1. Branchenkontext: Der strategische Umschlag

Die Branche, in der Sie tätig sind, hat großen Einfluss auf den erwarteten Umsatz der AI , die Sie einführen wollen.
Dieser erste Schritt hängt von drei Kriterien ab: den regulatorischen Zwängen und Compliance-Kosten der Branche, der Reife des spezifischen Technologie-Ökosystems und der kurz- bis langfristigen Investitionskultur in der Branche.

1.1 Regulatorische Zwänge und Kosten für die Einhaltung von Vorschriften

Jede AI bewegt sich innerhalb sektorspezifischer gesetzlicher Grenzen, die das ROI-Potenzial direkt beeinflussen.

Nehmen wir das Beispiel des Zugangs zu data von Angehörigen der Gesundheitsberufe

  • In den USA schützt der HIPAA zwar patientenidentifizierbare Informationen, erlaubt aber die Verwendung und den Verkauf von nicht identifizierten ärztlichen data für kommerzielle und Forschungszwecke, die weniger strengen Kontrollen unterliegen - dies hat einen robusten Markt für Verschreibungsanalysen ermöglicht
  • In Brasilien entwickeln sich die Vorschriften weiter: ANVISA und die Lei Geral de Proteção de Dados (LGPD) überwachen data mit ähnlichen Regeln wie die GDPR, aber die Durchsetzung ist weniger ausgereift; verschreibungspflichtige data gelten als sensibel und ihre Verwendung unterliegt den Gesetzen zur Vertraulichkeit und zum Geschäftsgeheimnis, wobei der Zugang oft eingeschränkt ist, sofern sie nicht anonymisiert oder aggregiert sind
  • In Europa setzt die Datenschutz-Grundverordnung (GDPR) strenge Kontrollen für personenbezogene data und Gesundheitsdaten durch, so dass die Erhebung, Verarbeitung und kommerzielle Nutzung von ärztlichen data stark eingeschränkt ist und oft eine ausdrückliche Zustimmung oder eine starke Anonymisierung erforderlich ist.

Infolgedessen ist die Rentabilität der Nutzung von data für die Ansprache von Angehörigen der Gesundheitsberufe in den USA hoch, in Brasilien durchschnittlich und in Europa begrenzt, wo die data meist auf regionaler Ebene aggregiert werden.

Diese Beschränkungen schaffen "ROI-Leitplanken", die die realisierbaren Anwendungsfälle bestimmen.

1.2 Multiplikatoren für die Reife des Ökosystems

Die technologische Landschaft einer Branche - insbesondere das Vorhandensein spezialisierter Akteure und innovativer Start-ups - spielt eine entscheidende Rolle bei der Beschleunigung der Rentabilität von AI .

Wenn eine Branche von einem dynamischen Ökosystem aus Technologieanbietern, Integratoren und Nischen-Start-ups profitiert, können Unternehmen innovative AI , die auf ihre spezifischen geschäftlichen Herausforderungen zugeschnitten sind, schneller identifizieren, testen und einsetzen. Dieses Ökosystem fördert die Zusammenarbeit, den Wissensaustausch und den Zugang zu den besten Tools, wodurch Entwicklungszeit und Integrationshürden reduziert werden.

Darüber hinaus ermöglichen Open-Source-Communities und spezialisierte Anbieter den Unternehmen, mit bewährten Frameworks zu experimentieren und von kollektiven Innovationen zu profitieren, was die Pilotprojekte rationalisiert und die Time-to-Value verkürzt. Infolgedessen können Branchen, die über ein umfangreiches Netzwerk von AI verfügen, erfolgreiche Projekte schneller skalieren und greifbare Produktivitäts- und Effizienzsteigerungen schneller realisieren, was sich direkt auf ihre Renditeentwicklung auswirkt.

1.3 Langfristigkeit als ROI-Beschleuniger

Branchen, die eine mehrjährige Planung verfolgen (z. B. Energie, Luft- und Raumfahrt), erzielen im Vergleich zu kurzzyklischen Sektoren eine deutlich höhere kumulative AI über einen Zeitraum von fünf Jahren. Langfristige Zyklen ermöglichen es, in innovativere und mutigere Technologien zu investieren und gleichzeitig die Kosten für das Projektmanagement durch interne Rekrutierung und langfristige Angebotsplanung zu glätten.

Ein berühmtes Beispiel ist die zehnjährige AI von BP für die vorausschauende Wartung bei Offshore-Bohrungen.

