Schweiz
Bestehende Unternehmen können nicht selbst zu KI Natives werden. Sie müssen jedoch wachsam bleiben, da diese KI-Starter neue Marktchancen nutzen. Durch aktives Studium, wie KI-native Unternehmen KI in den Mittelpunkt ihrer Betriebsabläufe und Technologie stellen, können etablierte Unternehmen die Vorteile nutzen, die sich aus dem Denken und Handeln ihrer neuen Konkurrenten ergeben.
Erinnern Sie sich an Monster.com? In den späten 1990er Jahren war das Aufkommen der Online-Jobplattform eine Erleichterung für Arbeitssuchende auf der ganzen Welt, die gerne ihre Zeitungsanzeigenabonnements zugunsten der neuen, Webplattform aufgaben.
Innerhalb weniger Jahre tauchten eine Reihe neuer disruptiver Unternehmen auf – von Indeed über LinkedIn bis Glassdoor –, die alle zunehmend innovativere Funktionen anboten.
Bald werden wir jedoch möglicherweise eine andere Frage stellen: Erinnern Sie sich noch an Online-Jobportale?
Mit dem Aufkommen generativer KI könnten wir bei der Jobsuche – oder bei der Vereinbarung eines Treffens, der Routenplanung oder der Buchung eines Hotels – bald eine völlig neue Herangehensweise erleben. Obwohl sich diese Aktivitäten erst vor kurzem zur neuen Normalität entwickelt haben, ist jetzt schon wieder eine neue Disruption in Sicht.
Stellen Sie sich zum Beispiel einen KI-basierten Karrierecoach vor. Anstatt nach einem Job zu suchen, würden die Kandidaten ihre Fähigkeiten und Ziele und sogar ihre ideale Unternehmenskultur mitteilen. Im Gegenzug bietet der KI-Karriercoach nicht nur passende Stellenangebote, sondern analysiert auch versteckte Muster in Stellenausschreibungen, Zeitungsartikeln und sozialen Daten, um Stellen bei Unternehmen aufzudecken, die diese bisher noch nicht einmal ausgeschrieben haben. Besser noch: Er erstellt maßgeschneiderte Anschreiben, führt Probeinterviews durch und schlägt sogar auf der Grundlage des potenziellen Arbeitgebers Verhandlungstaktiken vor. Wer würde das möglich machen? Höchstwahrscheinlich ein KI-natives Unternehmen.
KI-native Unternehmen in dem von uns skizzierten Stil existieren zwar noch nicht, es wird sie aber bald geben. Diese KI-orientierten Starter:innen werden KI (und zunehmend auch generative KI) in die Struktur all ihrer Aktivitäten integrieren. Und weil sich ihre gesamte Denkweise auf KI-gestützte Fähigkeiten konzentriert, wird die Technologie ihre Denk- und Handlungsweise bestimmen.
Unbelastet von den Beschränkungen veralteter Systeme und festgefahrener Ansätze betrachten KI-native Unternehmen KI nicht als ein Werkzeug, das man anhängen kann, sondern als den grundlegenden Baustein ihrer Betriebsabläufe.
Mit dieser reinen KI-Denkweise können sie die Stärken der generativen KI voll ausschöpfen – von maßgeschneiderten Erlebnissen, nach denen sich die Kund:innen sehnen, über blitzschnelle interne Prozesse bis hin zu Geschäftsmodellen, die aus der Sicht eines traditionellen Unternehmens völlig auf den Kopf gestellt scheinen.
Wie die digital nativen Unternehmen vor ihnen (Uber, Netflix, Venmo) werden auch AI native Unternehmen das Verhalten der Verbraucher:innen verändern. Verbraucher:innen werden Produkte anders auswählen, Informationen anders suchen und Optionen anders bewerten, was letztlich ihre Interaktion mit der digitalen Welt verändern wird.
Und deshalb müssen traditionelle Unternehmen aufpassen. Da sich das Verhalten der Verbraucher:innen ändert, müssen sich auch die Unternehmen auf diese neuen Arten der Auswahl, Interaktion und Transaktion einstellen. Diese Veränderungen eröffnen auch Möglichkeiten für KI-native Unternehmen, in Unternehmensfunktionen einzudringen, sowohl kollaborativ als auch wettbewerbsorientiert:
Zur Umsetzung neu entwickelter Geschäftsmodelle benötigen Unternehmen neue Governance-Richtlinien, Organisationsstrukturen und Betriebsabläufe, um mit massiv beschleunigten, dynamischen und autonomen Abläufen umgehen zu können. Und – was besonders wichtig ist – sie müssen auch ihre technologische Infrastruktur überdenken, um die neuen KI-gestützten Funktionen, die sie anbieten, zu unterstützen.
