Hören Sie sich den Podcast an: AI aufbauen: Von der Vision zur Umsetzung | Ein Gespräch mit Artefact Ardian

 

In der sich rasch wandelnden Private-Equity-Branche geht es längst nicht mehr nur um reine Finanzkonstrukte. Heute hängt die Wertschöpfung zunehmend von der Fähigkeit eines Unternehmens ab, data gewinnbringend zu nutzen. Auf der zweiten Ausgabe der Konferenz AI Alternative Investment“ (AI AI) diskutierte Arthur Garnier vom Data von Ardian mit Elina Ashkinazi-Ildis, Partnerin bei Artefact, über den Weg vom theoretischen AI hin zu greifbarer operativer Exzellenz.

Ihr Gespräch bringt eine entscheidende Erkenntnis zutage: Während generative AI GenAI) der „glanzvolle“ Katalysator ist, der alle an einen Tisch bringt, sind die wahren Gewinner diejenigen, die jahrelang die unscheinbare Arbeit geleistet haben, solide data aufzubauen.

Data und data Das ist nicht gerade sexy, sondern eher langweilig. Doch jetzt, mit generativer AI, weckt die Tatsache, dass man damit erstaunliche Anwendungsfälle entwickeln und unglaubliche Ergebnisse erzielen kann, plötzlich das Interesse der Menschen. Sie fragen: ‚Was kann ich selbst tun, um das volle Potenzial der AI auszuschöpfen?‘ Und oft lautet die Antwort: Zunächst muss man sich auf data einigen“, sagt Arthur Garnier, Senior Data bei Ardian.

Die vierstufige Pyramide des AI

Artefact, ein ehemaliges Portfoliounternehmen von Ardian Expansion, hat ein Jahrzehnt damit verbracht, seinen Ansatz zur digitalen Transformation zu verfeinern. Laut Elina geht es bei AI erfolgreichen AI nicht in erster Linie um die Technologie; vielmehr geht es um eine vierstufige Pyramide, die Nachhaltigkeit gewährleistet:

  • Die Anwendungsfall-Ebene: „In welcher Branche sind wir tätig?“ Das ist der Ausgangspunkt. Bevor auch nur eine einzige Zeile Code geschrieben wird, müssen Unternehmen ermitteln, womit die Teams ihre Zeit verbringen und welche Probleme, wenn sie gelöst würden, Umsatz und Margen spürbar verbessern würden.
  • Das Betriebsmodell: Wie bringt man Anlageexperten und data zusammen? Erfolg setzt einen Rahmen voraus, in dem diese beiden Bereiche effizient zusammenarbeiten können.
  • Infrastruktur und Governance: Dies ist der „Maschinenraum“. Ohne saubere, strukturierte und zugängliche data versagen selbst die fortschrittlichsten Algorithmen
  • Veränderungsmanagement: Hier kommt der menschliche Faktor ins Spiel. Dazu gehören die Anpassung von Prozessen, Schulungen, ein Umdenken sowie die Sicherstellung, dass das Unternehmen bereit ist, sich gemeinsam mit der Technologie weiterzuentwickeln.

GAIA: Eine Fallstudie zur strategischen Agilität

Im Mittelpunkt der Diskussion stand GAIA, AI interne generative AI von Ardian. GAIA stellt einen strategischen Mittelweg in der Debatte „Selbst entwickeln oder kaufen“ dar. Elinas Rat ist pragmatisch: „Wenn es eine Marktlösung gibt, die alle Ihre Anforderungen erfüllt und im Budget liegt … entwickeln Sie sie nicht selbst. Kaufen Sie sie einfach.“

