„Zeigen Sie mir die Wirkung in der Stromrechnung, dann reden wir über Ihr Honorar.“

Steckbrief
Branche	Metallverarbeitung (Zerspanung, Oberflächentechnik, Serienfertigung)
Unternehmensgröße	ca. 400 Mitarbeitende, Familienbesitz in dritter Generation
Rolle	CFO, zuvor zwölf Jahre Controlling in der Automobilzulieferung
KI-Stand	Ein abgebrochener Pilot vorausschauende Wartung, ein laufender Versuch Energieoptimierung am Härteofen

Dieses Gespräch ist ein typisiertes, redaktionell verdichtetes Interview: Person und Unternehmen sind fiktiv, die geschilderten Situationen, Zahlen und Konflikte folgen dokumentierten Mustern aus Studien und Rechtsprechung (Quellen am Ende).

Sie gelten im Haus als der KI-Bremser. Stimmt das Etikett?

Das Etikett stammt von Leuten, die noch nie eine Deckungsbeitragsrechnung für einen Härteofen gemacht haben. Ich bremse nicht KI. Ich bremse Ausgaben ohne Rechenweg. Das ist ein Unterschied. Unsere Lage ist simpel: Die Umsatzrendite liegt bei uns seit drei Jahren zwischen zwei und vier Prozent, je nach Stahlpreis und Abrufverhalten der Kunden. Die Energiekosten sind nach 2022 nie wieder auf das alte Niveau zurückgekommen, bei energieintensiven Mittelständlern liegt der Energieanteil an den Gesamtaufwendungen häufig über zehn Prozent, bei uns auch. In so einer Lage ist jede Investition ein Verdrängungswettbewerb: Der Euro, der in ein KI-Projekt geht, geht nicht in die neue Drehmaschine und nicht in die Photovoltaik auf Halle drei. Wer mir KI verkaufen will, tritt also nicht gegen meine Skepsis an. Er tritt gegen die Drehmaschine an. Die hat einen belegten Payback von vier Jahren.

Was ist bei Ihrem ersten Piloten schiefgegangen?

Vorausschauende Wartung an den Bearbeitungszentren, vor gut zwei Jahren gestartet. Der Anbieter hat uns eine Ausfallreduktion von bis zu 60 Prozent in Aussicht gestellt, Folie 14, ich habe sie noch. Nach 18 Monaten hatten wir: Sensorik nachgerüstet für einen niedrigen sechsstelligen Betrag, ein Dashboard, das der Instandhaltungsleiter nicht angeschaut hat, und genau zwei korrekt vorhergesagte Ausfälle, von denen einer auch ohne Modell hörbar war, das Lager hat gepfiffen. Das Kernproblem: Unsere Ausfallhistorie war zu dünn, die Maschinen fallen schlicht zu selten aus, als dass das Modell daraus lernen könnte. Das hätte man vorher wissen können, ich hätte es prüfen lassen müssen. Ich habe den Abbruch dann selbst ins Management getragen. Der Geschäftsführer war dagegen, es gab ein sehr unangenehmes Gespräch, Zitat: „Du machst uns zum Gespött der Branche.“ Neun Monate später kam die MIT-Auswertung, 95 Prozent der Piloten ohne messbaren Ertrag. Ich habe sie ihm kommentarlos weitergeleitet. War vielleicht kleinlich.

„Der Anbieter versprach 60 Prozent weniger Ausfälle. Geliefert hat er ein Dashboard, das keiner angeschaut hat.“

Warum läuft dann trotzdem ein zweiter Versuch?

Weil der zweite eine andere Logik hat. Die Ofensteuerung ist ein Energiethema, kein Hoffnungsthema. Unser Härteprozess fährt konservative Sicherheitsaufschläge, länger und heißer als nötig, weil niemand den Ausschuss riskieren will. Wenn ein Modell die Aufschläge auch nur um wenige Prozent drückt, sehe ich das direkt in der Gasabrechnung, Monat für Monat. Das ist der Unterschied zum Wartungspiloten: Dort hätte ich Einsparungen gegen hypothetische Ausfälle rechnen müssen, hier rechne ich gegen eine real existierende Rechnung. Der Versuch ist bewusst klein, ein Ofen, sechs Monate, klar definierte Abbruchkriterien. Und ich habe die Baseline vorher drei Monate sauber gemessen, bevor irgendein Modell lief. Ohne Baseline ist jede Erfolgsmeldung Folklore. Nach vier Monaten liegen wir bei etwa drei Prozent Gaseinsparung auf dem einen Ofen. Das klingt unspektakulär. Auf alle Öfen hochgerechnet wäre es ein relevanter Betrag. Aber ich rechne erst hoch, wenn es durchhält.

Ist KI für Sie eine CAPEX-Frage oder eine OPEX-Frage?

