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, stellen viele organisatorische Führer 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 Führer 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. Dies sollte nicht überraschen. Die Geschichte lehrt uns, dass die tiefgreifendsten technischen Innovationen Zeit brauchen, um sich auszuzahlen. Es gibt eine Verzögerung zwischen technischer Erfindung und Geschäftsinnovation.

Thomas Edison zeigte die Macht 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 zu digitaler Rechnertechnik.

Als ein aktuelles Beispiel wurde das World Wide Web in den frühen Neunzigerjahren populär. Der Verbrauch explodierte sofort, aber die Geschäftsanpassung verzögerte sich. Es dauerte ein halbes Jahrzehnt, bis die meisten etablierten Unternehmen von der Nutzung des Internets durch den elektronischen Handel profitierten. Dennoch ebnete das Internet den Weg für soziale Medien, mobile Engagement, Cloud-Computing und letztendlich KI. Der Geschäftswert wird schrittweise durch neue Technologien generiert.

Wenn das Zeitalter der Elektrizität in der Wirtschaft mit der Montagestraße begann und das Zeitalter des Internets mit dem elektronischen Handel begann, was wird die Killer-App für das Zeitalter der KI-Geschäfte sein? Der Start von ChatGPT im späten Jahr 2022 stellte die Macht großer Sprachmodelle der Öffentlichkeit vor. Aufgrund seiner Popularität wurde der “Chatbot, der mich versteht und menschlich klingt” zum Archetyp dafür, wie KI angewendet werden kann. Als Ergebnis begannen viele Unternehmen mit KI, indem sie ähnliche Assistenten einführten, die auf ihre Firma abgestimmt waren. In vielen Fällen wurden die Ergebnisse von den Benutzern gut angenommen, aber die Geschäftserträge auf Produktivität sind schwer zu messen.

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

Um die wirksamste 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 umfassen mehrere “Währungen”, einschließlich Gebühren, Zeitersparnis, Reichweite und verbesserte Qualität. Die einzigartigste Währung ist Daten. Im Buch zeigen wir, wie Unternehmen wie Google und Meta Datenansammlung in digitale Dominanz umwandelten. Ihr Erfolg kam durch die Bereitstellung von Echtzeit-Links in ihren Wertausgaben. Sie verknüpften Datenansammlung mit Umsatzgenerierung in einem virtuellen Kreis. Beide Unternehmen kontextualisierten Kundendaten in Form von Werbezielung und nutzten dies, um ihre Kernumsätze zu steigern und noch mehr Daten durch Benutzereinbindung zu sammeln.

Während viele Organisationen in den letzten Jahrzehnten Daten gesammelt und verfeinert haben, haben sie noch nicht vollständig die potenzielle Rendite von 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 der Organisation angeschlossen werden. Dieser “Datenaktivierungs”-Prozess macht Daten vertrauenswürdig und verfügbar im großen Maßstab und legt die Grundlage für dynamische Automatisierung im Unternehmen, um letztendlich die Killer-KI-App für diese Organisationen zu entdecken.

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

• Ein Pharmazieunternehmen, das derzeit Millionen von Dollar in neue Medikamente investieren muss, die Jahre lang entwickelt werden, zu einem agileren Unternehmen mit kürzeren, parallelisierten klinischen Versuchszyklen, die durch dynamische, KI-gesteuerte Automatisierung 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 Überverkäufen geprägt ist, zu einem Unternehmen, das seine Lagerposition in Echtzeit versteht, dank direkter Outlet-, Lager- und Lieferverbindungen, die durch immer aktive KI-Agenten analysiert werden

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

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

Schritt 1: Verstehen der Wertdynamik Ihrer Organisation

Die Zerlegung des Geschäftsmodells einer Organisation in ihre zugrunde liegenden Wertausgaben ist aus mehreren Gründen von unschätzbarem Wert. Die resultierende Wertausgabenkarte 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 Wertausgabenkarte verwendet werden, um die Kerngeschäftsprozesse zu visualisieren, die Kandidaten für dynamische Automatisierung sind. Als nächste Ebene können Sie jede Wertausgabe und jedes Komponenten auf ihre Operationalisierung innerhalb der Organisation abbilden. Dies kann in Form von Softwareanwendungen, Datenbeständen oder sogar Mitarbeiteraufgaben geschehen. Automatisierungsmöglichkeiten können dann nach Auswirkung und Implementierungskomplexität bewertet werden, um den besten Ort zu finden, an dem KI und Datenaktivierung angewendet werden können.

