Von den Grundlagen bis zu den Grenzen: Wie Ardian und Artefact sich in der neuen AI-Realität zurechtfinden

Hören Sie sich den Podcast an: Aufbau von KI: Von der Vision zur Umsetzung | Ein Gespräch mit Artefact | Ardian

 

In der sich rasch wandelnden Landschaft von Private Equity geht die Diskussion weit über einfaches Financial Engineering hinaus. Heute wird die Wertschöpfung zunehmend von der Fähigkeit eines Unternehmens bestimmt, data zu nutzen. In der zweite Ausgabe der Konferenz AI for Alternative Investment (AI x AI), Arthur Garnier des Data-Wissenschaftsteams von Ardian hat sich mit Elina Ashkinazi-Ildis, einem Partner bei Artefact, um den Weg vom theoretischen KI-Potenzial zur greifbaren operativen Exzellenz zu erörtern.

Ihr Gespräch offenbart eine entscheidende Wahrheit: Während die generative KI (GenAI) der “sexy” Katalysator ist, der alle in den Raum lockt, sind die wahren Gewinner diejenigen, die Jahre damit verbracht haben, die unrühmliche Arbeit des Aufbaus robuster data foundations zu leisten.

“Data Governance und data Qualität... Das ist nicht sexy, es ist weniger aufregend. Aber jetzt mit der generativen KI, der Tatsache, dass man erstaunliche Anwendungsfälle schaffen und verrückte Ergebnisse erzielen kann... das weckt plötzlich das Interesse der Leute. Sie fragen: ‘Was kann ich selbst tun, um die Möglichkeiten der KI voll auszuschöpfen? Und oft lautet die Antwort: Zuerst müssen Sie sich auf data governance ausrichten.’ sagt Arthur Garnier, leitender Data-Wissenschaftler bei Ardian.

Die vierstufige Pyramide des KI-Erfolgs

Artefact, ein ehemaliger Ardian Expansion-Portfoliounternehmen, hat ein Jahrzehnt damit verbracht, seinen Ansatz zur digitalen Transformation zu verfeinern. Laut Elina geht es bei der erfolgreichen Integration von KI nicht in erster Linie um die Technologie, sondern um eine vierschichtige Pyramide, die für Nachhaltigkeit sorgt:

• Die Ebene der Anwendungsfälle: “In welcher Branche sind wir tätig?” Das ist der Startpunkt. Bevor auch nur eine einzige Zeile Code geschrieben wird, müssen die Unternehmen herausfinden, wo die Teams ihre Zeit verbringen und welche Probleme gelöst werden müssen, um den Umsatz und die Gewinnspanne zu steigern.
• Das Betriebsmodell: Wie bringen Sie Investmentexperten und data-Wissenschaftler zusammen? Erfolg erfordert einen Rahmen, in dem diese beiden Welten effizient zusammenarbeiten können.
• Infrastruktur und Verwaltung: Dies ist der “Maschinenraum”. Ohne eine saubere, strukturierte und zugängliche data werden selbst die fortschrittlichsten Algorithmen versagen
• Change Management: Hier ist das menschliche Element gefragt. Es geht darum, Prozesse zu ändern, Schulungen durchzuführen, Mentalitäten zu ändern und sicherzustellen, dass die Organisation bereit ist, sich mit der Technologie weiterzuentwickeln.

GAIA: Eine Fallstudie zur strategischen Agilität

Ein zentrales Thema der Diskussion war GAIA, die interne generative KI-Plattform von Ardian. GAIA repräsentiert einen strategischen Mittelweg in der Debatte “Bauen oder Kaufen”. Elinas Rat ist pragmatisch: “Wenn es eine Marktlösung gibt, die alle Ihre Fragen beantwortet und im Rahmen des Budgets liegt... bauen Sie sie nicht. Kaufen Sie sie einfach.”

