AI Business Model Canvas: Tool zur Entwicklung neuer KI-Geschäftsmodelle

Es ist kaum mehr eine Frage des ‚ob?‘, sondern viel mehr eine Frage von ‚wie und wann?‘: Generative KI ist auf dem Peak des Hype Cycles angelangt. Damit ist Künstliche Intelligenz definitiv im Alltag angekommen. Fast jede:r von uns hat schon mal selbst versucht zu prompten oder andere KI-Anwendungen getestet.

Jetzt steht die nächste Stufe der KI-Integration in den Organisationen an: In den vergangenen Monaten konnte ich in verschiedenen Unternehmen beobachten, wie KI als Thema unterdessen auf einer strategischen Ebene angekommen ist. Wie lassen sich Tools und technologische Möglichkeiten in Organisationen, in die Strukturen und Prozesse, sowie in die Unternehmenskultur integrieren? Und wie können damit Geld gespart oder sogar neue Erlöse erzielt werden?

In diesem Artikel habe ich beschrieben, wie in 8 Schritten eine KI-Strategie aufgesetzt werden kann. Hier geht es nun darum, wie neue KI-Geschäftsmodelle entwickelt werden können und welche Tools dabei nützlich sind.

Diskrepanz zwischen Offenheit und echtem KI-Einsatz

Die Realität zeigt aber: Viele Führungskräfte ringen noch immer mit der Frage, wie ernst sie KI-Anwendungen tatsächlich nehmen sollen. Eine neue Studie kam soeben zum Schluss, dass Führungskräfte eine grosse Diskrepanz zwischen der Offenheit sowie Akzeptanz von KI-Systemen und deren Einsatz im Betriebs- und Führungsalltag aufweisen. Nur 12 Prozent der Führungskräfte gab an, bereits KI-Tools für ihre Führungsarbeit sowie zur Steigerung der persönlichen und bereichsübergreifenden Leistung zu nutzen.

Sich verselbständigende Algorithmen und KI-Halluzinationen scheinen nach wie vor grosse Skepsis und zum Teil sogar Ablehnung auszulösen. Früher riet man Unternehmen, sich auf ihre Nische in der jeweiligen Branche zu fokussieren. Doch wer sich im Datenzeitalter verschliesst, läuft schnell Gefahr, auf der eigenen Insellösung festzustecken und den Anschluss zu verlieren. Im KI-Zeitalter entscheiden offene Datenschnittstellen, gemeinsame Standards und geteiltes Wissen mehr denn je über den Erfolg der eigenen Angebote und Dienstleistungen.

KI-Herausforderungen für Unternehmen im Medienbereich

In der Medien- und Kommunikationsbranche prägte vor allem eine Frage die Debatten der letzten Wochen: Inwiefern sollen Generative KI-Tools Medieninhalte für ihre lernenden Modelle nutzen dürfen? Zwei Lager scheinen sich zu bilden: Die einen Unternehmen, die bewusst den Zugang zu ihren Inhalten für KI-Anwendungen wie ChatGPT blocken und die anderen, die proaktiv in Kooperationsverhandlungen treten.

Die Frage nach der automatisierten Verwertbarkeit von Medieninhalten mag durchaus relevant für die gesamte Branche sein. Zusätzlich sollten Organisationen in der Medien- und Kommunikationsbranche aber auch ein Augenmerk darauf legen, wie KI unterstützen kann, dass ihre Angebote wirkungsvoller werden, Nutzer:innen besser mit einbezogen werden können und sogar neue Geschäftsmodelle daraus entstehen können.

3 Stufen der Skalierung von Künstlicher Intelligenz

Nicht jede Organisation oder jeder Prozess muss künftig direkt von KI-Anwendungen abgelöst werden. Es kann jedoch hilfreich sein, das eigene Verständnis über die künftigen strategischen Möglichkeiten von KI in Bezug auf die eigene Organisation zu kennen. Aus diesem Grund lohnt es sich, sich mit den verschiedenen Skalierungsarten von Künstlicher Intelligenz auseinanderzusetzen.

KI als Ergänzung

Die meisten KI-Anwendungen, die im Moment heiss diskutiert werden, funktionieren als Ergänzung zu unserer täglichen Arbeit. Effizienzsteigerung und bessere Resultate sind hier das erklärte Ziel – sei dies z.B. bei der Transkription von Gesprächen, bei Routineaufgaben im Rechnungswesen oder bei der Suche nach Tumoren.