Hier kommt es darauf an, wie ein KI-natives Unternehmen zu denken. Bestehende Unternehmen können keine KI-nativen Unternehmen werden – das ist logisch unmöglich. Aber sie können und sollten von der Arbeitsweise KI-nativer Unternehmen lernen. Durch die aktive Auseinandersetzung mit den innovativen Ansätzen dieser Newcomer, das Verständnis ihres Technologie-Stacks und die Anpassung ihrer eigenen KI-Strategien können etablierte Unternehmen beginnen, wie die disruptiven Unternehmen zu denken und zu handeln.
Schnelle Einführung im nächsten Jahrzehnt
Die Einführung generativer KI könnte im kommenden Jahrzehnt schnell voranschreiten.
Abbildung 5
Die Diagrammdaten spiegeln die höchstmöglichen Akzeptanzraten wider.
Um sicherzustellen, dass wir die volle Akzeptanzrate bis 2032 erreichen, haben wir das Jahr 2033 in die Berechnung dieser Zahl einbezogen.
Quelle: Oxford Economics und Cognizant
Wir glauben, dass im Zeitraum 2026–2030 – der Ära der „selbstbewussten Einführung“ – ein wirklicher Wandel im Bereich der generativen KI stattfinden wird, da unserem optimistischsten Szenario zufolge 31 % der Unternehmen generative KI einführen werden. Obwohl dies nur noch zwei Jahre entfernt ist, bietet es den Unternehmen, wenn sie jetzt beginnen, eine ausreichende Pufferzone zur Vorbereitung.
An diesem Punkt wird wahrscheinlich das regulatorische Umfeld für KI – derzeit ein Flickenteppich – in den Fokus rücken, und die Technologie wird über die Aufgabenautomatisierung hinaus zu einem zentralen Bestandteil von Strategien zur Geschäftstransformation werden. Stellen Sie sich beispielsweise eine Welt vor, in der routinemäßige Kund:innenanfragen fast ausschließlich von KI-Agent:innen bearbeitet werden: autonome Systeme, die in Abstimmung miteinander bestimmte Aufgaben ausführen, um ein größeres Ziel zu erreichen. Diese KI-Agent:innen würden rund um die Uhr personalisierte Unterstützung bieten. Anstatt sich auf allgemeine Verkaufsgespräche zu verlassen, würden Vertriebsteams generative, KI-gestützte Tools zur Lead-Generierung und Kund:innenprofilierung verwenden, die eine zielgerichtete Ansprache ermöglichen. Sogar Backoffice-Funktionen wie Terminplanung, Berichterstellung und Dateneingabe werden zunehmend automatisiert.
Aber unsere Studie bringt über die Vorstellung dieser Welt hinaus viele dieser Veränderungen ans Licht. Im Rahmen unserer Analyse haben wir 1.000 Berufen, die derzeit in den USA ausgeübt werden, „Exposure Scores“ zugewiesen.
Dieser Wert spiegelt weder den Prozentsatz der Arbeitnehmer:innen wider, die ihren Job verlieren werden, noch die Wahrscheinlichkeit, dass sie ihren Job verlieren. Vielmehr handelt es sich um den maximalen Prozentsatz an Arbeitsaufgaben, die bis zum Jahr 2032 theoretisch durch generative KI automatisiert oder unterstützt werden könnten, gewichtet nach der relativen Wichtigkeit dieser Aufgaben.
Ein Blick auf unsere Expositionswerte zeigt, welche Berufsgruppen mit der Entstehung generativer KI den größten Veränderungen ausgesetzt sind. Sie stellen für KI-Natives die wichtigsten Bereiche dar, um sowohl in neue Märkte einzudringen als auch sich als schlanke Unternehmen zu etablieren. Betrachtet man die oben genannten Bereiche, werden beispielsweise bis 2032 Kontaktwerte von 63,7 % für Kund:innendienstmitarbeiter:innen, von 65,6 % für Vertriebsmitarbeiter:innen und von 85,9 % für Büro- und Verwaltungsangestellt:innen erzielt.
