1. Der Branchenkontext: Der strategische Umschlag

Die Branche, in der Sie tätig sind, hat großen Einfluss auf den erwarteten Umsatz der KI-Anwendungsfälle, die Sie einführen möchten.
Dieses erste Tor basiert auf 3 Kriterien: den regulatorischen Zwängen und den Compliance-Kosten der Branche, dem Reifegrad des spezifischen Tech-Ökosystems und der kurz- bis langfristigen Investitionskultur innerhalb der Branche.

1.1 Regulatorische Zwänge und Compliance-Kosten

Jede KI-Initiative bewegt sich innerhalb sektorspezifischer regulatorischer Grenzen, die das ROI-Potenzial direkt beeinflussen.

Nehmen wir das Beispiel des Zugangs zu verschreibungspflichtigem data durch medizinisches Fachpersonal

  • In den USA schützt der HIPAA patientenidentifizierbare Informationen, erlaubt aber die Verwendung und den Verkauf von de-identifizierten ärztlichen Verschreibungen 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) beaufsichtigen die Gesundheitsdaten 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, es sei denn, sie werden anonymisiert oder aggregiert
  • In Europa setzt die GDPR strenge Kontrollen für persönliche und gesundheitliche data durch, wodurch die Sammlung, Verarbeitung und kommerzielle Nutzung von ärztlich verschriebenen data stark eingeschränkt wird und oft eine ausdrückliche Zustimmung oder eine starke Anonymisierung erforderlich ist.

Infolgedessen ist der ROI für die Verwendung von verschreibungspflichtigen data zur Ansprache von Fachkräften im Gesundheitswesen in den USA hoch, in Brasilien durchschnittlich und in Europa begrenzt, wo die data meist auf regionaler Ebene aggregiert wird.

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 von spezialisierten Akteuren und innovativen Start-ups - spielt eine entscheidende Rolle bei der Beschleunigung des ROI von KI-Projekten.

Wenn eine Branche von einem dynamischen Ökosystem aus Technologieanbietern, Integratoren und Nischen-Start-ups profitiert, können Unternehmen schneller innovative KI-Lösungen identifizieren, testen und einsetzen, die auf ihre spezifischen geschäftlichen Herausforderungen zugeschnitten sind. 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 KI-Akteuren 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 über einen Zeitraum von 5 Jahren einen deutlich höheren kumulativen ROI für KI als Sektoren mit kurzen Zyklen. 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 jahrzehntelange KI-Roadmap von BP für die vorausschauende Wartung bei Offshore-Bohrungen.

2. Kosten der Unternehmensimplementierung: Die Ausführungsebene

Das Unternehmen, in dem ein KI-Anwendungsfall eingesetzt wird, hat einen erheblichen Einfluss auf die Implementierungskosten, abhängig von der Reife von 3 Assets: den technologischen Grundlagen, dem data governance und dem geschäftlichen Appetit auf KI.

2.1 Tech Stack Bereitschaftskosten

Unternehmen mit einer modernen data-Infrastruktur (cloud data-Lakes, MLOps-Pipelines) beschleunigen die Implementierung von KI-Anwendungsfällen erheblich im Vergleich zu anderen Unternehmen, die auf Altsysteme setzen.

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 Data Staatsverschuldung

Ein Mangel an robustem data governance reduziert den ROI von KI-Anwendungsfällen in zweierlei Hinsicht.

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

Zweitens führt eine unzureichende Governance zu schlechter data-Qualität und unzureichender Kennzeichnung, was sich direkt auf die KI-Leistung auswirkt. Modelle, die auf unvollständigen, inkonsistenten oder schlecht gekennzeichneten 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 Fähigkeit zum Change Management entscheiden darüber, ob KI-Tools einen Mehrwert bieten oder zur Ladenhüter werden.

Wenn bereits mehrere KI-Erfolge den Weg geebnet haben und die Mitarbeiter Zugang zu fortlaufenden KI-Schulungsprogrammen haben, die dazu beitragen, die Technologie zu entmystifizieren, Ergebnisse zu demonstrieren und ihre Komplementarität mit dem Menschen hervorzuheben, sind sie wesentlich empfänglicher für künftige KI-Einsatzfälle, die eingeführt werden.

