Die meisten KI-Projekte scheitern am fehlenden Business Case
Nicht an der Technologie. Nicht am Datenschutz. Am Geld. Genauer: an der Frage, ob sich die Investition rechnet.
Nur 38% der KI-Projekte erreichen ihre ROI-Erwartungen (Deloitte, 2024). Der Grund ist fast immer derselbe: Unternehmen starten mit der Technologie statt mit dem Business Case. Sie evaluieren Tools, bevor sie wissen, welches Problem sie lösen wollen.
Dabei sind die Zahlen für die Finanzbranche eindeutig. McKinsey beziffert das Wertschöpfungspotenzial von Generative AI im globalen Banking auf 200 bis 340 Milliarden Dollar jährlich. Das entspricht 9 bis 15% der operativen Gewinne. In der Schweiz schätzt Capco, dass 50 bis 60% der manuellen Arbeitsschritte in Banken automatisierbar sind.
Die Frage ist nicht, ob KI sich lohnt. Sondern wo man anfängt.
Das ROI-Framework: Zeitersparnis in Franken umrechnen
Ein KI-Business-Case braucht kein Doktorat in Data Science. Er braucht vier Zahlen:
- Zeitaufwand pro Vorgang (in Minuten)
- Anzahl Vorgänge pro Monat
- Interner Stundensatz (CHF 150-200 im Schweizer Banking)
- Erwartete Reduktion durch KI (konservativ: 50-70%)
Die Formel: Zeitersparnis pro Vorgang x Volumen x Stundensatz = jährliche Einsparung. Dem gegenüber stehen die Implementierungskosten. Die Amortisation liegt bei den meisten Use Cases unter 12 Monaten.
Frontier-Firmen, die KI konsequent skalieren, erzielen einen ROI von 2.84x. Nachzügler kommen auf 0.84x (Caspian One, 2025). Der Unterschied liegt nicht im Budget. Er liegt in der Auswahl des ersten Use Cases.
Drei Rechenbeispiele aus der Praxis
1. Dokumentenverarbeitung: 500 Policen pro Monat
Ein Versicherer verarbeitet monatlich 500 Policen-Dokumente. Pro Dokument fallen 25 Minuten manuelle Arbeit an: Daten extrahieren, prüfen, ins System übertragen.
Ohne KI: 500 x 25 Min = 208 Stunden/Monat = CHF 34’700 (bei CHF 167/h)
Mit KI: Intelligent Document Processing reduziert die manuelle Arbeit um 70% (UiPath, 2024). Restaufwand: 7.5 Minuten pro Dokument.
Einsparung: 146 Stunden/Monat = CHF 24’300/Monat = CHF 291’600 pro Jahr
Das ist kein Laborwert. Allianz hat mit “Project Nemo” die Bearbeitungszeit bei Schadensfällen um 80% reduziert. Zurich Insurance spart durch KI-gestütztes Underwriting 40 Millionen Dollar jährlich.
2. Kundenservice-Triage: 200 Anfragen pro Tag
Eine mittelgrosse Schweizer Bank bearbeitet täglich 200 Kundenanfragen per Telefon und E-Mail. Ein Mitarbeiter braucht durchschnittlich 12 Minuten pro Anfrage.
Ohne KI: 200 x 12 Min = 40 Stunden/Tag = ca. CHF 146’700/Monat
Mit KI: Ein Chatbot beantwortet 42% der Anfragen vollautomatisch (CoinLaw, 2025). Die restlichen Anfragen werden vorklassifiziert, was die Bearbeitungszeit um 30% senkt. Kosten pro Interaktion sinken von CHF 4.60 auf CHF 1.45.
Einsparung: ca. CHF 55’000/Monat = CHF 660’000 pro Jahr
Helvetia Schweiz macht es vor: Ihr GPT-basierter Assistent “Clara” bearbeitet über 150’000 Chats pro Jahr. Als erster börsennotierter Versicherer setzt Helvetia Generative AI direkt im Kundenservice ein.
