Wenn der Business Case an einer Zahl kippt, die im PoC gar nicht gemessen wird

Ein positiver PoC belegt noch keinen wirtschaftlichen Nutzen. Entscheidend ist, welche bislang ungeprüfte Annahme den Business Case und damit die nächste Budgetentscheidung tatsächlich trägt.

·

·


Technischer PoC und wirtschaftlicher Nutzen: Dazwischen liegen Annahmen, die den Business Case verändern können.
Ca. 16 Min. Lesezeit Kurzfassung für Entscheider öffnen
zum Anfang

Ein Proof of Concept (PoC) kann technisch ziemlich überzeugend aussehen und trotzdem eine wirtschaftlich entscheidende Frage offenlassen.

Das hypothetische Unternehmen Nordwerk hat genau dieses Problem. In einem retrospektiven Versuch erkennt ein Machine-Learning-Modell bei acht von zehn später dokumentierten spindelbezogenen Störungen vorher eine Auffälligkeit. Das ist genug, um weiter hinzusehen. Es sagt aber noch erstaunlich wenig darüber aus, ob sich aus diesen Warnungen im realen Produktionsbetrieb auch ein wirtschaftlicher Nutzen erzeugen lässt.

Denn zwischen „Das Modell erkennt etwas“ und „Das Unternehmen spart dadurch Geld“ liegen mehrere Schritte. Und manchmal hängt der gesamte Business Case an nur einem davon.


Welche Zahl würden Sie als Nächstes wissen wollen?

Nordwerk betrachtet im hypothetischen Beispiel zehn Maschinen über 100 Wochen. Daraus ergeben sich 1.000 Maschinenwochen mit zehn dokumentierten spindelbezogenen Störungen.

Das Modell erzeugt retrospektiv 86 Warnungen. Gezählt werden positive wöchentliche Maschinenbeurteilungen; im Beispiel ist jeder der acht gewarnten Störungen genau eine solche Beurteilung zugeordnet:

  • Bei 8 der 10 späteren Störungen lag innerhalb der vorherigen sieben Tage eine Warnung vor.
  • 78 weitere Warnungen ließen sich innerhalb des definierten Sieben-Tage-Fensters keiner dokumentierten spindelbezogenen Störung zuordnen.
  • 2 Störungen traten ohne vorherige Warnung auf.

Welche zusätzliche Zahl würden Sie vor der nächsten Budgetfreigabe am stärksten gewichten?

A – Wie hoch ist die Trefferquote des Modells unter den getesteten Bedingungen?

B – Wie häufig treten relevante Spindelstörungen tatsächlich auf?

C – Welche wirtschaftlichen Folgen verursacht eine relevante Störung?

D – Bei wie vielen rechtzeitigen Warnungen kann im realen Produktionsablauf tatsächlich so reagiert werden, dass wirtschaftlicher Schaden vermieden oder reduziert wird?

Merken Sie sich Ihre Wahl. Wir kommen darauf zurück.


Kurzfassung für Entscheider öffnen

Für Leser mit wenig Zeit: die Kernaussagen dieses Beitrags in kompakter Form.

Kernaussage: Ein positiver PoC ist noch kein positiver Business Case. Zwischen technischem Effekt und realisiertem wirtschaftlichem Nutzen liegen zusätzliche Annahmen.

Methodische Grundlage: Wirtschaftlichkeitsbewertungen sollten unsichere Annahmen explizit machen und ihre Auswirkungen über Sensitivitätsanalysen prüfen. Dazu können etwa Nutzungsgrad, Produktivitätswirkung oder Kosteneinsparungen gehören.[1]

Größte Unsicherheit: Welche Annahme den Business Case dominiert, hängt vom konkreten Vorhaben ab. Bei Nordwerk könnte entscheidend sein, wie häufig eine frühe Warnung tatsächlich zu einer rechtzeitigen und wirksamen Handlung führt.

Praktische Konsequenz: Ist diese Größe noch unbekannt, sollte sie nicht durch einen scheinbar präzisen Punktwert ersetzt werden. Man kann stattdessen prüfen, bei welchen plausiblen Werten die wirtschaftliche Entscheidung kippt und welche zusätzliche Evidenz vor dem nächsten größeren Investment benötigt wird.

