Lohnt sich KI-Automatisierung für kleine Betriebe? Die ehrliche ROI-Rechnung 2026

„Lohnt sich das für mich?“ ist die einzige Frage, die bei KI-Automatisierung wirklich zählt. Und sie ist erstaunlich schwer ehrlich zu beantworten, weil fast alle, die darüber schreiben, etwas verkaufen wollen. Tool-Anbieter sagen ja. Berater sagen ja. LinkedIn sagt sowieso ja.

Ich verkaufe auch etwas — ich baue diese Automatisierungen. Trotzdem habe ich 2025 bei etwa der Hälfte der Anfragen abgeraten. Nicht aus Bescheidenheit, sondern weil sich die Rechnung in dem konkreten Fall nicht aufgemacht hätte. Genau diese Rechnung schauen wir uns hier an.

Keine Prozentversprechen aus fremden Studien, sondern eine Formel, die du auf deinen eigenen Betrieb anwenden kannst. Am Ende weißt du, ob sich dein erster Use-Case lohnt — und welcher das sein sollte.

Warum die meisten KI-Projekte scheitern (und es nicht an der KI liegt)

Es gibt eine Zahl, die seit 2025 durch die Fachpresse geht: Der Großteil der KI-Pilotprojekte im Mittelstand schafft den Sprung in den echten Betrieb nicht. Die Erklärung ist fast immer dieselbe — und sie hat nichts mit den Sprachmodellen zu tun.

Die Modelle sind gut genug. Was fehlt, ist der passende Prozess. In meiner Praxis scheitern Projekte an drei Dingen:

1. Der Prozess ist nicht dokumentiert. Niemand kann genau sagen, was eigentlich passieren soll. Die Aufgabe lebt im Kopf einer Person und läuft jedes Mal etwas anders. Eine Automatisierung braucht aber eine klare Regel — sonst automatisierst du das Chaos.
2. Der Prozess kommt zu selten vor. Eine Aufgabe, die zweimal im Monat anfällt, rechtfertigt selten den Einrichtungsaufwand. Da ist Handarbeit ehrlicherweise günstiger.
3. Der Prozess braucht zu viel Urteilsvermögen. Wenn die KI bei jedem zweiten Fall danebenliegt und ein Mensch korrigieren muss, hast du nichts gewonnen. Du hast eine Aufgabe gegen eine Kontrollaufgabe getauscht.

Die gute Nachricht: Alle drei Stolpersteine kannst du vorher erkennen. Du musst dafür nur ehrlich auf deinen Arbeitsalltag schauen, bevor du irgendein Tool öffnest.

Die ROI-Formel, die wirklich funktioniert

Vergiss komplizierte Berechnungsmodelle. Für die Entscheidung „lohnt sich das“ reicht eine einfache Gegenüberstellung. Du brauchst vier Zahlen.

1. Zeitersparnis pro Monat (in Stunden). Wie viel Zeit kostet dich die Aufgabe heute von Hand, und wie viel davon fällt nach der Automatisierung weg? Sei konservativ. Eine Automatisierung nimmt dir selten 100 % ab; meist bleibt eine Rest-Kontrolle.

2. Dein Stundensatz (oder deine Opportunitätskosten). Was ist deine Stunde wert? Bei Selbstständigen ist das der Satz, den du sonst abrechnen würdest. Bei Angestellten der interne Kostensatz. Wenn du keine Zahl hast, nimm einen ehrlichen Schätzwert — lieber zu niedrig als geschönt.

3. Laufende Kosten pro Monat. Tool-Abos plus nutzungsabhängige KI-Kosten. Diese Zahl ist real und wiederkehrend, also gehört sie in jede Rechnung.

4. Einrichtungskosten (einmalig). Was kostet es, den Workflow aufzusetzen — entweder deine eigene Zeit oder das Honorar für die Umsetzung.