2. Kosten der Unternehmensimplementierung: Die Ausführungsebene

Das Unternehmen, in dem ein AI eingesetzt wird, hat einen erheblichen Einfluss auf die Implementierungskosten, die von der Reife dreier Faktoren abhängen: den technologischen Grundlagen, der data und dem geschäftlichen Appetit auf AI.

2.1 Tech-Stack-Bereitschaftskosten

Unternehmen mit moderner data cloud data Lakes, MLOps-Pipelines) beschleunigen die Implementierung von AI im Vergleich zu Unternehmen, die sich auf Altsysteme verlassen, erheblich.

Um Ihnen eine ungefähre Einschätzung zu geben: Die Herstellung einer neuen Verbindung mit einem Quellsystem kann je nach Art der verfügbaren Anschlüsse zwischen einigen Tagen und einem Monat dauern.

2.2 Schuld der Data

Das Fehlen einer robusten data verringert den ROI von AI in zweierlei Hinsicht erheblich.

Erstens verzögern sich Projekte häufig aufgrund der Notwendigkeit einer umfangreichen data und der Implementierung einer angemessenen Zugriffsverwaltung, da die Teams viel Zeit für die Bereinigung, Organisation und Sicherung der data aufwenden müssen, bevor mit der Modellierung begonnen werden kann. Die Data kann bis zu 80 % des Aufwands bei Projekten zum maschinellen Lernen in Anspruch nehmen.

Zweitens führt eine unzureichende Governance zu schlechter data und unzureichender Beschriftung, was sich direkt auf die AI auswirkt. Modelle, die auf unvollständigen, inkonsistenten oder schlecht beschrifteten data trainiert werden, liefern weniger genaue und weniger zuverlässige Ergebnisse, was den Geschäftswert untergräbt und kostspielige Nacharbeiten oder verlängerte Entwicklungszyklen erfordert.

2.3 Reibungsindex für die Annahme

Die Technikaffinität der Mitarbeiter und ihre Fähigkeiten im Veränderungsmanagement entscheiden darüber, ob AI einen Mehrwert bieten oder zur Ladenhüter werden.

Wenn mehrere AI den Weg geebnet haben und die Mitarbeiter Zugang zu fortlaufenden AI haben, die zur Entmystifizierung der Technologie beitragen, Ergebnisse demonstrieren und die Komplementarität mit dem Menschen hervorheben, sind sie wesentlich empfänglicher für künftige AI , die eingeführt werden.

So enthalten Schulungen zur Einführung eines AI in der Regel 20 % des Inhalts, der der AI gewidmet ist, sowie mindestens einen Abschnitt über den Zugang zu den Tools. Je mehr diese Produkte innerhalb einer einzigen Schnittstelle zentralisiert werden und auf bereits geschulte Teams ausgerichtet sind, desto mehr sinkt der Aufwand für die Akkulturation um 30 bis 40 %.

3. Multi-Horizont-Nutzen: Die Wertmatrix

Die Vorteile von AI sind auf zwei Zeithorizonte ausgerichtet, um ihren vollen Wert zu erschließen, wobei die Gewinne unterschiedlich greifbar sind.

Der erste Horizont erstreckt sich über ein Jahr und ist sehr konkret und konzentriert sich auf Gewinne im Zusammenhang mit der Einführung neuer Produkte und Dienstleistungen, die durch AI ermöglicht werden, sowie auf die durch AI ermöglichte Automatisierung von Aufgaben.

Der zweite Horizont erstreckt sich über zwei bis drei Jahre und ist weniger greifbar. Hier geht es um Verbesserungen bei der strategischen Entscheidungsfindung und eine höhere Widerstandsfähigkeit des Unternehmens gegenüber Marktveränderungen durch den Einsatz von AI.

3.1 Kurzfristig (0-12 Monate)

Topline-Wachstumsmotor

Die wichtigste Methode zur Steigerung des Umsatzes ist die Erhöhung der Einnahmen aus bestehenden Produkten. Im Bereich der Personalisierung gibt es zwei anschauliche Beispiele: Die Empfehlungsmaschine von Netflix, die die Kundenbindung um 30 % steigerte und damit die Abwanderung verringerte. Ein weiteres Beispiel ist Stitch Fix, ein Bekleidungsunternehmen, das AI einsetzt, um die Vorlieben und das Verhalten der Kunden zu analysieren und so maßgeschneiderte Bekleidungsempfehlungen zu liefern. Eine derart umfangreiche Personalisierung wäre ohne AI nicht möglich, und es ist genau diese Technologie, die das Geschäftsmodell von Stitch Fix lebensfähig macht.

