Daten- und KI-getriebene digitale Geschäftsmodelle als Motor der Industrie

Noch stehen daten- und KI-getriebene digitale Geschäftsmodelle in der deutschen Industrie in ihren Anfängen. Doch die Potenziale sind groß. Über eine Branche, die sich gerade neu erfindet.

Der Einsatz der Künstlichen Intelligenz/des Machine Learnings steht in den meisten Unternehmen noch am Anfang. Etwa jedes zehnte Unternehmen in Deutschland setzt diese Technologien bisher ein. Ein weiteres Viertel plant den konkreten Einsatz oder diskutiert zumindest darüber, aber zwei Drittel sehen in KI/ML entweder kein Thema für sich oder haben sich noch nicht damit beschäftigt. Wie bei anderen digitalen Technologien, zum Beispiel dem Cloud Computing, gehen die deutschen Unternehmen eher vorsichtig an dieses Thema heran. (Bitkom 2018).

Status Quo des KI/ML-Einsatzes in deutschen Unternehmen

In den Unternehmen, die KI/ML bereits nutzen, genießen meist eine höhere Produktivität, optimierte Produktionsprozesse und eine bessere Kundenbindung die höchsten Prioritäten (Bitkom 2019). Auf internationaler Ebene sind die Wünsche ähnlich: Service, Produktentwicklung und das Marketing gehören in den meisten Branchen zu den bevorzugten Einsatzfeldern . In Deutschland ist ein stärkerer Fokus auf Industrieanwendungen („Industrie 4.0“) zu beobachten.

Tatsächlich lassen sich mit KI/ML in diesen Prozessen erhebliche Vorteile erzielen. Oft werden darunter Chatbots für die Kundenkommunikation oder die sogenannte Robotic Process Automation verstanden, die aber bestenfalls als Vorstufe der KI zu verstehen ist. Prozessinnovationen dieser Art stellen nur die erste Stufe des KI/ML-Einsatzes dar. Sie senken idealerweise die Kosten, tragen aber eher selten zum Wachstum oder zum langfristigen Anstieg der Wettbewerbsfähigkeit eines Unternehmens bei. Für diese Ziele eignen sich daten-/KI-getriebene Produkt- und Geschäftsmodellinnovationen besser. Beide Stufen erfordern in der Regel eine höhere Innovationsleistung, da sie Technologie und Wünsche der Kunden gleichzeitig berücksichtigen müssen.

In beiden Varianten führt KI/ML entweder zur Ausweitung der Produktfunktionen um eine Datenkomponente und/oder zur Entwicklung eines Geschäftsmodells in Form eines reinen Datendienstes oder eines digital aufgeladenen physischen Produkts. Die Erwartungen an diese daten- oder KI-getriebenen Geschäftsmodelle sind groß: Die Hälfte der deutschen Industrieunternehmen erwartet von KI/ML im Kontext der Industrie 4.0 disruptive Änderungen ihrer Geschäftsmodelle. Vor diesem Hintergrund überrascht die eher geringe Nutzung in der Industrie: Nur 12 Prozent der 555 vom IT-Branchenverband Bitkom befragten Industrieunternehmen in Deutschland setzen KI/ML bisher ein. Da Länder wie die USA oder China aggressiver in KI/ML investieren, wächst die Furcht, in diesem international so wichtigen Technologiewettbewerb trotz der guten Ausgangslage Wettbewerbsvorteile zu verspielen.

Aktuell sieht die Hälfte der Unternehmen der Elektro- und Informationstechnik in ihrer Industrie Schwierigkeiten, mit Hilfe der Digitalisierung neue Geschäftsmodelle zu entwickeln. Ungewohnt laut warnen auch die deutschen Ingenieure: Fast zwei Drittel ihrer Fachleute sehen fehlende Kompetenzen in Deutschland als Hindernis, KI-Technologien effizient einzusetzen, warnte der Verein Deutscher Ingenieure (VDI) zum Auftakt der Hannover Messe 2019. In einer VDI-Mitgliederumfrage sahen nur noch 14 Prozent der Befragten Deutschland in einer Führungsposition im internationalen KI-Wettbewerb – ein Minus von 53 Prozent im Vergleich zum Vorjahr. Diese Zahl deute stark darauf hin, dass Deutschland den Anschluss im globalen KI-Wettbewerb verliere, warnte der VDI-Präsident.

Diese vergleichsweisen eindringlichen Warnungen der Industrievertreter lassen einerseits auf eine herausragende Bedeutung der KI/ML als Basistechnologie in vielen Branchen schließen, machen andererseits aber die virulente Gefahr deutlich, eine zu zögerliche Herangehensweise möglicherweise nicht mehr so leicht nachholen zu können. Zwar verfügt Deutschland aufgrund seiner starken Industriebasis über eine starke Ausgangsposition, die aber – als „Komfortzone“ interpretiert – möglicherweise die Innovationskraft beeinträchtigt.

