Simonetta Batteiger ist erneut zu Gast und sie spricht mit Tim über ein Thema, das in vielen Unternehmen gerade an Bedeutung gewinnt: die Kosten von AI Initiativen.
Es geht um die Frage, wie sich Investitionen in künstliche Intelligenz realistisch bewerten lassen. Der Austausch bewegt sich bewusst weg vom Hype und hin zu einer nüchternen betriebswirtschaftlichen Betrachtung, die Produktmenschen dabei hilft, Verantwortung zu übernehmen.
AI Initiativen entstehen aktuell oft aus Neugier, Innovationsdruck oder dem Wunsch, technologisch nicht abgehängt zu werden. Gleichzeitig bleibt häufig unklar, was diese Vorhaben tatsächlich kosten und welchen Beitrag sie zum Geschäftserfolg leisten sollen. Die Kosten von AI Initiativen beschränken sich dabei selten auf Tool Lizenzen oder Token Nutzung. Schon früh im Gespräch wird deutlich, dass der größte Teil der Ausgaben in Menschen fließt. Machine Learning Engineers, Data Scientists, Produktteams, Governance Rollen und rechtliche Prüfung verursachen laufende Kosten, die dauerhaft eingeplant werden müssen.
Ein zentrales Spannungsfeld liegt in der Erwartungshaltung vieler Organisationen. AI soll Prozesse beschleunigen, Kosten senken oder neue Umsätze ermöglichen. Diese Erwartungen brauchen jedoch eine belastbare Grundlage. Ohne klare Hypothesen bleibt unklar, ob eine Initiative Wert schafft oder lediglich Ressourcen bindet. Die Kosten von AI Initiativen lassen sich nur dann sinnvoll bewerten, wenn sie mit einer konkreten Annahme über Nutzen verknüpft werden. Genau hier kommt das AI Business Case Template von Simonetta ins Spiel, das nicht als finanzmathematisches Artefakt verstanden werden soll, sondern als Denkwerkzeug und Anstoß von Diskussionen. Das AI Business Case Template (inkl. Anleitung) findet ihr in folgendem Blog-Post von Simonetta verlinkt: The RoI of AI initiatives and the realistic cost of AI readiness auf ihrem Blog inclusiveleaders.blog
Im Mittelpunkt steht die Frage, wie ein Return on Investment entstehen kann. Investitionen in Infrastruktur, Datenqualität und Betrieb müssen sich über Zeit rechnen. Dabei ist Geschwindigkeit entscheidend. Je früher sichtbar wird, welchen Effekt eine AI Initiative hat, desto besser lässt sich nachsteuern. Gleichzeitig bleibt Unsicherheit ein fester Bestandteil. Auch bei AI gelten die bekannten Muster aus der Produktentwicklung. Viele Ideen funktionieren nicht wie erhofft. Das ist kein Scheitern, sondern Teil des Lernprozesses. Entscheidend ist, diese Unsicherheit bewusst einzuplanen und transparent zu machen.
Die Kosten von AI Initiativen steigen vor allem dann stark an, wenn aus Experimenten irgendwann produktive Systeme werden. Modelle müssen überwacht werden, Daten verändern sich, regulatorische Anforderungen greifen. Ohne saubere Governance und kontinuierliche Kontrolle entstehen neue Risiken. Diese Aspekte gehören von Anfang an in die Betrachtung, damit AI nicht zur Black Box wird, die sich finanziell und organisatorisch verselbständigt.
Deutlich wird im Gespräch mit Simonetta Batteiger aber auch, dass sich an den Grundprinzipien der Produktarbeit wenig ändert. Discovery bleibt zentral, um echte Probleme zu verstehen. Value entsteht nur dort, wo Nutzer oder Kunden bereit sind, für Lösungen zu bezahlen oder wo Kosten messbar reduziert werden. AI erweitert den Werkzeugkasten, hebt aber betriebswirtschaftliche Logik nicht auf. Wer die Kosten von AI Initiativen realistisch einschätzt, schafft eine solide Basis für Entscheidungen und wird gegenüber Stakeholdern anschlussfähig. Wer die Kosten von AI Initiativen versteht und einordnen kann, verlässt die Rolle des Experimentierenden und übernimmt Gestaltungsspielraum. Genau darin liegt die Chance, AI sinnvoll und wirksam im Unternehmen zu verankern.
Wer überhaupt mal einen Zugang zu Business- und Finanzzahlen bekommen möchte und sich strukturiert Wissen hierzu draufschaffen möchte, dem können wir ihren Kurs sehr empfehlen: Business and Finance Concepts for Product and Tech Leaders.