Einseitige Zusammenfassung herunterladen (PDF · 1 Seite)



Was der PoC tatsächlich gezeigt hat

Das Nordwerk-Beispiel ist bewusst klein und hypothetisch. Die zehn dokumentierten Störungen sollen nicht suggerieren, dass zehn Ausfallereignisse eine ausreichende Trainings- oder Validierungsbasis für ein reales Machine-Learning-Modell wären.

Im Gegenteil: Seltene Zielereignisse begrenzen gerade die belastbare Bewertung eines solchen Systems. Zahlreiche Sensormesspunkte ersetzen nicht automatisch eine ausreichende Zahl unabhängiger relevanter Ereignisse.

Für unsere Betrachtung nehmen wir deshalb nur einen engeren Befund mit:

Unter den Bedingungen des retrospektiven PoC gab es innerhalb der sieben Tage vor acht der zehn später dokumentierten Störungen ein Signal des Modells.

Insbesondere wissen wir dadurch noch nicht:

  • ob die Warnung im realen Betrieb früh genug angekommen wäre,
  • ob ihr ein Mitarbeiter vertraut hätte,
  • ob zu diesem Zeitpunkt eine geeignete Maßnahme verfügbar gewesen wäre,
  • ob diese Maßnahme den Ausfall tatsächlich verhindert oder nur verzögert hätte,
  • welche Kosten die Reaktion auf sämtliche Warnungen verursacht hätte,
  • ob die Datenbasis und die Aussagekraft des Modells bei absehbaren Änderungen an den Maschinen erhalten blieben.

Im retrospektiven Versuch wurden die Warnungen der Instandhaltung nicht angezeigt. Die 78 Warnungen ohne zugeordnete Störung sind deshalb keine nachgewiesenen unnötigen Eingriffe. Was eine reale Reaktion auf sie bewirkt hätte, wurde nicht beobachtet.

Genau an dieser Grenze beginnt die wirtschaftliche Betrachtung.


Zwischen Warnung und wirtschaftlichem Nutzen liegt eine Übersetzungskette

Bei Predictive Maintenance, also vorausschauender Instandhaltung, wirkt der technische Effekt nicht unmittelbar in Euro.

Übersetzungskette von einer sich ankündigenden Störung über ein rechtzeitiges Modellsignal, Bewertung und wirksame Maßnahme bis zum zusätzlichen wirtschaftlichen Nutzen.
Zwischen Modellsignal und wirtschaftlichem Nutzen liegen mehrere Voraussetzungen: Erst eine rechtzeitige und wirksame Reaktion kann zusätzlichen Nutzen erzeugen.

Vereinfacht könnte die Kette so aussehen:

  1. Eine relevante Störung kündigt sich an.
  2. Die Daten und das Modell sind unter den aktuellen Maschinen- und Prozessbedingungen aussagefähig.
  3. Das Modell liefert ein rechtzeitiges Signal.
  4. Die Warnung wird erkannt und bewertet.
  5. Eine technisch geeignete Maßnahme ist möglich und wird rechtzeitig durchgeführt.
  6. Ausfall oder Folgeschaden wird tatsächlich verhindert oder reduziert.
  7. Zusätzlicher wirtschaftlicher Nutzen gegenüber dem bisherigen Vorgehen wird realisiert.

Schon ein einzelnes schwaches Glied kann den wirtschaftlichen Wert deutlich reduzieren.

Die zweite Voraussetzung muss auch über den geplanten Nutzungszeitraum tragen. Ein Spindeltausch, veränderte Sensorik, andere Bearbeitungsprogramme oder neue Betriebszustände können die Eingangsdaten und die Bedeutung bisheriger Muster verändern. Absehbare Änderungen sollten deshalb vor der Budgetentscheidung geprüft werden: Bleiben die relevanten Daten verfügbar und vergleichbar? Muss das Modell erneut validiert oder angepasst werden? Wer erkennt, wenn seine Warnungen nicht mehr verlässlich sind?

Nicht jede Änderung verlangt ein neues Modell. Sie verlangt aber eine begründete Einschätzung, ob die bisherige Evidenz weiterhin gilt.[2] Der nötige Prüf- und Anpassungsaufwand gehört in die Kostenbetrachtung.

