KI, die Kreative Intelligenz jetzt in der neuesten Folge SMART&nerdy! Podcastfolge #23.
KI, die Kreative Intelligenz jetzt in der neuesten Folge SMART&nerdy! Podcastfolge #23.
[vc_row][vc_column][vc_custom_heading text=“Mit KI Datenschätze heben“ font_container=“tag:h1|font_size:48|text_align:left“ use_theme_fonts=“yes“ css=“.vc_custom_1638805157040{margin-top: -25px !important;}“][vc_custom_heading text=“Erfolgsfaktoren in der Plattformökonomie“ font_container=“tag:h2|font_size:28|text_align:left|color:%23676b6d“ use_theme_fonts=“yes“ css=“.vc_custom_1638805190403{padding-bottom: 10px !important;}“][vc_column_text]Wolfgang Faisst, ValueWorks.ai[/vc_column_text][ultimate_spacer height=“15″ height_on_tabs=“15″ height_on_tabs_portrait=“15″ height_on_mob_landscape=“15″ height_on_mob=“15″][/vc_column][/vc_row][vc_row][vc_column][vc_custom_heading text=“Kurz & Bündig“ font_container=“tag:h2|font_size:34|text_align:left“ use_theme_fonts=“yes“ css=“.vc_custom_1630674872004{margin-top: -25px !important;}“ el_class=“box-headline“][vc_row_inner el_class=“box-content-wrapper“][vc_column_inner][vc_column_text]Um sich in Zeiten rasanter technologischer Entwicklungen im Wettbewerb zu behaupten, müssen Unternehmen ihre Geschäftsmodelle anpassen. Das Gebot der Stunde lautet, Mehrwert aus Daten zu schöpfen – und zwar gemeinsam mit Partnern. Nur selten verfügen Betriebe allein über die notwendigen Daten und Technologien, um datengetriebenen Geschäftsmodelle zu realisieren. Der Gastbeitrag zeigt, wie datenbasierte Wertschöpfungsnetzwerke funktionieren und welche Hürden sich für Konzerne und KMU in der unternehmensübergreifenden Zusammenarbeit stellen können.[/vc_column_text][/vc_column_inner][/vc_row_inner][/vc_column][/vc_row][vc_row][vc_column][ultimate_spacer height=“30″ height_on_tabs=“15″ height_on_tabs_portrait=“15″ height_on_mob_landscape=“15″ height_on_mob=“15″][vc_column_text]Das digitale Zeitalter verändert weltweit Produktionsprozesse und Wertschöpfungsketten – und stellt Unternehmen vor große Herausforderungen. Auch kleine und mittlere Betriebe müssen ihre Geschäftsmodelle anpassen. Entscheidend dabei ist es, die Daten verschiedener Akteure entlang der Wertschöpfungskette intelligent miteinander zu kombinieren. So entstehen Wertschöpfungsnetzwerke, in denen die beteiligten Akteure ihre Datenschätze teilen und daraus mithilfe von künstlicher Intelligenz (KI) neue Geschäftsmodelle entwickeln.[/vc_column_text][/vc_column][/vc_row][vc_row][vc_column][vc_column_text]Aktuell zeigen sich Mittelständler beim Einsatz von KI-Systemen noch zurückhaltend. Lediglich knapp sechs Prozent der KMU in Deutschland setzen KI-Technologien bereits in allen Geschäftsbereichen ein. Dabei handelt es sich insbesondere um größere, bereits stärker digitalisierte Mittelständler. Das zeigt eine 2020 veröffentlichte Umfrage des Bundesverbands mittelständische Wirtschaft (BVMW) und des Mittelstand 4.0-Kompetenzzentrums Berlin. Knapp 30 Prozent der befragten kleinen und mittleren Unternehmen (KMU) nutzen KI-Technologien danach in einzelnen Projekten, rund 25 Prozent haben es vor. Rund 40 Prozent der Mittelständler indessen nutzen aktuell weder KI-Technologien noch planen sie deren Einsatz. Insbesondere kleinere Unternehmen erkennen häufig noch nicht den Nutzen, den KI-basierte Lösungen für ihren Betrieb versprechen; konkrete Anwendungsfälle sind ihnen oft nicht bekannt.
Dabei ist künstliche Intelligenz längst nicht nur eine Technologie für große Unternehmen. Auch dem Mittelstand eröffnen KI-basierte Systeme enorme Potenziale entlang der gesamten Wertschöpfungskette.
Künstliche Intelligenz ermöglicht es, durch die Verknüpfung und Analyse von Daten neues Wissen zu generieren. Auf diese Weise lassen sich bestehende Produkte und Dienstleistungen immer weiter individualisieren und damit für den Nutzer verbessern bzw. ganz neue (digitale) Leistungen erschaffen. KMU verfügen selten allein über die notwendigen Daten und Technologien, um solche datengetriebenen Geschäftsmodelle zu realisieren. Die Zusammenarbeit und das Teilen von Daten, Technologien und Kompetenzen in Geschäftsnetzwerken sind daher für Unternehmen künftig unerlässlich.