Daraus ergeben sich zwei simple Werte:

Monatlicher Netto-Nutzen = (gesparte Stunden × Stundensatz) − laufende Kosten

Amortisation in Monaten = Einrichtungskosten ÷ monatlicher Netto-Nutzen

Ein Beispiel mit realistischen Zahlen aus einem Dienstleistungsbetrieb: Die Vorsortierung von Anfragen spart rund 20 Stunden im Monat. Bei einem konservativen Satz von 50 € sind das 1.000 € Wert. Davon ziehe ich 60 € laufende Kosten ab — bleibt ein Netto-Nutzen von 940 € pro Monat. Die Einrichtung hat 2.800 € gekostet. Amortisation: rund drei Monate. Danach ist es Plus.

Welche Use-Cases sich tatsächlich rechnen

Nicht jede Aufgabe ist gleich gut geeignet. Aus den Projekten der letzten beiden Jahre haben sich klare Favoriten herauskristallisiert — sortiert danach, wie viel Zeit sie real einsparen.

Anfragen und E-Mails vorsortieren

Der mit Abstand stärkste Hebel für die meisten Betriebe. Ein zentrales Postfach, in dem Angebote, Support, Rechnungen und Spam durcheinanderlaufen, kostet jeden Tag Aufmerksamkeit. Eine Automatisierung, die eingehende Nachrichten klassifiziert, weiterleitet und Standardfälle vorbereitet, spart bei mittlerem Aufkommen leicht 20 bis 30 Stunden im Monat. Wie das konkret mit n8n und Make funktioniert, habe ich in einem eigenen Leitfaden zur Anfrage-Automatisierung Schritt für Schritt aufgeschrieben.

Angebote aus Textbausteinen erstellen

Wer Angebote schreibt, schreibt zu 80 % immer dasselbe. Eine Automatisierung, die aus ein paar Eckdaten ein sauberes Angebot zusammensetzt und nur die individuellen Teile offenlässt, spart pro Angebot 15 bis 30 Minuten. Bei Betrieben mit vielen Anfragen summiert sich das schnell. Im Handwerk ist das oft der erste Workflow, der sich lohnt.

Termine und Follow-ups

Das ständige Hin und Her bei der Terminfindung frisst mehr Zeit, als die meisten glauben. Kombiniert mit automatischen Erinnerungen und Nachfass-Nachrichten sinkt nicht nur der Aufwand, sondern auch die Quote der Nichterscheiner. Wenn du noch keine saubere Terminbuchung auf der Website hast, ist der Leitfaden zur Terminbuchung der bessere erste Schritt.

Rechnungen, Belege, Bewertungen

Solide, aber kleiner im Hebel. Beleg-Vorbereitung und automatische Bewertungs-Anfragen nach Auftragsabschluss sparen je ein paar Stunden im Monat und verbessern nebenbei deine Sichtbarkeit. Als Einstieg meist zu klein, als Ergänzung zu einem bestehenden Workflow gut.

Wovon ich eher abrate

„KI schreibt deine Social-Media-Posts“ klingt verlockend, spart aber real wenig Zeit und kostet dich Stimme und Glaubwürdigkeit. Auch komplexe Beratungsdialoge, bei denen jede Antwort vom Einzelfall abhängt, sind keine guten Automatisierungs-Kandidaten. Da steckt der Wert in deinem Kopf, nicht in einem Workflow.

Die laufenden Kosten ehrlich rechnen

Der häufigste Fehler in selbstgemachten ROI-Rechnungen: Die laufenden Kosten werden vergessen oder kleingerechnet. Eine Automatisierung ist kein Möbelstück, das man einmal kauft. Sie hat einen monatlichen Unterhalt.

Realistisch besteht der aus drei Posten:

Plattform-Abo. Eine Automatisierungsplattform wie Make oder ein gehostetes n8n kostet je nach Volumen grob 20 bis 100 € im Monat. Self-hosted n8n auf einem eigenen kleinen Server kann günstiger sein, verlagert die Kosten aber in Wartung.

KI-Nutzung. Wenn ein Sprachmodell im Spiel ist, zahlst du pro Anfrage. Bei typischem KMU-Volumen bewegt sich das im niedrigen zweistelligen Bereich pro Monat. Wichtig: Das skaliert mit der Nutzung, also bei stark schwankendem Aufkommen mit einkalkulieren.

