Trotz wachsender Investitionen gelingt es nur wenigen Organisationen, KI systematisch in Prozesse und Geschäftsmodelle zu überführen und daraus messbaren Mehrwert abzuleiten. Welche Anforderungen eine wirksame KI-Strategie erfüllen muss und wie sich diese entlang unterschiedlicher Geschäftsmodelle konkret umsetzen lässt, stand im Mittelpunkt des Executive Dialogs von Dr. Wieselhuber & Partner (W&P).
„Die KI-Nutzung geht in der deutschen Wirtschaft zunehmend in die Breite und gilt zunehmend als unverzichtbar“, so einleitend Hieu Nguyen, Senior AI Specialist bei W&P. Gleichzeitig zeige sich ein uneinheitliches Bild in der strategischen Ausrichtung: Während einzelne Unternehmen bereits klar definierte Ansätze verfolgen, konzentrieren sich viele Organisationen auf die Einführung einzelner Anwendungen ohne übergeordneten Rahmen. „Für die Mehrheit der Unternehmen bedeutet das: Blindflug bei gleichzeitig hohen Investitionen.“
„Es braucht eine systematische KI-Strategie anstatt experimentelles ‚Use Case Topfschlagen‘“, so Dr. Tim Lämmermann, Senior AI Strategist bei W&P. Eine tragfähige KI-Strategie verbinde relevante Anwendungsfelder entlang der Wertschöpfung mit klaren Wettbewerbsvorteilen und wirtschaftlichen Effekten. Gleichzeitig gelte es, die notwendigen Fähigkeiten, Datenstrukturen und Ressourcen gezielt aufzubauen und in einen verbindlichen Transformationsplan zu überführen.
Wie dies in der Praxis aussehen kann, zeigte Dr. Stephan Hundertmark, Partner bei W&P, am Beispiel eines Spezialchemieunternehmens. Im Zentrum standen die Beschleunigung kundenindividueller Rezepturentwicklungen, die systematische Erschließung neuer Anwendungen sowie die energieoptimierte Fertigungsplanung. Ausgangspunkt waren der Verlust von Erfahrungswissen, steigende, regulatorische Anforderungen und Energiekosten. KI verkürze Entwicklungszyklen, beschleunige den Weg zu belastbaren Ergebnissen und mache Wissen unabhängig von einzelnen Experten verfügbar: „Es geht nicht darum, ein besseres Produkt zu entwickeln, sondern schneller zu einer passenden Lösung zu kommen.“
Dass sich dieser Ansatz auch auf andere Branchen übertragen lässt, zeigte das Beispiel eines Unternehmens der Bau- und Bauzulieferindustrie. KI-gestützte Planung und Kalkulation auf Basis von BIM-Modellen, automatisierte Angebotsprozesse sowie ein optimierter Personal- und Materialeinsatz im Facility Management helfen dabei, Komplexität zu reduzieren, Abläufe zu beschleunigen und Margen zu stabilisieren. Wesentliche Hebel liegen in der besseren Nutzung vorhandener Daten, der Standardisierung von Komponenten sowie der Integration unterschiedlicher Projektbeteiligter in durchgängige digitale Modelle. Im Medizintechnikumfeld reicht der KI-Einsatz von der automatisierten Bilderkennung über diagnostische Unterstützung bis hin zu individualisierten Therapieempfehlungen. Die engere Verzahnung von Hardware und Software eröffnet neue Möglichkeiten in der Unterstützung von Ärzten und Patienten. Darüber hinaus entstehen zusätzliche Erlöspotenziale durch digitale Services und datenbasierte Geschäftsmodelle. Regulatorische Anforderungen sowie der Umgang mit sensiblen Patientendaten setzen dabei den Rahmen für die Umsetzung.
Ferdinand Fiedler, Leiter Maschinen - und Anlagenbau, zeigte am Beispiel eines internationalen Baumaschinenherstellers, wie KI-Initiativen entlang zentraler Werttreiber priorisiert werden können. Die betrachteten Anwendungsfälle reichten von Demand Forecasts und Vertriebsoptimierung über automatisierte Qualitätskontrollen bis hin zu Predictive-Maintenance-Lösungen. Ausgangspunkt ist ein klares Zielbild, aus dem konkrete Initiativen abgeleitet werden: „Entscheidend ist die Frage: Wo liegen die größten Effizienzpotenziale und welcher Anwendungsfall liefert den größten Ergebnisbeitrag?“ Ein iteratives Vorgehen ermögliche es, Use Cases und Investitionen kontinuierlich an Markt- und Technologieentwicklungen anzupassen.
In der abschließenden Werkstattdiskussion bestätigte sich: Neben der Auswahl geeigneter Anwendungsfelder entscheidet vor allem die Qualität, Verfügbarkeit und Nutzbarkeit von Daten über den Erfolg von KI-Initiativen. Unternehmen, die frühzeitig eine klare KI-Strategie entwickeln und ihre Datenbasis gezielt weiterentwickeln, stärken ihre Wettbewerbsfähigkeit und erschließen zusätzliche Wachstums- und Effizienzpotenziale.
