Künstliche Intelligenz richtig nutzen: 3 Dinge, die mit KI in der Rezession vermieden werden sollten

Unternehmen sollten kreativ über den Einsatz von KI nachdenken, um große Veränderungen bei weniger optimierten Prozessen anzustoßen.

Foto: Dataiku

Um in einer Angelegenheit erfolgreicher zu sein als bisher, müssen Sie entweder Ihre derzeitige Erfolgsquote beibehalten und einfach mehr leisten, oder die gleiche Menge auf eine Weise tun, die die Erfolgsquote erhöht. Entweder man arbeitet härter oder intelligenter. Der einfachste Weg, Letzteres zu tun, ist, bestimmte Dinge nicht zu tun: Der Erfolg von KI hängt elementar davon ab, die Auswahl “falscher” Anwendungsfälle zu vermeiden.

Beim initialen Einsatz von KI suchen Unternehmen oft nach schnell umsetzbaren und leicht zu erreichenden Optimierungsmöglichkeiten: unausgereifte Prozesse, mit reichlich Daten und vielen Vorteilen durch einfache Anwendungsfälle.

Wenn jedoch der Ruf aus der Chefetage ertönt, Kosten zu senken und Effizienzsteigerungen zu erzielen, dann muss die Verbesserung der Erfolgsquote von KI zur Priorität werden, und das sollte Ihre Herangehensweise ändern. Manchmal sind Geschäftsprozesse, die augenscheinlich eine große Chance für KI bieten, bereits hochgradig optimiert, und der Einsatz von KI liefert keinen nennenswerten Mehrwert. So wurden in vielen Versicherungsunternehmen beispielsweise das Inkasso und die Schadenbearbeitung bereits über Jahrzehnte hinweg durch schrittweise Prozessänderungen optimiert.

Unternehmen in dieser Situation sollten stattdessen kreativ über den Einsatz von KI nachdenken, um große Veränderungen bei weniger offensichtlichen, weniger optimierten Prozessen anzustoßen. Dies ist vergleichbar mit einer Investition: Verfolgen Sie einen Portfolioansatz, der sich nicht darauf verlässt, dass eine einzige Anlageklasse (vielversprechende, schnelle Gewinne) den gesamten Wert generiert, sondern streuen Sie Ihre KI-Investitionen über Geschäftsprozesse mit unterschiedlichen Risiko-Ertrags-Profilen.

Vor dem Einsatz von KI steht also die Intelligenz der Nutzer. Ohne sie bleiben Daten nur reines Zahlenwerk, mit ihr werden aus Daten aussagekräftige Informationen, wie folgendes Video anschaulich zeigt:

Es ist wichtig, den Gesamtwert Ihrer KI-Initiativen zu quantifizieren, und das geht über die alleinige Umsetzung von Anwendungsfällen hinaus. Sie benötigen also Transparenz über das Verhältnis von Ertrag und Kosten (ROI): Was hat es Sie insgesamt gekostet, und inwiefern war das Geld gut angelegt? Wenn Sie beispielsweise 40 Data Scientists beschäftigen, jeder KI-Anwendungsfall im Schnitt nur eine halbe Million Euro an Mehrwert einbringt und Sie nur eine Handvoll pro Jahr umsetzen, geht die Rechnung nicht auf!

Darüber hinaus ist es in Zeiten einer Rezession unwahrscheinlich, dass sich der ROI schnell genug erhöht, wenn einfach nur mehr vielversprechende Anwendungsfälle identifiziert werden. Hier kann es hilfreich sein, sich die Mentalität kleiner Teams, die bereits daran gewöhnt sind, mit weniger Mitteln mehr zu erreichen, anzueignen.

Das Einzelhandelsunternehmen MandM Direct ist ein lehrreiches Beispiel: Selbst in den Boomzeiten des Online-Einzelhandels, die durch COVID ausgelöst wurden, blieb das kleine Datenteam in etwa gleich groß (circa fünf Mitarbeiter) und steigerte dennoch den Wert seiner Leistungen. Wie das? Wie bei jedem dauerhaften Wachstum war die Antwort eine erhöhte Produktivität durch verbesserte Arbeitsmethoden. Weniger aufwendige manuelle KI-Arbeiten, Wiederverwendung früherer Ressourcen und kleinere, aber schnellere Projekte.

Dieses Beispiel zeigt, dass nicht nur die Bereitstellung der richtigen Anwendungsfälle, sondern auch eine differenzierte Vorgehensweise dazu beitragen kann, Ihre KI-Initiativen auch während einer Rezension kontinuierlich umzusetzen und Mehrwert für das Unternehmen zu erwirtschaften.

Letztendlich müssen Unternehmen die Kosten für die Entwicklung und Anwendung von KI in einer Rezession realistisch einschätzen, denn die “Innovationsfinanzierung”, die noch vor einigen Jahren für rein experimentelle Projekte zur Verfügung stand, ist inzwischen versiegt. Heute müssen Teams beweisen, dass man Innovationen zu Geld machen, sie skalieren und in verschiedenen Kontexten oder sogar für unterschiedliche Märkte anwenden kann. Jeder ausgegebene Euro muss einen signifikanten finanziellen Mehrwert generieren. Dies erfordert eine einfallsreiche, abteilungsübergreifende Nutzung und Wiederverwendung Ihrer KI-Investitionen.

Konkret könnte dies bedeuten, dass Sie einen Ansatz zur Vorhersage der Nachfrage auf Produktebene in Einzelhandelsgeschäften entwickeln und diesen auf Ihr gesamtes globales Geschäft anwenden. Dies ermöglicht eine schnellere und höhere Wertschöpfung als die Entwicklung separater, maßgeschneiderter Modelle für jeden einzelnen Markt. Als Ergebnis daraus lässt sich die Wiederverwendung von KI-Modellen zur Lieferkettenoptimierung einfacher skalieren, was wiederum Ihrem Finanzteam helfen kann, die Kosten zu kontrollieren. Eine solche Wiederverwendungsmentalität senkt die anfänglichen Entwicklungskosten, indem sie Ihnen hilft, unrealistische Ambitionen im Vorfeld zu vermeiden und von den Einsparungen in vielfacher Hinsicht zu profitieren.

Die Wiederverwendung kann sich auch auf andere Weise manifestieren: durch die Vermeidung von Kosten für die teuersten KI-Modelle. Cloud Computing hat viele Dinge sehr günstig gemacht, aber der Datenhunger der anspruchsvollsten KI-Modelle steigt schneller als die Cloud-Kosten sinken. Das bedeutet, dass die beeindruckendsten KI-Modelle, die heute verfügbar sind, nur von wenigen Unternehmen entwickelt werden können. Wenn Sie also kein Silicon-Valley-Gigant sind, sollten Sie ernsthaft darüber nachdenken, ob eine maßgeschneiderte Bilderkennungs-KI tatsächlich Ihr Kerngeschäft ist oder ob Sie sich die KI eines anderen Unternehmens als Ausgangspunkt zu Nutze machen, 99 % der Kosten sparen und bereits nächsten Monat einen Mehrwert liefern können!

Original Post>