Whitepaper von appliedAI Ab wann zahlt sich der Einsatz künstlicher Intelligenz aus?

Von Martin Hensel

Anbieter zum Thema

Künstliche Intelligenz (KI) und maschinelles Lernen (ML) bergen enormes Wertschöpfungspotenzial für Wirtschaft und Gesellschaft. Die Quantifizierung ihres tatsächlichen Wertbeitrags ist allerdings eine wesentliche Herausforderung.

In einem Whitepaper befasst sich appliedAI mit der Quantifizerung des KI-Mehrwerts.
In einem Whitepaper befasst sich appliedAI mit der Quantifizerung des KI-Mehrwerts.
(Bild: Screenshot / appliedAI )

Ein aktuelles Whitepaper der UnternehmerTUM-Initiative appliedAI befasst sich mit der Frage, ab welchem Zeitpunkt Unternehmen finanziell vom Einsatz der Technologie profitieren. Zudem soll das Whitepaper einen Rahmen für die Wertevaluierung von KI-Anwendungen und die Quantifizierung des „Return on AI (ROAI)“ schaffen.

Bestimmung des Mehrwerts fällt schwer

Die Bestimmung des echten, langfristigen Mehrwerts von KI-Initiativen fällt Unternehmen häufig schwer. Zu den Gründen zählt die enge Verflechtung von Daten und Algorithmen sowie die meist qualitative Natur des Nutzens von KI-Initiativen. Zudem sind die Ergebnisse des explorativen Entwicklungsprozesses nur schwer vorherzusehen. Der Gewinn eines KI-Einsatz fällt vor allem zu Beginn oft ungleichmäßig aus und steigt nicht-linear an.

Zudem müssen Entscheider die richtige Balance finden: Eine Überbetonung der Renditeerwartungen behindert in frühen Phasen Innovation und verlangsamt die Entwicklung von KI-Anwendungen. Wird der Wertbeitrag dagegen nicht berücksichtigt, steigt das Risiko der Konzentration auf nachrangige Anwendungsfälle oder des KI-Einsatzes „um der KI willen“. Laut appliedAI braucht es ein Framework mit allen relevanten Berechnungsfaktoren, um den „Return on AI“ effektiv kalkulieren zu können.

Schritt für Schritt vorgehen

Laut appliedAI sollten zunächst die vielversprechendsten Anwendungsfälle identifiziert und priorisiert werden. Anschließend folgt deren Detailbewertung, einschließlich prognostizierter Erträge und erwarteter Ausgaben entlang des Lebenszyklus. Letztere sollten von der Use-Case-Entwicklung über Implementierung und Skalierung bis hin zur Wartung reichen und auch sonstige Kosten wie zum Beispiel Hardware-Betrieb, Personal oder externe Partner berücksichtigen.

Die Wertgenerierung selbst basiert auf internen und externen Faktoren: Interne Treiber umfassen etwa die Verbesserung von Geschäftsprozessen und die Beschleunigung manueller Abläufe durch Automatisierung. Externe Faktoren beziehen sich dagegen beispielsweise auf die Schaffung neuer Produkte oder Geschäftsmodelle.

Gut Ding will Weile haben

Gerade Unternehmen, die noch am Beginn ihrer KI-Aktivitäten stehen, müssen anfangs mit hohen Vorlaufkosten rechnen. Dies ist unter anderem durch die Bereiche Datengrundlage, Implementierung, Personalaufstockung und Mitarbeiterkompetenzen bedingt. Der Fokus sollte daher laut appliedAI auf dem Ausbau und der Weitergabe von Wissen und technischem Know-how liegen, um Folgeprojekte darauf aufbauen zu können. Für die Analyse komplementärer KI-Anwendungsfälle bietet sich demnach ein werteorientierter KI-Portfolio-Ansatz an. Er dient unter anderem dazu, definierte Ertragsziele in ihrer Gesamtheit zu betrachten und umzusetzen sowie Hürden und Risikopotenziale herauszufiltern.

Sobald mehrere KI-Anwendungen erfolgreich implementiert wurden, sollten diese nach Schwerpunkten wie dem Einsatzort oder Geschäftsbereichen geclustert werden. Dadurch werden unter- und überdurchschnittliche Cluster identifiziert, erfolgreiche und gescheitere Anwendungsfälle zentral gesammelt und daraus schließlich strategische und organisationale Lerneffekte abgeleitet.

(ID:48393397)