Wirkungsmessung und Reporting

Das echte Ausmaß des Problems

Eine mittelgroße NGO mit vier bis acht Hauptamtlichen erstellt im Jahr oft fünf bis fünfzehn Berichte, für Projektförderer, institutionelle Geldgeber, Stiftungen, die eigene Öffentlichkeitsarbeit und den Tätigkeitsbericht fürs Finanzamt. Jeder Bericht hat andere Anforderungen, andere Zielgruppen, andere Kennzahlen.

Welchen Anteil der Arbeitszeit das bei euch kostet, weißt du nach einer Berichtssaison mit Stundenzettel. Eine belastbare Branchenzahl dazu haben wir nicht gefunden. Ahmeds fünf Wochen aus der Eröffnung sind übrigens Kalenderzeit, nicht fünf Wochen Vollzeit am Schreibtisch: Die Berichte liegen zwischen dem Tagesgeschäft, und genau das macht sie so zäh.

Das inhaltliche Problem ist oft genauso gravierend: Viele Wirkungsberichte sind nicht überzeugend. Sie listen Aktivitäten auf (“Wir haben 3 Workshops durchgeführt”), statt Wirkungen zu belegen (“In den 3 Workshops haben 47 Teilnehmende konkrete Handlungskompetenzen erworben, 70 Prozent davon haben ihr Verhalten seitdem geändert”). Diese Lücke zwischen Aktivitätsdokumentation und Wirkungsnachweis führt dazu, dass Förderer nicht verlängern, nicht weil die Arbeit schlecht ist, sondern weil sie nicht überzeugend kommuniziert wird.

Der Trend zu wirkungsorientierter Förderung verstärkt das: Bundesministerien, EU-Fördereinrichtungen und große Stiftungen fragen zunehmend nach Kennzahlen und Outcome-Messungen statt nach bloßen Aktivitätslisten.

Mit vs. ohne KI, ein ehrlicher Vergleich

Richtwerte der Redaktion, keine Messung. Miss die Stunden beim nächsten Bericht, mit und ohne KI.

Einschätzung auf einen Blick

Zeitersparnis, hoch (4/5)
Der Effekt ist direkt und messbar: Statt 8 Stunden pro Bericht 2–4 Stunden. Über 12 Berichte pro Jahr sind das 50–70 eingesparte Stunden, das ist real und sofort spürbar.

Kosteneinsparung, niedrig (2/5)
Kein direktes Cost-Saving: Die eingesparten Personalstunden fließen in andere Aufgaben, das Gehalt bleibt gleich. Ob bessere Berichte zu mehr Folgeförderung führen, lässt sich kaum zuordnen, eine Studie dazu kennen wir nicht. Im Vergleich zu Übersetzungen, wo ein externer Auftrag wegfällt, ist dieser Hebel schwächer.

Schnelle Umsetzung, niedrig (2/5)
Einer der aufwendigeren Einstiege in dieser Branche: Vor dem ersten KI-gestützten Bericht müssen Datenquellen strukturiert, Vorlagen für jeden Förderer gebaut und der Prüfungsprozess definiert werden. Das dauert realistisch 4–8 Wochen. Nicht für Organisationen geeignet, die nächste Woche einen Bericht abgeben müssen.

ROI-Sicherheit, hoch (4/5)
Der Zeitgewinn ist klar messbar: Stunden je Bericht vorher und nachher aufschreiben. Nicht messbar ist dagegen, ob ein besserer Bericht eine Verlängerung gebracht hat, dafür entscheiden Förderer aus zu vielen Gründen. Die Wertung gilt also für die Zeit, nicht für das Fördergeld.

Skalierbarkeit, mittel (3/5)
Das System skaliert bedingt: Mehr Förderer bedeuten mehr Vorlagen, die gepflegt werden müssen. Nicht selbstläufig wie ein Automatisierungs-Workflow, sondern weiter auf menschliche Pflege angewiesen.

Richtwerte, stark abhängig von der Anzahl der Förderbeziehungen und der Datenqualität.

