KI treibt neue Geschäftsmodelle
Technologische Basis
von Klaus Manhart - 18.10.2021
Die aktuell reifsten KI-Technologien, die sich für die ökonomische Verwertung eignen, sind maschinelles Lernen, Natural Language Processing und Bilderkennung. Machine Learning lernt aus Beispielen und kann eigenständig Lösungen für neue und unbekannte Probleme finden. Natural Language Processing versucht, menschliche Sprache zu erkennen und zu verstehen. Und Bilderkennung befasst sich mit der automatischen Erfassung von Fotos, Bildern und Gesichtern.
Diese Technologien lassen sich in unterschiedlichsten Branchen und für verschiedenste Produkte und Services nutzen. Mit Methoden des maschinellen Lernens können etwa Muster in Daten identifiziert und Vorhersagen getroffen werden, beispielsweise für die vorausschauende Wartung eines Maschinenparks. Technologien zum Natural Language Processing ermöglichen es, dass Chatbots mit Kunden interagieren oder fremdsprachliche Texte automatisch übersetzt werden. Mit Verfahren der Bilderkennung wiederum können defekte Teile in der Fertigung automatisch aussortiert oder Menschen identifiziert werden.
Die Umsetzung von KI-Projekten erfolgt heute in der Regel über KI-Tools und KI-Dienste, die sehr oft cloudbasiert sind. Mit Cloud-Machine-Learning-Plattformen wie Azure Machine Learning oder AWS Machine Learning können Unternehmen Machine-Learning-Anwendungen aufbauen. KI-Cloud-Services wie Microsoft Cognitive Services, Google Cloud Vision oder Natural Language APIs erlauben es Unternehmen, komplexe KI- oder Cognitive-Computing-Fähigkeiten anhand einer einfachen API zu nutzen.
Dr. Wolfgang Faisst
Gründer & CEO von ValueWorks.ai
Gründer & CEO von ValueWorks.ai
Foto: ValueWorks
„KI wird jedes Business betreffen“
Interview mit Wolfgang Faisst, Gründer & CEO von ValueWorks.ai und Leiter der Arbeitsgruppe Geschäftsmodellinnovationen der deutschen KI-Initiative Plattform Lernende Systeme sowie Lehrbeauftragter an den Universitäten Bamberg und Bayreuth.
com! professional: Herr Faisst, wie sehen Sie die Rolle von KI im Business-Umfeld – speziell beim Aufbau neuer Geschäftsmodelle?
Wolfgang Faisst: Künstliche Intelligenz ist sicherlich eine der zentralen Technologien beim Thema Digitalisierung und Automatisierung. Sensoren, Maschinen oder Social Media machen immer größere Mengen an Daten verfügbar. Mithilfe von KI können diese Daten ausgewertet werden.
com! professional: In welchen Branchen und mit welchen Technologien wird KI für neue Geschäftsfelder sorgen?
Faisst: Im Prinzip wird KI in naher Zukunft jede Industrie beziehungsweise Funktion betreffen. Aktuell ist die KI aber besonders stark im Gesundheitswesen zu finden, der Fertigungsindustrie mit Industrie 4.0, in Handel und Marketing, dem Automobilsektor und der Landwirtschaft. Was die KI-Technologien betrifft, ist Bilderkennung heute Standard – wichtig etwa beim autonomen Fahren, aber auch bei ganz profanen Tätigkeiten wie der Passkontrolle. Fortlaufend verbessert wird die Robotik, die in der autonomen Fabrik eine große Rolle spielt. Weiter haben Spracherkennung im Customer Service und Edge AI im IoT großes ökonomisches Potenzial.
com! professional: Wie schätzen Sie aktuell das Umfeld für KI-Geschäftsmodelle und Start-ups in Deutschland ein?
Faisst: Die Lage in Deutschland ist nicht optimal. Von den Top-Unternehmensgründungen im Bereich Künstliche Intelligenz, die von internationalen Marktforschern gelistet wurden, kommen nur wenige aus Deutschland. Das sagt schon einiges aus.
