Lehren von Palantir im neuen Zeitalter der AI

• Palantir wurde kürzlich in den S&P 500 aufgenommen
• Das frühe Palantir wurde fälschlicherweise als „Beratungsunternehmen“ eingeschätzt. Viele Engineers arbeiteten gemeinsam mit den Kunden und entwickelten ein tiefes Verständnis für deren geschäftliche Probleme.
• Die Engineers von Palantir werden als Forward Deployed Engineers bezeichnet; sie verstehen die Arbeitsabläufe, Geschäftsmodelle und Pain Points der Kunden im Detail und verbessern und erweitern Produkte entsprechend den Kundenanforderungen.
• Dieser serviceorientierte Ansatz wirkte als Wettbewerbsvorteil für Palantir und führte zur Entwicklung kundenspezifischer Lösungen, die anschließend in eine Plattform überführt wurden.
• Eines der Kernkonzepte von Palantir ist die Ontology, die komplexe Geschäftsprobleme löst, indem sie Daten systematisch strukturiert.
  • Ontology: ein einzigartiger Ansatz, bei dem Kundendaten und Prozesse abgebildet und in die Lösung codiert werden

Veränderung des servicezentrierten Geschäftsmodells

• Durch die jüngste Einführung von AI-Sprachmodellen (LLMs) verwandeln sich klassische Service-Unternehmen in deutlich attraktivere Geschäftsmodelle.
• AI automatisiert komplexe sprachbasierte Aufgaben und kann bei der Fehlererkennung besser sein als Menschen.
• Hybride Geschäftsmodelle aus Service und Produkt nehmen zu; dadurch lassen sich reale Kundenprobleme lösen und mehr Wert abschöpfen.
• Mit Technologie entstehen operative Hebel auf zwei Arten:
  1. Schaffung eines einzigartigen Wertversprechens durch schnellere, günstigere und qualitativ bessere Services als bestehende Anbieter
  2. Entfernung von Arbeit aus der Kostenbasis, Veränderung der Margenstruktur und leichtere Skalierung im Vergleich zu Wettbewerbern
• AI kann die Arbeitseffizienz in vielen traditionellen Service-Branchen stark steigern und die Produktivität potenziell auf mehr als das Doppelte erhöhen.

Merkmale und Chancen von AI-Service-Unternehmen

• AI-Service-Unternehmen setzen auf ein „Service-as-Software“-Modell, das von schnell wachsenden Startups bereits aktiv genutzt wird.
• Wenn die Modellleistung allein nicht ausreicht, werden unterstützende Lösungen wie Copilot verkauft. Beispiel: die Technical-Accounting-AI von Numeric
• Da sich komplexe Prozesse mit AI allein nur schwer automatisieren lassen, ist ein Ansatz essenziell, der Technologie mit menschlicher Expertise verbindet.
• Herausforderungen und Chancen des AI-Service-Modells
  • Risiko 1: Da jeder Modelle nutzen kann, können schnell Wettbewerber entstehen und bestehende Kunden abwerben.
  • Risiko 2: Durch Leistungssteigerungen neuer AI-Modelle könnten Teile der Funktionen bestehender Produkte redundant werden.
  • Dennoch bleibt die vollständige Automatisierung komplexer Prozesse schwierig. Ein Ansatz, der Technologie und menschliche Expertise kombiniert, ist unverzichtbar.
• Arbeitsweise von AI-Service-Unternehmen
  • Differenziertes Wertversprechen: schnellere, günstigere und qualitativ hochwertigere Services als bestehende Anbieter
  • Verbesserte Unit Economics: Reduktion des personalintensiven Kostenanteils, bessere Skalierbarkeit und Margenstruktur des Geschäfts
    • Beispiel: Loop gestaltet den gesamten Workflow durch die Automatisierung von Freight Audit und Payment neu und maximiert so die Effizienz.
  • Aus Kundensicht lässt sich die gesamte Funktion über eine integrierte AI-Lösung auslagern, ohne zahlreiche Anbieter und Softwareprodukte separat verwalten zu müssen.
• Vier Kernprinzipien erfolgreicher AI-Service-Unternehmen
  • Abbildung der gesamten Business-Ontology zur Priorisierung des R&D-Fokus
  • Konzentration auf Metriken
  • Kombination aus organischem Wachstum und M&A
  • Aufbau des richtigen Teams

