Warum scheitern so viele Automatisierungsprojekte, obwohl die Technik funktioniert?

Weil die meisten Projekte auf Basis einer Momentaufnahme vom Starttag gerechtfertigt werden, nicht auf Basis eines realistischen Verlaufs über Zeit. Wartungskosten, Prozessänderungen und wachsende Ausnahmefälle werden selten mitgeplant – dabei erklären genau diese Faktoren laut Gartner, Deloitte und EY den Großteil der Ausfälle und Enttäuschungen.

Wie hoch sollte ich die Wartungskosten für eine Automatisierung ansetzen?

Realistisch zwischen 10 und 40 Prozent der ursprünglichen Implementierungskosten pro Jahr – am unteren Ende bei stabilen, gut strukturierten Prozessen, am oberen Ende bei Automatisierungen, die stark von Oberflächen oder Formaten Dritter abhängen. Diesen Posten von Anfang an einzuplanen, ist der wirksamste Einzelhebel gegen den Wertverlust über Zeit.

Was ist der Bainbridge-Effekt und warum ist er für mein Unternehmen relevant?

Der Begriff geht auf eine Studie der Kognitionspsychologin Lisanne Bainbridge aus dem Jahr 1983 zurück: Automatisiert man die Routine, bleibt Menschen die schwierigste Aufgabe – seltene Ausnahmefälle – während sie gleichzeitig die Übung verlieren, diese zu lösen. In der Praxis heißt das: Wenn sich ein Prozess ändert und mehr Ausnahmefälle entstehen, ist das Team darauf oft schlechter vorbereitet als vor der Automatisierung.

Wie finde ich heraus, ob sich ein konkreter Prozess bei uns lohnt?

Über die vier Faktoren Häufigkeit, Regelstabilität, Ausnahme-Rate und einen benannten Verantwortlichen. Der kostenlose AI Opportunity Scan gibt in wenigen Fragen eine erste Einschätzung, das ausführlichere Readiness Assessment ordnet die eigene Situation entlang aller vier Faktoren strukturiert ein und liefert einen Fahrplan für den nächsten Schritt.

Wo lohnt sich Automatisierung? Der Rahmen hinter der Entscheidung

Automatisierung gilt als sichere Sache: Zeit sparen, Fehler reduzieren, fertig. Trotzdem beziffern Gartner, EY und Deloitte die Ausfall- oder Enttäuschungsquote von Automatisierungsprojekten unabhängig voneinander auf 30 bis 50 Prozent. Das ist kein Technikproblem – die eingesetzten Tools funktionieren in aller Regel wie versprochen. Es ist ein Rechenfehler: Die meisten ROI-Kalkulationen sind eine Momentaufnahme vom Starttag, keine Prognose. Dieser Artikel verbindet aktuelle Branchenzahlen mit einem 40 Jahre alten, aber immer noch unterschätzten Befund aus der Automatisierungsforschung zu einem Rahmen, der zeigt, welche Prozesse sich wirklich lohnen – und warum der Wert vieler Automatisierungen mit der Zeit leiser wird, statt zu wachsen.

Warum fast die Hälfte aller Automatisierungsprojekte scheitert

Die Zahlen sind über mehrere unabhängige Quellen hinweg erstaunlich konsistent. Gartner beobachtet, dass nahezu die Hälfte aller RPA-Projekte am Skalieren scheitert – die Automatisierung funktioniert im Pilotbetrieb, bricht aber zusammen, sobald sich reale Prozesse ändern, für die sie nicht ausgelegt war. EY beziffert den Anteil aller RPA-Projekte, die insgesamt scheitern, auf bis zu 50 Prozent. Deloitte macht in 37 Prozent der untersuchten Fälle mangelndes Change-Management verantwortlich, Forrester findet bei 35 Prozent der Implementierungen handfeste Skalierungsprobleme.

Auch bei den großen Playern zeigt sich eine Lücke zwischen Ausprobieren und echtem Wert: McKinsey berichtet, dass mittlerweile rund zwei Drittel der befragten Unternehmen Automatisierung in mindestens einem Geschäftsbereich einsetzen – aber nur eine kleine Gruppe von etwa 6 Prozent zieht daraus einen Wertbeitrag, der sich spürbar in den Zahlen niederschlägt. Adoption ist inzwischen normal geworden. Wert zu realisieren, ist es nicht.

Die naheliegende Erklärung wäre: schlechte Software, falsche Anbieter, unausgereifte Technik. Doch das deckt sich nicht mit der Erfahrung aus eigenen Projekten – die eingesetzten Werkzeuge tun fast immer genau das, was sie sollen. Das eigentliche Muster liegt woanders, und es wird sichtbar, sobald man drei scheinbar getrennte Befunde nebeneinanderlegt.

