Der Tempo von KI: Die nächste Phase in der Zukunft der Innovation

Seit dem Auftauchen von ChatGPT befindet sich die Welt in einem KI-Boom-Zyklus. Doch was die meisten Menschen nicht realisieren, ist, dass KI nicht genau neu ist – sie existiert bereits seit geraumer Zeit. Schon in den frühen Tagen von Googles weit verbreiteter Suchmaschine war Automatisierung das Herzstück der Ergebnisse. Jetzt beginnt die Welt, aufzuwachen und zu erkennen, wie sehr KI bereits in unserem täglichen Leben verankert ist und wie viel ungenutztes Potenzial sie noch hat.

Das Tempo der KI-Adoption und -Innovation bewegt sich so schnell – es erreicht etwa 1 Billion US-Dollar an Ausgaben – dass viele sich fragen, ob wir die Expansion zukünftiger Modelle auch nur zwei Jahre im Voraus genau vorhersagen können. Dies wird noch verstärkt, da Technologieunternehmen wie Meta, Alphabet, Microsoft, Oracle und OpenAI Runde um Runde neuer KI-Fortschritte und -Modelle vorstellen, um mit der Industrienachfrage Schritt zu halten. Der KI-Chip-Hersteller Nvidia wächst so schnell, dass sein Geschäft nicht einmal richtig bewertet werden kann.

Was wir über das Tempo von KI wissen, ist, dass mit der Zunahme der Datenmenge und der Verbesserung der Datenqualität auch die Fähigkeit von KI, Innovationen für Geschäftstätigkeiten, Anwendungen und Prozesse in allen Branchen voranzutreiben, steigt. Um zu verstehen, wo KI in nur wenigen Jahren sein wird, müssen wir zunächst erkennen, dass die Anwendungsfälle für KI zweifach sind. Der erste ist, dass es eine Technologie ermöglicht, bestehende Lösungen zu verbessern, um sie effizienter, genauer und wirksamer zu machen. Der zweite ist, dass KI das Potenzial hat, eine Technologie innovator zu sein, indem sie unvorstellbare Fortschritte oder Lösungen greifbar macht.

Überdenken des Tempos von KI in der Geschichte

Obwohl es sich so anfühlt, als habe der Hype um KI begonnen, als OpenAI ChatGPT im Jahr 2022 startete, reicht die Herkunft der künstlichen Intelligenz und der natürlichen Sprachverarbeitung (NLPs) Jahrzehnte zurück. Algorithmen, die die Grundlage für KI bilden, wurden bereits in den 1940er Jahren entwickelt und legten den Grundstein für maschinelles Lernen und Datenanalyse. Frühe Anwendungen von KI in Branchen wie der Lieferkettenverwaltung (SCM) reichen bis in die 1950er Jahre zurück, als Automatisierung verwendet wurde, um Probleme in der Logistik und Lagerverwaltung zu lösen. In den 1990er Jahren waren datengetriebene Ansätze und maschinelles Lernen bereits in der Wirtschaft gängig. Als die 2000er Jahre voranschritten, strukturierten Technologien wie robotische Prozessautomatisierung (RPA) monotone Aufgaben in vielen komplexen und administrativen Geschäftsfunktionen.

Dann kam ChatGPT. Es ist sehr klar, dass die Wahrnehmung von KI sich aufgrund von generativer KI geändert hat. Bevor die Entstehung von GenAI, verstanden die Verbraucher nicht die Mechanik der Automatisierung, geschweige denn die Macht der Automatisierung für Unternehmen. KI liegt vielen modernen Technologien zugrunde, wie der Google-Suchmaschine. Die meisten Verbraucher vertrauen Google, um genaue Antworten auf unzählige Fragen zu liefern, sie berücksichtigen selten die komplexen Prozesse und Algorithmen, die dahinter stecken, um diese Ergebnisse auf ihrem Computerbildschirm anzuzeigen. Aber sehen ist glauben – mit ChatGPT begann die Welt, reale Anwendungsfälle zu sehen. Dennoch gibt es ein Missverständnis darüber, wie sehr KI in unserem täglichen Leben und insbesondere in der Geschäftswelt integriert ist. Wie bereits erwähnt, ermöglicht KI bestehende Technologien, besser zu sein, und ähnlich wie Intels Mikrochips sitzt KI im Hintergrund der Technologien, die wir täglich nutzen.

Wenn Führungskräfte das Ausmaß von KI nicht verstehen können, wie können sie dann davon ausgehen, KI erfolgreich in ihre täglichen Geschäftsoperationen zu integrieren? Das ist genau das Problem.

Adoption und Wachstumsherausforderungen

Wenn man ein GPT-Tool fragen würde, “Was sagen Beschaffungs- und Lieferkettenfachleute wahrscheinlich über KI?”, würde es wahrscheinlich die Wissenslücken im Zusammenhang mit der KI-Adoption hervorheben. Weltweit ist die KI-Adoption in den letzten Jahren exponentiell gestiegen, nachdem sie in den vorherigen Jahren nur begrenzt gewachsen war. In den letzten sechs Jahren sagten nur 50% der Geschäftsleiter, dass sie in KI-Technologie über ihre Betriebe hinweg investierten. Im Jahr 2024 stieg die Adoptionsrate auf 72%, was zeigt, dass Geschäftsleiter gerade erst aufwachen und das Potenzial von KI erkennen, um ihre Organisation in allen Geschäftsbereichen zu verbessern.

