Thema 73 von 91· Softwareentwicklung und digitale Leistungserbringung
Nutzenrealisierung
Benefits Realization Management (BRM) ist die Disziplin, zu identifizieren, eine Ausgangslage festzuhalten, zu verfolgen und zu belegen, dass der in einem Business Case versprochene Nutzen nach der Auslieferung tatsächlich eingetreten ist. In britischen öffentlichen Investitionen lebt sie im Five Case Model des Green Book des HM Treasury; in der Medizin ist ihre Cousine die Überwachung nach Markteinführung.
Warum es wichtig ist
Business Cases sind Versprechen; Nutzenrealisierung ist die Prüfung. Evaluationen großer digitaler NHS-Programme fanden wiederholt prognostizierten Nutzen, der nie eintrat — und wenn Nutzen nicht zahlungswirksam war, brachte er dem Ergebnis des Trusts nichts. Die Antwort des Green Book: Jeder Ausgabenfall muss fünf Fälle bestehen (strategisch, ökonomisch, kommerziell, finanziell, Management), mit Nutzenrealisierung geplant im Management-Fall vor der Genehmigung — Verantwortliche benannt, Ausgangswerte erfasst, Messtermine festgelegt. Ohne das bleibt "die Software hat 30 Minuten pro Pflegekraft gespart" für immer Anbieter-Fiktion.
Die Mathematik
Realisierungsrate = realisierter Nutzen / prognostizierter Nutzen
(pro Nutzen, pro Zeitraum)
Mechanik, die es berechenbar macht:
Ausgangswert VOR dem Go-live erfasst (sonst ist die Differenz unmessbar)
jeder Nutzen: Verantwortlicher, Kennzahl, Datenquelle, Messplan
Prognose bei der Bewertung um Optimismus-Bias angepasst (Green-Book-Vorgabe)
Nutzen klassifiziert als Bargeld/nicht-Bargeld/qualitativ und getrennt
verfolgt (siehe cash-releasing-vs-non-cash-releasing.md)
Durchgerechnetes Beispiel
Ein Business Case für E-Rostering versprach pro Jahr: 450.000 £ reduzierte Zeitarbeitsausgaben (Bargeld), 8.000 Stunden Stationsleitungszeit (Kapazität), verbesserte Besetzungsquoten-Einhaltung (qualitativ). Zwölf Monate nach Go-live:
Nutzen Prognose Realisiert Rate Evidenz
Zeitarbeitsausgaben 450.000 £ 287.000 £ 64 % Kontenbuch vs. Basisjahr
Leitungsstunden 8.000 5.100 64 % Zeit-Bewegungs-Stichprobe
Besetzungsquote +10 Pp +12 Pp 120 % Rostering-Systemdaten
Maßnahmen aus der Überprüfung (der Sinn von BRM):
Zeitarbeits-Fehlbetrag auf zwei nie onboardete Stationen zurückgeführt →
sie onboarden;
30-%-Optimismus-Fehler des Prognosemodells festgehalten → auf den
nächsten Fall angewendet.
64 % Realisierung ist kein Scheitern — es ist Wissen. Ungemessene Fälle beanspruchen für immer 100 %.
Bezug zur Softwareentwicklung
Entwicklungsorganisationen genehmigen Plattforminvestitionen auf Basis prognostizierten Nutzens und prüfen ihn fast nie — genau die Pathologie, die BRM behebt. Die leichtgewichtige Übertragung: jeder Vorschlag über einer Schwelle benennt Nutzenverantwortliche, Ausgangskennzahlen und einen Überprüfungstermin T+6 Monate; Realisierungsraten fließen zurück in den Abschlag, den die Organisation auf die nächste Prognose dieses Teams (oder Anbieters) anwendet. Das ist auch die Antwort auf KI-Tooling-Skepsis: der MIT-Befund, dass ~95 % der GenAI-Piloten keine messbare Gewinn-und-Verlust-Rendite zeigten ist ein Nutzenrealisierungs-Ergebnis — die Piloten, die doch Rendite brachten, hatten verfolgbare, verantwortete Nutzenzeilen. Prognose → Messung → Neukalibrierung ist derselbe Kreislauf wie über EVPI bepreiste Piloten, nur im Portfolio-Maßstab ausgeführt.
Fallstricke
- Kein Ausgangswert vor Go-live — die tödliche, unbehebbare Auslassung.
- Nutzen-Waisenschaft: kein benannter Verantwortlicher bedeutet, niemand erhebt die Daten, und jede Überprüfung sagt "im Großen und Ganzen im Plan".
- Doppelt gezählter Nutzen über Programme hinweg, die dieselbe freigesetzte Kapazität beanspruchen — ein Nutzenregister über das gesamte Portfolio führen.
- Realisierungstheater: die leichten qualitativen Erfolge messen, während die Bargeldzeilen still unbeachtet bleiben.
Quellen
- HM Treasury, Green Book and Five Case Model guidance. https://www.gov.uk/government/collections/the-green-book-and-accompanying-guidance-and-documents
- Global Digital Exemplar programme evaluation (NHS digital benefits lessons). https://pmc.ncbi.nlm.nih.gov/articles/PMC8685936/