Klassischer Business Case vs. AI Business Case: Was Unternehmen jetzt anders denken müssen

Es wird scheinbar Zeit, nicht nur mit AI zu experimentieren, sondern auch AI Business Cases neu zu denken – denn hier gelten andere Annahmen als beim klassischen IT-Case.

Die fünf wichtigsten Unterschiede – und was das für die Kalkulation bedeutet:

Klassische IT liefert vorhersehbare Ergebnisse, Fehler sind klar zu beheben. KI arbeitet probabilistisch: Schwankungen und Fehler sind systemimmanent.

➡️ Fehlerquoten und Unsicherheiten einplanen. Aufwände für Qualitätssicherung, Monitoring und Human-in-the-Loop-Prozesse kalkulieren. 100 % Automatisierung ist unrealistisch – Kosten für Nacharbeit und Kontrolle integrieren.

Klassische IT entfaltet Wert mit dem Go-Live, danach meist stabiler Betrieb. KI entwickelt Wert iterativ durch Lernen, Feedback und Anpassungen.

➡️ Pilotphasen, Verbesserungen, Nachtrainings und Feedbackschleifen kalkulieren. Value-Controlling und laufende Betriebs-, Anpassungs- und Skalierungskosten berücksichtigen.

Klassische IT wird oft verbindlich genutzt. Bei KI entscheiden Anwender selbst, ob und wie intensiv sie das System nutzen.

➡️ Reale Nutzung messen (Adoption-Rate, Nutzungsintensität). Budgets für Change-Management, Schulungen und Akzeptanzförderung einplanen.

Klassische IT nutzt Daten unterstützend. Für KI sind Daten der zentrale Produktionsfaktor: Ohne hochwertige, zugängliche Daten kein Erfolg.

➡️ Aufwand und Kosten für Datenzugang, -qualität und -rechte einplanen. Daten-Governance und Compliance frühzeitig klären. Risiken und Alternativen einkalkulieren.

Klassische IT wird nach Lastenheft gebaut. Bei KI zeigen sich Verhalten und Nutzen oft erst im Einsatz.

➡️ Pilotphasen, Hypothesentests budgetiereny. Annahmen dokumentieren und regelmäßig überprüfen. Flexible Budgets und Zeitpuffer einplanen.