Wartung. Schnittstellen ändern sich, Anbieter passen APIs an, Sonderfälle tauchen auf. Ein Workflow, der nie gepflegt wird, fällt irgendwann leise aus — und niemand merkt es, bis eine Anfrage verloren geht. Plane realistisch ein paar Stunden im Quartal ein, selbst gemacht oder als kleines Wartungspaket.

Was eine komplette Einrichtung kostet und wie sich die Preise je nach Komplexität unterscheiden, habe ich separat aufgeschlüsselt: Was eine KI-Automatisierung wirklich kostet.

DSGVO und der EU AI Act: kein Grund zur Panik, aber zum Hinschauen

Automatisierung bedeutet fast immer, dass Daten zwischen Systemen fließen. Sobald personenbezogene Daten dabei sind — und das sind sie bei Anfragen und Kundenkommunikation fast immer — gilt die DSGVO. Das ist kein Verbot, aber eine Bedingung.

Die zwei Punkte, auf die es praktisch ankommt:

• Wo landen die Daten? Ein Workflow, der Kundennachrichten an ein US-Sprachmodell ohne Auftragsverarbeitungsvertrag schickt, ist riskant. EU-gehostete Modelle oder self-hosted Lösungen lösen das Problem an der Wurzel.
• Wie lange werden sie gespeichert? Automatisierungen legen gerne Protokolle an. Ohne Löschkonzept sammelt sich da still ein Datenberg an, den niemand braucht und der im Ernstfall zum Problem wird.

Seit 2025 kommt der EU AI Act dazu. Für die meisten KMU-Automatisierungen sind die Pflichten überschaubar, aber sie existieren — vor allem Transparenz, wenn Kund:innen direkt mit einem KI-System sprechen. Was konkret auf dich zukommt, steht im Leitfaden zum EU AI Act für KMU.

So findest du deinen ersten Use-Case

Die Theorie ist schön, aber wie fängst du an? Nicht mit einer Strategie. Mit einem Notizzettel.

Schritt 1: Eine Woche lang mitschreiben. Notiere jede Aufgabe, die du mehr als einmal machst und die sich nach Fließbandarbeit anfühlt. Nicht aus dem Gedächtnis raten — wirklich mitschreiben. Am Freitag hast du eine Liste.

Schritt 2: Die Liste filtern. Streiche alles, was zu selten vorkommt oder zu viel Urteilsvermögen braucht. Was übrig bleibt, sind deine Kandidaten.

Schritt 3: Den größten Hebel rechnen. Wende auf die zwei, drei besten Kandidaten die ROI-Formel von oben an. Der mit der kürzesten Amortisation gewinnt.

Schritt 4: Einen einzigen Workflow bauen. Nicht fünf. Einen. Sauber zum Laufen bringen, zwei Wochen beobachten, nachjustieren. Erst wenn der zuverlässig läuft, kommt der nächste.

Dieser Reihe-nach-Ansatz ist langsamer, als es sich anfühlt, wenn man Lust auf alles gleichzeitig hat. Aber er ist der Grund, warum manche Betriebe nach einem Jahr fünf laufende Automatisierungen haben und andere fünf halbfertige.

Fazit: Es lohnt sich — aber nicht für alles

KI-Automatisierung ist kein Allheilmittel und kein Hype-Quatsch. Sie ist ein Werkzeug, das bei der richtigen Aufgabe enorm viel Zeit spart und bei der falschen Geld verbrennt. Der Unterschied liegt nicht in der Technik, sondern in der Wahl des Prozesses.

Wenn du dir eine einzige Sache merkst: Fang bei der Aufgabe an, nicht beim Tool. Such dir die eine Sache, die dich jede Woche nervt, rechne den Hebel ehrlich aus, und bau genau das. Der Rest ergibt sich.

Wenn du wissen willst, ob dein konkreter Fall sich rechnet, schreib mir. Wir gehen in 30 Minuten deine wiederkehrenden Aufgaben durch, und du bekommst eine ehrliche Zahl — auch wenn die Antwort am Ende „lass es“ lautet.