Kommentar von Jo Debecker, Wipro ROI von KI-Investitionen belastbar nachweisen

Anbieter zum Thema

Wipro Technologies

Fsas Technologies GmbH

INFOMOTION GmbH

BigData-Insider

Anwendungen auf der Basis von Künstlicher Intelligenz (KI) schaffen in Unternehmen bereits einen bedeutenden Mehrwert. Viele tun sich allerdings noch schwer damit, diesen konkreten Wert zu beziffern und somit künftige KI-Investitionen strategisch einzusetzen sowie argumentativ zu untermauern. Mit einer klaren Zielsetzung und agilen Methoden ist es möglich, die positiven Effekte intelligenter Technologien neben anderen Faktoren sichtbar zu machen.

Neben der anfänglichen Euphorie für fortschrittliche Anwendungen und deren vielversprechendes Potenzial stehen viele Technologieverantwortliche und Führungskräfte in Unternehmen vor der Herausforderung, Investitionen in getätigte sowie neu geplante KI-Projekte zu verargumentieren. Wenn es darum geht, den ROI getätigter Ausgaben in diesem Bereich eindeutig nachzuweisen, besteht in Unternehmen noch deutliche Unsicherheit, wie der Pulse of Cloud – Building an Enterprise for the AI Era-Bericht von Wipro verdeutlicht. Um sich hier gut aufzustellen und in den entscheidenden Momenten auf eine aussagekräftige Datenbasis zugreifen zu können, sollte von Anfang an ein klarer Prozess aufgesetzt werden.

Strategisches Grundgerüst für messbaren Erfolg von KI-Technologien

Es braucht eine transparent definierte und mit Zahlen hinterlegte Erwartungshaltung zu den gewünschten Effekten der KI-Implementierung, die im Einklang mit den übergeordneten Geschäftszielen steht. So kann sichergestellt werden, dass die technologische Basis sich mit dem Unternehmen entwickelt und kein losgelöster Bestandteil von der globalen Strategie ist. Die Zielformulierung sollte dabei explizit und messbar sein; beispielsweise auf der Basis von KPIs wie einer Erhöhung der Effizienz, Maximierung der Betriebszeit von Maschinen, Senkung der Kosten oder der durchschnittlichen Wartezeit bis zur Lösung einer Kundenanfrage.

Um den Mehrwert von KI über den gesamten Prozess hinweg sichtbarer zu machen, bieten sich unter anderem folgende Maßnahmen zur strategischen Vorbereitung an:

• Implementierung einer automatisierten Anpassung von Leistungskennzahlen: Auf diese Weise können Systeme die relevanten KPIs in Echtzeit dynamisch neu kalibrieren, um sich weiter entwickelnde Geschäftsprioritäten zu berücksichtigen. Beispiele hierfür sind die Reaktion auf Marktdynamiken oder Kundenfeedback, das zur Erhöhung der Produktqualität in bestehende Prozesse einfließen soll.

• Einführung eines digitalen Zwillings zur Simulation von Geschäftsergebnissen: KI-basierte Szenarien zeigen die Auswirkungen auf, die verschiedene Änderungen in KI-Modellen jeweils auf wichtige Finanzkennzahlen, operative Effizienz oder Kundenerfahrung haben können. Eine virtuelle Repräsentation des Unternehmens mit all seinen Spezifika erlaubt es, die Reaktion auf eine hypothetische Situation möglichst realitätsnah abzubilden, ohne an den physischen Anlagen auch nur einen Schalter umzulegen. Diese Methode kann mit den definierten KPIs direkt das strategische Unternehmenswachstum fördern.

• Integration von KI-bezogenen KPIs in Rentabilitäts-Dashboards: Eine Berücksichtigung der Auswirkungen von KI-basierten Anwendungen in ROI-Dashboards kann die Sichtbarkeit der Vorteile unter Führungskräften und damit auch die Bereitschaft für Investitionen signifikant erhöhen. So können außerdem – idealerweise in Echtzeit – Fortschritte bei KI-basierten Kosteneinsparungen, steigender Produktivität oder verbesserter Innovationsfähigkeit im gesamten Unternehmen anschaulich im Zeitverlauf visualisiert werden.

Neue Ansätze bei der Datenerhebung

Um den Anforderungen fortgeschrittener Analyse-Technologien zu begegnen und Fortschritte über die Zeit verlässlich im Blick zu haben, bedarf es eines neuen Ansatzes hin zu flexiblen Systemen in der Datenerhebung. Kontextspezifische Daten aus verschiedenen Quellen, wie z. B. Maschinen, menschlichen Eingaben, Datentransfers aus weiteren Systemen oder IoT-Sensoren müssen in Echtzeit integriert werden. Die technische Basis hierfür können beispielsweise Data Lakes oder Internet-of-Things-Plattformen (IoT) bilden, mit denen sowohl strukturierte als auch unstrukturierte Daten integriert und somit eine Basis für eine präzise ROI-Messung gebildet werden können.