Was das System konkret macht

Ebene 1, Daten-Aggregation: Das System verbindet bestehende Tracking-Tools: Projektmanagement (Asana, Trello), CRM, Befragungstools (Google Forms), Finanz-Reporting (Excel-Exporte). KI extrahiert relevante Kennzahlen: Anzahl erreichter Personen, Ausgaben je Maßnahme, Feedback-Auswertungen.

Ebene 2, Narrative Generierung: Ein LLM erstellt auf Basis der Daten und einiger Fallbeispiele einen strukturierten Bericht-Entwurf: Executive Summary, Projektbeschreibung, Wirkungskennzahlen mit Kontext, Fallbeispiele, Ausblick. Wichtig: Förderer-spezifische Vorlagen steuern, was der Bericht betont und welche Sprache er nutzt.

Ebene 3, Theory of Change-Sprache: KI kennt Standard-Frameworks für Wirkungsmessung und hilft, Berichte so zu strukturieren: Was ist das Problem? Was ist die Intervention? Was sind die direkten Outputs? Mittelfristige Outcomes? Langfristige Wirkung? Das ist die Sprache, die professionelle Förderer erwarten.

Konkrete Werkzeuge, was wann passt

Claude , 20 Euro/Monat (Pro)
Für lange, strukturierte Dokumente. Kann mehrere Berichte, Statistiken und Feldberichte gleichzeitig verarbeiten und eine kohärente Einschätzung erstellen. Besonders stark für Berichte mit komplexen Anforderungen.

ChatGPT , 23 Euro/Monat (Plus)
Für schnelle Abschnitts-Entwürfe und kürzere Berichte. Gut für Social-Media-Berichte, kurze Projektupdate-E-Mails, Jahres-Newsletterabschnitte.

NotebookLM , kostenlos
Für tiefere Dokument-Analyse. Projektberichte, Interview-Transkripte und Rohdaten hochladen, dann gezielt fragen: “Was sind die wichtigsten Wirkungsaussagen aus diesen 15 Projektberichten?” Sehr nützlich für Jahresberichte.

Microsoft 365 Copilot , 18,20 Euro je Nutzer und Monat im Jahresabo
Für Organisationen in der Microsoft-Welt: Word-Berichte mit Copilot generieren, Excel-Daten direkt auswerten. Copilot Business kostet 18,20 Euro netto im Jahresabo (Aktionspreis 15,60 Euro bis 31.12.2026), zusätzlich zur Microsoft-365-Lizenz. Ob es dafür Nonprofit-Konditionen gibt, haben wir nicht bestätigen können, frag bei Microsoft nach, bevor du rechnest.

Make.com , 9 US-Dollar/Monat (Core, jährliche Zahlung)
Für die Automatisierung der Datenaggregation. Verschiedene Datenquellen automatisch zusammenführen und für die KI-Berichterstellung vorbereiten.

Kostenlos starten: NotebookLM (kostenlos) + ChatGPT Free, reicht für den ersten Pilot-Bericht.

Datenschutz und Datenhaltung

Wirkungsberichte enthalten oft schutzbedürftige Daten, insbesondere wenn sie Fallbeispiele aus der Sozialarbeit, der Kinder- und Jugendhilfe oder der Suchtberatung enthalten:

• Anonymisierung vor KI-Einsatz: Konkrete Fallbeispiele (Beneficiary-Geschichten) müssen vor der Verarbeitung in Cloud-KI-Diensten anonymisiert werden. Namen, Wohnorte, identifizierende Details entfernen oder verändern.
• SGB VIII und SGB XII: Für Organisationen, die nach SGB VIII (Kinder- und Jugendhilfe) oder SGB XII (Sozialhilfe) tätig sind, gelten besondere Datenschutzpflichten für Klienten-Daten. Diese Daten dürfen nicht in externe KI-Dienste ohne explizite Rechtsgrundlage und AVV fließen.
• AVV für alle Tools: Auftragsverarbeitungsverträge gibt es erst in den Business-Varianten (Claude Team, ChatGPT Business, NotebookLM über Google Workspace), nicht in Claude Pro, ChatGPT Plus oder dem kostenlosen NotebookLM. Abschließen, bevor echte Klienten-Daten verarbeitet werden.
• Aggregatdaten unkritisch: Zahlen ohne Personenbezug (47 Teilnehmende, 3 Workshops, 85% Zielerreichung) können in jedem Tool verarbeitet werden.