Daten-/KI getriebene digitale Geschäftsmodelle

Ansätze für Daten-/KI-getriebene Geschäftsmodelle sind zahlreich. In der deutschen Industrie eignen sich diese Modelle besonders für die Umwandlung der Maschinen oder Anlagen in Servicemodelle. Ähnlich wie Microsoft seine Software „as a Service“ mit wachsendem Erfolg vermietet, könnten auch Maschinenbauer entweder datenbasierte Zusatzdienste oder das komplette Produkt als Service anbieten, zum Beispiel als störungsfreie Maschinenstunden. Verkauft wird dann nicht mehr die Hardware, sondern ein Service über den gesamten Produktlebenszyklus. Dieser Wandel des Geschäftsmodells könnte den Unternehmen eine permanente Kundenbeziehung mit der Möglichkeit bringen, wertschöpfende Produktupgrades in einen Servicevertrag einzubauen, um die Zufriedenheit der Kunden zu erhöhen und gleichzeitig einen regelmäßigen Umsatzstrom zu erzeugen. Zum Beispiel spielt Tesla Softwareupdates „over the Air“ in seine Autos, womit sich zum Beispiel die Reichweite erhöhen oder Funktionen für das autonome Fahren zufügen lassen, ohne die Hardware (also das Auto) komplett austauschen oder für ein Softwareupdate in die Werkstätten holen zu müssen.

 

Solche digital aufgeladenen physischen Produkte ermöglichen mehrere neue Geschäftsmodelle: Das „Remote Monitoring“, also die intelligente Fernwartung, die mit dem Industriellen Internet der Dinge (IIoT) möglich geworden ist, gehört schon zu den Klassikern. Auch der „Object Self Service“, wenn sich ein Produkt eigenständig Nachschub bestellt, fällt in diese Kategorie. Dazu wird strenggenommen keine KI benötigt, aber die datenbasierte präzise Vorhersage der Nachfrage ermöglicht zum Beispiel die Optimierung der Logistik.

Das IIot ermöglicht die Auswertung der Daten, die vom genutzten Produkt zurückgespielt werden, und zu einem Mehrwertdienst für den Kunden umgewandelt werden. Ein Maschinenhersteller kann zum Beispiel über die Nutzungsdaten dem Kunden Möglichkeiten zur Senkung des Energieverbrauchs zur Verfügung stellen, in Kooperation mit einem Energieversorger die billigsten Betriebsstunden errechnen oder die Maschine in ungenutzten Zeiten für andere Zwecke nutzen. Solche Plattformmodelle, die zur Reallokation und Teilung ansonsten ungenutzter Ressourcen eingesetzt werden können, sind in traditionellen Industrien bisher eher selten anzutreffen, bieten aber große Potenziale.

Anleihen aus der Plattformwelt

Überhaupt können Anleihen aus der Plattformwelt auch in der Industrie zu interessanten Geschäftsmodellen führen. Das Freemium-Modell, das viele Anbieter digitaler Produkte nutzen, eignet sich auch für klassische Produkte. Dabei wird ein Basisdienst kostenlos zur Verfügung gestellt, aber für Premiumprodukte muss der Kunde zahlen. Beispiele sind das werbefinanzierte Musikangebot von Spotify, das in der Premiumvariante auf die Werbung verzichtet, oder das „ausgelagerte Gedächtnis“ von Evernote, das sich so schnell unentbehrlich macht und ein Upgrade auf die Premiumversion mit mehr Speicherplatz auslöst. Beliebt sind auch Angebote mit einer Nutzungsbegrenzung (Speicherplatz, freie E-Mail-Newsletter oder eingeschränkte Analysefunktionen), mit denen Kunden gebunden werden, die bei regelmäßiger Nutzung in den Premiumdienst wechseln. Diese Modelle sind im Internet der Dinge für viele klassische Produkthersteller erstmals möglich. Kommen nun die Möglichkeiten der Künstlichen Intelligenz dazu, können die Produkte im Laufe der Zeit „intelligenter“ werden und damit die Zahlungsbereitschaft der Kunden erhöhen.

Der klassische Service wandelt sich in der digitalen Industriewelt zu einem kritischen Erfolgsfaktor, denn gute Maschinen bauen unsere Konkurrenten inzwischen auch. 40 Produzent der in China tätigen deutschen Industrieunternehmen erwarten, dass ihre chinesischen Wettbewerber in 5 Jahren ihr Geschäftsfeld übernehmen können. Die Maschine aber aus der Ferne per digitalem Zwilling zu überwachen, Störungen vor Ihrem Auftreten zu erkennen und möglichst auch vor dem Produktionsausfall zu beseitigen, verspricht steigende Margen. Wer seine Maschine zusätzlich um neue Funktionen erweitern oder effizienter machen kann, bindet Kunden langfristig.

Intelligente Dienste dieser Art sind in allen Industrien denkbar: Autohersteller oder Mobilfunker könnten Staus vorhersagen und ihre Kunden an der Gefahrenstelle vorbei leiten, vielleicht sogar bevor Google Maps diese Funktion (kostenlos) anbietet. Denkbar sind auch Kombinationen zwischen KI- und Plattformmodellen: 3D-Druckerhersteller können freie Druckkapazitäten auf einer Plattform zur Verfügung stellen, die Handwerker, Designer und Kunden zusammenbringt. Der klassische Zielkonflikt zwischen Skaleneffekten in der Produktion und Kundenorientierung wäre aufgelöst.