Bis vor Kurzem hat Big Tech noch massiv die sogenannte Super-Intelligenz beworben und versprochen, dass bald jeder seine persönlichen KI-Assistenten haben würde, die einem schwere Aufgaben abnehmen. Dieses Narrativ hat sich allerdings gewandelt - KI ist nun in erster Linie der Faktor, der für Unternehmen entscheidenden Mehrwert generieren soll.
Wo sind diese großen Visionen geblieben, und – was noch wichtiger ist – warum sollte das Unternehmen überhaupt interessieren?
Wo die relevanten Use Cases liegen
Werfen wir zunächst einen Blick auf die häufigsten Anwendungsfälle moderner KI:
- Coding-Assistenten: Das Schreiben von Software auf Basis von Anforderungen, das Erkennen und Beheben von Software Bugs sowie das Verstehen riesiger Software-Bausteine funktioniert mittlerweile erstaunlich gut.
- Artikel verfassen: Texte in einem bestimmten Stil und Tonfall oder für bestimmte Zielgruppen zu schreiben wird mittlerweile von vielen Menschen genutzt. Das schließt die private Nutzung ein, wie z. B. Posts für Social Media, aber auch das Erstellen weitaus komplexerer Dokumente in der spezifischen Fachsprache eines Unternehmens.
- Artikel analysieren: Um Texte systematisch zu überprüfen oder bestimmte Informationen daraus zu extrahieren, bieten LLMs (Large Language Models) die Möglichkeit, diese Aufgabe in hohem Maße zu automatisieren.
- Wissensmanagement: Passende Dokumente lassen sich in sekundenschnelle finden, indem relevante Informationen basierend auf ihrer inhaltlichen Bedeutung anstatt über eine reine Stichwortsuche ermittelt werden. Durch die Integration von Chatbots können Nutzer zudem nahtlos und intuitiv mit dem Unternehmenswissen interagieren.
- Bildgeneratoren: Das Erstellen und die Analyse von Bildern bilden weitere hochrelevanten Anwendungsfälle, die über reine Textanwendungen hinaus gehen. Im Vergleich zu Text-KI liegt hier der Fokus verstärkt auf der Unterstützung kreativer Prozessese. Aber auch Anwendungen im Bereich der Schrifterkennung (OCR) sind gefragt.
Meines Wissens nach sind dies heute die relevantesten Anwendungsbereiche, in denen tatsächlich greifbarer Mehrwert durch generative KI geschaffen wird.
Unternehmenskunden sind das Fundament für profitable Geschäftsmodelle
Während in den letzten drei Jahren die Beschaffung von Kapital sowie die Entwicklung immer besserer KI-Modelle im Zentrum der Aktivitäten führender Tech-Unternehmen standen, hat nun ein Wandel hin zu den eben genannten Anwendungsfällen eingesetzt. Notwendig wird dies aufgrund der schlichten Notwendigkeit, dass sie echte Umsätze generieren müssen um ihre Kosten zu decken. Obwohl Chatbots für den privaten Gebrauch extrem beliebt sind, verlieren viele der großen Firmen derzeit mit jedem Kunden bares Geld – selbst mit den Kunden, die bezahlte Abos abschließen. Ein extremes Beispiel dafür liefert OpenAI. Erst vor wenigen Wochen haben sie ihren Videogenerator SORA pausiert, weil die immense Rechenlast zu hohen Kosten führte. Obwohl SORA beliebt war, war es aus finanzieller Sicht ein Fass ohne Boden.
Darüber hinaus bauen diese Unternehmen verstärkt eigene Plattformen für Firmenkunden auf und skalieren sie. Das unterstreicht sehr deutlich, wo sie die Zukunft ihres Geschäftsmodells sehen: bei Unternehmenskunden mit vertikal fokussierten Use Cases.
Wir sehen also: Die Skalierung von Anwendungen für Endnutzer ist für die Tech-Konzerne ein Verlustgeschäft, solange die B2B-Margen fehlen.