Die Automatisierungs-Halbwertszeit: ein Rahmen, der in den meisten ROI-Rechnungen fehlt

Die meisten Business Cases rechnen so: Zeitersparnis pro Vorgang, multipliziert mit der Häufigkeit, multipliziert mit dem Stundensatz – fertig ist die Amortisationszeit. Das Problem an dieser Rechnung ist nicht, dass sie falsch wäre. Es ist, dass sie nur für einen einzigen Tag gilt: den Tag des Go-Live. Drei unabhängige Datenpunkte zeigen, warum dieser Wert danach nicht konstant bleibt, sondern schrumpft.

Wartung ist keine Ausnahme, sondern eingepreiste Realität: Branchenanalysen gehen von 10 bis 40 Prozent der ursprünglichen Implementierungskosten pro Jahr aus – je nachdem, wie stark die Automatisierung von Oberflächen, Formaten oder Drittsystemen abhängt, die sich ändern können. Diese Kosten tauchen in den seltensten anfänglichen ROI-Rechnungen überhaupt auf.
Der Wert erodiert ohne aktive Pflege: Fehlt ein Verantwortlicher, der Prozessänderungen nachzieht, sinkt der realisierte Nutzen einer Automatisierung Analysen zufolge innerhalb von 18 Monaten um 25 bis 40 Prozent – nicht weil die Software schlechter wird, sondern weil sich die Realität um sie herum weiterdreht und die Automatisierung stehen bleibt.
Ausnahmen wachsen nicht linear, sondern sprunghaft: Jede Automatisierung ist für einen bestimmten Rahmen an Fällen gebaut. Innerhalb dieses Rahmens läuft sie zuverlässig. Außerhalb bricht sie ab – abrupt und ohne Vorwarnung, nicht allmählich schlechter werdend wie ein Mensch, der müde wird.

Legt man diese drei Punkte übereinander, ergibt sich ein Muster, das in keiner der Studien einzeln benannt wird, das sich aber praktisch beobachten lässt: Der Wert einer Automatisierung ist am höchsten am Tag der Einführung – und nimmt danach ab, wenn niemand aktiv gegensteuert. Nennen wir das die Automatisierungs-Halbwertszeit. Die Konsequenz für die Praxis ist einfach: Wer eine Automatisierung nur auf Basis des Tag-1-Werts rechtfertigt, rechnet sich reich. Realistisch ist der Wert im zweiten Jahr niedriger als im ersten – es sei denn, Wartung und Prozesspflege sind von Anfang an eingeplant, nicht nachgelagert.

Der Bainbridge-Effekt – warum Ausnahmen mit der Zeit teurer werden, nicht billiger

Der zweite Baustein dieses Rahmens stammt nicht aus einer aktuellen Marktstudie, sondern aus einem 1983 veröffentlichten Aufsatz der Kognitionspsychologin Lisanne Bainbridge mit dem Titel „Ironies of Automation“ – einer der meistzitierten Texte der Automatisierungsforschung, der in Business-Diskussionen über Prozessautomatisierung aber fast nie auftaucht. Bainbridges Kernbeobachtung: Automatisiert man die Routine eines Prozesses, bleibt den beteiligten Menschen ausgerechnet die Aufgabe, die am schwersten ist – der seltene Ausnahmefall, der Eingreifen erfordert. Gleichzeitig verlieren sie durch die Automatisierung genau die laufende Praxis, die sie bräuchten, um diesen Ausnahmefall souverän zu lösen.

Auf Geschäftsprozesse übertragen heißt das: Wenn eine Automatisierung 95 Prozent der Standardfälle übernimmt, bearbeitet das Team nur noch die übrigen 5 Prozent – die komplexesten, uneindeutigsten Fälle, für die es am wenigsten Übung hat. Genau in diesem Moment schließt sich der Kreis zur Automatisierungs-Halbwertszeit: Ändert sich der Prozess (neue Vorschrift, neuer Lieferant, neues Preismodell), landen mehr Fälle in dieser Ausnahme-Kategorie – bearbeitet von einem Team, das im Umgang mit ihr zunehmend aus der Übung ist. Das ist der Mechanismus, der hinter der eingangs zitierten Deloitte-Zahl steht, wonach mangelndes Change-Management die häufigste konkret benannte Ausfallursache ist: Nicht die Automatisierung versagt zuerst, sondern die menschliche Fähigkeit, die um sie herum verbliebenen Lücken zu füllen.

Das Bewertungsraster: vier Faktoren, die zeigen, ob sich ein Prozess wirklich lohnt

Aus diesem Rahmen lässt sich eine praktische Konsequenz ableiten: Zeitersparnis allein ist der falsche erste Filter für die Frage „Was automatisieren wir zuerst?“. Vier Faktoren gemeinsam entscheiden, ob eine Automatisierung ihren Wert hält oder verliert.

