KI-basierte Geschäfts­modelle: Zuerst entscheidet das Geschäfts­modell, dann die Technologie

Dieser Weg verläuft nach einem bekannten Muster, dem Double Diamond: zweimal öffnen und zweimal schließen. Erst wird weit aufgespannt, was überhaupt in Frage kommt, dann eingegrenzt, worum es geht; danach wird noch einmal geöffnet, welche Lösungen denkbar sind, und wieder eingegrenzt, welche es wird. Am Ende stehen die Anwendungs­fälle. Erst danach geht es in die Umsetzung.

Wie die einzelnen Stationen heißen, ist dabei gleichgültig. Die geläufigen Bezeichnungen sind als Merkhilfe gewählt worden, nicht aus einer Theorie abgeleitet. Wer andere Wörter benutzt, benutzt dasselbe Muster. Und der Ablauf ist nicht linear. Sobald ein Versuch ein tieferliegendes Problem sichtbar macht, wird zurückgesprungen. Das Muster selbst ist älter als sein Name; vergleichbare Beschreibungen von Innovations­arbeit gibt es seit Jahrzehnten.

Für unseren Zusammenhang zählt daran nur, dass der Weg zum KI-basierten Geschäfts­modell ein Innovations­prozess ist und kein Einführungs­projekt. Was dabei gefunden wird, steht vorher nicht fest.

Ein Geschäfts­modell wird nicht besser, weil jemand es beschließt, sondern weil eine Rückkopplung es besser macht. Genau diese Rückkopplung ist es, die beim Übergang gewechselt wird, und das ist der eigentliche Gegenstand.

Das heutige Geschäfts­modell wird durch Prozess­verbesserung und durch Informations­technik besser. Beides sind Dinge, die ein Unternehmen an sich selbst tut. Es analysiert seine Abläufe, es führt Systeme ein, es wird dadurch besser. Das geschieht in Zyklen, die es selbst auslöst und selbst beendet.

Das KI-basierte Geschäfts­modell wird durch die Zusammenarbeit von Mensch und Maschine und durch eine Intelligenz, die im Betrieb entsteht, besser. Beides läuft nur, während gearbeitet wird. Es lässt sich nicht als Projekt abschließen, weil es kein Ende hat. Es wird besser, solange das Geschäft läuft, und es hört auf, wenn das Geschäft aufhört.

Dieser Wechsel ist keine Technologie­entscheidung. Wer ihn als Einführung von Werkzeugen versteht, führt Werkzeuge ein und behält die alte Rückkopplung.

Gebraucht werden dafür Technologien wie große Sprachmodelle, autonome Agenten und Wissens­graphen, dazu Vektordaten­banken, Protokolle wie MCP und Rechen­leistung. Welche es im Einzelnen sind, ist austauschbar. Die Aufzählung sieht in zwei Jahren anders aus.

Entscheidend ist nicht, welche man nennt, sondern dass keine davon für sich genommen etwas leistet. Ein Assistent, der eine Frage beantwortet und die Fundstelle nennt, braucht mehrere gleichzeitig: ein Modell für die Sprache, eine Vektordaten­bank für das Finden, ein Protokoll für den Zugriff auf die vorhandenen Bestände, Rechen­leistung für den laufenden Betrieb. Die Lösung entsteht aus dem Zusammenspiel mehrerer Bausteine. Keiner davon allein erzeugt den beschriebenen Nutzen.

Die Engpässe liegen dabei häufig nicht im Modell selbst, sondern in erreichbaren Daten und einem tragfähigen Betrieb.

Was für diese Technologien untereinander gilt, gilt auch für KI und alles andere. KI tritt fast nie als einzelne Technologie auf, sondern im Bündel. Der Begriff ist unserer, die Beobachtung nicht. Breit angelegte Auswertungen amtlicher Betriebsdaten zeigen, dass fortgeschrittene Technologien überwiegend gemeinsam eingeführt werden. Betriebe, die eine davon nutzen, nutzen typischerweise auch die anderen. Einzeln steht selten etwas.

Zwei Konstellationen, in denen das offensichtlich wird. Die erste ist KI und Sensorik. Eine Maschine, die ihren Zustand meldet, erzeugt Informationen, die es vorher nicht gab. Die Auswertung ist der zweite Schritt, und ohne den ersten hat sie keinen Gegenstand. Erzeugt hat die Daten die andere Technologie. Die zweite ist KI und Standard­software. Auf Controlling- und Finanzdaten, die seit Jahren in festen Berichten stecken, entstehen Auswertungen, die auf eine Frage antworten statt auf eine Vorlage. Das Modell liefert die Sprache, die Daten liegen im vorhandenen System, und der Zugriff darauf führt wieder über ein Protokoll.