Ardian entschied sich jedoch für die Entwicklung von GAIA, weil sie damit die absolute Kontrolle über ihre interne Intelligenz behalten konnten. Arthur merkt an, dass, wenn ein Unternehmen 95% der schweren Arbeit erledigt hat, um seine data zu bereinigen, zu organisieren und zu besitzen, der letzte 5%, die Integration dieser data in ein maßgeschneidertes KI-Tool, ein natürlicher und leistungsstarker nächster Schritt ist. Durch den Aufbau einer benutzerdefinierten Schicht auf der Grundlage von Partnertechnologien wie Microsoft, OpenAI, Mistral und anderen hat Ardian mehrere wichtige Ziele erreicht:

• Technologische Agilität: Sie bleiben “agnostisch”, d.h. sie können ein LLM gegen ein neueres, besseres austauschen, ohne das gesamte System umzubauen.
• Innovation von unten nach oben: Viele der Funktionen von GAIA stammen nicht aus einer Vorstandsetage, sondern aus einem internen Hackathon wie dem “Ardian Startup Studio” und internen Pitches, bei denen die Mitarbeiter ihre eigenen Bedürfnisse identifizierten.
• Data Souveränität: 95% der Arbeit bei AI besteht darin, die internen data zu reinigen und zu besitzen. Sobald dies geschehen ist, wird die endgültige Implementierung zu einem eigenen Vermögenswert und nicht zu einer gemieteten Dienstleistung.

Das Gebot der Prozessverbesserung

Die vielleicht tiefgreifendste Erkenntnis aus dem Gespräch war Elinas Mantra: “Lassen Sie uns den Prozess umgestalten.” 1TP36Eine KI für einen kaputten oder chaotischen Prozess einzusetzen ist, als würde man einen schnelleren Motor in ein Auto mit eckigen Rädern einbauen. Elina vergleicht das Lehren eines KI-“Agenten” mit dem Lehren eines kleinen Kindes, die Straße zu überqueren. Sie können ihm nicht eine Million Variablen und “Abkürzungen” geben. Sie müssen den Prozess in binäre, präzise Schritte zerlegen:

Rotes Licht: Anhalten. * Grünes Licht: Schauen Sie in beide Richtungen, dann gehen Sie.

“Die Technologie wird nur ein sehr kleiner Teil sein... es ist der erste Teil [Prozessvereinfachung], der für jede Branche wirklich knifflig sein wird.” erklärt Elina Ashkinazi-Ildis

Für ein Private-Equity-Unternehmen wie Ardian bedeutet dies, dass es sich Portfoliounternehmen anschaut, von Digital Natives bis hin zu “Hardcore”-Produktionsunternehmen, und ihnen hilft, ineffiziente veraltete Arbeitsabläufe zu beseitigen, bevor es KI darauf aufbaut.

Die Lücke schließen: Von technischen Silos zu geschäftlichen Auswirkungen

Das übergreifende Thema der Ardian AI x AI Konferenz war klar: die Ära der “isolierten” data-Wissenschaftler ist vorbei. Arthur betonte, dass die data-Wissenschaft in die Geschäftsbereiche eingebettet werden muss, wenn KI eine echte Wirkung haben soll.

Wenn technische Teams in einem Vakuum arbeiten, erstellen sie Dashboards, die niemand nutzt. Wenn sie mit den Investmentteams zusammenarbeiten und dabei Live-Feedback und “Botschafter” aus dem gesamten Unternehmen einbeziehen, entwickeln sie Tools wie GAIA, die die Arbeitsweise des Unternehmens grundlegend verändern.

Da sich die Private-Equity-Branche weiter entwickelt, besteht die Aufgabe des Investors nicht mehr nur darin, Kapital zur Verfügung zu stellen, sondern auch die technologische Roadmap zu liefern, die sicherstellt, dass seine Portfoliounternehmen die KI-Welle nicht nur überleben, sondern sie zu neuen Höhen der Effizienz führen.

Hören Sie sich den Podcast an: Aufbau von KI: Von der Vision zur Umsetzung | Ein Gespräch mit Artefact | Ardian