Diese Logik ist nicht auf Predictive Maintenance beschränkt. Auch bei anderen digitalen oder datenbasierten Vorhaben müssen technische beziehungsweise operative Verbesserungen zunächst in tatsächlich realisierten Nutzen übersetzt werden. Adoptionsraten, Produktivitätsgewinne und Kosteneinsparungen sind dabei häufig unsichere Annahmen.[1]

Auch innerhalb desselben Einsatzkontexts können sich die Wirkungen unterscheiden. Eine Untersuchung eines generativen KI-Assistenten mit 5.172 Beschäftigten im Kundensupport fand im Mittel einen Produktivitätsanstieg von 15 Prozent, zugleich aber deutlich unterschiedliche Wirkungen zwischen unterschiedlich erfahrenen Mitarbeitern.[3] Das ist kein Beleg für Predictive Maintenance, es zeigt jedoch ein grundsätzliches Problem: Ein Durchschnittswert beschreibt nicht automatisch den Nutzen für jede Nutzergruppe.


Eine technisch gleiche Lösung kann wirtschaftlich völlig unterschiedlich aussehen

Nehmen wir für Nordwerk jetzt einige rein hypothetische wirtschaftliche Annahmen hinzu.

Wir betrachten ein Betriebsszenario über ebenfalls 100 Wochen mit derselben angenommenen Anzahl von Störungen und Warnungen wie im historischen Beispiel. Das ist eine Rechenannahme, keine Prognose aus den zehn beobachteten Störungen.

Wir unterstellen für den mittleren Beispielwert:

  • wirtschaftliche Folge einer relevanten Spindelstörung: im Durchschnitt rund 50.000 €,
  • Aufwand zur fachlichen Prüfung einer Warnung: im Durchschnitt 300 €,
  • Entwicklung, Integration und Betrieb für dieses Szenario: 150.000 €.

Die 86 Warnungen erzeugen damit zunächst:

86 × 300 € = 25.800 € Prüfaufwand

Zusammen mit Entwicklung, Integration und Betrieb ergibt sich ein angenommener Kostenblock von:

150.000 € + 25.800 € = 175.800 €

Auf der anderen Seite lagen vor acht später dokumentierten Störungen Warnungen vor.

Wenn eine vollständig wirksame Reaktion auf jede dieser acht Warnungen jeweils im Durchschnitt rund 50.000 € Schaden vermeiden könnte, beträgt der maximal adressierbare Wert:

8 × 50.000 € = 400.000 €

Aber genau jetzt fehlt eine Zahl.

Wie häufig kann aus diesen acht Warnungen tatsächlich eine rechtzeitige Maßnahme entstehen, die den angenommenen wirtschaftlichen Schaden verhindert?

Für die einfache Rechnung nennen wir den Anteil vollständig wirksamer Reaktionen wirksame Reaktionsquote. Wir behandeln die Fälle rechnerisch mit demselben Durchschnittswert. Werden Schäden nur teilweise vermieden oder sind gerade die vermeidbaren Fälle teurer beziehungsweise günstiger, muss der Nutzen fallbezogen bewertet werden; die bloße Anzahl bearbeiteter Warnungen reicht dann nicht.

Auch die 50.000 € sind eine starke Vereinfachung: Für einen vollständigen Business Case zählt nur der zusätzliche, tatsächlich vermeidbare Schaden gegenüber der heutigen Instandhaltung. Kosten eines geplanten Eingriffs, verbleibende Stillstandszeiten und Nachteile unnötiger Maßnahmen müssten dabei berücksichtigt werden. Der Prüfaufwand von 300 € allein deckt solche Maßnahmen nicht ab.


Sensitivität bedeutet: Nicht eine unbekannte Zahl erraten, sondern ihre Wirkung prüfen

An dieser Stelle hilft eine Sensitivitätsanalyse.

Der Begriff klingt komplizierter, als die Grundidee ist: Statt für eine unsichere Annahme einen einzigen scheinbar präzisen Wert festzulegen, rechnet man mehrere plausible Werte durch.

Man fragt also beispielsweise nicht:

Die wirksame Reaktionsquote beträgt 50 Prozent – was ergibt unsere Rechnung?

Sondern:

Was passiert mit unserer Entscheidung, wenn sie 25, 50 oder 75 Prozent beträgt?