Aus diesem Grund müssen zukunftsorientierte Unternehmen – beginnend in den nächsten zwei Jahren, wenn die zunehmende Verbreitung generativer KI beginnt – über eine robuste technologische Infrastruktur, eine Strategie zur Neudefinition des Geschäftsmodells und eine Unternehmenskultur verfügen, die kontinuierliche Innovation fördert. Dazu können wir uns an KI-basierte Unternehmen wenden, die uns zeigen können, wie und wo diese wichtigen Veränderungen vorgenommen werden können.
Präzise Problemlöser
Stiftungsarchitekten
Branchendisruptoren
Um diese neuen Fähigkeiten bereitzustellen, werden KI-native Unternehmen einen Technologie-Stack aufbauen, der für heute tätige Unternehmen in vielerlei Hinsicht nicht wiederzuerkennen ist. Dies liegt daran, dass KI-native Unternehmen – im Gegensatz zu traditionellen Unternehmen, die neue Technologien in der Regel als eine Möglichkeit betrachten, bestehende Dinge besser zu machen – die Technologie, insbesondere die generative KI, als eine Möglichkeit betrachten, Dinge zu tun, die noch nie zuvor getan wurden.
Aus der Perspektive eines KI-nativen Unternehmens ist der Tech-Stack keine statische Sache, die gelegentlich optimiert oder aktualisiert wird. Es handelt sich um ein lebendiges, sich ständig weiterentwickelndes Gebilde, geschaffen für eine Welt, in der Agilität und kontinuierliche Innovation der Schlüssel zum Überleben eines Unternehmens sind.
Indem sie einen Blick darauf werfen, wie ein KI-nativer Tech-Stack aussehen könnte, können traditionelle Unternehmen anfangen, über die Änderungen nachzudenken, die sie vornehmen müssen, um generative KI-Funktionen an ihren eigenen Arbeitsplatz und letztendlich in ihre Geschäfts- und Betriebsmodelle zu bringen.
Für KI-native Unternehmen erfordert die Benutzeroberfläche (UI) ein grundlegendes Umdenken in Bezug auf die Art und Weise, wie Benutzer:innen (sowohl Kund:innen als auch Mitarbeiter:innen) mit den Diensten interagieren, die das KI-native Unternehmen bereitstellt. Über die Platzierung der Schaltflächen und das Bildschirmdesign hinaus wird eine KI-native Benutzer:innenoberfläche durch gut ausgearbeitete Eingabeaufforderungen gesteuert, die komplexe Aktionen über mehrere Systeme hinweg initiieren oder umfangreiche, vielschichtige Ausgaben generieren. Das UI-Design wird einen neuen Interaktionsstil zwischen Mensch und KI ermöglichen und sicherstellen, dass Benutzer:innen KI-Agent:innen effektiv steuern und gleichzeitig Einblick in die Ergebnisse und deren Kontrolle behalten können.
Etablierte Unternehmen sollten beginnen, mit diesem Paradigmenwechsel im UI-Design zu experimentieren. Dabei geht es weniger um das Durchklicken von Menüs als vielmehr um die konversationelle Interaktion, um Ziele zu erreichen. Um diesen Mentalitätswandel herbeizuführen, können Unternehmen zunächst damit beginnen, sich folgende Fragen zu stellen:
KI-native Unternehmen denken nicht in einem einzigen, monolithischen KI-Modell. Stattdessen werden sie strategisch eine Reihe von Modellen einsetzen, die jeweils auf unterschiedliche Aufgaben spezialisiert sind. Zu solchen Aufgaben könnten die Text-, Bild- und Prozessgenerierung sowie strukturierte Datenmodellierung, Vorhersage- und Entscheidungsoptimierung, Unsicherheitsmodellierung, Erklärbarkeit und Codeoptimierung gehören.
Ein Diffusionsmodell könnte beispielsweise beeindruckende Produktvisualisierungen erstellen, während ein großes Sprachmodell (LLM) maßgeschneiderte Marketingbotschaften generieren würde. Darüber hinaus werden traditionelle Modelle des maschinellen Lernens (ML) intelligent integriert, um spezifische Probleme anzugehen und die einzigartigen Vorteile verschiedener KI-Ansätze zu nutzen.
Ebenso sollten etablierte Unternehmen ein KI-Modell nicht als Einheitslösung betrachten. Es wird entscheidend sein, die Stärken jedes Modelltyps zu verstehen und das richtige Werkzeug für die jeweilige Aufgabe auszuwählen. Die Unternehmen sollten in das nötige Fachwissen investieren, um festzustellen, welchem Zweck diese Modelle wirklich dienen und wie sie am besten eingesetzt werden können.