Häufigkeit: Wie oft läuft der Vorgang pro Woche? Ohne ausreichendes Volumen amortisiert sich selbst eine günstige Automatisierung nie – unabhängig von allen anderen Faktoren.
Regelstabilität: Ändern sich die zugrundeliegenden Regeln selten (Preislogik, Vorschriften, Formulare) oder ständig? Instabile Regeln sind der Hauptgrund für die eingangs beschriebene Erosion – hier lohnt sich zuerst, die Regeln zu stabilisieren, dann zu automatisieren.
Ausnahme-Rate: Wie oft weicht ein Fall vom Standardweg ab? Eine gut gebaute Automatisierung schafft bei hoher, aber gut verstandener Ausnahme-Rate überproportional viel Wert – eine schlecht gebaute erzeugt bei derselben Ausnahme-Rate genau den Bainbridge-Effekt von oben.
Verantwortlicher: Gibt es eine konkrete Person, die die Automatisierung nach dem Go-Live beobachtet, anpasst und für Ausnahmefälle geradesteht? Ohne diese Rolle ist die Erosion binnen 18 Monaten praktisch vorprogrammiert – unabhängig davon, wie gut die ursprüngliche Umsetzung war.

Der AI Opportunity Scan und das ausführlichere Readiness Assessment auf dieser Website bilden genau diese vier Faktoren strukturiert ab – nicht, um eine einzelne Zahl auszuspucken, sondern um sichtbar zu machen, an welcher Stelle im Raster ein konkreter Prozess steht, bevor Geld in die Umsetzung fließt.

Die Kosten, die in den meisten Kalkulationen fehlen

Neben Wartung und Erosion gibt es zwei weitere Posten, die in frühen ROI-Rechnungen fast immer unterschätzt werden.

Ausnahme-Bearbeitung skaliert nicht linear: Eine Automatisierung mit doppelt so hoher Ausnahme-Rate verursacht in der Praxis mehr als doppelt so hohen manuellen Restaufwand – weil Ausnahmefälle im Schnitt komplexer sind als der Durchschnittsfall, den die Automatisierung übernimmt. Realistische Projektionen rechnen deshalb mit 70 bis 85 Prozent Zeitersparnis für normale Prozesse und reservieren die oft zitierten 90-Prozent-plus-Werte für wirklich hochstandardisierte Abläufe mit sehr geringer Ausnahme-Rate.
Ein Teil des Werts entsteht nicht durch Kostensenkung, sondern durch mehr Geschäft: Ein – vom Automatisierungsanbieter SS&C Blue Prism in Auftrag gegebener, also mit Vorsicht zu lesender – Forrester-Bericht fand, dass rund drei Viertel des gemessenen Automatisierungswerts in den untersuchten Fällen aus Umsatzwachstum stammten, nicht aus eingesparten Stunden. Das deckt sich mit einer eigenen Beobachtung aus der Praxis: Schnellere Reaktionszeit gegenüber Kunden gewinnt oft mehr Wert als die reine Lohnkostenersparnis – nur wird dieser Effekt in klassischen Stundensatz-Rechnungen selten mitgezählt.

Ein realistischer Fahrplan

Der Rahmen läuft nicht auf „Automatisiert weniger“ hinaus, sondern auf „Rechnet ehrlicher und plant die Pflege von Anfang an mit“.

Zuerst das Bewertungsraster anwenden: Häufigkeit, Regelstabilität, Ausnahme-Rate und Verantwortlicher – bevor über Tools oder Budget gesprochen wird.
Wartung von Tag 1 an einplanen: 10 bis 40 Prozent der Implementierungskosten pro Jahr als festen Budgetposten, nicht als spätere Überraschung.
Eine Person konkret benennen, die die Automatisierung nach dem Go-Live betreut – nicht „das Team“, sondern ein Name.
Nach 6, 12 und 18 Monaten den realen Nutzen prüfen, nicht nur die Zahl aus dem ursprünglichen Business Case fortschreiben.
Bei instabilen Regeln zuerst den Prozess stabilisieren, dann automatisieren – die Automatisierung einer sich ständig ändernden Regel produziert nur schneller Fehler.

Automatisierung lohnt sich nach wie vor – die zitierten Ausfallraten sind kein Argument dagegen, sondern gegen eine bestimmte Art, sie zu planen. Wer die Automatisierungs-Halbwertszeit von Anfang an mitrechnet, gehört nicht zu den 30 bis 50 Prozent, die enttäuscht werden, sondern zu der kleinen Gruppe, die tatsächlich den vollen Wert realisiert.

Wo lohnt sich Automatisierung wirklich? Warum die meisten ROI-Rechnungen zu optimistisch sind