So wird sichtbar, welche Annahme das Ergebnis beeinflusst und an welchem Punkt die Entscheidung kippt.[1][4]

Für Nordwerk ergibt sich bei 50.000 € angenommenem Schaden pro Störung:

Wirksame Reaktion auf die 8 WarnfälleHypothetisch vermiedener SchadenKostenblockSaldo vor weiteren Kosten
25 %100.000 €175.800 €−75.800 €
50 %200.000 €175.800 €+24.200 €
75 %300.000 €175.800 €+124.200 €

Der rechnerische Break-even, also der Punkt, an dem der vermiedene Schaden den angesetzten Kosten entspricht, liegt unter diesen Annahmen bei knapp 44 Prozent:

175.800 € / 400.000 € = 43,95 %

Das heißt nicht, dass Nordwerk nun nur eine „44-Prozent-Reaktionsquote“ nachweisen müsste. Auch unsere 50.000 €, 300 € und 150.000 € sind hypothetische Annahmen, und weitere Kosten oder Nutzenwirkungen könnten fehlen. Bei nur acht gleich bewerteten Fällen würden drei vollständig wirksame Reaktionen noch nicht reichen; vier würden den angesetzten Kostenblock rechnerisch decken.

Wir berechnen hier einen vereinfachten, nicht abgezinsten Szenariosaldo, keinen vollständigen Kapitalwert und keine nachgewiesene Projektrendite.

Die Rechnung zeigt:

Die technische Modellleistung bleibt in allen drei Szenarien identisch. Trotzdem reicht die wirtschaftliche Bewertung von deutlich negativ bis deutlich positiv.

Die Reaktionsquote wird hier isoliert verändert. Im realen Betrieb können sich mit dem Reaktionsverhalten auch Prüfaufwand, Maßnahmenkosten und Warnbelastung ändern. Diese Zusammenhänge müsste die spätere Bewertung ergänzen.


Selbst die Ausfallkosten können den Business Case kippen

Auch die angenommenen 50.000 € je Störung dürfen wir nicht als exakte Wahrheit behandeln.

Nehmen wir nur drei hypothetische Schadensniveaus:

  • 25.000 €,
  • 50.000 €,
  • 100.000 €.

Bei unverändert 175.800 € Kosten müsste aus den acht Warnfällen ungefähr folgender Anteil tatsächlich wirtschaftlich wirksam werden:

Angenommene wirtschaftliche Folge je StörungMaximal adressierbarer Wert bei 8 FällenErforderliche wirksame Reaktionsquote für Break-even
25.000 €200.000 €ca. 88 %
50.000 €400.000 €ca. 44 %
100.000 €800.000 €ca. 22 %
Hypothetische Nordwerk-Sensitivitätsrechnung: Alle drei Szenarien beginnen bei 0 Prozent wirksamer Reaktionen mit −175.800 Euro Saldo. Der vereinfachte Break-even liegt bei einem angenommenen vermeidbaren Schaden von 25.000, 50.000 beziehungsweise 100.000 Euro je Störung bei rund 88, 44 beziehungsweise 22 Prozent wirksamer Reaktionsquote.
Hypothetische Sensitivitätsrechnung: vereinfachter, nicht abgezinster Szenariosaldo vor weiteren Kosten. Die dargestellten Schwellen sind kein Nachweis tatsächlicher Wirtschaftlichkeit.

Bei 25.000 € je Störung reichen sieben vollständig vermiedene Schäden rechnerisch knapp nicht: 7 × 25.000 € = 175.000 €. Unter diesen vereinfachten Annahmen müssten alle acht Schäden vollständig vermieden werden.

Auch hier wurde das Modell kein Stück besser oder schlechter. Geändert hat sich eine wirtschaftliche Annahme.

Damit können wir nun zur Mitdenkfrage zurückkehren.


Welche der vier Antworten war richtig?

A bis D können alle relevant sein, die Trefferquote allein reicht nicht. Die Häufigkeit relevanter Störungen beeinflusst den adressierbaren Nutzen. Die Schadenshöhe bestimmt, welchen wirtschaftlichen Wert eine erfolgreiche Intervention haben kann. Und die reale Handlungsfähigkeit entscheidet mit darüber, wie viel dieses theoretischen Werts tatsächlich erreichbar ist.

Für Nordwerk lässt sich Ihre Wahl genauer einordnen: A und B sind für den historischen Versuch beschrieben, aber ihre Stabilität im künftigen Betrieb ist offen. C ist eine wirtschaftliche Beispielannahme. D wurde im PoC gar nicht gemessen. Deshalb untersuchen wir D hier genauer; daraus folgt noch nicht, dass D stärker wirkt als alle anderen Unsicherheiten.