Der zweite Ansatz besteht darin, neue Produkte auf den Markt zu bringen, die vor dem Aufkommen der AI unrentabel waren. Nutella beispielsweise hat in Zusammenarbeit mit Ogilvy Italia ein neuronales Netzwerk eingesetzt, um sieben Millionen einzigartige Tubenetiketten zu erstellen, die alle innerhalb einer Woche ausverkauft waren. Ohne AI wäre die Herstellung einer so großen Anzahl einzigartiger Etiketten unerschwinglich oder schlichtweg unmöglich gewesen, was die Kampagne außerordentlich profitabel machte.

3.2 Langfristig (12+ Monate)

Strategische Entscheidungsüberlegenheit

Es ist immer eine Herausforderung, die Auswirkungen einer strategischen Entscheidung auf die Finanzen eines Unternehmens zu beurteilen, und noch schwieriger ist es, den Einfluss der artificial intelligence auf diese Entscheidung zu bewerten. Allerdings sind sich die Meinungen darüber einig, dass AI bereits ein strategischer Partner bei der Entscheidungsfindung geworden ist. Ein Beispiel, das Artefact liefert, ist der Einsatz von Marketing-Mix-Modellen, einem Tool zur Optimierung der Verteilung des Marketingbudgets auf verschiedene Kanäle für das folgende Jahr. In einigen Fällen kann die durch diese Optimierung ermöglichte Gewinnsteigerung bis zu 40 % betragen.

Organisatorische Resilienz

Die Einführung einer AI Kultur bringt Unternehmen Agilität, indem sie kontinuierliches Lernen, Anpassungsfähigkeit und schnelles Experimentieren in die täglichen Abläufe einbettet. AI ermöglicht es Teams, Routineaufgaben zu automatisieren, Anomalien schnell zu erkennen und Arbeitsabläufe zu rationalisieren, sodass sich die Mitarbeiter auf Innovation und Wertschöpfung konzentrieren können. Diese Kultur fördert die dezentrale Entscheidungsfindung und gibt den Teams die Möglichkeit, neue Ideen zu testen, Ergebnisse zu analysieren und Prozesse in Echtzeit zu optimieren, wodurch eine Mentalität gefördert wird, in der Veränderungen begrüßt und Misserfolge als Lernchance gesehen werden. Infolgedessen werden Organisationen flexibler, sind besser auf Marktveränderungen vorbereitet und in der Lage, ihre Strategien und Rollen weiterzuentwickeln, um auf neue Herausforderungen zu reagieren - Agilität ist ein zentraler Bestandteil ihrer Identität und ihrer operativen Stärke.

Neunzig Prozent der in einer Dataiku-Studie befragten Unternehmen halten AI für ein Instrument der Resilienz angesichts von Rezessionsrisiken und Wirtschaftskrisen. Mehr als 80 % der Manager geben an, ihre Investitionen in AI trotz wirtschaftlicher Unsicherheiten beizubehalten oder zu erhöhen, was ein starkes Vertrauen in die Fähigkeit von AIwiderspiegelt, Unternehmen vor Störungen zu schützen.

Der konzentrische ROI-Rahmen

Auf der Grundlage aller oben genannten Faktoren schlagen wir die folgende Formel für die Berechnung des ROI eines AI vor, die von drei Ebenen abhängt: Branche, Unternehmen und Rationalisierung der Anwendungsfälle in Bezug auf IT-, data und Änderungsmanagementkosten. Obwohl die Bewertung der einzelnen Faktoren komplex ist, hilft Ihnen diese Formel, alle zu berücksichtigenden Elemente im Auge zu behalten.

Schlussfolgerung: Abwägung der ROI-Gleichung

Dieser Rahmen geht über die statische Kosten-Nutzen-Analyse hinaus und modelliert die kaskadenartigen Auswirkungen der AI:

  1. Die Kräfte der Industrie bestimmen das ROI-Spielfeld
  2. Die Bereitschaft des Unternehmens bestimmt die Eintrittskosten
  3. Der Nutzenhorizont erhöht sich mit der Zeit

In unserem letzten Artikel werden wir anhand von 2 Beispielen aus der Gesundheitsbranche untersuchen, wie dieser Rahmen operationalisiert werden kann, wobei eines auf den ROI von 0-12 Monaten und eines auf +12 Monate ausgerichtet ist.