Meiner Erfahrung nach gibt es nur wenige Beispiele für KI-Anwendungsfälle, die sich „out of the box“ gut skalieren lassen. Bei den meisten muss man tief in die tatsächlichen geschäftlichen Herausforderungen eintauchen und die vorhandene Datenlandschaft verstehen, um den KI-Anteil einer Lösung individuell anzupassen. Auch die saubere Integration in bestehende IT-Landschaften ist eine Herausforderung. Der Aufstieg von Grundlagenmodellen hat vieles vereinfacht – und dennoch sehen wir, dass bislang lediglich die oben genannten Use Cases relevanten Mehrwert schaffen und gut skalieren. Dabei trifft jeder dieser Use Cases den Kern dessen, wofür LLMs ursprünglich entwickelt wurden: Muster in Sprache zu verstehen und zu replizieren. Das können LLMs in perfektion, und genau hier erzeugen sie Mehrwert.
Um also nachhaltig Geld zu verdienen, müssen die Tech-Unternehmen ihre Lösungen in jene Geschäftsfelder ausdehnen, die bei möglichst geringem Anpassungsbedarf die größte Anzahl an Kunden bieten. Und da landen wir exakt bei den vertikalen Anwendungsfällen in großen Konzernen. Allein aufgrund ihrer schieren Unternehmensgröße haben viele ihrer Nischen-Use Cases bereits durch interne Mitarbeiter eine beträchtliche Nutzerbasis. Dies unterstützt die Skalierbarkeit enorm.
Wie sich das auf Verbraucher und den Mittelstand auswirkt
Kleinere und mittlere Unternehmen (KMUs) haben jedoch weder diese Größe noch diese Reichweite. Daher können wir nicht erwarten, dass sie im Zentrum der künftigen Geschäftsaktivitäten von Big Tech stehen werden. Für kleine Unternehmen bedeutet das:
- Sie müssen entweder eigene KI-Kompetenzen aufbauen, um Mehrwert zu erzielen – was schwierig und teuer ist.
- Sie zahlen Premium-Preise für große Beratungsunternehmen – was die meisten Business Cases sofort zunichtemachen würde.
- Sie greifen auf kleinere Dienstleister zurück – die oft nur einfache „Wrapper“ um die KI-Modelle der großen Techkonzerne darstellen. Dies wirft ernsthafte Compliance-Risiken auf und schafft Unsicherheit darüber, wo vertrauliche Unternehmensdaten eigentlich verarbeitet werden.
- Oder sie schauen aktiv über den Tellerrand von Big Tech und den führenden KI-Modellen hinaus.
Das lässt sich auch auf die private Nutzung von KI-Chatbots übertragen. Wir werden in naher Zukunft deutliche Preiserhöhungen sehen, die weit über die üblichen 20 Euro pro Monat hinausgehen. Der Grund dafür ist, dass Big Tech immer stärker den Anreiz verliert um Privatkunden für ihre KI-Lösungen zu werben. Bloße Reichweite bei privaten Nutzern lässt sich, wie die jüngste Vergangenheit gezeigt hat, eben nicht in Gewinne und gute Geschäftszahlen umwandeln. Als Alternative zu höheren Preisen werden wir außerdem die Möglichkeit haben, mit unseren persönlichen Daten zu bezahlen – wir sehen bereits, wie sich Werbung in KI-Chatbots allmählich einschleicht.
Was bedeutet das nun für KMUs? Wie können diese die neueste KI trotzdem sinnvoll nutzen?
Viele meiner Ansprechpartner in kleineren Unternehmen erzählen mir, dass generative KI-Anwendungen dort noch kaum im echten Betrieb genutzt werden. Das bedeutet aber im Umkehrschluss, dass die Hürde, damit echten Mehrwert zu generieren, noch sehr niedrig liegt.
Die wichtigsten Anwendungsfelder dafür haben wir oben bereits beschrieben. Den besten Ansatz bietet also ein reibungsloser Zugang zu eben jenen Use Cases, und zwar konkret durch:
- Das Erstellen, Analysieren und Interagieren mit firmeninternen Dokumenten und Wissen.
- Eine Infrastruktur, die garantiert, dass alle Unternehmensdaten vollkommen sicher bleiben.
- Benutzeroberflächen, welche es den Mitarbeitern leicht machen, KI zu nutzen.
Genau an so einer Plattform arbeite ich gerade. Weitere Updates dazu folgen bald. Wenn sich das mit Ihren persönlichen Herausforderungen und Anforderungen im Unternehmen deckt und Sie mehr erfahren möchten: Melden Sie sich gerne bei mir und lassen Sie uns dazu austauschen.