Beides, und genau das macht es unbequem. Die Anbieter verkaufen es gern als Abo, klingt klein, monatlich kündbar, kein Investitionsantrag. In Wahrheit ist der Abopreis der kleinste Teil. Die Sensorik, die Anbindung an die Maschinensteuerungen, die Datenaufbereitung, die Stunden unserer eigenen Leute, das ist der eigentliche Block, und der ist investiv, ob er nun in der Bilanz so heißt oder nicht. Ich behandle KI-Projekte deshalb intern wie Maschineninvestitionen: Investitionsantrag, Payback-Rechnung, Verantwortlicher mit Namen, Abbruchkriterium. Da gab es Widerstand, das sei Innovationsfeindlichkeit, zu schwerfällig für „agile Themen“. Mag sein. Aber seit die Regel gilt, kommen weniger Anträge und bessere. Von sieben Ideen im letzten Jahr haben zwei den Antrag überlebt. Die anderen fünf sind keine Verluste, das sind vermiedene Verluste.

Woher kommt Ihr Misstrauen gegen Berater?

Aus Erfahrung, nicht aus Prinzip. Wir hatten drei Beratungen im Haus in vier Jahren. Alle drei Abschlusspräsentationen enthielten Renditeversprechen zwischen dem Fünf- und Achtfachen des Einsatzes. Keine einzige enthielt eine Messmethode, mit der man das Versprechen später hätte prüfen können. Das ist das Muster, das mich stört: Die Zahl steht auf der Folie, die Verantwortung für die Zahl steht nirgends. Inzwischen habe ich eine Standardfrage: Sind Sie bereit, einen Teil Ihres Honorars an die gemessene Wirkung zu koppeln, Baseline vorher, Messung nachher, Zeitraum definiert? Von fünf Anbietern seit letztem Jahr haben vier abgelehnt oder wollten die Baseline „gemeinsam entwickeln“, was übersetzt heißt: nachträglich passend machen. Der fünfte hat eingeschlagen. Mit dem arbeiten wir jetzt am Ofen. Ich sage nicht, dass alle Berater Scharlatane sind. Ich sage: Wer seiner eigenen Prognose nicht traut, soll sie mir nicht als Entscheidungsgrundlage verkaufen.

„Die Renditezahl steht auf der Folie. Die Verantwortung für die Zahl steht nirgends.“

Ihre Branche gilt in Umfragen als KI-offen. Passt das zu Ihrem Alltag?

Die Zahlen kenne ich, das IW hat 2025 erhoben, dass im verarbeitenden Gewerbe rund 32 Prozent KI nutzen und gerade die Metallbranche beim geplanten Einsatz vorn liegt, um die 31 Prozent. Ich glaube den Zahlen, aber man muss lesen, was da steht: geplant. Zwischen der Antwort im Fragebogen und einem System, das im Dreischichtbetrieb durchhält, liegt ein Tal, und in dem Tal liegen die meisten. S&P Global hat 2025 erhoben, dass 42 Prozent der Unternehmen die Mehrheit ihrer KI-Initiativen abgebrochen haben, mehr als doppelt so viele wie im Vorjahr. Das deckt sich mit dem, was ich auf Verbandstagungen höre, abends, beim zweiten Bier, wenn die Bühnenfassung durch die ehrliche Fassung ersetzt wird. Fast jeder hat einen Piloten. Fast keiner hat eine Wirkung in der Gewinn-und-Verlust-Rechnung, die er einem Wirtschaftsprüfer zeigen würde.

Was sagt der Gesellschafterkreis zu dem Thema?

Der Seniorchef fragt bei jeder Beiratssitzung, ob wir „bei KI hinterherhinken“. Er liest dieselben Schlagzeilen wie alle. Meine Antwort ist seit zwei Jahren gleich: Wir hinken nicht hinterher, wir lassen anderen den Vortritt beim Bezahlen von Lehrgeld. Das ist keine Rhetorik, das ist Portfoliologik. Ein Konzern kann zehn Piloten abschreiben, bis einer trägt. Wir können das nicht, bei unserer Marge ist ein verbranntes Projekt real spürbar. Also warten wir bei allem, was unreif ist, und gehen früh rein, wo der Wirkmechanismus physikalisch nachvollziehbar ist, wie beim Ofen. Der Beirat trägt das mit, seit ich die Abbruchkosten des Wartungspiloten offen vorgerechnet habe, inklusive der eigenen Stunden, die in keiner Anbieterrechnung auftauchen. Transparenz über das eigene Scheitern ist unangenehm, aber sie kauft einem Glaubwürdigkeit für die nächste Entscheidung.

Wo könnte Ihre Sparsamkeit Sie etwas kosten?

Fairerweise: an zwei Stellen. Erstens im Büro. Ich habe die Assistenz-Werkzeuge für Angebotswesen und Dokumentenprüfung lange als Spielerei abgetan. Inzwischen sehe ich bei den Kollegen, die sie nutzen, real schnellere Durchlaufzeiten im Angebotsprozess, und unser Vertriebsinnendienst ist chronisch unterbesetzt. Da war meine Pauschalskepsis teurer als ein kontrollierter Versuch gewesen wäre. Zweitens beim Personal. Die zwei jungen Verfahrensingenieure, die wir letztes Jahr eingestellt haben, haben im Bewerbungsgespräch gefragt, wie wir mit Daten und KI arbeiten. Nicht aus Ideologie, die wollen mit modernen Werkzeugen arbeiten. Wenn die Antwort dauerhaft „gar nicht“ lautet, verlieren wir genau die Leute, die wir für die Ofensteuerung brauchen. Ein CFO, der nur Nein sagt, ist genauso billig zu haben wie einer, der nur Ja sagt. Der Job ist das Sortieren.

