Die erste Frage der Geschäftsführung
Im vorigen Teil ging es um den Schritt von Adoption zu Impact. Behaupten lässt sich Wirkung leicht, zeigen muss man sie. Genau dafür ist dieses Dashboard da, es macht die Wirkung über alle Werkzeuge hinweg sichtbar.
Sobald die ersten Erfolge sichtbar werden, kommt die Frage, die jede gute Geschäftsführung stellt. Schön, dass viele KI nutzen, aber was bringt es uns? Diese Frage ist berechtigt, und sie ist der Moment, in dem aus einem Gefühl Zahlen werden müssen.
Bei uns ist die aktive Nutzung in sieben Monaten von 39 auf 80 Prozent gestiegen. Eine gute Zahl. Aber für sich genommen beantwortet sie die Frage nicht. Deshalb habe ich angefangen, Adoption und Wirkung systematisch zu messen, über alle Werkzeuge hinweg, in einem Dashboard.
„Was man nicht misst, kann man nicht steuern. Und schon gar nicht der Geschäftsführung zeigen.“
Ohne Zahlen bleibt Wirkung eine Behauptung
Messen klingt nach Kür, nach etwas, das man macht, wenn alles läuft. Für mich ist es das Gegenteil. Ohne Zahlen weiß ich nicht, wo ich stehe, und kann nichts gezielt besser machen. Ich sehe nur, dass viel passiert, aber nicht, ob es das Richtige ist.
Dazu kommt der Moment, in dem die Geschäftsführung nach dem Nutzen fragt. Das ist kein Misstrauen, das ist ihre Aufgabe. Wer dann nur ein gutes Gefühl anbietet, verliert den Raum für die nächste Investition. Zahlen machen aus „läuft gut“ einen Fall, den auch andere mittragen können.
Erst die Zahl zeigt, wo Adoption stecken bleibt, welches Team Unterstützung braucht und welcher Use Case wirklich trägt. Ohne sie steuere ich blind.
Die Geschäftsführung finanziert kein Bauchgefühl. Mit belastbaren Zahlen wird aus einem Eindruck ein Argument, das die nächsten Ressourcen sichert.
Zahlen trennen, was wirkt, von dem, was nur beschäftigt. So fließt die Energie in die wenigen Dinge mit Effekt statt in viele nette Spielereien.
Sobald die People Leads die Wirkung in ihren eigenen Zahlen sehen, wird KI ihre Sache. Aus einem Programm des Enablement-Teams wird Teil ihres Geschäfts.
Zahlen machen aus einem guten Gefühl eine Entscheidung, die auch andere mittragen können.
Adoption misst man aus den Werkzeugen, Impact aus den Menschen
Adoption und Impact kommen aus unterschiedlichen Quellen. Wie viel genutzt wird, sagen die Statistiken der Werkzeuge. Was es bewirkt, sagen die Menschen, über Surveys und über die saubere Berechnung der Use Cases. Beides gehört zusammen, aber es sind zwei verschiedene Datenwelten.
Genau deshalb sortiere ich das Dashboard in drei Reiter. Ein Management Update für die Geschäftsführung, einen Adoption-Reiter aus den Tool-Stats und einen Impact-Reiter aus Surveys und Wertberechnung. So sieht jede Zielgruppe genau das, was sie braucht, von der schnellen Übersicht bis zum Detail.
Adoption zeigt, ob die Menschen mitmachen. Impact zeigt, ob es sich lohnt. Erst zusammen ergeben sie ein Bild.
Messen ist der Punkt, an dem die meisten scheitern
Laut einer Auswertung von Larridin kennen 45 Prozent der Befragten ihre eigene Adoptionsrate nicht einmal. Und nur rund 29 Prozent der Führungskräfte können den ROI ihrer KI sicher messen. Wer also ein belastbares Dashboard hat, ist schon weiter als die meisten.
Der Markt misst Adoption über vier Ebenen, und es lohnt sich, alle vier abzudecken. Wie viel genutzt wird, wie tief (Gewohnheit statt Einmalversuch), wie breit (über wie viele Werkzeuge) und wie verteilt (nach Team und Funktion). Ein häufiger Fehler ist, gekaufte Lizenzen mit Nutzung zu verwechseln. Zehntausend Lizenzen mit fünfzehn Prozent aktiver Nutzung sind kein Erfolg, sondern ein Sparthema.
Drei Reiter, und zwei Probleme, die man lösen muss
Eine Folie für die Geschäftsführung. Adoption Score mit Ziel und Trend, ROI, aktive Nutzende als MAU, WAU und DAU, Zeitersparnis, Zufriedenheit, erzeugter Wert, Reifegrad.
Aus den Tool-Stats. Activation Level, Werkzeuge pro Kopf, Weekly und Daily Active, Stickiness, Aufteilung nach Teams und Werkzeugen, Use Cases aus Jira.
Aus Surveys und Wertberechnung. Gesparte Stunden pro Woche, erzeugter Wert pro Jahr, Zufriedenheit, Reifegrad-Stufen von Zugang bis Wirkung, gemessene AI-Angst, und der Verlauf über die Monate als Wirkung des Programms.