Die Rechnung variiert ausgewählte Größen. Auch eine andere Störungshäufigkeit, Warnzahl oder Kostenhöhe kann das Ergebnis kippen. Deshalb gibt es nicht für jedes Vorhaben die eine universelle Kennzahl, die zwischen PoC und Business Case fehlt.

Interessanter ist eine andere Frage:

Welche noch unsichere Annahme verbindet in diesem konkreten Vorhaben den gemessenen technischen Effekt mit realisiertem wirtschaftlichem Nutzen – und wie stark verändert sie die Entscheidung?

Bei Nordwerk könnte die wirksame Reaktion auf eine Warnung diese Rolle spielen. In einem anderen Vorhaben kann es die Fallhäufigkeit, die Nutzungsquote, der Integrationsaufwand oder eine ganz andere Größe sein.


Was, wenn der Business Case noch nicht belastbar ist?

Wenn eine zentrale wirtschaftliche Annahme noch nicht belastbar ist, könnte man daraus einen sofortigen Projektstopp ableiten. So einfach ist es nicht.

Ich habe selbst in einem Predictive-Maintenance-Vorhaben erlebt, dass sich der endgültige wirtschaftliche Nutzen zunächst nur schwer belastbar quantifizieren ließ. Es gab positive technische Evidenz und Erfahrungen mit ähnlichen Ansätzen in anderen Unternehmensbereichen, bei denen technische Machbarkeit und Wirtschaftlichkeit positiv bewertet worden waren. Für den konkreten Anwendungsfall waren das jedoch Indizien und kein belastbarer Beweis für den späteren Business Case.

Die Konsequenz war weder eine vollständige Freigabe auf Basis eines optimistischen Zielwerts noch ein sofortiger Abbruch.

Stattdessen wurde iterativ weitergearbeitet. Mit wachsendem Erkenntnisstand erfolgten wiederholt Updates an das höhere Management, auf deren Basis Budget und nächster Versuchsschritt erneut bestätigt werden konnten.

Meine Erfahrung zeigt damit schrittweise Budgetentscheidungen bei weiterhin unsicherer Wirtschaftlichkeit. Ob jeder Versuchsschritt gerade die wirtschaftliche Unsicherheit reduzierte und welchen wirtschaftlichen Nutzen dieses Vorgehen hatte, lässt sich daraus nicht ableiten. Für die heutige Bewertung würde ich deshalb einen nächsten Schritt mit einem konkreten, entscheidungsrelevanten Lernziel verbinden:

Weiterführen muss nicht bedeuten, die gesamte noch unsichere Investition freizugeben. Es kann auch bedeuten, einen begrenzten nächsten Schritt zu finanzieren, der eine entscheidungsrelevante Unsicherheit reduziert.

Auch formale Bewertungsverfahren berücksichtigen den Wert von Flexibilität: Spätere Schritte können erst nach zusätzlicher Information entschieden werden.[4] Das damalige Projekt beschreibe ich damit nicht als Anwendung einer formalen Real-Options-Methode. Vergleichbar ist die schrittweise Freigabe; für einen gezielten Lernschritt lautet die Entscheidungslogik: begrenzter Einsatz → zusätzliche Evidenz → erneuter Entscheidungspunkt.

Für diese nächste Entscheidung zählen die noch beeinflussbaren Kosten und der künftig erreichbare Nutzen. Bereits ausgegebene, nicht rückholbare Kosten rechtfertigen kein Weiterführen.[4] Unsere Beispielrechnung betrachtet den gesamten angesetzten Kostenblock; für eine konkrete Fortführungsentscheidung müsste Nordwerk ihn in bereits angefallene und noch vermeidbare Kosten aufteilen.

Ein weiterer Versuch ist zudem nur hilfreich, wenn er die offene Frage mit vertretbarem Aufwand beantworten kann. Bei seltenen Störungen kann Nordwerk im nächsten kurzen Versuch möglicherweise Reaktionszeiten und Handlungsmöglichkeiten prüfen, aber noch keinen stabilen Nachweis vermiedener Ausfälle liefern. Dann braucht der nächste Schritt ein entsprechend begrenztes Lernziel.


Nicht jeder zusätzliche Nutzen gehört nachträglich in den ursprünglichen Business Case

Auch im späteren Projektverlauf blieb die isolierte Wirtschaftlichkeitsbewertung in diesem Anwendungsfall schwierig.