„Wir hinken nicht hinterher. Wir lassen anderen den Vortritt beim Bezahlen von Lehrgeld.“

Was müsste ein Anbieter mitbringen, damit Sie unterschreiben?

Vier Dinge, und die sind nicht verhandelbar. Erstens eine Referenz aus einem Betrieb unserer Größenordnung, die ich anrufen darf, nicht ein Konzernlogo auf der Folie. Zweitens eine Aussage, welche Datenqualität und wie viel Historie sein Modell mindestens braucht, bevor wir unterschreiben, nicht danach. Am Wartungspiloten ist genau diese Frage nie vor Vertragsschluss gestellt worden, von keiner Seite. Drittens Gesamtkosten über drei Jahre inklusive unserer eigenen Aufwände, geschätzt von ihm, korrigiert von mir. Viertens die Honorarkopplung an die Baseline, wie gesagt. Wer alle vier Punkte besteht, bekommt einen schnellen Termin und eine schnelle Entscheidung, das kann ich im Familienunternehmen nämlich besser als jeder Konzern. Wer bei Punkt zwei anfängt zu schwimmen, bekommt einen Kaffee und ein freundliches Nein.

Wo steht Ihr Unternehmen beim Thema in drei Jahren?

Vorsichtige Prognose: Die Ofensteuerung läuft dann auf allen Öfen, wenn die Sechs-Monats-Zahlen halten, und hat sich selbst bezahlt. Im Angebotswesen arbeiten die Kollegen mit Assistenzsystemen, weil der Markt uns schnellere Angebote abverlangt, unabhängig davon, was ich davon halte. Und wir haben vermutlich zwei weitere Abbrüche hinter uns, die ich heute noch nicht kenne, das gehört zur ehrlichen Rechnung dazu. Was es bei uns nicht geben wird: ein KI-Programm mit eigenem Namen, eigenem Logo und eigener Lenkungsgruppe. Bei 400 Leuten und drei Prozent Rendite ist KI kein Programm, sondern eine Werkzeugentscheidung pro Prozess. Manche Werkzeuge rechnen sich. Die kaufen wir. Der Rest bleibt im Katalog.

Was aus diesem Gespräch mitzunehmen ist

• Bei knappen Margen konkurriert jedes KI-Projekt mit belegbaren Alternativinvestitionen; wer KI-Vorhaben wie Maschineninvestitionen behandelt (Baseline, Payback, Abbruchkriterium), sortiert Hoffnungsprojekte früh aus.
• Datenverfügbarkeit vor Vertragsschluss prüfen: Der typische Fehlschlag bei vorausschauender Wartung entsteht, wenn zu wenig Ausfallhistorie existiert, aus der ein Modell lernen könnte.
• Honorarkopplung an gemessene Wirkung ist ein wirksamer Anbietertest: Wer der eigenen Renditeprognose nicht traut, scheidet damit von selbst aus.

Quellen der typisierten Muster

• Institut der deutschen Wirtschaft (IW Köln): „Künstliche Intelligenz als Wettbewerbsfaktor für die deutsche Wirtschaft“, IW-Report, 2025 (KI-Nutzung verarbeitendes Gewerbe 31,7 Prozent; höchster Anteil geplanter Nutzung in der Metallbranche mit 30,7 Prozent).
• MIT NANDA: „The GenAI Divide: State of AI in Business 2025“, 2025 (95 Prozent der GenAI-Piloten ohne messbaren Ergebnisbeitrag).
• S&P Global Market Intelligence: Befragung zu abgebrochenen KI-Initiativen, 2025 (Anstieg von 17 auf 42 Prozent binnen eines Jahres).
• Institut für Arbeitsmarkt- und Berufsforschung (IAB): „Zentrale Befunde zu aktuellen Arbeitsmarkt-Themen“, 2025 (hohe Energie- und Rohstoffkosten als Belastung des verarbeitenden Gewerbes, u. a. Metallverarbeitung).

Das Entscheider-Briefing

Ein Briefing pro Woche: Entscheidungsfragen, eingeordnete Zahlen und Fristen. Ihre Adresse geben wir nicht weiter.

Website

E-Mail-Adresse

Briefing abonnieren

Ich möchte das Briefing per E-Mail erhalten und kann die Einwilligung jederzeit widerrufen. Die Datenschutzerklärung habe ich gelesen.

Sie erhalten zuerst eine E-Mail mit einem Bestätigungslink. Erst nach dem Klick nehmen wir Sie auf. Abmeldung mit einem Klick in jeder Ausgabe.