Aktivierung von Daten, um die AI-ROI-Lücke zu schließen: 4 Schritte, um den Geschäftswert durch Agentic AI zu realisieren

Wenn wir das vierte Jahr in Folge des “Jahres der KI” betreten, überlegen viele organisatorische Führungskräfte zwei scheinbar entgegengesetzte Fragen. Erstens, ist generative KI die transformativste Technologie des 21. Jahrhunderts? Und zweitens, ist KI überbewertet? Ich würde paradoxerweise beiden Fragen mit “ja” antworten. Aber ich denke, dass diese Führungskräfte sich eine andere Frage stellen sollten: Wie kann meine Organisation jetzt Geschäftswert aus KI ziehen?

Die Realität ist, dass viele Unternehmen in den letzten drei Jahren in neue KI-Technologien investiert und mit neuen KI-Tools experimentiert haben, aber sie haben noch nicht die erhofften Erträge geerntet. Trotz des Drucks der CEOs, “alles mit KI zu machen”, sehen die Organisationen nicht die Rückkehr auf ihre Investitionen, die sie sich wünschen. Das sollte nicht überraschen. Die Geschichte lehrt uns, dass die tiefgreifendsten technischen Innovationen Zeit brauchen, bevor sie sich auszahlen. Es gibt eine Verzögerung zwischen technischer Erfindung und Geschäftsinnovation.

Thomas Edison zeigte die Kraft der Elektrizität in Manhattan im Jahr 1882, aber es war nicht bis Ford die elektrisch geladene Montagestraße im Jahr 1913 vorstellte, dass die Elektrizität die Dampfkraft in der Fertigung vollständig übertraf. Können Sie sich einen Geschäftsführer im Jahr 1885 vorstellen, der seine Fabrikarbeiter auffordert, mit der elektrischen Kraft zu experimentieren? Dennoch setzte sich die elektrische Kraft durch und ebnete den Weg für viele der revolutionären Innovationen des 20. Jahrhunderts, von Radioübertragungen bis hin zur digitalen Rechnertechnik.

Als ein aktuelles Beispiel ging das World Wide Web in den frühen Neunzigerjahren mainstream. Der Verbraucherverbrauch explodierte sofort, aber die Geschäftsanpassung lag zurück. Es dauerte ein halbes Jahrzehnt, bevor die meisten etablierten Unternehmen mit dem Web durch E-Commerce zu profitieren begannen. Dennoch ebnete das Web den Weg für soziale Medien, mobile Engagement, Cloud-Computing und letztendlich KI. Der Geschäftswert wird inkrementell durch neue Technologien generiert.

Wenn das Zeitalter der Geschäftselektrifizierung mit der Montagestraße begann und das Zeitalter des Webs mit E-Commerce begann, was wird die Killer-App für das Zeitalter der KI-Geschäfte sein? Der Start von ChatGPT Ende 2022 stellte die Kraft großer Sprachmodelle der Öffentlichkeit vor. Aufgrund seiner Popularität wurde der “Chatbot, der mich versteht und menschlich klingt” zum Archetyp für die Anwendung von KI. Als Ergebnis begannen viele Unternehmen mit KI, indem sie ähnliche Assistenten einführten, die auf ihre Unternehmen abgestimmt waren. In vielen Fällen wurden die Ergebnisse von den Benutzern gut aufgenommen, aber die Geschäftsrenditen auf Produktivität sind schwer zu messen.

Eine der am besten entwickelten Anwendungen von LLMs für Unternehmen ist im Bereich der Codierassistenten. Claude Code, Cursor und andere Tools haben weite Verbreitung erlangt und zeigen fast magische Ergebnisse. Allerdings zeigen Studien, dass die Produktivitätsgewinne einzelner Entwickler noch nicht in die Gesamtproduktivität des Unternehmens umgesetzt wurden. Darüber hinaus hilft die Beschleunigung der Entwicklung nicht der Geschäftsleistung eines Unternehmens, wenn das, was produziert wird, nicht selbst Geschäftswert liefert. Codierassistenten werden helfen, die KI-Adoption über die Zeit zu skalieren, aber sie sind nicht die Killer-App.

