheidungen. Wert entsteht nur, wenn die positive Seite überwiegt.

Der Wert einer KI-Anwendung ist der Saldo aus den Ergebnissen, die sie ermöglicht, und den Kosten und Risiken, die sie hinzufügt oder beseitigt. Diese Sicht übernimmt ITIL AI Governance aus der allgemeinen ITIL-Definition von Services. Für die Bewertung nennt das Rahmenwerk vier Eigenschaften: Nutzen, Gewährleistung, Erlebnis und Nachhaltigkeit. Die folgende Tabelle greift drei davon auf und ergänzt Kosten und Risiko.

WertdimensionLeitfrageBeispiel-Kennzahl (Einheit)
NutzenLöst die KI das Anliegen?Erstlösungsquote (%), Bearbeitungszeit (Stunden)
GewährleistungArbeitet die KI zuverlässig?Verfügbarkeit (%), Anteil fehlerhafter Antworten (%)
ErlebnisWie erleben Anwender den Service?Zufriedenheit (Skala 1–5), Wiederöffnungsquote (%)
KostenWas kostet der Betrieb?Kosten je Ticket (Euro), KI-Kosten je Monat (Euro)
RisikoWo entstehen neue Schäden?Beschwerden je Monat (Anzahl), Übersteuerungsquote (%)

Quelle: Eigene Darstellung von AFFINITY auf Basis von ITIL AI Governance (PeopleCert), Kapitel 3 und Beispielkennzahlen aus Kapitel 5.

Wie messen Sie den Wert einer KI-Anwendung Schritt für Schritt?

Den Wert einer KI-Anwendung messen Sie in sechs Schritten, beginnend vor dem Start. Sie legen ein Zielergebnis fest, messen den Ausgangswert und wählen wenige Kennzahlen je Wertdimension. Danach erfassen Sie alle Kosten, stellen einen fairen Vergleich her und wiederholen die Messung über den gesamten Betrieb.

  1. Zielergebnis festlegen: Formulieren Sie, was sich für Anwender oder Service-Team verbessern soll, etwa eine höhere Erstlösungsquote.
  2. Ausgangswert messen: Erheben Sie die Kennzahlen vor der Einführung über einen vergleichbaren Zeitraum, damit saisonale Schwankungen nicht verzerren.
  3. Kennzahlen auswählen: Wählen Sie je Wertdimension ein bis zwei Kennzahlen, die Sie ohnehin im Ticketsystem erfassen können.
  4. Kosten vollständig erfassen: Rechnen Sie Lizenzen, Rechenleistung, Datenaufbereitung, Integration und interne Pflege ein.
  5. Vergleich herstellen: Vergleichen Sie Teams oder Zeiträume mit und ohne KI unter möglichst gleichen Bedingungen.
  6. Laufend überprüfen: Wiederholen Sie die Messung in festen Abständen und nach jedem Modell- oder Prozesswechsel.

Welchen Wert liefert Ihre KI im IT-Service?

AFFINITY berät IT-Organisationen in Deutschland seit 2013 zu IT-Service-Management und ITIL. Ein Erstgespräch klärt, welche Kennzahlen für Ihre KI-Anwendung aussagekräftig sind und welche Daten Sie dafür bereits haben.

Für den vierten Schritt liefert die Bitkom-Befragung Anhaltspunkte. KI-Anwender nennen dort vor allem Infrastruktur wie Cloud und Rechenleistung (51 Prozent), Datenaufbereitung (50 Prozent) und Integration (41 Prozent) als große Kostenblöcke. Lizenzen und Abonnements nennen nur 21 Prozent. Wer nur die Lizenz rechnet, überschätzt den Wert deshalb systematisch. Wie sich Kostenerfassung und Messung in bestehende Abläufe einfügen, ist eine Frage der Optimierung Ihrer IT-Prozesse.

Wann genügen Effizienzkennzahlen und wann brauchen Sie Ergebniskennzahlen?

Effizienzkennzahlen genügen, wenn KI eine abgegrenzte Routinetätigkeit übernimmt und das Ergebnis gleich bleibt. Ergebniskennzahlen brauchen Sie, sobald KI Entscheidungen beeinflusst oder mit Anwendern spricht. Dann reicht eingesparte Zeit nicht als Beleg, weil sich Qualität und Erlebnis für Anwender ebenfalls verändern können.

ITIL AI Governance beschreibt die Rolle der KI in Stufen. Sie reichen vom Werkzeug, das Menschen direkt bedienen, über den Assistenten, der Entscheider unterstützt, bis zum Kollegen, der innerhalb vereinbarter Grenzen selbst handelt. Das Rahmenwerk nennt AIOps im IT-Betrieb als Beispiel für diesen Übergang. Je selbstständiger die KI arbeitet, desto stärker muss die Messung auf Ergebnisse und Risiken schauen.