3. Compliance-Reporting: Quartalsbericht
Ein Compliance-Team erstellt vierteljährlich regulatorische Berichte für die FINMA. Daten zusammentragen, validieren, formatieren, prüfen. Pro Bericht: 120 Arbeitsstunden über 3 Wochen.
Ohne KI: 4 Berichte/Jahr x 120 Stunden = 480 Stunden = CHF 80’000/Jahr
Mit KI: NLP-Tools aggregieren Daten automatisch, markieren Inkonsistenzen und erstellen Entwürfe mit 98% Genauigkeit (CoinLaw, 2025). Reduktion: 50% der manuellen Arbeit.
Einsparung: 240 Stunden/Jahr = CHF 40’000 pro Jahr
Dazu kommt der strategische Effekt: 70% weniger False Positives beim AML-Monitoring (Branchendurchschnitt, 2024-2025). HSBC reduzierte die Alert-Menge um 60% bei gleichzeitig 2 bis 4x höherer True-Positive-Rate. Weniger Fehlalarme bedeuten: Das Team konzentriert sich auf echte Risiken statt auf Routineprüfungen.
Warum der erste Use Case alles entscheidet
Die FINMA-Umfrage vom April 2025 zeigt ein klares Bild: Rund 50% der 400 befragten Schweizer Finanzinstitute nutzen KI. Aber nur 17% der KI-Initiativen haben es bis zum produktiven Einsatz geschafft. 40% stecken noch in der Ideenphase (SFTI/OST, 2025).
Die Lücke zwischen “Wir machen was mit KI” und “KI bringt uns messbaren ROI” schliesst sich nicht mit mehr Budget. Sie schliesst sich mit dem richtigen ersten Use Case.
Organisationen, die KI skaliert haben, sind 3x wahrscheinlicher, ihre ROI-Erwartungen zu übertreffen (Accenture, 2025). Der Schlüssel: Sie starten klein, messen sofort und skalieren erst nach dem Beweis.
Der Ablauf für einen erfolgreichen Einstieg:
- Quick Win identifizieren: Hoher Zeitaufwand, hohes Volumen, klare Messbarkeit. Dokumentenverarbeitung ist fast immer ein guter erster Kandidat.
- Business Case rechnen: Mit dem Framework oben. Konservativ kalkulieren. Wenn sich der Use Case mit 50% Effizienzgewinn rechnet, ist er robust.
- Proof of Concept in 4 Wochen: Nicht 12 Monate evaluieren. Schnell testen, mit echten Daten, messbare Ergebnisse.
- Management-Buy-in sichern: Zahlen präsentieren, nicht Technologie. “CHF 291’600 Einsparung pro Jahr bei 6 Monaten Amortisation” überzeugt jedes C-Level.
- Skalieren: Vom ersten Use Case zum zweiten, dritten. Jeder mit eigenem Business Case.
Der Hebel liegt im Anfangen
KI könnte das Schweizer BIP um 11% steigern, rund 80 bis 85 Milliarden Franken pro Jahr (Google/digitalswitzerland, 2025). Die Technologie ist bereit. Die Use Cases sind bewiesen. Was fehlt, ist der erste Schritt.
Für Schweizer Finanzdienstleister gibt es zwei Einstiegspunkte:
Der schnelle: Unser KI Espresso ist ein 60-minütiges Gespräch vor Ort. Kostenlos. Wir rechnen gemeinsam durch, welcher Use Case in eurem Haus den grössten Hebel hat.
Der strategische: Ein Fractional CAIO begleitet den gesamten Prozess: vom Business Case über den Proof of Concept bis zur Skalierung. Nicht als Einmal-Projekt. Als laufende KI-Führung.
Alle Leistungen im Überblick oder direkt ein Erstgespräch vereinbaren.