In beiden Fällen ist KI Mittel zum Zweck, genau wie die Technologie daneben. Sie wird interessant durch das, was sie mit anderem zusammen möglich macht, nicht für sich.

Wer bei der Technologie beginnt, bekommt eine vorhersehbare Folge von Ergebnissen. Ein Werkzeug wird eingeführt, es funktioniert, es wird benutzt, und irgendwann fragt jemand, was es eingebracht hat. Die Antwort fällt schwer, weil nie festgelegt wurde, worauf es einzahlen sollte.

Beginnt man beim Geschäfts­modell, ist diese Frage vorher beantwortet. Dann steht fest, welcher Teil der Wertschöpfung sich ändern soll — ein Angebot, eine Leistung, ein Erlösweg, eine Kunden­beziehung —, und die Technologie­wahl wird zu einer nachgelagerten Entscheidung mit Alternativen.

Dass das Neue meistens aus Bekanntem zusammengesetzt ist, ist keine Verlegenheit, sondern der Normalfall. Wer Geschäfts­modell­innovationen systematisch sichtet, findet weit überwiegend Rekombinationen bekannter Muster aus anderen Branchen. Wer ein KI-basiertes Geschäfts­modell sucht, sucht also in aller Regel keine Erfindung, sondern eine Übertragung, und die Technologie ist das, was die Übertragung möglich macht.

Es führen auch mehrere Wege zum selben Ziel. Kein Unternehmen muss den Übergang in einem Zug machen. Es kann bei einem Angebot beginnen, bei einem Prozess oder bei einer Kunden­schnittstelle. Was es nicht kann, ist beim Werkzeug beginnen und hoffen, dass daraus ein Geschäfts­modell wird.

Ein Beispiel für den Unterschied, mit demselben Bündel wie eben beschrieben. Ein Hersteller, der seine Wartung bisher nach Kalender verkauft, kann sie nach Zustand verkaufen, sobald seine Maschinen Zustandsdaten liefern und jemand sie deuten kann. Das ist ein anderes Angebot, ein anderer Erlösweg und eine andere Kunden­beziehung. Die Technik dahinter ist Sensorik, Datenhaltung und ein Modell, in dieser Reihenfolge. Beginnt dasselbe Haus bei einem Sprachmodell, bekommt es vermutlich eine schnellere Angebots­erstellung. Das ist nützlich, aber es ist dasselbe Geschäfts­modell wie vorher, nur zügiger.

Diese Frage gehört an den Anfang des Zielbilds einer Smart Enterprise. Bevor über Anwendungs­fälle gesprochen wird, ist zu klären, welche Rückkopplung künftig laufen soll und ob das Unternehmen bereit ist, eine zu betreiben, die nie fertig wird.

Zur Redlichkeit gehört die Gegenposition. Man kann auch umgekehrt argumentieren. In einem KI-zentrierten Unternehmen sei die Technik nicht Mittel, sondern der Gegenstand selbst. Die Entscheidungs­logik werde maschinell, und das Geschäft ordne sich danach. Dagegen steht wiederum die nüchterne Beobachtung, dass die Wirkung von KI auf bestehende Geschäfts­modelle bisher überwiegend schrittweise ausfällt und nicht umwälzend. Beides ist ernst zu nehmen. Unsere Position hält trotzdem, und zwar weil für ein Haus, das entscheiden muss, die Reihenfolge der Fragen die praktisch wirksame Größe ist. Wer mit der Technik anfängt, ohne das Geschäfts­modell benannt zu haben, hat kein Zielbild, sondern eine Einkaufsliste.

Unbequem daran ist, dass ein Geschäfts­modell, das von laufender Zusammenarbeit zwischen Mensch und Maschine lebt, Zuständigkeiten verlangt, die es in klassischen Organisations­plänen nicht gibt. Jemand muss verantworten, dass diese Rückkopplung läuft, nicht, dass ein Projekt abgeschlossen wird. Das ist eine Entscheidung über Organisation, und sie fällt weder in der IT noch im Fachbereich allein.

Strategy & Consulting