AI ROI ist nicht der Token-Preis: Kosten pro akzeptierter Aufgabe messen

Viele AI-Budgets werden über Seats, Nachrichten oder Tokenpreise begründet. Das sind Nutzungssignale, nicht der Nachweis nützlicher Arbeit. OpenAI stellte im Juli 2026 eine Scorecard vor, die useful work, cost per successful task und dependability in den Mittelpunkt stellt. Das ist ein brauchbarer Rahmen, keine universelle Branchenkennzahl.

Erst Abnahme, dann Messung

Definieren Sie vor dem ersten Lauf, was „akzeptiert“ bedeutet. Bei Support kann das aktuelle Policy, korrekte Kundendaten, höchstens eine kleine Änderung und Einhaltung des SLA bedeuten. Bei Code: Tests, Repository-Regeln, Review und kein Folgeincident. „Das Modell hat Text erzeugt“ ist keine Abnahme.

Nutzen Sie 20 bis 50 feste, repräsentative Aufgaben mit Normalfällen, Grenzfällen und Fällen, die eskaliert werden müssen. Ändern Sie weder Aufgaben noch Kriterien, sobald ein Modell schlecht aussieht.

Kosten pro akzeptierter Aufgabe = (AI-Direktkosten + Reviewkosten + Fehlerbehebung) / akzeptierte Aufgaben

Der Zweck der Formel ist, günstige Tokens nicht mit günstiger Arbeit zu verwechseln. Ein Workflow kann pro Versuch billig sein und trotzdem wegen Retries und menschlicher Nacharbeit verlieren.

Vier Fehlerarten statt endloser Prompt-Rewrites

Input-Fehler entstehen durch fehlende aktuelle Informationen oder Rechte. Execution-Fehler betreffen Tool, Retrieval oder Integration. Acceptance-Fehler sind plausible, aber nicht regelkonforme Ergebnisse. Economic-Fehler sind akzeptable Ergebnisse, deren Prüf- oder Warteaufwand nicht skalierbar ist.

Das verbindet ROI mit Context Engineering: Fehlt die aktuelle Policy im Kontext, repariert ein besserer Benchmarkwert das Problem nicht. Für DACH-Teams gehören Freigabezeit, Datenschutzprüfung, deutsch-englische Unterlagen und Dokumentation in die Review-Kosten.

Setzen Sie vor dem Pilot einen Stop-Rule: Pass Rate bleibt unter der Schwelle, Review übertrifft die manuelle Basislinie, ein schwerer Fehler tritt auf, oder das Team kann den häufigsten Fehler nicht erklären. Gute erste Workflows sind wiederkehrend, aber nicht vollautonom: Klassifikation, Recherche aus freigegebenen Quellen, Entwürfe zur Prüfung oder strukturierte Datenchecks.

Skalieren Sie nicht die Begeisterung. Skalieren Sie erst, wenn akzeptierte Arbeit, Gesamtaufwand und Zuverlässigkeit es rechtfertigen.

Weiterlesen: AI Tool Ideas, Context Engineering, Tools.