Dank Echtzeit-Verarbeitung und -analyse fließen die wertvollen Ergebnisse zur Performance der KI-Lösungen direkt in die ROI-Berechnung ein. Dieses Vorgehen ermöglicht eine stetige Optimierung der eingesetzten Lösung.

Um die Voraussetzungen für dynamische Methoden der Datenerhebung zu schaffen, bietet sich schon beim Aufbau der Infrastruktur ein Fokus auf KI an: Wichtig ist die Skalierbarkeit, wie beispielsweise in Cloud-nativen Umgebungen. Außerdem sollten Echtzeit-Analysen sowie die Verarbeitung unterschiedlicher Datenformate unterstützt werden. Ein weiterer Aspekt sind sich stetig weiterentwickelnde Strategien für Datenmanagement und -integration: KI läuft dann zu Hochform auf, wenn sie mit hochwertigen und aktuellen Daten arbeiten kann. Aus diesem Grund ist es unerlässlich, einen Prozess zur regelmäßigen Erfassung neuer Daten sowie deren Bereinigung und Validierung aufzusetzen.

Der Wert einer vereitelten Krise

Bei der Implementierung neuer Anwendungen geht der Blick tendenziell auf ein Plus bei einschlägigen Kennzahlen wie Umsatz, Neukunden-Gewinnung oder Produktivität. Nicht zu vernachlässigen sind aber auch Vorteile durch abgewendete Probleme oder sogar Krisen. Hier geht es vor allem um „weniger Verluste“ anstatt von zusätzlichem Gewinn. In diesem Kontext kann Künstliche Intelligenz über Funktionen wie vorausschauende Wartung und die Analyse potenzieller Szenarien unter Einbezug von Faktoren wie geopolitischen Verwerfungen oder aufkommenden gesellschaftlichen Trends eine entscheidende Rolle bei der Unterstützung menschlicher Entscheidungsfindung spielen.

So können Organisationen Testungen auf der Basis historischer Szenarien durchführen, um aktuelle und zukünftige Zwischenfälle so gering wie möglich zu halten. Die Aufstellung von Simulationen ist auch bei der ROI-Messung wichtig, da sie den greifbaren geschäftlichen Nutzen abgewendeter Krisen oder Probleme verdeutlichen können. Beispielfälle können sein:

• 1. Lieferketten-Unterbrechungen: KI kann potenzielle Störungen aufgrund geopolitischer Ereignisse oder Naturkatastrophen identifizieren und ermöglicht somit Bestandsanpassungen oder die Umleitung von Waren, um kostspielige Ausfallzeiten zu vermeiden.

• 2. Compliance mit regulatorischen Vorgaben: Die Technologie antizipiert potenzielle Compliance-Stolpersteine und minimiert Risiken durch eine automatisierte Anpassung von Richtlinien. So wird das Risiko für Strafen und Betriebsunterbrechungen gesenkt.

• 3. Vorhersage von Betriebsausfällen: KI prognostiziert Geräteausfälle oder IT-Störungen, ermöglicht eine vorbeugende Instandhaltung und reduziert Ausfallzeiten – Faktoren, die zu einem möglichst ununterbrochenen Geschäftsbetrieb beitragen.

• 4. Zinsschwankungen: Durch Prognosen hinsichtlich potenzieller Zinsänderungen ermöglicht Künstliche Intelligenz proaktive Anpassungen im Darlehensbestand, minimiert Ausfallrisiken und optimiert Renditen.

Auch die Vermeidung eines Problems kann in Kennziffern gemessen werden. So kann ein Betrieb beispielsweise historische Daten eines Cyberangriffs oder Maschinenausfalls heranziehen und, in Abgleich mit aktuellen Gegebenheiten, einen Schätzwert für den abgewendeten Schaden angeben. Somit kann auch die Verhinderung von Verlusten durch beispielsweise Strafzahlungen oder Produktionsausfälle in vielen Fällen die anfängliche Investition in Modelle Künstlicher Intelligenz aufwiegen und rechtfertigen.

Bewährungsprobe für KI-Anwendungen

Es zeichnet sich ab, dass nach einer ersten Orientierungsphase in den meisten Unternehmen nun eine Etappe eingeläutet wird, in der der reale ROI von KI-Projekten herauskristallisieren wird, welche Anwendungen sich langfristig rentieren und an welchen Stelle der Einsatz von KI mehr versprochen hat als er hält.

IT-Entscheider in KMUs wie großen Konzernen sind nun gehalten, den strategischen Wert ihrer KI-Investitionen messbar zu machen und nachzuweisen – nicht nur um sich den Rückhalt für die nötigen Investitionen zu sichern, sondern auch um existente Anwendungen auf der Basis einer soliden Datengrundlage stetig im laufenden Betrieb verbessern zu können.

(ID:50317211)