Hat es funktioniert? Und was hat es gekostet?

Ihr CFO kam letzte Woche mit einer Zahl auf einem Klebezettel in Ihr Einzelgespräch. Sie war größer als erwartet. Er möchte wissen, was Sie dafür bekommen haben.

Vor sechs Monaten waren KI-Coding-Tools noch eine Entwickler-Kuriosität – ein paar Lizenzen hier, ein Paralleltest dort. Jetzt sind sie ein Budgetposten. Cursor, Copilot, Claude, Codeium, das Modell-API-Budget, das sich stillschweigend verdreifacht hat – die meisten Engineering-Organisationen geben echtes Geld für KI aus, und die meisten können Ihnen nicht sagen, ob die Ausgaben etwas hervorgebracht haben, das Bestand hatte.

Das ist die zweite Hälfte von Ship and Stick. Die erste Hälfte beantwortete: Wurde die Arbeit, bei der die KI geholfen hat, tatsächlich ausgeliefert und hat sie überlebt? Die zweite Hälfte ist die Frage, die jetzt jeder Finanzpartner stellt, und die meisten Engineering-Leiter können nur mit einer Rechnung und einem Bauchgefühl antworten:

„Was hat es uns gekostet, und war es das wert?"

Zur Erinnerung: Ship and Stick

Wir haben Anfang des Jahres argumentiert, dass Aktivitätsmetriken – Akzeptanzraten, geschriebene Prompts, akzeptierte Zeilen – Eitelkeit sind. Das einzige ehrliche Maß dafür, ob KI funktioniert, ist, ob die Ergebnisse ausgeliefert wurden und Bestand hatten. Wurde der PR gemergt? Blieb er gemergt? Hielt die Qualität? Verbesserte sich die Vorhersagbarkeit, oder begann das Team zu schwanken?

Das ist immer noch der richtige Rahmen. Aber er beantwortet nur die Hälfte einer Frage.

Ergebnisse allein sagen Ihnen, ob sich etwas verbessert hat. Sie sagen Ihnen nicht, ob die Verbesserung das wert war, was Sie dafür bezahlt haben. Eine 4%ige Steigerung der Delivery-Gesundheit, die pro Quartal 80.000 $ an Tool-Lizenzen kostet, ist eine andere Wette als eine 4%ige Steigerung, die 8.000 $ kostet. Ohne den Nenner können Sie nicht sagen, auf welcher Sie sitzen.

Wie misst man KI-ROI?

KI-ROI ist der Wert dessen, was Bestand hatte, geteilt durch das, was Sie bezahlt haben. Hier ist die Rechnung, die jeder Engineering-Leiter aufstellen soll:

KI-ROI = (Wert dessen, was Bestand hatte) / (was Sie bezahlt haben)

Den meisten Teams fehlt der Nenner vollständig. Sie haben eine Lieferantenrechnung im Posteingang der Finanzabteilung und das Gefühl, dass „die Leute produktiver zu sein scheinen". Das ist kein ROI. Das ist Hoffnung plus Kreditkartenabrechnung.

Der Nenner hat sich verändert. KI-Ausgaben waren früher eine Fußnote – zwanzig Dollar pro Lizenz für ein Editor-Plugin. 2026 ist es eine Spalte:

• Lizenzen pro Lizenz über mehrere Coding-Tools hinweg
• API-Nutzungsgebühren, die mit der tatsächlichen Nutzung Ihres Teams skalieren – je besser es funktioniert, desto mehr zahlen Sie
• Modell-Routing-Services, Vektordatenbanken, Evaluierungs-Tools
• Die internen KI-Features, die Ihr eigenes Produkt ausliefert und die auf denselben Modellanbietern laufen

Daraus folgen drei Dinge.

Erstens: KI-Ausgaben sind bedeutend genug geworden, dass die Finanzabteilung jetzt ein Stakeholder bei Engineering-Entscheidungen ist, ob es Ihnen gefällt oder nicht.

Zweitens: KI-Ausgaben sind nicht mehr fixe Kosten. Sie skalieren mit der Nutzung – was bedeutet, dass eine erfolgreiche Einführung die Rechnung erhöht. Den Akzeptanzkampf ohne Ergebnisinstrumentierung zu gewinnen, ist der Weg, wie Sie einem CFO eine 3-fache Jahresrechnung erklären, der die Auswirkungen nicht sehen kann.

Drittens: Die beiden Zahlen bewegen sich auf unterschiedlichen Uhren. Ausgaben sind monatlich und sichtbar. Ergebnisse sind Sprint-über-Sprint und ohne Messebene unsichtbar. Wenn Sie nur eine davon sehen, treffen Sie Entscheidungen auf Basis der einen, die Sie sehen – und die, die Sie sehen, ist die Rechnung.

Warum Ihnen niemand beide Hälften zeigt

Wenn die Paarung von Ergebnissen mit Ausgaben so offensichtlich nützlich ist, warum hat Ihr KI-Anbieter sie nicht für Sie gebaut?

Weil die Rechnung für sie nicht aufgeht.

Jedes dieser Tools liefert die Hälfte, die es verkaufen kann, und lässt stillschweigend die Hälfte weg, die das Bild ehrlich machen würde. Ein Coding-Tool, das Ihnen Kosten-pro-beständigem-PR zeigen würde, würde seine eigene Hausaufgabe benoten. Ein Produktivitäts-Dashboard, das die Rechnung offenlegen würde, würde Ihnen einen Grund geben, es zu kündigen.