Um in eine Welt mit mehreren Modellen einzutreten, sollten Unternehmen Folgendes berücksichtigen:
KI-basierte Unternehmen werden von Informationen profitieren – je weiter sie ihr Netz auswerfen, desto mächtiger werden sie. Aus diesem Grund werden KI-basierte Unternehmen dem Zugriff auf strukturierte und unstrukturierte Daten Vorrang vor der Datensauberkeit einräumen. Sobald sie klare Einverständniserklärungen und Transparenz hinsichtlich der Verwendung der Daten hergestellt haben, können sie auf riesige öffentliche Datensätze, Ressourcen Dritter und Kund:innendaten zugreifen.
Darüber hinaus verwenden sie Wissensgraphen (eine Möglichkeit zur Darstellung von Daten, Entitäten und ihrer Verknüpfungen) und Vektordatenbanken (die für die Arbeit mit LLMs für schnelle, einfache Suchvorgänge und Datenabrufe optimiert sind), um komplexe Beziehungen zwischen Datenpunkten zu erfassen.
Für etablierte Unternehmen wird es von entscheidender Bedeutung sein, riesige Mengen strukturierter und unstrukturierter Informationen zu nutzen. Unabhängig davon, wie sie dies tun, ist es von entscheidender Bedeutung, Transparenz bei der Datenerfassung zu gewährleisten.
Allerdings kann die Erfassung riesiger Datensätze eine Herausforderung sein. Hier können Unternehmen kreativ werden. Sie können Techniken wie die synthetische Datengenerierung verwenden, bei der realistische, aber künstliche Datensätze erstellt werden, oft unter Verwendung der generativen KI selbst. Sie könnten auch halbüberwachtes Lernen verwenden, bei dem Modelle aus einer Kombination gekennzeichneter und ungekennzeichneter Daten lernen. Indem sie den Zugriff auf vielfältige Informationen priorisieren und diese Techniken einsetzen, können Unternehmen die Leistung ihrer generativen Modelle optimieren.
Um ihren Daten-IQ zu verbessern, sollten etablierte Unternehmen Folgendes berücksichtigen:
Generative KI-Modelle können hinsichtlich der Rechenleistung außerordentlich anspruchsvoll sein, insbesondere während des Trainings und der Feinabstimmung. KI-native Unternehmen werden verstehen, dass ihre Infrastruktur sowohl skalierbar als auch kosteneffizient sein muss, und entscheiden sich häufig für einen Hybrid-Cloud-Ansatz. Dadurch können sie die Ressourcen für rechenintensive Aufgaben hochfahren und bei nachlassender Nutzung reduzieren und so ein optimales Gleichgewicht zwischen Kostenkontrolle und Leistung erreichen. Eine Hardwarebeschleunigung mithilfe spezieller Grafikprozessoren (GPUs) oder Tensorprozessoren (TPUs) wird dabei unabdingbar sein.
Etablierte Unternehmen müssen proaktiv Strategien entwickeln, um dieses Maß an Flexibilität und Agilität zu erreichen. Indem sie die Auswirkungen auf die Infrastruktur schon vor der Skalierung von KI-Projekten berücksichtigen, können Unternehmen Kostenüberschreitungen vermeiden und einen reibungslosen Betrieb gewährleisten.
Um diesen Infrastrukturwandel zu vollziehen, sollten sich Unternehmen folgende Fragen stellen:
Für KI-native Unternehmen sind Machine-Learning-Operationen (MLOps) der Eckpfeiler zur Aufrechterhaltung eines Wettbewerbsvorteils. Dabei handelt es sich nicht um einen Luxus, sondern vielmehr um den Rahmen, der es diesen Unternehmen ermöglicht, agil und reaktionsfähig zu bleiben. Robuste MLOps-Pipelines ermöglichen Experimente, die schnelle Bereitstellung neuer und verbesserter Modelle sowie eine umfassende Produktionsüberwachung. Diese Pipelines stellen sicher, dass KI-gestützte Arbeitskräfte ständig lernen, sich automatisch weiterbilden, wenn neue Daten verfügbar werden, und sich nahtlos aktualisieren, um die Leistung zu optimieren.
Etablierte Unternehmen müssen ihre Denkweise ändern und KI als dynamisches System und nicht als einmaliges Projekt betrachten. Durch Investitionen in MLOps können sie Prozesse automatisieren und die kritische Feedbackschleife zwischen realen Ergebnissen und Modellverbesserungen verkürzen. Auf diese Weise wird sichergestellt, dass ihre KI-Systeme kontinuierlich weiterentwickelt werden, um der dynamischen Marktlandschaft gerecht zu werden.