Um den vollen Wert von KI zu realisieren, ist jedoch mehr erforderlich als nur die Bereitstellung von Spitzenlösungen. Es erfordert den Zugang zu den richtigen Daten – Daten, die reichen Kontext über tatsächliche Geschäftsausgabenmuster, Lieferantenleistung, Marktdynamik und reale Einschränkungen liefern. Unzureichender Zugang zu Daten bedeutet Leben oder Tod für KI-Innovationen im Unternehmen. Mindestens 30% aller GenAI-Projekte werden aufgrund schlechter Datenqualität und anderer Herausforderungen wie unzureichender Risikokontrollen, steigender Kosten oder unklarer Geschäftswerte nach dem Proof-of-Concept bis Ende 2025 aufgegeben. Es gibt jedoch viele andere Herausforderungen, denen Unternehmen bei der Einführung von KI und der Skalierung gegenüberstehen.

In großen Organisationen ist es leider häufig der Fall, dass es Silos gibt, die Unternehmen großen Risiken aussetzen können. Nehmen wir beispielsweise die Lieferkettenindustrie. Die Lieferkette spielt eine entscheidende Rolle in der Geschäftsstrategie und für große, globale Organisationen ist der verbundene Umfang des Sektors fast unvorstellbar. Wenn ein Aspekt des Geschäfts in einem Silo operiert, kann dies das gesamte Unternehmen einem großen Risiko aussetzen. Wenn Lieferketten-Teams Änderungen in der Nachfrage nicht an ihre Lieferanten kommunizieren, wie können Führungskräfte dann davon ausgehen, genaue Prognosen zu erstellen? Wenn das Vertriebsteam aktualisierte Prognosen nicht an die Beschaffung weiterleitet, können sie langfristige Verträge auf der Grundlage veralteter Informationen abschließen, die möglicherweise nicht mit der aktuellen Kundennachfrage übereinstimmen.

Ob es sich um ein organisatorisches oder informationelles Silo handelt, kann der Mangel an Kommunikation zu einem Zusammenbruch des Kundendienstes, Ineffizienzen und einem Stillstand der Innovation führen. KI kann ihren Wert bei der Bekämpfung dieser Silos unter Beweis stellen: Wenn ihre Technologie effizient verbunden ist, können auch ihre Mitarbeiter und Lieferanten verbunden werden.

Geschäftsleiter investieren aktiv in KI-gesteuerte Lösungen, um Prozessautomatisierung, strategische Beschaffungsfähigkeiten, Ausgabenüberwachung und -kontrolle sowie die Gesamtrentabilität voranzutreiben. Um mit diesen KI-Fähigkeiten Erfolg zu haben und ihre Ziele für das Gesamtausgabenmanagement zu erreichen, müssen Unternehmen zusammenarbeiten, um Transparenz zu fördern und ein gemeinsames Ziel zu verfolgen.

Die nächste Evolution für KI

Derzeit ist der beste Anwendungsfall für KI, der tatsächlich die Geschäftseffizienz und das Wachstum vorantreibt, die Automatisierung einfacher, administrativer Aufgaben. Ob es sich um Arbeitsabläufe, Datenextraktion und -analyse, Lagerverwaltung oder prädiktive Wartung handelt, erkennen Führungskräfte, dass KI monotone, zeitaufwändige Aufgaben mit unvergleichlicher Geschwindigkeit und Präzision beschleunigen kann. Obwohl es sich einfach anhört, kann dies in Branchen wie der Lieferkette oder der Beschaffung zu erheblichen Zeit- und Kosteneinsparungen für Unternehmen führen.

Wir haben KI als Technologie-Ermöglicher diskutiert – aber es gibt noch ungenutztes Potenzial für KI, eine Technologie Innovator zu werden. Da wir am Rande eines neuen Jahres stehen, gibt es viele KI-Fortschritte, auf die sich Geschäftsleiter in naher Zukunft freuen können.

Insbesondere für die Lieferkettenverwaltung und die Beschaffung wird einer dieser Fortschritte die Verbesserung der autonomen Beschaffung sein. Durch die Nutzung von KI und anderen fortschrittlichen Technologien können Unternehmen Aufgaben automatisieren, die traditionell von Menschen durchgeführt wurden, wie die Beschaffung und Vertragsvergabe, um Effizienzen zu steigern und Ressourcen freizumachen, indem KI große Datenmengen analysiert, Trends identifiziert und in Echtzeit fundierte Beschaffungsentscheidungen trifft. Vollautomatisierte Beschaffung bietet nicht nur unvergleichliche Kosteneinsparungen durch die Einsparung von Mitarbeiterzeit, die Förderung von Effizienz und die Verringerung von Fehlern, sondern kann auch das Risiko von Betrug und Fälschung durch die kontinuierliche Sicherstellung der Einhaltung ethischer und Nachhaltigkeitsstandards mindern.

Bevor jedoch autonome Lösungen eingeführt werden, sollten Unternehmen sich auf die Bereitstellung einer Benutzeroberfläche (UX) konzentrieren, die intuitiv, effizient und einfach zu navigieren ist, sowohl für die Beschaffungsteams als auch für die Lieferanten. Sobald eine hyperpersonalisierte UX erstellt wurde, können Unternehmen kohärent autonome Lösungen implementieren.

Das Ergebnis von KI ist nicht nur die Verbesserung des ROI von Unternehmen, sondern auch die Verbesserung der Entscheidungsfindung, die Vorhersage zukünftiger Muster und der Aufbau von Widerstandsfähigkeit. Führungskräfte auf allen Ebenen sehen die Einführung von KI-Technologien zunehmend als entscheidend für die Transformation und zukunftssichere Gestaltung ihrer Betriebe durch Automatisierung. Mit der Zeit wird KI, wie jede andere Technologie vor ihr, immer billiger, während der Wert ihrer Ausgabe weiter steigt. Dies gibt uns viele Gründe, optimistisch über die Zukunft von KI und die ausgewogene Rolle zu sein, die sie in unserem Leben spielen wird – sowohl im Geschäftsleben als auch im Privatleben.