Zwei Dinge muss man dafür lösen, und beide sind unspektakulär. Erstens die Zahlen über die Systeme hinweg zusammenführen, denn jedes Werkzeug hat eigene Statistiken. Zweitens Nutzer eindeutig zählen, sonst taucht eine Person in drei Werkzeugen dreimal auf. Der saubere Weg ist ein gemeinsamer Schlüssel pro Person, bei uns die Mail über das Single-Sign-on. So wird aus drei Logins eine aktive Nutzerin.
Den Wert je Use Case schätze ich übrigens schon ganz am Anfang, beim Sammeln und Priorisieren, nach einer festen Logik. Das hilft zu entscheiden, was zuerst drankommt, und speist später den gemessenen Wert hier im Impact-Reiter. Den interaktiven Rechner dazu findest du in Teil 6, Die wenigen Hebel, die zählen.
So messen wir Adoption und Wirkung:
- Adoption kommt aus den Tool-Statistiken, etwa den aktiven Nutzern und Nachrichten in Langdock, ergänzt um die weiteren Werkzeuge.
- Über die Werkzeuge hinweg zählen wir Menschen eindeutig: Wir bilden die Vereinigungsmenge über die Mail aus dem Single-Sign-on, statt zu addieren, und schneiden sie mit dem internen Verzeichnis.
- MAU, WAU und DAU weisen wir sauber getrennt aus, jeweils mit klarer Definition.
- Impact kommt aus regelmäßigen Surveys: gesparte Zeit, Zufriedenheit, KI-Reife und KI-Kompetenz. Daraus rechnen wir den Wert, sichtbar in einem Management-Update für die Geschäftsführung.
Ein Blick auf das Dashboard
Damit es nicht bei der Beschreibung bleibt, hier der Management-Update-Reiter, so wie ihn die Geschäftsführung sieht. Eine Seite, die in dreißig Sekunden sagt, wo wir stehen.
Illustration im Stil unseres Dashboards. Öffentlich belegt sind Adoption (39 auf 80 Prozent), Zufriedenheit (90 Prozent) und Zeitersparnis (rund 25 Prozent). Die übrigen Werte, etwa ROI, MAU, WAU, DAU und die Aufteilung nach Bereichen, sind Beispielwerte zur Veranschaulichung.
Und woher weißt du, was wirklich ankam?
Die Wertschätzung je Use Case, wie ich sie in Teil 6 zeige, schätzt, was er bringen kann, bevor er läuft. Eine Schätzung ist aber kein Beweis. Die ehrlichere Frage kommt danach. Was ist von der erwarteten Wirkung wirklich angekommen?
Mein Weg dafür sind Umfragen. Kurze, regelmäßige Surveys, in denen die Menschen einschätzen, wie viel Zeit sie sparen, wie zufrieden sie sind und wie sich ihre KI-Reife entwickelt. Das ist eine Selbstauskunft, kein exakter Wert. Aber eine belastbare Richtung, mit der man arbeiten kann. Und sie speist den gemessenen Wert im Impact-Reiter.
Es gibt auch einen anderen Ansatz, den ich kürzlich auf The Dock, dem AI-Forum von Langdock, gehört habe. Man hinterlegt feste Werte je Aktion. Wer den Chat nutzt, taucht in der Analytik mit seinen Nachrichten auf. Wer einen Agenten nutzt, dem rechnet man eine feste Zeitersparnis zu. Reizvoll, weil es ohne Befragung auskommt. Diese These kann ich aber noch nicht sauber validieren, deshalb bleibe ich vorerst bei den Umfragen.
Vorher schätze ich, hinterher messe ich. Erst beides zusammen ergibt eine ehrliche Bilanz.
Nicht alles messen, was sich messen lässt
Ein Dashboard verführt dazu, jede Zahl zu sammeln, die geht. Das ist eine Falle. Kennzahlen, die niemand zum Handeln nutzt, sind nur Dekoration und kosten Pflegezeit. Ich frage mich bei jeder Zahl, welche Entscheidung sie verändert. Wenn keine, fliegt sie raus.
Und Survey-Zahlen sind Selbstauskünfte, kein objektiver Beweis. Gesparte Stunden, die Menschen schätzen, sind eine Richtung, keine Bilanz. Deshalb verkaufe ich sie auch so, als belastbare Einordnung, nicht als exakte Wahrheit. Lieber eine ehrliche Schätzung mit Methode als eine erfundene Präzision.
Bei jeder Kennzahl frage ich mich, welche Entscheidung sie verändert. Wenn keine, gehört sie nicht ins Dashboard.
Larridin, AI Adoption Enterprise Guide 2026, zu Adoptionsraten und Messlücken.
ServiceNow, Enterprise AI Maturity Index 2026, zum Reifegrad als Index.
Wie macht ihr Wirkung sichtbar?
Wie kommt ihr an die Zahlen über eure Werkzeuge hinweg? Ich tausche mich gern dazu aus.
Phase 4 · Wirkung · Zuvor: Von Adoption zu Impact · Als Nächstes: Sauber dokumentiert, audit-ready · Zur Übersicht