Der geschlossene Regelkreis – Kosten gepaart mit Ergebnis, beide im Sprint-über-Sprint-Trend – ist kein Feature, das ein zweckgebundener Anbieter liefern kann, ohne sich selbst zu untergraben.

Wie der Regelkreis aussieht

Die Instrumentierung ist nicht kompliziert. Sie ist nur selten.

Sie brauchen drei Dinge auf einem Bildschirm:

1. Einen Delivery-Gesundheitstrend. Sprint über Sprint, KI-neutral. Wurde Arbeit ausgeliefert? Hat sie Bestand? Halten Qualität und Vorhersagbarkeit?
2. Einen KI-Ausgabentrend. Gleiche Kadenz. Pro Team, nicht pro Entwickler. (Dazu gleich mehr.)
3. Eine Kausalhypothese. Was hat sich im Tooling des Teams zwischen Sprint N und Sprint N+1 geändert, und hat der Trend reagiert?

Wenn diese drei zusammensitzen, hören Sie auf, über KI zu streiten, und beginnen, sie zu messen. Das Gespräch verschiebt sich von „nutzen die Leute Cursor genug?" zu „das Team hat es vor drei Sprints eingeführt, der Gesundheitstrend ist um vier Punkte gestiegen, und die KI-Ausgaben pro Entwickler sind um zweiundzwanzig Prozent gestiegen. Wir sind netto im Plus. Verlängern." Oder – genauso wertvoll – „der Trend ist flach, die Ausgaben sind gestiegen, der Maturity-Score hat sich nicht bewegt. Probieren Sie ein anderes Tool."

Das ist der geschlossene Regelkreis: Kosten gepaart mit Ergebnis, in derselben Kadenz. Kein Dashboard mit mehr Zahlen darauf. Ein entscheidungsreifes Bild, das Sie aufhören lässt zu raten.

Pro Team, nicht pro Entwickler

Eine Anmerkung, die wichtig ist: Das funktioniert nur, wenn die Ausgabenansicht pro Team ist, nicht pro Entwickler.

In dem Moment, in dem Sie individuelle KI-Nutzung auf eine Bestenliste setzen, passieren drei Dinge, alle schlecht:

1. Entwickler umgehen die Messung – führen Modelle lokal aus, teilen Konten, melden sich von den Tools ab, für die Sie zahlen.
2. Die Daten werden manipuliert. Mehr Prompts ≠ mehr Wert, aber es wird so aussehen.
3. Sie sind stillschweigend zum Überwachungsprodukt geworden, das Sie nie bauen wollten.

Ausgaben auf Teamebene gepaart mit Ergebnissen auf Teamebene ist die richtige Einheit. Es beantwortet die Budgetfrage, ohne die Überwachungsfrage zu schaffen.

Der ehrliche Schritt

Wenn Sie eine Engineering-Führungskraft sind, haben Sie zwei Möglichkeiten, das nächste Budgetgespräch über KI zu führen.

Die erste besteht darin, weiterzumachen wie die meisten Teams: Rechnung ziehen, die Stimmung beschreiben, hoffen, dass der Raum es kauft. Das funktioniert für ein oder zwei Zyklen. Es hört auf zu funktionieren, sobald ein Peer-Team mit einer Trendlinie auftaucht.

Die zweite besteht darin, zu instrumentieren, bevor Sie argumentieren. Machen Sie die Ausgaben sichtbar und die Ergebnisse sichtbar — nicht nach der Verlängerung, sondern vorher. Sie werden eines von drei Dingen feststellen:

• Die Ausgaben erzeugen dauerhafte Ergebnisse. Verteidigen Sie sie lautstark. Sie haben jetzt die Daten dafür.
• Die Ausgaben erzeugen keine Ergebnisse. Kürzen Sie sie, bevor jemand anderes sie für Sie kürzt. Besser, die Kürzung freiwillig vorzunehmen, als die Fallstudie zu sein.
• Die Ausgaben erzeugen Ergebnisse für einige Teams und nicht für andere. Das ist die häufigste Antwort und die nützlichste. Die Akzeptanz ist nicht homogen; die Tool-Passung auch nicht. Die Ausgaben sollten der Passung folgen.

In jedem Fall handeln Sie auf Grundlage von Beweisen. Das allein unterscheidet Sie von den meisten Gesprächen, die gerade in Ihrer Branche stattfinden.

Das Fazit

Im Jahr 2026 hörte „Funktioniert KI?" auf, eine Thought-Leadership-Frage zu sein, und wurde zu einer Budgetfrage. Die Teams, die gewinnen, sind diejenigen, die sie auf Abruf beantworten können, mit zwei Trendlinien, in unter einer Minute.

Wurde es ausgeliefert? Blieb es haften? Und was hat es gekostet?

Die ersten beiden haben wir im März behandelt. Die dritte ist die Hälfte, nach der die Finanzabteilung jetzt fragt. Die Teams, die die Antwort haben, sind nicht diejenigen, die am meisten KI nutzen. Es sind diejenigen, die beweisen können, was sie dafür bekommen haben.

Zeigen Sie mir die Ausgaben. Zeigen Sie mir den Trend. Jetzt können wir reden.

Weiterführende Literatur

• Ship and Stick: Messen, ob KI tatsächlich funktioniert — die Ergebnishälfte der Frage, mit den Daten dahinter, warum Aktivitätsmetriken Eitelkeit sind.
• Die sieben Todsünden von Engineering-Metriken — Anti-Patterns, die Sie vermeiden sollten, wenn Sie die Schleife instrumentieren.
• DORA-Metriken ohne die Dashboard-Steuer — warum die Daten, die Sie benötigen, bereits in den Integrationen sind, die Sie bereits verbunden haben.