Prinzipien erfolgreicher AI-Service-Unternehmen

1. Die gesamte Business-Ontology abbilden und damit R&D-Prioritäten festlegen

• Konzept der Ontology: Palantir definiert über die Business-Ontology die Datenstrukturen und Workflows, die sämtliche Abläufe eines Unternehmens tragen.
  • Die Ontology besteht aus Daten, Logik und Aktionen und fungiert als Business Process Map (BPM).
  • Beispiel: In der Luftfahrt werden Objekte wie Flugzeuge, Flüge, Airlines, Flughäfen und Verspätungen sowie die Beziehungen zwischen ihnen definiert.
• Bedeutung der Ontology:
  • Die Ontology ist essenziell, um Kunden-Workflows in Software abzubilden, besonders in technologiezentrierten Service-Unternehmen.
  • Durch die Verbindung von Technologie und Betrieb wird die dreiseitige Beziehung zwischen Kunden, Mitarbeitenden und Softwaresystemen verständlich und damit Automatisierung und Optimierung möglich.
  • Palantir legte von Beginn an großen Wert auf die Ontology und nahm dadurch eine führende Position bei Datenintegration und AI-Lösungen ein.
• Datenintegration und Automatisierung:
  • In den meisten Organisationen sind Daten über verschiedene Formate und Orte verstreut.
  • Wird zuerst eine Ontology aufgebaut, lassen sich darauf aufbauend Datenintegration und Automatisierung effektiv umsetzen.
• Beispiel Reserv:
  • Reserv versteht den Workflow von Schadensachbearbeitern tiefgehend und trennt präzise zwischen Funktionen, die intern entwickelt werden sollen, und solchen, die lizenziert werden.
  • Dadurch konnte das Unternehmen schnell große Kundenverträge gewinnen und skalieren.
• Praktische Vorteile der Ontology:
  • Ziel eines SaaS-Produkts ist es, Kunden-Workflows in Software abzubilden.
  • Technologiezentrierte Service-Unternehmen müssen eine Ontology schaffen, die die Beziehungen zwischen Kunden, Mitarbeitenden und Softwaresystemen umfasst.
  • Dadurch entsteht eine positive Feedback-Schleife, in der Software und Menschen zusammenarbeiten.
• Vorteile des Ontology-Mappings:
  • Frühe Arbeit an der Ontology spielt eine wichtige Rolle bei der Schärfung der Vision, der Zielsetzung und der Abstimmung im Team.
  • Sie schafft Gelegenheiten für Investoren und Berater, substanzielles Feedback zu geben.
  • Wird nicht die richtige Richtung gewählt, können falsche Entscheidungen hohe Kosten verursachen.

2. Auf Metriken konzentrieren

• Ontology und Kennzahlen:
  • Nach dem Aufbau einer Ontology wird es einfacher, die zentralen KPIs des Geschäfts zu erkennen.
  • In der SaaS-Branche gibt es viele standardisierte Kennzahlen, die sich mit Operations-Analytics-Tools leicht überwachen lassen.
  • SaaS-Unternehmen können wegen ihrer hohen Margen bei operativen Kennzahlen weniger strikt sein. Für servicezentrierte Unternehmen gilt das jedoch nicht.
• Bedeutung von Kennzahlen im Service-Geschäft:
  • Service-Unternehmen schaffen Wert auf komplexere und schwerer messbare Weise als produktzentrierte Firmen.
  • Da sich branchenübergreifend nur schwer gemeinsame Kennzahlen finden lassen, kann die Wahl der falschen Metriken zu P&L-Problemen führen.
  • Beispiel: Bei einem Asset-Management-Unternehmen ist das verwaltete Vermögen die Grundkennzahl, aber eine Ontology kann langfristige Kundenzufriedenheit, Portfolio-Performance und Beratungseffizienz verknüpfen und dadurch stärkere Kennzahlen ermöglichen.
• Ontology-basierte Metrikanalyse:
  • Ontology-Analysen können unerwartete Hebelpunkte sichtbar machen.
  • Beispiel: Im Kundensupport kann die Genauigkeit der Problemklassifizierung wichtiger sein als die Geschwindigkeit der ersten Antwort.
  • Reserv automatisiert Teile des Claims-Prozesses und analysiert nicht nur die Bearbeitungsgeschwindigkeit, sondern auch die Auswirkungen auf Kundenzufriedenheit und Cashflow.
• Wichtigkeit von Metriken:
  • Der Kern technologiezentrierter Service-Geschäfte liegt darin, durch die Zusammenarbeit von Menschen und Software Margen und Servicequalität zu verbessern.
  • Metriken sollten nicht nur Teil von Quartalsberichten sein, sondern zum Fokus des gesamten Unternehmens werden.
  • Erfolgreiche Service-Unternehmen messen Metriken nicht nur, sondern nutzen sie, um Entscheidungen, Investitionsprioritäten und Teamabstimmung zu steuern.
  • Alle Mitarbeitenden verstehen ihre zentralen Kennzahlen und ihre Rolle bei deren Verbesserung.