Empfehlung: Für die KI-Berichterstellung nur aggregierte Daten und anonymisierte Fallbeispiele verwenden. Personenbezogene Rohdaten bleiben in euren eigenen Systemen.

Was es kostet, realistisch gerechnet

Einstieg (manuelle KI-Unterstützung):

• Claude Pro: 20 Euro/Monat
• Zeitaufwand, Richtwert: statt 8 Stunden ca. 2,5–3 Stunden pro Bericht
• Bei 10 Berichten/Jahr: ca. 50–55 Stunden gewonnen

Teilautomatisierter Workflow:

• Claude Pro: 20 Euro/Monat
• Make.com : 9 US-Dollar/Monat bei jährlicher Zahlung
• Zusammen knapp 30 Euro im Monat
• Einrichtungsaufwand: 5–10 Stunden pro Förderer-Berichtsvorlage
• Zeitaufwand: etwas weniger als im Einstieg, weil die Daten schon zusammengeführt ankommen

Rechenbeispiel:
NGO mit 6 Hauptamtlichen, 12 Wirkungsberichte/Jahr. Bisher je 8 Stunden = 96 Stunden/Jahr. Nach KI-Workflow: je 2,5 Stunden = 30 Stunden/Jahr. Gewonnen: 66 Stunden, gut acht Arbeitstage. Im ersten Jahr gehen davon die Vorlagen ab, bei vier Förderern 4 mal 5 bis 10 Stunden, also 20 bis 40 Stunden. Toolkosten im Einstieg: 12 mal 20 Euro = 240 Euro im Jahr.

Die 66 Stunden sind keine 1.650 Euro Ersparnis, auch wenn die Stunde 25 Euro kostet: Die Hauptamtlichen werden weiter bezahlt, sie verbringen die Zeit nur im Projekt statt am Bericht. Das ist der Nutzen, und er ist real. Ob bessere Berichte außerdem mehr Verlängerungen bringen, ist nicht belegt, rechne nicht damit.

Drei typische Einstiegsfehler

Fehler 1, KI-Bericht ohne Datenbasis einrichten wollen
”Erstell einen Wirkungsbericht für unser Projekt” liefert generischen Text, wenn kein strukturierter Input mitgegeben wird. KI ist so gut wie die Daten, die sie bekommt. Zuerst: Datenquellen strukturieren. Dann: KI draufsetzen.

Fehler 2, Einen universellen Berichts-Prompt für alle Förderer nutzen
Bundesministerium und lokale Stiftung wollen unterschiedliche Dinge. Wer denselben Prompt für alle Förderer nutzt, bekommt mittelmäßige Berichte für alle. Stattdessen: Pro Förderer eine spezifische Vorlage mit deren konkreten Bewertungskriterien und Sprachpräferenzen.

Fehler 3, Menschliche Prüfung als Optional behandeln
KI-generierte Berichte klingen manchmal zu formell, zu allgemein, zu glatt. Der Prüfschritt, stimmt alles inhaltlich? Klingt das nach uns? Sind die Zahlen korrekt?, ist unverzichtbar. Wer KI-Entwürfe direkt einreicht, riskiert inhaltliche Fehler und eine Sprache, die nicht die eigene ist.

Was mit der Einführung wirklich passiert, und was nicht

Was passiert: Der erste KI-gestützte Bericht braucht genauso lang wie der manuelle, weil Prompts entwickelt, Vorlagen gebaut und Daten strukturiert werden müssen. Ab dem zweiten Bericht greift die Zeitersparnis.

