Deutsche Unternehmen machen sich Innovation zum Teil selbst schwer: Eine gute Idee muss erst einen aufwendigen Business Case überstehen, dann eine Budgetrunde, in der jedes Projekt anders rechnet, und nach der Einführung prüft kaum jemand, ob die Rechnung aufgegangen ist. Fachkräftemangel und Kosten kann ein einzelnes Unternehmen kaum ändern, diese drei Hürden schon.
Zwischen „Das könnten wir besser machen“ und einer tatsächlichen Verbesserung liegen mitunter erstaunlich viele Vorlagen, Übergaben und Budgetrunden.
Bei Innovation denken die meisten wohl zuerst an neue Batterien, Medikamente oder den nächsten großen KI-Durchbruch. Für die Wettbewerbsfähigkeit zählt allerdings genauso, ob Tausende Unternehmen ihre tägliche Arbeit besser organisieren, also weniger Ausschuss produzieren, schneller Angebote schreiben oder Kundenanfragen zügiger beantworten.
Diese breite Erneuerung ist keine Selbstverständlichkeit. Laut KfW-Innovationsbericht Mittelstand 2025 haben 41 % der mittelständischen Unternehmen in Deutschland zwischen 2022 und 2024 neue oder verbesserte Produkte oder Prozesse eingeführt (zwei Prozentpunkte mehr als in der Erhebung davor). Eine leichte Erholung also, bei der Mehrheit gab es in diesem Zeitraum allerdings keine solche Neuerung.
Die Expertenkommission Forschung und Innovation nennt in ihrem Gutachten 2026 Fachkräftemangel, hohe Kosten, wirtschaftliche Risiken und bürokratische Belastungen als zentrale Hürden. Wer wenig Personal und finanziellen Spielraum hat, überlegt sich einen Versuch eben zweimal. Umso mehr lohnt der Blick auf die Hürden, die ein Unternehmen selbst in der Hand hat, denn zwischen „Das könnten wir besser machen“ und einer tatsächlichen Verbesserung liegen mitunter erstaunlich viele Vorlagen, Übergaben und Budgetrunden.
Bayescase, Software für die Bewertung und Priorisierung von Innovations- und Kostensenkungsprogrammen, setzt an genau diesen Stellen an: Business Cases mit Bandbreiten rechnen, sie vergleichbar machen und nach der Freigabe Planung, Ist-Werte und Forecast zusammenführen.
Wie das im Alltag aussieht, zeigt ein einfaches Beispiel. Ein Serviceteam möchte einen KI-Assistenten einsetzen, der Informationen zusammensucht und Antworten auf Kundenanfragen vorschlägt, das Team prüft die Entwürfe und schickt sie ab. Weniger Routinearbeit, mehr Zeit für schwierige Fälle. Klingt nach einem sinnvollen Versuch.
Vor der Entscheidung: Wie rechnet man einen Business Case, wenn die Zahlen noch fehlen?
Für den Piloten braucht das Team Budget, und dafür soll es zuerst einen Business Case ausfüllen: Einführungskosten, Einsparungen, Amortisation, am besten auf mehrere Jahre gerechnet.
Im Service kennt man die Probleme der Kunden ziemlich gut. Ein Finanzmodell hat dort allerdings noch niemand gebaut. Also geht der Vorschlag an Controlling. Dort fehlen Angaben der IT, die IT wartet auf den Anbieter, und der braucht erst einmal eine genaue Beschreibung des Projekts.
Währenddessen läuft der Do-Nothing-Fall einfach weiter: Das Team tippt dieselben Antworten wie vorher.
Das Potenzial ist durchaus greifbar. In einer 2025 veröffentlichten Studie mit 5.172 Kundensupport-Mitarbeitern lösten Mitarbeiter mit KI-Assistenz im Schnitt 15 % mehr Anfragen pro Stunde als ohne. Ob das eigene Team ähnlich profitiert, lässt sich allerdings nur ausprobieren.
Für die erste Entscheidung reicht deshalb eine überschaubare Rechnung: Was darf der Test kosten? Welche Verbesserung erscheint plausibel? Und was willst du dabei herausfinden? Unsichere Annahmen können als Bandbreiten stehen bleiben, und gerade beim Business Case für ein KI-Projekt sagt die Spanne meist mehr als ihre Mitte. Die Erkenntnisse aus dem Piloten machen die Rechnung anschließend belastbarer.