Um die wirkungsvollste Anwendung von KI zu finden, müssen Organisationen sich auf die Getriebe konzentrieren, die ihre eigenen Geschäftsmodelle antreiben. In unserem Buch Unbundling the Enterprise untersuchen Stephen Fishman und ich das Konzept der “Wertdynamik”, eine Methode, um Geschäftsmodelle in eine Reihe von miteinander verbundenen Wertausgaben zu zerlegen. Wertausgaben beinhalten mehrere “Währungen”, einschließlich Gebühren, Zeitersparnissen, Reichweite und verbesserter Qualität. Die einzigartigste Währung ist Daten. Im Buch zeigen wir, wie Unternehmen wie Google und Meta Datenansammlungen in digitale Dominanz umsetzten. Ihr Erfolg kam durch die Bereitstellung von Echtzeit-, automatisierten Verbindungen in ihren Wertausgaben. Sie verknüpften Datenansammlung mit Umsatzgenerierung in einem virtuosen Kreis. Beide Unternehmen kontextualisierten Kundendaten in Form von Zielgruppenwerbung und nutzten dies, um ihre Kernumsätze zu steigern und noch mehr Daten durch Benutzerverbindungen zu sammeln.

Während viele Organisationen in den letzten Jahrzehnten Daten gesammelt und verfeinert haben, haben sie noch nicht vollständig die potenziellen Erträge aus Daten durch einen solchen Flywheel ausgeschöpft. Im Kern ist ein großes Sprachmodell einfach angewandte Daten. Es hat das Potenzial, der Motor zu sein, der einen solchen Wertkreislauf für Organisationen antreibt, aber dieser Motor benötigt Treibstoff in Form von kontextualisierten Daten und muss an die Getriebe des Geschäftsmodells des Unternehmens angeschlossen werden. Dieser “Datenaktivierungs”-Prozess macht Daten vertrauenswürdig und verfügbar im großen Maßstab und legt die Grundlage für dynamischere Automation im Unternehmen und entdeckt letztendlich die Killer-KI-App für solche Organisationen.

Wie werden Organisationen aussehen, die ihre Daten für das Zeitalter der KI aktiviert haben? Betrachten Sie die folgenden Szenarien:

• Ein Pharmaunternehmen, das derzeit Millionen von Dollar in neue Medikamente investieren muss, die Jahre lang entwickelt werden, zu einem agileren Unternehmen mit kürzeren, parallelisierten klinischen Versuchskreisläufen, die durch dynamische, KI-gesteuerte Automation ermöglicht werden
• Ein Retail-Bank, der derzeit “Hoffnung und Gebet”-Produktangebote an alle seine Kunden sendet, mit wenig Aufnahme und manueller nachgelagerter Erfüllung, zu personalisierten Angeboten mit gestreamter Kreditvergabe, die zu einer höheren Aufnahme von profitablen Kreditprodukten führen
• Ein Einzelhändler, dessen aktuelles Lagerverwaltungssystem von Überbeständen und Unterbeständen geprägt ist, zu einem Unternehmen, das seine Lagerposition in Echtzeit versteht, dank direkter Outlet-, Lager- und Lieferantennetzwerke, die durch immer aktive KI-Agenten analysiert werden

Der Weg zum ROI, der in diesen Szenarien skizziert wird, folgt dieser neuen Form der dynamischen Automation und wird durch Datenaktivierung angetrieben.

Wie können Organisationen also diese Reise beginnen? Hier sind vier Schritte, um loszulegen…

Schritt 1: Verstehen der Wertdynamik Ihrer Organisation

Das Zerlegen des Geschäftsmodells einer Organisation in ihre zugrunde liegenden Wertausgaben ist aus mehreren Gründen von unschätzbarem Wert. Die resultierende Wertausgaben-Karte zeigt, welche Fähigkeiten das Geschäft antreiben, welche Geschäftsfunktionen am kritischsten sind und wie jedes Element in einer Organisation zur Schaffung, Erfassung und Verteilung von Wert beiträgt. Für unsere Zwecke kann die Wertausgaben-Karte verwendet werden, um die Kerngeschäftsprozesse zu visualisieren, die Kandidaten für dynamische Automation sind. Als nächste Ebene können Sie jede Wertausgabe und jedes Komponenten zuordnen, wie sie innerhalb des Unternehmens operationalisiert werden. Dies kann in Form von Software-Anwendungen, Datenbeständen oder sogar Mitarbeiteraufgaben geschehen. Automation-Chancen können dann nach Auswirkung und Implementierungskomplexität bewertet werden, um den besten Ort zu finden, an dem KI und Datenaktivierung angewendet werden können.

