Lohnt sich KI im Betrieb? OpenAI zeigt, wie man es nachrechnet

TL;DR: OpenAI hat am 16. September ein Framework veröffentlicht, das zeigt, wie Unternehmen KI-Nutzung in einen konkreten Geschäftswert übersetzen – inklusive Rechenbeispiel und echten Kundenzahlen. Die Methode stammt vom Anbieter selbst, der Kern lässt sich aber auf jede Automatisierung übertragen: Wer von Anfang an mitdenkt, was gemessen wird, sieht auch, was sie bringt.

Die meisten Unternehmen nutzen inzwischen KI – aber kaum eines weiss genau, was es ihnen bringt. Das zeigt auch eine aktuelle Bitkom-Umfrage unter über 600 Betrieben: 57 % setzen KI bereits ein, doch 63 % können die Kosten dafür kaum kalkulieren, und 85 % fehlt schlicht das Know-how zur Umsetzung. Genau an diesem Punkt setzt OpenAI mit einem neuen Framework an: Es soll Unternehmen helfen, KI-Nutzung nicht nur zu zählen, sondern ihren Wert zu belegen.

OpenAI schlägt vor, für jeden KI-Anwendungsfall ein Verbesserungsziel zu definieren, die Ausgangssituation zu dokumentieren, die Ergebnisse über einen Zeitraum zu vergleichen, freigesetzte Kapazität nachvollziehbar weiterzuverwenden – und daraus den ROI zu berechnen. Dazu gibt es ein Rechenbeispiel, das OpenAI ausdrücklich als hypothetisch kennzeichnet: 20 Verkäufer:innen sparen dank KI-Unterstützung je drei Stunden pro Kundenbrief. Hochgerechnet auf ein Jahr ergibt das rund 5'520 Stunden – bei geschätzten 60'000 Dollar Kosten ein rechnerischer ROI von 245 %.

Interessanter als das Rechenbeispiel sind die realen Fälle, die OpenAI daneben nennt: Der Passwort-Manager 1Password beziffert den Nutzen seines Codex-Einsatzes in der Softwareentwicklung mit 553 % ROI und 0,8 Millionen Dollar jährlichem Kapazitätsgewinn. Der Anbieter ATV Big Air Tour reduzierte den Aufwand für Produktbeschreibungen von acht auf eine Stunde pro Woche.

Dass ausgerechnet OpenAI jetzt eine Methode liefert, um den eigenen Nutzen zu belegen, ist kein Zufall. Laut Axios hatte OpenAI-CFO Sarah Friar bereits im Juli vorgeschlagen, KI-Erfolg nicht am Preis pro Token zu messen, sondern an "useful intelligence per dollar" – ein Massstab, der teurere Modelle rechtfertigt, solange sie mehr leisten. Der Artikel weist selbst darauf hin, dass viele Finanzverantwortliche bei den tatsächlichen KI-Kosten "weitgehend im Blindflug" unterwegs sind. Das neue Framework ist also auch ein Verkaufsargument – was die genannten Zahlen nicht falsch macht, aber einordnet, wessen Interesse dahintersteht.

Der 1Password-Fall zeigt vor allem, wie das Prinzip funktioniert: Nicht die grosse Engineering-Abteilung macht den Unterschied, sondern dass jemand von Anfang an mitdenkt, was vorher und nachher gemessen wird. Genau das lässt sich auf jede Automatisierung übertragen, unabhängig von Grösse oder eigener IT: eine Aufgabe klar abgrenzen, den Ist-Zustand festhalten, nach der Umstellung nachmessen. Das gehört von Beginn an ins Projekt.

OpenAIs Framework zeigt vor allem eins: Der Wert von KI lässt sich zeigen, wenn man von Anfang an dafür baut. Genau das ist für uns der Unterschied zwischen einer generischen KI-Lösung und einer massgeschneiderten Automatisierung. Bei Letzterer ist die Erfolgsmessung von Tag eins Teil des Plans, nicht eine Frage, die man sich erst hinterher stellt.