Gleichzeitig waren weitere Effekte entstanden: zusätzlicher Kompetenzaufbau und Anwendungsmöglichkeiten, die zu Beginn so noch nicht vollständig sichtbar gewesen waren. Deshalb wurde auch geprüft, ob sich der entwickelte Ansatz auf ähnlich gelagerte Folgeanwendungsfälle übertragen ließ, bei denen der wirtschaftliche Nutzen möglicherweise eindeutiger nachweisbar wäre.

Gerade hier ist allerdings Vorsicht nötig.

Es wäre verführerisch, jeden später gefundenen Vorteil rückwirkend in den ursprünglichen Business Case einzurechnen. Dadurch könnte nahezu jedes Projekt nachträglich erfolgreich gerechnet werden.

Für die heutige Bewertung würde ich deshalb drei Ebenen trennen:

Drei getrennte Nutzenebenen: primärer wirtschaftlicher Nutzen, zusätzlich beobachtete Effekte sowie strategischer Lern- und Übertragungswert.
Primärer wirtschaftlicher Nutzen, zusätzlich beobachtete Effekte und strategischer Lernwert sollten getrennt bewertet werden.

Primärer wirtschaftlicher Nutzen
Der Nutzen, für den das Vorhaben ursprünglich betrachtet und möglichst vorab mit Annahmen hinterlegt wurde.

Zusätzlich beobachtete Effekte
Nutzenpotenziale, die sich während des Vorhabens tatsächlich zeigen, aber gesondert bewertet werden sollten.

Strategischer Lern- und Übertragungswert
Kompetenz, technische Bausteine oder Erkenntnisse, die spätere Anwendungen erleichtern können, deren wirtschaftlicher Wert aber noch nicht automatisch realisiert ist.

Diese Trennung schützt auch vor Doppelzählungen. Nutzen aus verschiedenen Bereichen sollte nicht mehrfach zugerechnet werden.[1] Wie Erwartungen an Kompetenzaufbau und Entlastung die Bewertung im Team beeinflussen können, greift der Beitrag „Warum intelligente Teams bei KI-Projekten systematisch falsch entscheiden können“ an einer KI-gestützten Qualitätsprüfung auf.


Der Übertrag auf andere Maschinenklassen kann wirtschaftlich relevant sein – aber erst, wenn er trägt

Für Nordwerk eröffnet sich damit eine zusätzliche Perspektive.

Angenommen, der entwickelte Ansatz ließe sich später nicht nur für die bisher betrachtete Maschinenklasse einsetzen, sondern mit begrenzter Anpassung auf weitere ähnlich gelagerte Maschinen übertragen.

Dann könnte sich die wirtschaftliche Logik erheblich verändern. Ein Teil der ursprünglich notwendigen Entwicklungsarbeit könnte für mehr relevante Anlagen nutzbar werden. Fixe Vorleistungen würden sich damit auf eine größere Nutzenbasis verteilen. Wie viel Integrationsarbeit tatsächlich wiederverwendbar ist, müsste gesondert geprüft werden.

Aber auch diesen möglichen Übertrag sollten wir nicht im Voraus als sicheren Nutzen in die Basisrechnung aufnehmen.

Vorher müsste mindestens geklärt werden:

Prüfung der Übertragbarkeit eines entwickelten Ansatzes auf weitere Maschinenklassen: Sensorik, Betriebsbedingungen, Modellleistung und Anpassungsaufwand müssen bewertet werden.
Die Übertragung auf weitere Maschinenklassen ist zunächst eine Option. Technische Eignung, Anpassungsaufwand und wirtschaftlicher Nutzen müssen gesondert geprüft werden.
  • Sind Sensorik, Betriebsbedingungen und relevante Fehlermechanismen ausreichend ähnlich?
  • Bleibt die Modellleistung auf der anderen Maschinenklasse erhalten?
  • Welche absehbaren Änderungen an den Anlagen oder Prozessen könnten Datenverfügbarkeit und Modellgüte beeinflussen?
  • Wie viel zusätzliche Datenaufbereitung, Anpassung und Validierung wird notwendig?
  • Welche zusätzlichen Integrations-, Überwachungs- und Betriebskosten entstehen?
  • Gibt es dort überhaupt genügend relevante Ereignisse und ausreichend hohe wirtschaftliche Folgen?