Zwar gibt es durchaus Gründungen in Deutschland, aber im Verhältnis zu anderen Ländern sind das viel zu wenige. Das hat verschiedene Ursachen. So ist das Unternehmertum hierzulande nicht so stark ausgeprägt wie in anderen Ländern, Start-ups und KMUs werden nicht so gut gefördert, es gibt zu viel Bürokratie, und nicht zuletzt ist auch das notwendige Wagniskapital in Deutschland nicht oder nur sehr begrenzt vorhanden.
com! professional: Wie ist die Akzeptanz bei den großen, etablierten Unternehmen? Fällt KI hier auf fruchtbareren Boden?
Faisst: Besonders in den Sektoren Automobile und Industrie 4.0, in denen Deutschland traditionell stark ist, bewegt sich einiges. Bosch ist als führender Automobilzulieferer sehr aktiv und engagiert sich besonders im Bereich des autonomen Fahrens. Siemens hat eine eigene IoT-Plattform entwickelt, die eine tragende Infrastrukturrolle bei der Industrie 4.0 einnimmt. Dort werden viele der eben genannten Technologien verbaut – aber natürlich branchenspezifisch für die verschiedenen Anwendungsfälle aufbereitet.
SAP wiederum setzt bei Künstlicher Intelligenz auf „Embedded AI“. Das bedeutet, dass SAP KI in seine betriebswirtschaftlichen Anwendungen einbettet, um diese intelligenter und leichter bedienbar zu machen. Im Cash-Management übernimmt zum Beispiel intelligente Software das Matching von Rechnungen und Zahlungen.
com! professional: Es gibt zahlreiche Bedenken gegen die KI – besonders bei deren wirtschaftlicher Verwertung. Dabei stiften viele neue Geschäftsmodelle doch erheblichen sozialen und ökonomischen Nutzen.
Faisst: Ja. Dazu nur zwei Beispiele: In der Landwirtschaft ist KI eine große Hilfe. Über Drohnen mit Kameras und Bilderkennung kann man minimalinvasiven Schädlingsbefall identifizieren und die Schädlinge gezielt bekämpfen – statt die große Pestizidkeule zu schwingen. Bald könnte man auch Roboter einsetzen, die dann die Schädlinge entfernen.
Aber auch im Gesundheitswesen sieht man ganz deutlich, wie Künstliche Intelligenz vieles verbessert. Mit Bilderkennung lassen sich Krankheiten systematisch erkennen. An den Ausscheidungen können automatisierte Tests durchgeführt werden. In nächster Zukunft können sogar Nanosensoren in der Blutbahn eingesetzt werden, die Krankheitsindikatoren identifizieren, sodass man dann die Krankheiten schneller bekämpfen kann.
Im Übrigen ist die KI zuverlässiger als der Mensch. Jeder normale Radiologe hat mal einen schlechten Tag und kann etwas übersehen, was die Maschine durchaus erkennt.
com! professional: Außenstehende sind oft überrascht, in welche Segmente KI-Technologie vordringt und wo sich neue Geschäftsfelder auftun. Wer hätte etwa gedacht, dass KI in der Juristerei eine Rolle spielt?
Faisst: Ja, im juristischen Bereich wird Legaltech immer wichtiger. Legaltech ist eine Sparte, für die KI-Start-ups Lösungen bauen, um die Arbeitswelt von Anwältinnen und Anwälten zu digitalisieren und die heute noch sehr ineffizienten Prozesse zu verbessern. Juristische Arbeit verläuft ja immer noch relativ wenig digital. Mit Natural Language Processing kann man ganze Aktenberge und auch die juristische Literatur durchsuchen. KI ermöglicht es, Texte automatisiert zu lesen, zu scannen und zusammenzufassen. Das ist ein Intelligenzverstärker für die Anwältin und den Anwalt sowie letztendlich für alle beteiligten Parteien – sowohl auf staatlicher Seite wie auch aufseiten der Unternehmen und Individuen.
com! professional: Welche Rolle spielen KI-Plattformen wie AWS oder Google beim Aufbau eines KI-basierten Business?