Während der Entscheidung: Drei Projekte, drei verschiedene Rechnungen
Nehmen wir an, der Pilot überzeugt. Für die Einführung muss sich der Serviceassistent jetzt gegen andere Projekte durchsetzen, etwa eine KI für den Vertrieb und eine automatische Rechnungsverarbeitung.
Alle versprechen einen guten ROI. Allerdings rechnet ein Team über drei Jahre, ein anderes über fünf, eines berücksichtigt Schulungen, Schnittstellen und laufende Betreuung, beim nächsten stehen fast nur die Lizenzkosten. Jede Rechnung lebt in ihrer eigenen Excel-Welt.
Dadurch kann ausgerechnet das sorgfältiger gerechnete Projekt schlechter aussehen, und Budget und Personal landen womöglich dort, wo die Annahmen am optimistischsten sind.
Besonders leicht passiert das bei Zeitersparnissen. Wenn die KI täglich eine Stunde Arbeit abnimmt, sinkt die Gehaltsabrechnung noch lange nicht. Vielleicht fallen weniger Überstunden an, vielleicht wird der Rückstand kleiner oder das Team kann mehr Kunden betreuen. Das sind unterschiedliche Ergebnisse, und sie gehören auch unterschiedlich in die Rechnung.
Wer Innovationsprojekte bewerten will, braucht deshalb gemeinsame Regeln für Kosten, Nutzen und Betrachtungszeitraum. Dazu gehört auch die Frage, ob sich das Projekt noch lohnt, wenn die KI seltener genutzt wird als erwartet.
Nach der Entscheidung: Was hat das Projekt eigentlich gebracht?
Die KI wird eingeführt, das Team geschult, das Projekt abgeschlossen. Ein halbes Jahr später fragt der CFO, was aus den versprochenen Einsparungen geworden ist.
Es gibt Zahlen zu erstellten Antwortvorschlägen und aktiven Nutzern. Ob Anfragen insgesamt schneller erledigt werden, wie viel Nacharbeit anfällt und was nach den laufenden Kosten übrig bleibt, hat bisher allerdings niemand zusammengeführt.
Damit fehlt auch die Grundlage für die nächste Entscheidung: Funktioniert das gut genug für weitere Teams, muss etwas geändert werden, oder wäre das Budget anderswo besser eingesetzt?
Die Ziele aus dem Business Case sollten deshalb direkt in die Umsetzung wandern. Beim Serviceassistenten wären das etwa Bearbeitungszeit einschließlich Kontrolle, Antwortqualität, Nutzung und tatsächliche Kosten, jeweils mit einem Verantwortlichen und einem festen Termin zum Nachsehen.
Die genehmigte Rechnung bleibt als Baseline erhalten, die tatsächlichen Ergebnisse fließen in einen aktualisierten Forecast. So wird sichtbar, was die KI bringt und wo nachgebessert werden muss.
Was hat das mit Deutschlands Innovationskraft zu tun?
Ein verschobener KI-Pilot wirkt klein. Summieren sich solche Verzögerungen allerdings über viele Unternehmen, bleibt Produktivität liegen: Arbeit dauert länger als nötig, knappe Fachkräfte bleiben mit Routine beschäftigt und Geld fehlt für wirksamere Projekte.
Als Geschäftsführung kannst du an drei Stellen unmittelbar ansetzen:
| Phase | Was bremst | Wirtschaftliche Folge | Was hilft |
|---|---|---|---|
| Vor der Entscheidung | Hoher Aufwand vor dem ersten Test | Ideen bleiben liegen, Verbesserungen kommen später | Einfacher Einstieg und begrenztes Testbudget |
| Während der Entscheidung | Unterschiedliche Rechenregeln | Budget fließt womöglich in die falschen Projekte | Vergleichbare Business Cases mit Bandbreiten |
| Nach der Entscheidung | Planung und Erfolgsmessung laufen auseinander | Nutzen bleibt unklar, Korrekturen kommen spät | Ziele aus dem Modell ableiten und Ergebnisse nachhalten |
Deutschlands Innovationskraft hängt also auch davon ab, wie leicht eine gute Idee im eigenen Haus zum ersten Versuch kommt, und ob das Unternehmen danach genug darüber lernt, um aus einem gelungenen Versuch eine größere Verbesserung zu machen.