  • Wählen Sie Effizienzkennzahlen, wenn die KI eine Tätigkeit mit bekanntem Aufwand übernimmt, etwa Ticketklassifizierung oder Zusammenfassungen, und ein Mensch das Ergebnis prüft.
  • Wählen Sie Ergebniskennzahlen, wenn die KI Anwendern direkt antwortet, Lösungen vorschlägt oder Störungen selbstständig behebt.

Effizienzgewinne werden erst zu Wert, wenn das Unternehmen die frei gewordene Zeit nutzt. Ein Service-Desk, der schneller arbeitet, aber dieselbe Besetzung behält, spart nur dann, wenn das Team die Zeit für andere Aufgaben einsetzt. Planen Sie diese Verwendung von Anfang an.

Wie verhindern Sie, dass KI-Kennzahlen in die Irre führen?

KI-Kennzahlen führen nicht in die Irre, wenn jede Effizienzkennzahl ein Gegenstück für Qualität oder Risiko hat. Eine sinkende Bearbeitungszeit zählt nur, wenn Wiederöffnungen und Beschwerden nicht steigen. Zusätzlich sollten Sie Durchschnittswerte nach Anwendergruppen aufschlüsseln, weil Mittelwerte Probleme einzelner Gruppen verdecken.

ITIL AI Governance zeigt das Risiko am Fallbeispiel einer Autovermietung. Erfolgskennzahlen, die nur Durchsatz und Schnelligkeit messen, verdecken dort Fehler, unfaire Behandlung und Schäden für Kunden. Die Beispielkennzahlen des Rahmenwerks decken deshalb neben Wert und Kosten auch Vertrauen, Verantwortung und Risikomanagement ab.

Eine nützliche Kennzahl ist die Übersteuerungsquote. Sie zeigt, wie oft Beschäftigte KI-Empfehlungen ändern oder verwerfen. Steigt sie, sinkt die Qualität der KI oder das Vertrauen in sie. Liegt sie über lange Zeit nahe null, prüft möglicherweise niemand mehr die Ergebnisse.

In frühen Pilotphasen gelten andere Maßstäbe. Dort geht es um Lernen, nicht um Rendite. Legen Sie fest, welche Frage der Pilot beantworten soll, und messen Sie den Wert erst, wenn die Anwendung im regulären IT-Service-Management läuft.

Häufige Fragen

Ab wann lässt sich der Wert einer KI-Anwendung messen?

Belastbare Werte entstehen erst, wenn die Anwendung stabil im Regelbetrieb läuft und die Anwender sich an sie gewöhnt haben. Erfahrungsgemäß ist das nach etwa drei Monaten der Fall. Den Ausgangswert müssen Sie dagegen vor der Einführung erheben, sonst fehlt der Vergleich.

Lässt sich eingesparte Zeit direkt in Euro umrechnen?

Nur unter einer Bedingung: Die frei gewordene Zeit muss für andere Aufgaben genutzt werden oder Personalkosten tatsächlich senken. Andernfalls ist die Zeitersparnis ein Potenzial, aber kein realisierter Wert. Weisen Sie beides im Bericht getrennt aus.

Wer sollte den Wert von KI im IT-Service messen?

Die Messung gehört zum Service Owner des betroffenen IT-Service, unterstützt durch das Controlling. Das KI-Projektteam liefert Daten, sollte den Erfolg seines eigenen Projekts aber nicht allein bewerten. So bleibt die Bewertung unabhängig von den Interessen des Projekts.

Welche Rolle spielt Nachhaltigkeit beim Wert von KI?

Nachhaltigkeit ist eine der vier Werteigenschaften in ITIL AI Governance. Sie fragt, ob ein Service dauerhaft Wert schaffen kann, auch mit Blick auf Energieverbrauch, Lieferanten und Folgekosten. Bei rechenintensiven Modellen gehört der Ressourcenverbrauch deshalb in die Kostenrechnung.

Wie AFFINITY bei der Bewertung von KI im IT-Service unterstützt

AFFINITY verbindet die Bewertung von KI-Anwendungen mit Ihrem IT-Service-Management und Ihrer IT-Strategie.

  • Zielbild: Für jede KI-Anwendung ist ein messbares Zielergebnis mit Ausgangswert festgelegt.
  • Kennzahlenset: Wir wählen Kennzahlen je Wertdimension aus, die Ihr Ticketsystem bereits liefert oder mit geringem Aufwand liefern kann.
  • Kostenmodell: Alle Kosten der Anwendung, von Lizenzen bis Datenpflege, sind einem Service zugeordnet.
  • Berichtswesen: Ein regelmäßiger Bericht zeigt Nutzen, Kosten und Risiken je Anwendung für Service Owner und Leitung.

Sprechen Sie uns über das Kontaktformular an, wenn Sie KI im IT-Service einsetzen und den Nutzen belastbar nachweisen wollen.

Dieser Beitrag dient der allgemeinen Information und ersetzt keine individuelle IT-, Vertrags- oder Rechtsberatung. Angaben zu Frameworks, Zertifizierungen und Fristen beruhen auf den genannten Quellen zum Stand der letzten Aktualisierung und können sich ändern.

Verwandte Artikel