Faisst: AWS, Azure und Google Cloud sind international die führenden IaaS-Plattformen. Aber um KI im Unternehmen produktiv einzusetzen, muss man auch Schnittstellen und Daten verwalten, Data Governance betreiben, Testdaten und Modelle verwalten sowie das entsprechende Management organisieren. Man braucht in jedem Fall ein KI-Betriebssystem, das quasi auf der Cloud-Infrastruktur läuft. Solche KI-Betriebssysteme – neudeutsch heißt das AIOps oder MLOps – werden beispielsweise von One Logic, einem Spin-off der Uni Passau, oder Rapidminer, einem Spin-off der Uni Dortmund, angeboten.
com! professional: Wo sehen Sie die größten Stolpersteine beim Aufbau eines KI-Business?
Faisst: Unsere Erfahrungen zeigen, dass vor allem die vier folgenden Punkte den Erfolg verhindern: die mangelnde KI-Kompetenz und die nicht vorhandenen Fachkräfte, das Fehlen qualifizierter Partner, das Fehlen von Daten und Datenplattformen und ein gutes, belastbares Geschäftsmodell.
KI in Business-Modellen
Ein „AI-driven business model“ ist einer gängigen Definition zufolge eine Geschäftsstrategie, die Künstliche Intelligenz verwendet, um mindestens einen von drei zentralen Bereichen zu verbessern: Wertschöpfung (Value Creation), Erbringung des Kundennutzens (Value Delivery) oder Ertragsmechanismus (Value Capture).
Dabei kann Künstliche Intelligenz verschiedene Rollen oder Schwerpunkte einnehmen. Von einer eher peripheren, unterstützenden Bedeutung bis hin zum Kern des Business beziehungsweise einer ganz neuen, auf KI basierenden Geschäftsidee.
Im ersten Fall kann die KI beispielsweise ein bereits bestehendes Geschäftsmodell unterstützen und Prozesse optimieren, sodass die Wertschöpfung oder der Kundennutzen größer wird. Prozessinnovationen dieser Art stellen die unterste Stufe eines KI-basierten Geschäftsmodells dar. Dem stehen im zweiten Fall reine KI-getriebene Modelle gegenüber, die im Kern auf KI basieren und ohne KI gar nicht möglich wären. Im Extremfall kann ein Unternehmen oder Start-up sein Business-Modell zur Gänze auf KI aufbauen. Oft führt dies zur Entwicklung eines Geschäftsmodells in Form eines reinen Datendienstes oder eines digital aufgeladenen physischen Produkts.
Nizar Abdelkafi und Marija Radić vom Fraunhofer-Zentrum für Internationales Management und Wissensökonomie (IMW) differenzieren KI-basierte Geschäftsmodellinnovationen in vier Kategorien: Im ersten Fall bringt KI eine nur marginale Veränderung des Geschäftsmodells durch Prozessoptimierung. Im zweiten Fall erfolgt eine wesentliche Veränderung des Geschäftsmodells durch die Anwendung von KI. Der dritte Fall ist eine Erweiterung des Geschäftsmodells durch komplementäre KI-Dienstleistungen. Und der vierte und letzte Fall umfasst die KI-bedingte Evolution zu einem komplett neuen digitalen Geschäftsmodell.
Die Entwicklung dorthin ist eher inkrementell. Während in den ersten beiden Fällen nur eine Verbesserung des aktuellen Geschäftsmodells durch die Anwendung von KI erfolgt, führen die dritten und vierten Fälle zu einer für das Unternehmen neuen Geschäftslogik.