Häufige Fragen
- Warum tun sich deutsche Unternehmen mit Innovation schwer?
- Die Expertenkommission Forschung und Innovation nennt in ihrem Gutachten 2026 Fachkräftemangel, hohe Kosten, wirtschaftliche Risiken und bürokratische Belastungen als zentrale Hürden. Dazu kommen Hürden im eigenen Haus: aufwendige Business Cases vor dem ersten Test, nicht vergleichbare Rechnungen in der Budgetrunde und fehlende Erfolgsmessung nach der Einführung. Diese drei kann ein Unternehmen selbst abbauen.
- Wie viele Mittelständler in Deutschland bringen Innovationen hervor?
- Laut KfW-Innovationsbericht Mittelstand 2025 haben 41 % der mittelständischen Unternehmen in Deutschland zwischen 2022 und 2024 neue oder verbesserte Produkte oder Prozesse eingeführt. Das sind zwei Prozentpunkte mehr als in der vorherigen Erhebung. Die Mehrheit hat in diesem Zeitraum also keine Innovation eingeführt.
- Wie rechne ich einen Business Case für einen KI-Piloten, wenn ich die Zahlen noch nicht kenne?
- Für einen Piloten reicht eine überschaubare Rechnung: was der Test kosten darf, welche Verbesserung plausibel ist und was du herausfinden willst. Unsichere Annahmen kannst du als Bandbreiten angeben statt als einzelne Zahl. Die Ergebnisse aus dem Piloten machen die Rechnung anschließend belastbarer.
- Wie vergleiche ich mehrere Innovationsprojekte fair miteinander?
- Alle Projekte brauchen dieselben Regeln für Kosten, Nutzen und Betrachtungszeitraum, sonst sieht das sorgfältiger gerechnete Projekt schnell schlechter aus. Zeitersparnisse kannst du danach unterscheiden, ob sie Kosten senken, Überstunden abbauen oder zusätzliche Kapazität schaffen. Bayescase, Software für die Bewertung und Priorisierung von Innovations- und Kostensenkungsprogrammen, rechnet Business Cases dafür mit Bandbreiten und macht sie vergleichbar.
- Wie messe ich, ob sich ein Innovationsprojekt gelohnt hat?
- Die Ziele aus dem genehmigten Business Case werden zu Kennzahlen mit einem Verantwortlichen und einem festen Prüftermin. Die genehmigte Rechnung bleibt als Baseline erhalten, die Ist-Werte fließen in einen aktualisierten Forecast. So zeigt sich früh, ob das Projekt liefert oder nachgesteuert werden muss.
Quellen
KfW Research: KfW-Innovationsbericht Mittelstand 2025: März 2026. Die Innovatorenquote für 2022–2024 beträgt 41 %, zwei Prozentpunkte mehr als für 2021–2023. Die Definition umfasst auch organisatorische und Marketinginnovationen. Die Quote misst realisierte Innovationen, nicht das Vorhandensein von Ideen oder laufende Innovationsprojekte.
Expertenkommission Forschung und Innovation (EFI): Gutachten 2026: Gutachten zu Forschung, Innovation und technologischer Leistungsfähigkeit Deutschlands 2026, Kapitel B1, insbesondere Abschnitt B1-4. Als zentrale Innovationshemmnisse werden Fachkräftemangel, Kosten, wirtschaftliche Risiken sowie regulatorische und administrative Belastungen diskutiert. Die im Artikel beschriebenen internen Freigabe- und Steuerungsprobleme sind eine eigene betriebswirtschaftliche Einordnung, das Gutachten beziffert ihren Beitrag nicht.
Erik Brynjolfsson, Danielle Li und Lindsey Raymond: Generative AI at Work: The Quarterly Journal of Economics 140(2), 2025, S. 889–942. Untersucht 5.172 Kundensupport-Mitarbeiter und berichtet im Schnitt 15 % mehr gelöste Anfragen pro Stunde. Das Ergebnis gilt für den untersuchten Einsatzkontext und ist keine allgemeine Zusage über Personal- oder Kosteneinsparungen.