Ardian entschied sich jedoch für die Entwicklung von GAIA, da das Unternehmen so die uneingeschränkte Kontrolle über seine internen Daten behalten konnte. Arthur merkt an, dass, wenn ein Unternehmen 95 % der Arbeit bei der Bereinigung, Organisation und Verwaltung seiner data selbst übernimmt, die letzten 5 % – nämlich die Integration dieser data ein maßgeschneidertes AI – ein logischer und wirkungsvoller nächster Schritt sind. Durch die Entwicklung einer maßgeschneiderten Ebene auf Basis von Partnertechnologien wie Microsoft, OpenAI, Mistral und anderen erreichte Ardian mehrere wichtige Ziele:

  • Technologische Flexibilität: Sie bleiben „plattformunabhängig“ und können ein LLM gegen ein neueres, besseres austauschen, ohne das gesamte System neu aufbauen zu müssen.
  • Innovation von der Basis aus: Viele Funktionen von GAIA entstanden nicht in der Führungsetage, sondern im Rahmen interner Hackathons wie dem „Ardian Startup Studio“ sowie bei internen Präsentationen, bei denen die Mitarbeiter ihre eigenen Bedürfnisse identifizierten.
  • Data : 95 % der Arbeit im Bereich AI die internen data aufzubereiten und zu verwalten. Sobald dies erledigt ist, wird die endgültige Implementierung zu einem eigenen Vermögenswert und nicht mehr zu einem gemieteten Dienst.

Die Notwendigkeit der „Prozessumgestaltung“

Die vielleicht tiefgreifendste Erkenntnis aus dem Gespräch war Elinas Mantra: „Lasst uns die Prozesse neu gestalten.“ AI einen fehlerhaften oder chaotischen Prozess anzuwenden, ist so, als würde man einen schnelleren Motor in ein Auto mit quadratischen Rädern einbauen. Elina vergleicht das Anleiten AI damit, einem kleinen Kind beizubringen, wie man die Straße überquert. Man kann ihm nicht eine Million Variablen und „Abkürzungen“ geben. Man muss den Prozess in binäre, präzise Schritte vereinfachen:

Rote Ampel: Anhalten. * Grüne Ampel: In beide Richtungen schauen, dann losgehen.

„Die Technologie wird nur einen sehr kleinen Teil ausmachen … es ist der erste Schritt [die Vereinfachung der Prozesse], der für jede Branche eine echte Herausforderung darstellen wird“, erklärt Elina Ashkinazi-Ildis

Für eine Private-Equity-Gesellschaft wie Ardian bedeutet dies, sich mit den Portfoliounternehmen – von Digital Natives bis hin zu „Hardcore“-Fertigungsbetrieben – auseinanderzusetzen und ihnen dabei zu helfen, ineffiziente, veraltete Arbeitsabläufe abzubauen, bevor sie AI ergänzen.

Die Lücke schließen: Von technischen Silos zu geschäftlichem Nutzen

Das übergreifende Thema der Ardian AI AI war klar: Die Ära des „isolierten“ data ist vorbei. Arthur betonte, dass data in die Geschäftsbereiche eingebettet sein muss, damit AI wirklich etwas bewirken AI .

Wenn technische Teams isoliert arbeiten, entwickeln sie Dashboards, die niemand nutzt. Wenn sie hingegen eng mit den Investmentteams zusammenarbeiten und dabei Echtzeit-Feedback sowie „Botschafter“ aus dem gesamten Unternehmen einbeziehen, entwickeln sie Tools wie GAIA, die die Arbeitsweise des Unternehmens grundlegend verändern.

Angesichts der kontinuierlichen Weiterentwicklung der Private-Equity-Branche besteht die Aufgabe des Investors nicht mehr nur darin, Kapital bereitzustellen, sondern auch eine technologische Roadmap zu entwerfen, um sicherzustellen, dass seine Portfoliounternehmen die AI nicht nur überstehen, sondern sie nutzen, um neue Höhen der Effizienz zu erreichen.

Hören Sie sich den Podcast an: AI aufbauen: Von der Vision zur Umsetzung | Ein Gespräch mit Artefact Ardian