Technologische Basis

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.

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.