Noch aber fehlen häufig sowohl die Bereitschaft in vielen Unternehmen als auch eine sichere, vertrauenswürdige Infrastruktur für den Datenaustausch. In unserer Publikation „Von Daten zu Wertschöpfung: Potenziale von Daten- und KI-basierten Wertschöpfungsnetzwerken“ der deutschen KI-Initiative Plattform Lernende Systeme und acatech beleuchten wir, wie datenbasierte Wertschöpfungsnetzwerke funktionieren und welche Hürden sich für Konzerne und KMU in der unternehmensübergreifenden Zusammenarbeit stellen können. Mögliche Ausprägungen von Datenökosystemen werden anhand von praktischen Beispielen aus unterschiedlichen Branchen illustriert.[/vc_column_text][vc_custom_heading text=“Relayr, Produktionsunternehmen, MunichRe:“][vc_column_text]Ungeplanter Stillstand der Anlagen wird verhindert, und die Risiken potenzieller Schäden durch Produktionsausfälle werden minimiert. Als Teil der MunichRe-Gruppe kann Relayr auf eine Vielzahl von möglichen Finanzierungs- und Versicherungsmodellen und -partnern zurückgreifen, um ein geeignetes Wertschöpfungsmodell anbieten zu können.[/vc_column_text][vc_custom_heading text=“Fresh energy, Energieversorger, Privathaushalte:“][vc_column_text]Basierend auf Smart-Meter-Daten bietet Fresh Energy in einem B2B2C-Modell eine innovative Kundenbeziehung zwischen Energieversorger und Privathaushalt. Die Endkunden erhalten eine App im Design des Energieversorgers, in der der Stromverbrauch in Echtzeit einzusehen ist. Der summierte Stromverbrauch kann durch KI-Methoden disaggregiert werden, um einzelne Geräte zu erkennen[/vc_column_text][vc_custom_heading text=“Ada health, Ärzte, Patienten:“][vc_column_text]Ada Health bietet eine KI-gestützte Anamnese. Eine selbst entwickelte Softwarelösung, von 50 angestellten Ärztinnen und Ärzten im Hinblick auf verbreitete und seltene Krankheitsbilder hin ausgebildet, gibt Patientinnen und Patienten durch einfache Fragen eine Vordiagnose basierend auf einem probabilistischen System.
Die Erkenntnisse gelten für viele andere Sektoren, vor allem für die heute führenden Unternehmen aus Europa, also insbesondere für den B2B-Bereich, der in der so genannten „zweiten Halbzeit“ der Digitalisierung im Fokus steht.[/vc_column_text][vc_custom_heading text=“Kooperation und Vertrauen“][vc_column_text]Die Beispiele für datenbasierte Wertschöpfungsnetzwerke mögen unterschiedlich sein, gemeinsam ist ihnen die Herausforderung, die Geschäftspartner initial zu gewinnen und dauerhaft einzubinden, quasi in Form eines „virtuellen Unternehmens“ mit einer gemeinsamen Dateninfrastruktur. In solchen Kooperationsverbünden kommt dem „fokalen“ Unternehmen (oftmals mit gutem Endkunden-Zugang) die zentrale Aufgabe zu, aus einer losen Gruppe eine funktionierende Einheit zu formen.
Die technischen Herausforderungen lassen sich gut lösen und es gibt geeignete Referenz-Architekturen (inkl. Schnittstellen und gemeinsamen Datenformaten), an denen man sich orientieren kann. Über den Erfolg entscheidet am Ende, ob die Geschäftspartner die notwendige Vertrauensbasis aufbauen und ein geeignetes Geschäftsmodell definieren können, das Nutzen für alle Beteiligten stiftet.
Typischer Ausgangspunkt bei der Definition innovativer Geschäftsmodelle ist, ein vom Endkunden ausgehendes klares und direktes Nutzenversprechen („Value Proposition“) für jeden einzelnen Beteiligten zu schaffen.[/vc_column_text][vc_single_image image=“28434″ img_size=“large“][vc_custom_heading text=“KI-Expertise von außen“][vc_column_text]Viele Unternehmen lassen sich durch die notwendige KI-Expertise abschrecken oder wegen des Fehlens von Data Scientists. Dieser Mangel lässt sich aber kompensieren, indem die Unternehmen mit KI-Expertinnen und -Experten von Hochschulen oder aus der Forschung kooperieren oder mit KI-Fachleuten von Unternehmensberatungen zusammenarbeiten.