Um die Umstellung auf MLOps zu vollziehen, sollten Unternehmen Folgendes berücksichtigen:
Letztendlich werden KI-native Unternehmen instinktiv eine völlig neue Art der Entwicklung, Bewertung, des Verständnisses und der Bereitstellung von KI-Systemen begreifen. Sie werden KI-Lösungen nicht mit der Einstellung angehen, starre, deterministische Maschinen zu bauen, die für perfekt reproduzierbare Ergebnisse ausgelegt sind. Stattdessen werden sie ihre KI-Agent:innen als sich weiterentwickelnde Kollaborateure betrachten, die das Potenzial haben, weit mehr zu sein als bloße Werkzeuge. (Weitere Informationen zu diesem Thema finden Sie im kürzlich veröffentlichten Artikel „Generative AI: an AI paradigm shift in the making?“ von Risto Miikkulainen, Vizepräsident für KI-Forschung bei Cognizant.)
Dieser Ansatz wird ihre Strategien grundlegend prägen. KI-basierte Unternehmen werden dem Aufbau kontinuierlich lernfähiger Systeme höchste Priorität einräumen, da sie wissen, dass das „Training“ nie wirklich beendet ist. Und sie werden Interaktionen entwickeln, die sich die Macht von Eingabeaufforderungen und iterativem Feedback zunutze machen und ihre KI-Agent:innen mit der gleichen Finesse führen, die man auch bei der Zusammenarbeit mit hochqualifizierten menschlichen Spezialist:innen an den Tag legen würde.
Ebenso sollten etablierte Unternehmen versuchen, das Potenzial generativer KI wirklich auszuschöpfen, anstatt sie in bestehende Prozesse hineinzuzwängen oder sie anhand alter Maßstäbe zu bewerten. Dazu ist von den Technologieteams ein völlig neues Denken erforderlich: eine unermüdliche Bereitschaft zum Experimentieren, eine Abkehr vom Bedürfnis nach vollständiger Erklärbarkeit und die Akzeptanz, dass das Vertrauen in den KI-Agent:innen eher durch genaue Beobachtung als durch Vorabprogrammierung gewonnen wird.
Etablierte Unternehmen denken und handeln nicht nur wie KI-native Unternehmen, sondern wollen auch mit solchen Unternehmen zusammenarbeiten. Während sich eine vergleichsweise kleine Zahl traditioneller Unternehmen dafür entscheiden könnte, zu Disruptoren zu werden, indem sie ihre KI-Kompetenzen selbst ausbauen – oder eine KI-Abteilung aus ihrem eigenen Unternehmen ausgliedern –, wird eine größere Zahl auf Partnerschaften setzen, um die frische Perspektive der KI-Natives ins eigene Unternehmen zu holen.
Die große Mehrheit wird wahrscheinlich einen hybriden Ansatz verfolgen: Partnerschaften mit KI-nativen Unternehmen, Nutzung von APIs, um neue KI-Dienste in ihre eigene Umgebung zu integrieren und Erkennung, wo sie unbedingt selbst KI-Fähigkeiten aufbauen müssen.
In jedem Fall können etablierte Unternehmen KI nutzen, um bestehende Prozesse umzuwandeln und innovative neue Angebote zu entwickeln – und Wege finden, die Stärken sowohl traditioneller als auch KI-nativer Modelle zu integrieren, um ihren Erfolg zu sichern.
Duncan Roberts
Stellvertretender Direktor, Cognizant Research
Duncan Roberts ist Associate Director bei Cognizant Research. Er trat dem Unternehmen im Jahr 2019 als Berater für digitale Strategie und Transformation in Branchen bei, die von der Satellitenkommunikation bis zur Bildungsbewertung reichen. Er hat Kund:innen beim Einsatz von Technologie beraten, um strategische Ziele zu erreichen und durch Innovation die Kunst des Möglichen zu entdecken.
Vor Cognizant arbeitete Duncan für einen der größten Verlage Europas und spielte eine führende Rolle in der Revolution des digitalen Publizierens, indem er dazu beitrug, Abläufe zu transformieren und neue innovative Produkte auf den Markt zu bringen. Er hat einen Master in Philosophie und Klassik von der University of St. Andrews.
Die Autoren danken folgenden Personen für ihre Beiträge zu diesem Bericht:
