UXMA: Innovative Geschäftsmodelle für Künstliche Intelligenz

In den meisten Unternehmen ist die Digitalisierung heute erfolgreich angekommen. Die Prozesse sind vorrangig digital und Produkte haben wenigstens eine digitale Komponente. Prozesse, Anwendungen und Interaktionen erzeugen digitale Daten, oder haben zumindest das Potenzial hierfür. Doch wie können die anfallenden Daten nachhaltig und ethisch genutzt werden?

Häufig werden diese Daten zur Analyse und Optimierung von Geschäftsvorgängen genutzt. Wie wäre es allerdings, wenn sie sich darüber hinaus nutzen ließen, um neuartige Angebote und Produkte rund um das Thema der Künstlichen Intelligenz (kurz: KI) zu ermöglichen?

Der Wert der Daten zu diesem Zweck bleibt bei einer kontextlosen Betrachtung häufig im Verborgenen. Es bedarf beispielsweise der ganzheitlichen Betrachtung eines Unternehmens und seiner vorhandenen Kompetenzen und Entwicklungspotenziale, um geeignete Ansätze für KI-getriebene Geschäftsmodelle zu finden.

Es ist lohnenswert, sich dieser technologischen Entwicklung nicht zu entziehen. Innovative Geschäftsmodelle und Wertschöpfungsketten auf Grundlage von KI werden aufgrund der vorhandenen digitalen Infrastruktur und Datenbasis sehr viel schneller entstehen, als die Digitalisierung für ihren Einzug benötigt hat.

Doch wie muss ein innovatives Geschäftsmodell auf Basis einer Künstlichen Intelligenz beschaffen sein, um am Markt erfolgreich zu bestehen?

Künstliche Intelligenz aus Entwicklersicht

Andrew Moore, Dekan der renommierten School of Computer Science der Carnegie Mellon Universität, fasst die Definition von KI in einem Satz wie folgt zusammen: „Künstliche Intelligenz bezeichnet die […] Konstruktion von Methoden, die es Computern ermöglichen, Aufgaben zu übernehmen, von denen zuvor noch angenommen wurde, dass sie menschliche Intelligenz erfordern würden.“ [1] Diese Definition bleibt bewusst vage und gibt die zu verwendenden Methoden nicht vor.

Den meisten Implementationen einer Künstliche Intelligenz liegt derzeit das sogenannte Machine Learning zugrunde.Hierbei handelt es sich um einen Überbegriff für eine Klasse von Computeralgorithmen, die ihre Funktionalität und Leistung durch Erfahrungslernen automatisch selbst verbessern können.[2] Dazu gehören nicht nur die berühmten Neuronalen Netzwerke, die für die spektakulärsten Fortschritte auf dem Gebiet der KI sorgen (und deren Anwendung aufgrund ihres internen, mehrschichtigen Aufbaus auch als „Deep Learning“ bezeichnet wird), sondern auch schon lang bekannte Methoden der mathematischen Statistik wie beispielsweise Entscheidungsbäume und -wälder, die nun neue Anwendung finden.

Künstliche Intelligenz aus Nutzersicht

Dennoch gehört mehr als nur ein selbstlernender Algorithmus zu einer echten Künstlichen Intelligenz. Die KI muss fähig sein, mit ihrem Benutzer zu interagieren, um flexibel und dynamisch auf dessen Bedürfnisse reagieren zu können. Sie muss aber auch autark agieren können, um einen vorher definierten Zweck zu erfüllen.

Es bedarf einer durchdachten und mensch-zentrierten Gestaltung der KI-Anwendung, um das notwendige Vertrauen des Nutzers in ihre Fähigkeiten zu erlangen. Auch gewohnte Softwareentwicklungsaufgaben, wie beispielsweise die Anbindung an externe Dienste und die Einbettung in bestehende oder neue digitale Ökosysteme, gehören in den meisten Fällen dazu.

Aus diesen Überlegungen wird deutlich, dass eine Künstliche Intelligenz nicht unbedingt MachineLearning benötigt, aber auch eine durch Machine Learning bereitgestellte Funktionalität nicht automatisch eine Künstliche Intelligenz ist.

Automatisierung durch Machine Learning

Verbreitete Ansätze für die Verwendung von KI, die zuhauf diskutiert werden, betreffen die Automatisierung von monotonen und wiederkehrenden Vorgängen und Prozessen. Viele davon waren aufgrund einer gewissen Komplexität in ihrer Durchführung bislang Menschen vorbehalten, lassen sich aber durch einfache Machine Learning Algorithmen nun doch von Computern oder Maschinen durchführen.

Die großen Entwicklungsanreize sind die sich ergebenden Effizienzerhöhungen und Kosteneinsparungen bei der automatisierten Erledigung dieser Vorgänge. Auch die Optimierung von geschäftlichen Zielen durch bessere datenbasierte Prognosen von relevanten KPIs werden häufig genannt.

Leider erzeugen diese Anwendungen – und sie werden mit der Zeit gewiss zum Einsatz kommen – vor allem Furcht vor KI-Lösungen durch drohenden Jobverlust und mindern dadurch deren gesellschaftliche Akzeptanz. Vor allem aber sind es nur gering innovative Anwendungen einer faszinierenden und vielversprechenden Technologie, die ein enormes Potenzial für gänzlich neue Geschäftsmodelle bietet.

Innovation durch Künstliche Intelligenz

Tatsächliche Innovation durch Künstliche Intelligenz kann nur mittels eines komplett neuartiges Geschäftsmodells entstehen. Das traditionelle Bild der vertikalen Integration von Produktion und Handel wird hierfür zu einer komplett digitalen, KI-basierten Wertschöpfungskette gewandelt:

Grafik: UXMA

Da konventionelle Geschäftsmodelle durch entsprechende Angebote häufig angegriffen oder sogar überfällig gemacht werden, bietet es sich an, in diesem Zusammenhang nicht nur von vertikaler Angebotsintegration zu sprechen, sondern sogar von vertikaler Disruption.

Vertikale Disruption

Bei genauerem Hinsehen findet sich das Kernkonzept der Disruption durch vertikale Integration in fast allen innovativen und erfolgreichen KI-basierten Geschäftsmodellen wieder. Bradford Cross prägte in diesem Zusammenhang die folgenden Grundgedanken:[3]

1.    Es werden proprietäre und für Wettbewerber schwer zu reproduzierende Daten generiert und erhoben. Zu diesem Zweck kann beispielsweise ein für Konsumenten attraktives Produkt geschaffen oder ein bereits vorhandenes, stark spezialisiertes Produkt wie eine industrielle Maschine eingesetzt werden.

2.    Die Daten fließen in einen der künstlichen Intelligenz zugrunde liegenden MachineLearning Algorithmus ein. Mit der Kontrolle über die Datenerhebung können hier genau jene Daten ausgewählt werden, die eine optimale Funktionalität gewährleisten. Bei Bedarf kann die Beschaffenheit der Daten jederzeit nachgeregelt werden. Aus denselben Gründen muss auch die Schnittstelle zum Anwender Bestandteil des Angebots sein: um einen größtmöglichen Nutzen liefern zu können – aber auch, um das Angebot kontinuierlich auf sich wandelnde Nutzerbedürfnisse ausrichten zu können.

3.    Die Funktionalität, die durch MachineLearning erreicht wird, und das zugrunde liegende Geschäftsmodell sollten auf einer großen Expertise in der gewählten Branche basieren. Nur dann kann aus dem Resultat der KI-Funktionalität ein neuartiges Angebot werden, das nicht nur die Bedürfnisse der Nutzer erfüllt, sondern dem auch genügend Vertrauen in seine Fähigkeiten entgegengebracht wird, sodass es eine hohe Akzeptanz am Markt erzielt.

Der Markt ist voller Chancen

Warum ist die vertikale Integration und Disruption so wichtig für KI-Angebote? Ein entsprechendes Geschäftsmodell, das die komplette digitale KI-Wertschöpfungskette umfasst, bringt den Anbieter in die Position, dem Nutzer einen einzigartigen Mehrwert bieten zu können und den kompletten Ertrag der Lösung selbst zu erwirtschaften. Gleichzeitig werden aber auch hohe Eintrittshürden für Wettbewerber errichtet.

Ein Unternehmen, das ein KI-basiertes Produkt anbieten möchte, muss diese Kette komplett beherrschen und dem Geschäftsmodell eine KI-basierte Kernwertschöpfung zugrunde legen. Nur dann können Nutzerbedürfnisse nachhaltig erfüllt werden, die ohne KI-Technologie weder denkbar noch umsetzbar gewesen wären.

Die einzelnen Komponenten der Wertschöpfungskette für sich genommen sind keine geeignete Grundlage für eine besondere Position im Markt. Vielmehr wird die Erledigung von Routineaufgaben sehr schnell zu einer Commodity. Und gerade in software-basierten Märkten gilt heute häufiger denn je: „today‘s innovation is tomorrow‘s open source“.

Nur durch vollständige vertikale Integration von der Erhebung proprietärer Daten über die Nutzung aktueller Machine Learning Technologie bis zu dem Einsatz von domänenspezifischem Fachwissen kann mit Künstlicher Intelligenz ein nachhaltiger Mehrwert für den Nutzer und damit ein disruptives Angebot erzielt werden.

Lassen Sie uns darüber reden, welche Möglichkeiten und Chancen Ihr Fachwissen und Ihr Datenerhebungspotenzial für Ihr KI-basiertes Geschäftsmodell von morgen bieten können.

Ein Artikel von Dr. Ole Hüter

Kontakt