KI als Ersatz

Im nächsten Entwicklungsschritt werden gewisse Tätigkeiten oder gar ganze Teile einer Organisation durch KI-Tools ersetzt. Das muss nicht immer mit einem Job-Abbau in Verbindung stehen, sondern kann durchaus auch zu höheren Qualitätsstandards führen. So etwa in der Luftfahrt beim Zusammenspiel zwischen Pilot:innen und Maschine oder bei der Sicherung von kritischer Infrastruktur.

KI als Service

Nur wenige Unternehmen sind bisher in der Lage, ‚AI as a Service‘ anzubieten – also KI-Anwendungen auf Cloud-Plattformen verfügbar zu machen, welche andere Organisationen ohne eigene Infrastruktur nutzen können. Wer in diesem Bereich erfolgreich sein möchte, muss in Infrastruktur, Know-How, Datenschutz und Sicherheit investieren – nach wie vor ein sehr teures Vorhaben.

Wer KI in der eigenen Organisation einsetzen und später auch skalieren will, benötigt einen strategischen Ansatz. Nur so kann gewährleistet werden, dass die gewählten Massnahmen effizient sind und auf den Geschäftszielen aufbauen. Das erleichtert den gezielten Einsatz von Ressourcen (Know-How, Zeit und Geld) sowie die Kommunikation mit den Teams und Kund:innen.

Voraussetzungen für die Skalierung von KI im Unternehmen

Folgende Voraussetzungen sind notwendig, um KI im Unternehmen erfolgreich zu skalieren:

1. Verfügbarkeit und Qualität der Daten: Die meisten Organisationen scheitern noch immer an den Basics und verfügen nicht über die notwendigen qualitativ hochwertigen und relevanten Daten.
2. Technologische Infrastruktur: Eine robuste und flexible IT-Infrastruktur, die Schnittstellen zu anderen Systemen zulässt, KI-Modelle unterstützt und leicht skaliert werden kann, ist essentiell.
3. Know-How und Kompetenzen: Die Organisation sollte über ein Team von Fachleuten verfügen oder Zugang zu Expert:innen haben, die in der KI-Entwicklung und -Implementierung versiert sind.
4. Unterstützende Unternehmenskultur: Innovation, Experimentierfreude und Lernwille müssen die Unternehmenskultur prägen und explizit von der Führungsebene gefördert werden.
5. Ethische Grundlagen: Richtlinien und Verfahren sollten etabliert sein, um ethische und datenschutzrechtliche Fragen zu adressieren und sicherzustellen, dass die Technologien verantwortungsvoll eingesetzt werden.

Organisationen können diese Voraussetzungen auch ‚unterwegs‘ – im Sinne einer iterativen Strategieentwicklung – Schritt um Schritt klären. Dennoch gilt es, einige grundsätzliche Fragestellungen zum Beispiel zur Datengrundlage und dem vorhandenen Know-How initial zu beantworten.

Der AI Business Model Canvas im Überblick

Um die Unklarheit beim Einsatz und der Skalierung von KI-Lösungen konkret anzugehen, kann das gemeinsame Ausfüllen eines ‚AI Business Model Canvas‚ helfen. Der grosse Vorteil eines solchen Tools ist, dass sämtliche relevanten Fragestellungen auf einen Blick sichtbar sind. Alle Beteiligten können sich zu diesen Fragestellungen äussern, mit dem Ziel, auf einen gemeinsamen Nenner zu kommen.

AI Business Model Canvas zum gemeinsamen Entwickeln von KI-Erlösmodellen.

→ Template in Deutsch bei Miro

Das Ausfüllen dieses Canvas stellt einen ersten Schritt auf dem Weg zu einem strategischeren Einsatz von KI dar. Damit ist ein wichtiger Grundstein gelegt, allerdings noch kein Geschäftsmodell umgesetzt. Als nächste Schritte in diesem Prozess können z.B. die Etablierung von Kooperationspartnerschaften, die Entwicklung von Prototypen oder das Testen erster Cases für mehr Klarheit sorgen.

Transparenzhinweis: Das Titelbild dieses Artikels wurde mit dem Bildgenerierungs-Tool Midjourney erstellt.

Fragen? Andere Beispiele?

Denken Sie in Ihrer Organisation aktuell über KI-Geschäftsmodelle nach? Kennen Sie weitere Beispiele für den strategischen Einsatz von KI-Anwendungen? Lassen Sie es mich gerne wissen, indem Sie die untenstehende Kommentar-Funktion nutzen oder mir auf einem anderen Kanal eine Nachricht zukommen lassen. Ich freue mich!