Der Übertrag ist deshalb zunächst eine Option, kein bereits realisierter Nutzen.

Für eine Budgetentscheidung kann diese Option trotzdem relevant sein. Sie verändert aber nicht die Pflicht, den konkreten ersten Anwendungsfall transparent zu bewerten.


Die bessere Frage vor dem nächsten Budgetschritt

Ein technisch positives Ergebnis sollte daher nicht direkt in einen einzigen Wert für die Kapitalrendite, den Return on Investment (ROI), übersetzt werden.

Vor dem nächsten größeren Investment würde ich stattdessen vier Dinge prüfen:

  1. Welcher technische Effekt wurde tatsächlich gezeigt?
    Nicht mehr in die Evidenz hineinlesen, als der Versuch belegt. Auch prüfen, ob sie unter den geplanten Einsatzbedingungen und absehbaren Maschinenänderungen weiterhin gilt.
  2. Über welchen Mechanismus soll daraus wirtschaftlicher Nutzen entstehen?
    Die Schritte zwischen Modellsignal und realer Wirkung sichtbar machen und den zusätzlichen Nutzen gegenüber dem heutigen Vorgehen bestimmen.
  3. Welche Annahme kann das wirtschaftliche Ergebnis am stärksten verändern?
    Unsichere Größen mit mehreren plausiblen Werten durchspielen und zusätzliche Maßnahmen- sowie Anpassungskosten berücksichtigen.
  4. Welche nächste Information würde die Entscheidung wirklich verändern?
    Wenn diese Information mit einem begrenzten Versuchsschritt gewonnen werden kann, kann genau dieser Schritt die sinnvollere Budgetentscheidung sein.

Die Sensitivitätsanalyse liefert dabei keine Sicherheit. Sie zeigt vielmehr, wo Unsicherheit für die Entscheidung relevant wird.


Ein positiver PoC braucht eine wirtschaftliche Übersetzung

Der Proof of Concept beantwortet eine begrenzte technische Frage. Ein Business Case beantwortet eine andere.

Zwischen beiden liegt die Übersetzung vom beobachteten technischen Effekt zum tatsächlich realisierbaren Nutzen.

Ein positiver PoC liefert deshalb noch keinen belastbaren Business Case. Entscheidend ist, welche noch ungeprüfte Annahme den technischen Effekt in realen wirtschaftlichen Nutzen übersetzt. Ist diese Annahme unsicher, braucht es eine Sensitivitätsbetrachtung oder einen gezielten nächsten Lernschritt – nicht Scheingenauigkeit.

Für Nordwerk hieße das konkret: Vor weiterem Budget prüfen, ob Warnungen unter den geplanten Maschinenbedingungen verlässlich bleiben, ob rechtzeitig geeignete Maßnahmen möglich sind und welcher zusätzliche Nutzen nach deren Kosten verbleibt. Lässt sich eine dieser Unsicherheiten mit einem begrenzten Versuch reduzieren, sollte dieser Schritt ein klares Lernziel und einen erneuten Entscheidungspunkt erhalten.


Annahmen des Nordwerk-Beispiels

Nordwerk ist ein vollständig hypothetisches Unternehmen. Sämtliche wirtschaftlichen Werte dieses Beitrags sind Beispielannahmen und keine realen Projektdaten.

Für die Rechnungen wurden angenommen:

  • 10 Maschinen über 100 Wochen = 1.000 Maschinenwochen,
  • 10 dokumentierte spindelbezogene Störungen,
  • 86 retrospektive Modellwarnungen,
  • 8 Störungen mit vorheriger Warnung innerhalb von sieben Tagen,
  • 2 Störungen ohne vorherige Warnung,
  • 78 Warnungen ohne dokumentierte spindelbezogene Störung innerhalb des verwendeten Sieben-Tage-Fensters,
  • ein Betriebsszenario über weitere 100 Wochen mit derselben angenommenen Ereignis- und Warnzahl, ohne Anspruch auf eine Prognose,
  • im Durchschnitt rund 50.000 € wirtschaftliche Folge je relevanter Störung im Basisszenario,
  • 300 € Prüfaufwand je Warnung,
  • 150.000 € für Entwicklung, Integration und Betrieb für dieses Szenario,
  • 25.000 €, 50.000 € und 100.000 € je Störung als Sensitivität.