KI als Business-Unterstützer
Die ersten beiden Fälle von Innovationen werden vor allem von etablierten Unternehmen abgedeckt. Sie nutzen KI, um Wertversprechen und Ertragsmechanismen zu verbessern und integrieren KI mehr oder weniger in ihr Kerngeschäftsmodell. Populäre Beispiele dafür sind Streaming-Anbieter wie Netflix oder Spotify.
Bei Musik-Streaming-Diensten wie Spotify ist der Kundennutzen eine breite Auswahl von Musik, die via Internet-Streaming personalisiert ausgeliefert wird. Mittels KI wertet Spotify die Hörgewohnheiten der Kunden aus und stellt jedem Nutzer einen eigenen, persönlichen Mix zusammen. Der Service lernt mit Machine-Learning Verfahren, welcher Mix dem Hörer vorzuschlagen ist. Ähnlich verfährt Netflix und bietet seinen Kunden ein personalisiertes Erlebnis an Filmen. Solche Personalisierungsfunktionen sind nicht zentral für das Wertversprechen, sie sind aber geeignet, um die Kundenbindung und Produktnutzung zu erhöhen.
Chatbots sind ein anderes Beispiel, wie KI dazu beitragen kann, Dienstleistungen zu unterstützen oder zu erweitern. Ein KI-basierter Chatbot kann Unternehmen beispielsweise helfen, ein kundenorientiertes Dienstleistungsangebot zu geringen Kosten rund um die Uhr zur Verfügung zu stellen. Viele Dienstleister wie TK-Unternehmen gestalten ihre Kunden-Channels heute hybrid. Simple Anfragen werden von einem Chatbot beantwortet, komplexe Probleme weiterhin durch Menschen. Hier hilft KI vor allem, die Ertragsmechanismen zu verbessern.
Andererseits kann KI auch tiefer in die Unternehmensstruktur eingreifen und mehrere Aspekte gleichzeitig verbessern. Der E-Commerce-Händler Zalando nutzt KI, um viele Kernprozesse zu optimieren. Dazu gehören unter anderem demografische Prognosen, Preis- und Umsatzprognosen sowie eine erweiterte Betrugserkennung. In Zukunft sollen Algorithmen auch neue Modedesigns entwickeln.
KI als Enabler
Am anderen Ende des Spektrums stehen Geschäftsmodelle, die ausschließlich auf KI basieren oder ihre Kernidee KI verdanken. Beispielsweise kann eine von einem klassischen Kreditinstitut ausgelagerte oder ganz neu gegründete Direktbank ihr Kerngeschäft, die Vergabe-Entscheidung über Kredite, komplett mit KI-Technik automatisieren. Die KI wäre für das Unternehmen damit eine Schlüsselressource, mit der der Erfolg des Instituts steht und fällt und mit der neue Kundensegmente erschlossen werden.
Technologien für KI-basierte Geschäftsmodelle: Am wichtigsten sind Datenmanagement und Datenanalyse.
(Quelle: Plattform Lernende Systeme )
Dutzende von Beispielen zeugen von der Innovationskraft der kleinen Betriebe. Predictive Maintenance etwa gehört zu denjenigen Use-Cases, wo es besonders viele Geschäftsideen gibt. Laut mehrerer Studien weist KI in der Fertigung ein besonders hohes Potenzial auf, die Wertschöpfung zu erhöhen. Das Start-up Tvarit beispielsweise hat eine industrielle KI-Plattform mit über 100 algorithmischen Modulen für Anwendungsfälle wie Prozessoptimierung oder Predictive Analytics in der Fertigungsindustrie entwickelt.
Viele Start-ups beschäftigen sich mit fortgeschrittener Bild- und Gesichtserkennung. IDNow zum Beispiel hat ein kommerziell recht erfolgreiches KI-gestütztes Videoident-System auf den Markt gebracht. Mit dem technischen Verfahren, das 2016 durch die EU patentiert wurde, können Banken ihre Kunden identifizieren und Verträge rechtssicher am Bildschirm abschließen.