Eine größere Herausforderung ist dagegen, die für die Anwendung von KI-Verfahren notwendigen Daten in geeigneter Form bereitzustellen. Deshalb sollten die beteiligten Unternehmen eine Inventur ihrer Datenbestände vornehmen und eine Datenlandkarte für die später in den KI-Verfahren genutzten Datenobjekte (zum Beispiel „Kunde“, „Produkt“) und deren Quellsysteme (zum Beispiel Unternehmenssoftware, mobile bzw. Webanwendungen, IoT-Systeme mit Sensoren zu technischen Geräten und deren Nutzern) und -Formate erarbeiten.
Während die traditionellen IT-Abteilungen im Bereich der relationalen Datenbanken gute Kenntnisse mitbringen, werden für den Einsatz von KI typischerweise viel größere Datenmengen verarbeitet, so dass hier auf Technologien aus dem Bereich „Big Data“ oder Datenmanagementplattformen zurückgegriffen werden muss, welche eher selten im Repertoire einer typischen IT-Abteilung enthalten sind. Sollen personenbezogene Daten verarbeitet werden, so sind die Vorgaben der DSGVO zu beachten. Dazu ist die Zustimmung der privaten Datenerzeuger einzuholen und diese nachvollziehbar abzuspeichern, etwa in Form eines „Datenvertrages“, der einem Datenpool zugeordnet ist.
Wie bei jedem Start-up, so ist es auch hier erfolgskritisch, einen so genannten Minimum Viable Product (MVP)-Scope zu definieren, und zwar im Zusammenspiel mit initialen, oftmals eng in die Produktentstehung eingebundenen „Co-Innovationskunden“. Der MVP ist der minimale Produktumfang, für den die ersten Kunden bereit sind, Geld zu bezahlen.
Da sich die Ökosysteme der avisierten Wertschöpfungsnetzwerke sehr dynamisch verändern können, sollten die Projekte durch einen agilen Roll-out möglichst frühzeitig auf den Markt gebracht werden. So können Methoden und Erwartungen der Teilnehmer – beispielsweise bezüglich Effizienzvorteilen und Nutzerversprechen des Produkts – früh geprüft, angepasst und so gewährleistet werden. Daher sollte das Wertschöpfungsnetzwerk initial so zusammengestellt werden, dass es schnell handlungsfähig ist und sich bei Markterfolg sukzessive erweitern lässt. Dabei sollte man sich nicht scheuen, auch mit traditionellen Wettbewerbern zu kooperieren und gemeinsamen gegen die digitalen Wettbewerber aufzutreten.
Während gegenüber dem Endkunden ein „As-a-Service“-Geschäftsmodell immer beliebter wird, werden die in der Wertschöpfung beteiligten Parteien über eine Erfolgsbeteiligung in Form eines Umsatzanteils dazu motiviert, ihre Daten zu teilen – der wesentliche Produktionsfaktor in der Datenökonomie.[/vc_column_text][vc_custom_heading text=“Fünf Empfehlungen, wie aus Daten erfolgreiche Geschäftsmodelle entstehen“][vc_column_text]Zusammenfassend lassen sich fünf Empfehlungen für den erfolgreichen Aufbau von datenbasierten Wertschöpfungsnetzwerken geben:
(Bildquelle: AdobeStock | 415327589 | Nastudio)[/vc_column_text][/vc_column][/vc_row][vc_row][vc_column][ult_dualbutton btn_hover_style=“Style 2″ btn_border_style=“solid“ btn_color_border=“#ffffff“ btn_border_size=“2″ btn_alignment=“left“ dual_resp=“off“ button1_text=“Einzelheft kaufen“ icon_link=“url:https%3A%2F%2Fwww.im-io.de%2Fproduct%2Flerngroesse-eins%2F|title:Lerngr%C3%B6sse%20Eins“ btn1_background_color=“#f3f3f3″ btn1_bghovercolor=“#f07d00″ icon=“Defaults-book“ icon_size=“22″ icon_color=“#f07d00″ icon_hover_color=“#ffffff“ button2_text=“Jetzt abonnieren“ btn_icon_link=“url:https%3A%2F%2Fwww.aws-institut.de%2Fim-io%2Fabo%2F|title:Abo||“ btn2_background_color=“#f3f3f3″ btn2_bghovercolor=“#f07d00″ btn_icon=“Defaults-chevron-right“ btn_icon_size=“22″ btn_icon_color=“#f07d00″ btn_iconhover_color=“#ffffff“ divider_text=“oder“ divider_text_color=“#f07d00″ divider_bg_color=“#ffffff“ btn1_text_color=“#f07d00″ btn1_text_hovercolor=“#ffffff“ btn2_text_color=“#f07d00″ btn2_text_hovercolor=“#ffffff“ title_font_size=“desktop:20px;“ btn_border_radius=“30″ title_line_ht=“desktop:22px;“ btn_width=“280″][/vc_column][/vc_row]