Was auch passiert: Das Team bemerkt zum ersten Mal, wie unstrukturiert die Datenerhebung bisher war. Oft ist die wichtigste Konsequenz des Reporting-Projekts nicht der bessere Bericht, sondern eine verbesserte laufende Datenerfassung.

Was nicht passiert: KI generiert automatisch überzeugend-menschliche Berichte ohne Fallbeispiele. Echte Wirkungsberichte brauchen echte Geschichten aus dem Feld, die kommen von Menschen, nicht von Algorithmen.

Typischer Widerstand: “Unsere Förderer wollen persönliche, authentische Berichte.” KI generiert den strukturierten Rahmen, die Persönlichkeit, Fallbeispiele und Authentizität kommen durch den menschlichen Prüfschritt. Arbeitsteilung, keine Entmenschlichung.

Realistischer Zeitplan mit Risikohinweisen

Häufige Einwände, und was dahintersteckt

„Unsere Förderer erkennen KI-generierte Texte und bestrafen das.”
Förderer bewerten Qualität und Wahrheitsgehalt, nicht das Schreibwerkzeug. KI-Entwürfe, die von Mitarbeitenden sorgfältig überarbeitet, mit echten Daten belegt und mit Fallbeispielen angereichert werden, sind nicht erkennbar schlechter als manuell verfasste Berichte. Was Förderer negativ bewerten: Texte ohne echte Substanz, das Problem ist Qualität, nicht das Werkzeug.

„Wir haben keine strukturierten Daten.”
Dann ist der erste Schritt nicht KI-Berichterstattung, sondern Datenhygiene: Einfache Google Forms, in denen Projektmitarbeitende monatlich 5 Kennzahlen eintragen. Das dauert 5 Minuten pro Person und schafft die Grundlage. KI kann dann aus diesen strukturierten Eingaben Berichte generieren.

„KI kann nicht verstehen, was die echte Wirkung ist.”
Nein, und das soll sie auch nicht. Die KI strukturiert und formuliert, was du ihr gibst. Wenn du Wirkungsbelege als Input lieferst, kann die KI sie überzeugend aufbereiten. Wenn du nur Aktivitäten-Listen gibst, gibt sie dir Aktivitäts-Berichte zurück. Garbage in, garbage out.

Woran du merkst, dass das zu dir passt

• Du erstellst mehr als fünf Wirkungsberichte pro Jahr für verschiedene Geldgeber
• Das Reporting belastet das Team während der Berichtsperioden erheblich
• Ihr habt Fördermittel verloren und vermutet, dass der Bericht nicht überzeugend genug war
• Du hast strukturierte Projektdaten, oder bist bereit, das systematisch aufzubauen

Wer noch nicht anfangen sollte:
Wenn keine Daten vorliegen (alles in E-Mails und Köpfen) und kein Budget für 4–8 Wochen Einrichtungsaufwand vorhanden ist, ist jetzt nicht der richtige Zeitpunkt. Erst Datenbasis schaffen, dann KI-Berichterstattung.

Das kannst du heute noch tun

Nimm deinen letzten Wirkungsbericht, entferne Namen und identifizierende Details aus den Fallbeispielen und gib ihn in NotebookLM hoch. Frag das Tool: “Welche drei Kernaussagen zur Wirkung unserer Arbeit stecken in diesem Bericht?” Vergleiche die Antwort mit dem, was du als Hauptbotschaft vermitteln wolltest.

Quellen & Methodik

• PHINEO, Kursbuch Wirkung: kostenfreier Praxisleitfaden, um Projekte mit Wirkungslogik zu planen und Wirkung zu analysieren und zu messen. https://www.phineo.org/kursbuch-wirkung
• Preise: Claude, ChatGPT, Microsoft 365 Copilot und Make.com laut unseren Toolseiten, Stand September 2026.
• Zeitangaben und Rechenbeispiel: Richtwerte der Redaktion, keine Erhebung. Für den Anteil der Arbeitszeit, der in Berichte fließt, und für einen Zusammenhang zwischen Berichtsqualität und Verlängerung haben wir keine belastbare Studie gefunden.