Schritt 2: Optionality durch eine Datenaktivierungsebene verbreiten

Die Fähigkeit einer Organisation, Daten zu aktivieren, hängt von der Optionality ihrer digitalen Landschaft ab. Optionality ist reichlich vorhanden, wenn digitale Vermögenswerte – Software-Funktionen, Datenquellen, Dienstleistungen von Drittanbietern – in Echtzeit zugänglich sind. Im Kontext von KI bedeutet dies zwei Dinge. Erstens muss eine Organisation in der Lage sein, Daten aus verschiedenen Quellen zu synthetisieren, um präzise Kontext für LLMs zu liefern, die zu genauer Argumentation und Vermeidung von Halluzinationen führen. Zweitens müssen Software-Komponenten, die Kerngeschäftsfunktionen ausführen – wie ein Bankkredit-Entscheidungsdienst oder ein Einzelhändler-Lagerverwaltungssystem – von LLM-basierten Anwendungen aufgerufen werden können, um die Automation zu erfüllen. In beiden Fällen sind APIs das beste Mechanismus, um Daten und Funktionen entsprechend zugänglich zu machen. Das Model Context Protocol (MCP) gewinnt als API-Protokoll der Wahl für Datenaktivierung an Popularität. Diese Menge an zugänglichen Fähigkeiten kann in eine kontextuelle Plattform für Ihr Unternehmen umgewandelt werden. Die Umwandlung Ihrer digitalen Landschaft von einer Reihe von isolierten Anwendungen und Daten in eine Ebene von geschäftsorientierten APIs ist entscheidend, um durch Datenaktivierung ROI zu erzielen.

Schritt 3: Die Agentic-Paradigma digitaler Lösungen annehmen

Die vorherrschende Software-Architektur des KI-Zeitalters entsteht. Optimale Software-Lösungen erfordern ein Gleichgewicht von KI-gesteuerten und nicht-KI-Komponenten. KI-Agenten – die KI-gesteuerten Komponenten in dieser aufkommenden Architektur – verwenden LLM-basierte Argumentation, die auf kontextuellem Bewusstsein basiert, um Aufgaben durch Werkzeuge in ihrer Reichweite auszuführen. Sie sind die Instrumente der Datenaktivierung und dynamischen Automation. Eine digitale Landschaft, die durch APIs (einschließlich MCP-Tools) optionalisiert wurde, ist der fruchtbarste Boden für solche Agenten, um zu gedeihen. Agentic-Architektur ermöglicht zahlreiche Muster, die die deterministischen Software-Komponenten in der bestehenden Infrastruktur mit solchen KI-Agenten kombinieren. Diese Muster reichen von einfachen Chatbots und Worker-Agenten bis hin zu agentischen Workflows und autonomen Multi-Agenten-Systemen. Organisationen, die diesen architektonischen Ansatz annehmen, werden in der Lage sein, den meisten Wert aus ihren bestehenden digitalen Vermögenswerten zu ziehen, während sie KI in einem Tempo annehmen, das es ihnen ermöglicht, die zunehmende Komplexität von Lösungen zu bewältigen, die immer mehr Wert bringen.

Schritt 4: KI als Produktivitätstool verwenden, um Agentic-Automatisierungen zu bauen

Die Anwendung von KI für die Produktivität der Arbeitnehmer kann nicht die höchsten Erträge für ein Unternehmen bringen. Die Nutzung von KI-Produktivitätsgewinnen im Dienste der Aktivierung der Daten einer Organisation und der Bereitstellung von agentischer Automation kann jedoch die tatsächlichen Erträge beschleunigen. Dies bedeutet nicht nur, KI zu verwenden, um die Arbeit von Entwicklern zu beschleunigen. Schon vor der KI-Explosion war eine der größten Barrieren für die Lieferung die organisatorische Lücke zwischen den Geschäftsbereichsexperten, die die Anwendung von Technologie verstehen, und den IT-Teams, die Lösungen bauen. Organisatorische Trends wie DevOps haben geholfen, diese Lücke zu schließen, aber KI kann auf noch greifbarere Weise helfen. Als sprachbasierte Technologie können LLMs auf unvergleichliche Weise zwischen Anforderungen und Lösungen übersetzen. Multimodale KI ermöglicht die Erfassung von Geschäftsskizzen, die verwendbare Artefakte für die nachgelagerte Entwicklung erzeugen können. Transkripte können in Prototypen umgewandelt werden. Dies ist eine neue Art von Datenaktivierung: die Umwandlung von Geschäftsbereichswissen in Lösungsskelett in Echtzeit.

Durch Befolgen dieser vier Schritte können Organisationen ihre Daten aktivieren und beginnen, Erträge auf ihre KI-Investitionen zu sehen. Darüber hinaus werden sie besser auf die neuen Ökosysteme, Jobs und Chancen vorbereitet, die durch die KI-Wirtschaft geschaffen werden. Durch das Verständnis der Wertdynamik Ihres Geschäfts, die Umwandlung Ihrer digitalen Vermögenswerte in ausübbare Optionen und die Orientierung an agentischer Architektur werden Sie Ihre Organisation auf die KI-Zukunft vorbereiten, indem Sie sie selbst erfinden.