Die wirksame Reaktionsquote beschreibt in der einfachen Rechnung den Anteil vollständig vermiedener Schäden bei gleich bewerteten Fällen. Teilwirkungen, unterschiedliche Fallkosten, bestehende Instandhaltungsmaßnahmen, zusätzliche Eingriffskosten und Änderungen im Betrieb müssten in einer vollständigen Bewertung gesondert berücksichtigt werden. Kosten und Nutzen werden hier ohne Abzinsung zusammengezählt.

Die Rechnung dient ausschließlich dazu, die Entscheidungswirkung unsicherer Annahmen sichtbar zu machen.


Zusammenfassung

Kernaussage
Ein technisch erfolgreicher PoC wird erst dann wirtschaftlich interpretierbar, wenn nachvollziehbar ist, wie der gemessene Effekt im realen Prozess Nutzen erzeugen soll.

Nordwerk-Beispiel
Bei identischer technischer Modellleistung reicht der hypothetische wirtschaftliche Saldo allein durch unterschiedliche Annahmen zur realen Wirksamkeit von deutlich negativ bis deutlich positiv.

Umgang mit Unsicherheit
Eine Sensitivitätsanalyse macht sichtbar, wie unsichere Annahmen die Entscheidung verändern, ohne diese Annahmen dadurch zu bestätigen. Absehbare Maschinenänderungen können sowohl die technische Evidenz als auch den notwendigen Betriebs- und Anpassungsaufwand beeinflussen.

Weiterführen trotz offener Wirtschaftlichkeit
Fehlende Wirtschaftlichkeitsevidenz erzwingt nicht automatisch einen Stopp. Ein begrenzter nächster Schritt kann sinnvoll sein, wenn er gezielt relevante Unsicherheit reduziert und die nächste Budgetentscheidung separat getroffen wird. Bereits angefallene Kosten liefern dafür keine Rechtfertigung.

Übertragbarkeit
Weitere Maschinenklassen können den wirtschaftlichen Wert des entwickelten Ansatzes erhöhen. Dieses Potenzial sollte aber als zusätzliche Option behandelt und erst nach technischer und wirtschaftlicher Prüfung als Nutzen angerechnet werden.

Einseitige Zusammenfassung herunterladen (PDF · 1 Seite)


Quellen

[1] Department for Science, Innovation & Technology / Government Digital Service: Digital and Data Benefits Framework, 7. April 2026. Abschnitte 1.2 und 1.3 zu Doppelzählung, unsicheren Annahmen und Sensitivität. Die Quelle richtet sich an öffentliche Investitionsbewertungen; verwendet werden hier die allgemeinen Bewertungsprinzipien, keine Nachweise für industrielle Einsparhöhen. Originalquelle.

[2] National Institute of Standards and Technology: Artificial Intelligence Risk Management Framework (AI RMF 1.0), NIST AI 100-1, Januar 2023. MEASURE 2.3–2.5, 4.2–4.3 und MANAGE 4.1 zu Einsatzbedingungen, Generalisierbarkeit, Überwachung und Änderungsmanagement. Die konkreten Maschinenänderungen im Beitrag sind eigene Anwendungsbeispiele. Originalquelle als PDF.

[3] Brynjolfsson, E.; Li, D.; Raymond, L. R.: Generative AI at Work. The Quarterly Journal of Economics, 140(2), Mai 2025, S. 889–942. DOI: 10.1093/qje/qjae044. Die veröffentlichte Fassung untersucht 5.172 Beschäftigte und berichtet durchschnittlich 15 % mehr gelöste Anliegen pro Stunde. Das Ergebnis betrifft einen KI-Assistenten im Kundensupport, keine industrielle Zustandsüberwachung. Veröffentlichte Fassung.

[4] HM Treasury: The Green Book 2026. Kapitel 6, insbesondere die Abschnitte „Sunk costs“, „Advanced methods for analysing risk and uncertainty“ und „Sensitivity analysis and switching values“. Die allgemeinen Entscheidungsprinzipien werden hier auf einen betrieblichen Fall übertragen; gesellschaftliche Bewertungsgrößen und öffentliche Diskontsätze werden nicht übernommen. Originalquelle.

Quellen zuletzt geprüft: 2. Oktober 2026.

Fachlich passende Artikel


Weiter im Facharchiv

Entscheidungsarchitektur · Alle Fachbeiträge · Fachlicher Lernpfad: Von der KI-Idee zur Projektentscheidung · Kategorien im Überblick