So enthalten Schulungen zur Einführung eines KI-Produkts in der Regel 20% an Inhalten, die der KI-Akklimatisierung gewidmet sind, zusammen mit mindestens einem 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-Vorteile: Die Wertmatrix

Die Vorteile von KI-Anwendungsfällen 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. Er konzentriert sich auf Gewinne im Zusammenhang mit der Einführung neuer Produkte und Dienstleistungen, die durch KI ermöglicht werden, sowie auf die durch KI 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 KI.

3.1 Kurzfristig (0-12 Monate)

Topline Wachstumsmotor

Die wichtigste Methode zur Steigerung des Umsatzes ist die Erhöhung der Einnahmen aus bestehenden Produkten. Betrachten Sie zwei anschauliche Beispiele aus dem Bereich der Personalisierung: Die Empfehlungsmaschine von Netflix, die die Kundenbindung um 30% erhöht und damit die Abwanderung verringert hat. Ein weiteres Beispiel ist Stitch Fix, ein Bekleidungsunternehmen, das KI-Algorithmen einsetzt, um die Vorlieben und das Verhalten der Kunden zu analysieren und so maßgeschneiderte Bekleidungsempfehlungen zu liefern. Eine derart umfangreiche Personalisierung wäre ohne KI unerreichbar, und genau diese Technologie macht das Geschäftsmodell von Stitch Fix tragfähig.

Der zweite Ansatz besteht darin, neue Produkte auf den Markt zu bringen, die vor dem Aufkommen der KI unrentabel waren. Nutella zum Beispiel hat in Zusammenarbeit mit Ogilvy Italia ein neuronales Netzwerk eingesetzt, um sieben Millionen einzigartige Etiketten für die Tiegel zu erstellen, die innerhalb einer Woche ausverkauft waren. Ohne künstliche Intelligenz wäre die Herstellung einer so großen Anzahl einzigartiger Etiketten unerschwinglich oder schlichtweg unmöglich gewesen, was die Kampagne außergewöhnlich 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 von artificial intelligence auf diese Entscheidung zu bewerten. Die Meinungen stimmen jedoch darin überein, dass KI bereits zu einem strategischen Partner bei der Entscheidungsfindung geworden ist. Ein Beispiel, das Artefact liefert, ist die Verwendung von Marketing-Mix-Modellen, einem Tool, mit dem die Verteilung des Marketingbudgets auf verschiedene Kanäle für das folgende Jahr optimiert werden kann. In einigen Fällen kann die durch diese Optimierung ermöglichte Gewinnsteigerung bis zu 40% erreichen.

Organisatorische Widerstandsfähigkeit

Die Einführung einer KI-gesteuerten Unternehmenskultur bringt Agilität in Unternehmen, indem sie kontinuierliches Lernen, Anpassungsfähigkeit und schnelles Experimentieren in die täglichen Abläufe einbettet. KI ermöglicht es Teams, Routineaufgaben zu automatisieren, Anomalien schnell zu erkennen und Arbeitsabläufe zu rationalisieren, so dass 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. Dies fördert eine Mentalität, in der Veränderungen willkommen sind und Misserfolge als Lernchance gesehen werden. Infolgedessen werden Unternehmen flexibler, sind besser auf Marktveränderungen vorbereitet und in der Lage, ihre Strategien und Rollen weiterzuentwickeln, um auf neue Herausforderungen zu reagieren - was Agilität zu einem Kernbestandteil ihrer Identität und ihrer operativen Stärke macht.

Neunzig Prozent der Unternehmen, die in einer Dataiku-Studie befragt wurden, betrachten KI als ein Instrument der Widerstandsfähigkeit angesichts von Rezessionsrisiken und Wirtschaftskrisen. Mehr als 80% der Manager geben an, ihre Investitionen in KI trotz wirtschaftlicher Unsicherheiten beizubehalten oder zu erhöhen, was ein starkes Vertrauen in die Fähigkeit von KI widerspiegelt, Unternehmen vor Störungen zu schützen.

Das konzentrische ROI-Rahmenwerk

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

Schlussfolgerung: Die ROI-Gleichung ausbalancieren

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

  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.