KI skalieren: Daten richtig nutzen
November 9, 2021
November 9, 2021
Die KI-Skalierung verläuft bei Unternehmen in drei Phasen: Am Anfang steht der Proof of Concept, dann folgt die strategische Skalierung. Zu guter Letzt ist die KI so „industralisiert“ bzw. automatisiert, dass sie das Wachstum unterstützt. Im Rahmen einer Studie haben wir 1.500 CxOs weltweit und aus allen Branchen befragt, um Faktoren für eine gelungene KI-Skalierung zu ermitteln. Ein Fazit: Die erfolgreichsten Unternehmen haben im Zuge ihrer KI-Einführungen auch einige große kulturelle Veränderungen vorgenommen. Eine der größten war die Demokratisierung: Daten, Analysen und KI-Systeme wurden den Mitarbeitenden in der Breite zugänglich gemacht und eng mit den Wachstumszielen des Unternehmens verknüpft.
Wer KI effektiv nutzen will, muss bei den Daten beginnen. 80 Prozent aller gut geplanten Skalierungsmaßnahmen werden zum Erfolg, wenn Unternehmen ihre wertvollen Daten und KI-Assets in deutlich mehr Bereichen nutzen. Die folgenden drei Aspekte sollten Sie beachten, um nachhaltig zu wachsen:
Daten- und KI-Projekte müssen auf die Geschäftsstrategie ausgerichtet sein. Diese Ausrichtung zu prüfen und anzupassen, kann zu einem schnellen ROI führen. Deshalb lohnt es sich, weniger auf KI-Piloten zu setzen, sondern mehr auf eine unternehmensweite Geschäftstransformation.
Wenn Sie sich auf jene 5–10 Prozent Ihrer Daten konzentrieren, die mindestens 90 Prozent zum Unternehmenswert beitragen, werden die Daten zum Motor Ihrer Analysen.
Investieren Sie in Ihre Datenbasis, also die Datenqualität, das Datenmanagement, Governance-Modelle für Daten in der Cloud, die Unterscheidung zwischen Datenerzeugung und -nutzung sowie eindeutige Betriebsmodelle. So entstehen „saubere“ Daten, die wiederum in einer effektiveren KI münden.
Wenn Sie sich auf jene 5–10 Prozent Ihrer Daten konzentrieren, die mindestens 90 Prozent zum Unternehmenswert beitragen, werden die Daten zum Motor Ihrer Analysen. Die Datenanalysen bilden schließlich die Grundlage Ihrer KI-Modelle. Auf diese Weise können Sie schnell und umfassend geschäftskritische Erkenntnisse gewinnen und so bessere Ergebnisse erzielen.
Bierbrauereien suchen nach neuen Wachstumschancen: Der Druck wächst, vor allem wegen der Konkurrenz durch Anbieter anderer Getränke. Ein globales Brauereiunternehmen setzt auf Wachstum durch KI: Machine Learning löst Probleme, die durch unzuverlässige Daten entstehen, und erstellt bessere Prognosemodelle. Die Brauerei wertet mehr als 100 Datensätze aus – vom Vertrieb über Social Media bis hin zum Wetter. Entscheider erhalten Verkaufszahlen und Einblicke in Rekordzeit. Im ersten Jahr war die Rendite viermal so hoch wie die Investition.
Warum haben bislang so wenige Unternehmen den höchsten Reifegrad bei der KI-Skalierung erreicht? Offenbar gibt es eine Diskrepanz.
In unserem Bericht AI Momentum, Maturity & Models for Success fragten wir: „Inwieweit werden Analysen eine Rolle bei der KI-Strategie Ihres Unternehmens spielen?“ Die Antworten unterschieden sich stark. 61 Prozent der Befragten gaben an, dass Analysen eine mäßige, geringe oder gar keine Rolle spielten. Nur 14 Prozent der in Bezug auf KI wenig fortschrittlichen Unternehmen meinen, Daten und Analysen seien entscheidend für den Erfolg ihrer KI-Maßnahmen. Und 79 Prozent der erfolgreichen Unternehmen sagen, dass Analysen eine wesentliche Rolle dabei spielten.
75%
der Entscheider befürchten, innerhalb von fünf Jahren Konkurs anmelden zu müssen, wenn sie nicht auf KI-Skalierung setzen
79%
der Unternehmen mit KI-Erfolgen meinen, dass Analysen eine wesentliche Rolle dabei spielen
84%
der Entscheider glauben, dass sie ohne KI-Skalierung ihre Wachstumsziele nicht erreichen werden
92%
der Unternehmen mit dem höchsten KI-Reifegrad verfügen über plattformübergreifende, multidisziplinäre Teams
Daten und KI miteinander zu verknüpfen erfordert belastbare Best Practices:
Wer diese zentralen Maßnahmen gut umsetzt, kann Daten als Wettbewerbsfaktor und entscheidendes Differenzierungsmerkmal nutzen. Die KI-Skalierung in der Cloud ermöglicht es Unternehmen, ihre Angebote neu zu positionieren, Kompetenzen zu erweitern und den Daten- und KI-Reifegrad zu steigern. Damit erschließen sie neue Wertschöpfungsquellen und machen den Weg zu nachhaltigem Wachstum frei.