Schritt 2: Verbreitung von Optionen durch eine Datenaktivierungsebene

Die Fähigkeit einer Organisation, Daten zu aktivieren, hängt von der Optionalität ihrer digitalen Landschaft ab. Optionalität ist reichlich vorhanden, wenn digitale Assets – Softwarefunktionen, 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 Kontexte für LLMs zu liefern, die zu genauer Argumentation und Vermeidung von Halluzinationen führen. Zweitens müssen Softwarekomponenten, die Kerngeschäftsfunktionen ausführen – wie ein Kreditvergabe-Service einer Bank oder ein Live-Inventarsystem eines Einzelhändlers – von LLM-basierten Anwendungen aufgerufen werden können, um die Automatisierung zu erfüllen. In beiden Fällen sind APIs das beste Mechanismus, um Daten und Funktionen angemessen zugänglich zu machen. Das Model Context Protocol (MCP) gewinnt als API-Protokoll der Wahl für Datenaktivierung an Akzeptanz. Diese Menge an zugänglichen Fähigkeiten kann in eine kontextuelle Plattform für Ihre Organisation umgewandelt werden. Die Umwandlung Ihrer digitalen Landschaft von einer Reihe von siloartigen Anwendungen und Daten in eine Ebene von geschäftlich ausgerichteten APIs ist entscheidend, um ROI durch Datenaktivierung zu erzielen.

Schritt 3: Einführung des Agentic-Paradigmas digitaler Lösungen

Die vorherrschende Softwarearchitektur des KI-Zeitalters entsteht. Optimale Softwarelösungen erfordern ein Gleichgewicht zwischen KI-gesteuerten und nicht-KI-Komponenten. KI-Agenten – die KI-gesteuerten Komponenten in dieser aufkommenden Architektur – nutzen LLM-basierte Argumentation, die auf kontextuellem Bewusstsein basiert, um Aufgaben durch die ihnen zur Verfügung stehenden Werkzeuge auszuführen. Sie sind die Instrumente der Datenaktivierung und der dynamischen Automatisierung. Eine digitale Landschaft, die durch APIs (einschließlich MCP-Tools) optionalisiert wurde, ist der fruchtbarste Boden für solche Agenten, um zu gedeihen. Die Agentic-Architektur ermöglicht zahlreiche Muster, die die deterministischen Softwarekomponenten 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 größten Wert aus ihren bestehenden digitalen Assets zu ernten, während sie KI mit einem Tempo annehmen, das es ihnen ermöglicht, die zunehmende Komplexität von Lösungen zu bewältigen, die immer mehr Wert bringen.

Schritt 4: Verwenden von KI als Produktivitätstool, um Agentic-Automatisierungen zu erstellen

Die Anwendung von KI für die Produktivität der Arbeitnehmer mag nicht die höchsten Erträge für ein Unternehmen abwerfen. Die Nutzung von KI-Produktivitätsgewinnen im Dienste der Aktivierung der Daten einer Organisation und der Bereitstellung von agentischer Automatisierung kann jedoch die tatsächlichen Erträge beschleunigen. Dies bedeutet nicht nur, KI zu verwenden, um die Arbeit von Entwicklern zu beschleunigen. Selbst vor der KI-Explosion war eine der größten Barrieren für die Lieferung die organisatorische Lücke zwischen den Fachexperten, 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 tangiblere Weise helfen. Als sprachbasierte Technologie können LLMs zwischen Anforderungen und Lösungen in einer beispiellosen Weise 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 Geschäftswissen in Lösungsskelett in Echtzeit.

Indem Organisationen diese vier Schritte befolgen, können sie ihre Daten aktivieren und mit der Rückverfolgung ihrer Investitionen in KI beginnen. Darüber hinaus werden sie besser auf die neuen Ökosysteme, Arbeitsplätze und Chancen vorbereitet, die durch die KI-Wirtschaft geschaffen werden. Durch das Verständnis der Wertdynamik Ihres Unternehmens, die Umwandlung Ihrer digitalen Assets in ausübbares Optionen und die Orientierung an der agentischen Architektur werden Sie Ihre Organisation auf die KI-Zukunft vorbereiten, indem Sie sie selbst erfinden.