3. Organisches Wachstum und M&A parallel verfolgen

• Probleme früherer M&A-Ansätze:
  • In den 2010er Jahren vermieden viele Venture-Investoren M&A.
  • M&A wurde oft als Behelfslösung eingesetzt, um Produktmängel oder Vertriebsprobleme zu kaschieren, ohne das eigentliche Problem eines fehlenden Product-Market-Fit zu lösen.
• Veränderung moderner Tech-Service-Unternehmen:
  • Heutige Tech-Service-Unternehmen nutzen M&A strategisch, um das „Cold-Start“-Problem beim frühen Markteintritt zu lösen.
  • Besonders in stark regulierten Märkten oder Branchen mit hohen Wechselkosten kann die Übernahme bestehender Unternehmen effektiv sein.
  • Durch M&A lassen sich Recruiting- und Sales-Belastungen verringern, sodass der Fokus stärker auf technologiegetriebener Margenverbesserung liegen kann.
• Vorteile von M&A:
  • Gut umgesetztes M&A kann ein Wachstumskatalysator sein.
  • Ein bestehendes Service-Unternehmen mit 15 % Marge wird beispielsweise mit etwa dem 6- bis 8-Fachen des Cashflows bewertet. Ein gut aufgebautes AI-Service-Unternehmen verfügt dagegen bereits über 60 % Marge und kann mit deutlich höheren Multiples bewertet werden.
  • Durch die Integration akquirierter Unternehmen verbessert sich die ökonomische Struktur bestehender Umsätze, und das Wachstum kann erneut beschleunigt werden.
  • Ein AI-Unternehmen kann Wettbewerber für das 1-Fache des Umsatzes übernehmen und so mit einer Investition von $100M $60M Cashflow und einen Aktienwert von $600M schaffen.
• Neue M&A-Strategie:
  • Dieser Ansatz unterscheidet sich von traditionellem M&A; mit Technologie kombiniertes M&A könnte eine neue Wachstumsphase der amerikanischen Industrie einleiten.
  • Nach außen mag es so wirken, als folge Venture Capital einer Private-Equity-Strategie, tatsächlich handelt es sich jedoch um eine technologiegetriebene Wachstumsstrategie.
  • Wenn Technologie die Produktivität von Service-Workflows stark steigern kann, wird M&A zu einem klaren Weg, schnell großen Wert zu schaffen.
• Aspekte bei der M&A-Strategie:
  • M&A ist nicht für jedes Unternehmen geeignet, insbesondere dann nicht, wenn Kundengewinnung einfach ist oder Integrationen sehr komplex sind.
  • Der Aufbau einer Ontology hilft dabei, diese Trade-offs zu analysieren und etwa die sinnvolle Größe der ersten Übernahme oder die Frage zu bestimmen, ob im selben oder in angrenzenden Industrien akquiriert werden sollte.
  • Trotz Bedenken aufgrund früherer Fehlschläge eröffnet das neue M&A-Paradigma eine Strategie mit vorhersehbar hohem ROI.

4. Das richtige Team aufbauen

• Merkmale erfolgreicher SaaS-Unternehmen:
  • Sie verfügen über eine starke technische Kultur und Engineering-Kompetenz, die schnelle iterative Entwicklung ermöglicht.
  • Mit der Ausbreitung von Software in immer stärker segmentierte Märkte werden Domänenexpertise und das Verständnis der Kundensprache wichtiger.
  • Daher werden starke Branchenbeiräte aufgebaut oder mitunter Branchenexperten mit wenig Tech-Erfahrung eingestellt.
• Veränderung der Teamzusammensetzung in technologiezentrierten Services:
  • Für den Aufbau eines erfolgreichen Geschäfts werden Tech- und Operations-Talente mit hohem IQ und EQ benötigt.
  • Eine Kultur schneller Innovation muss mit einem kundenorientierten, prozessfokussierten Ansatz verbunden werden.
  • Tech- und Operations-Talente müssen zusammenarbeiten, voneinander lernen und gegenseitiges Vertrauen aufbauen.
  • Tech-Talente sollten neben Fähigkeiten in AI und Softwareentwicklung auch Neugier und Respekt für die Details des Service-Betriebs mitbringen.
  • Operations-Experten müssen bereit sein, neue Technologien anzunehmen und bestehende Prozesse neu zu denken.
• Beispiel Palantir: Forward Deployed Engineers:
  • Palantir betreibt Teams von Forward Deployed Engineers, die direkt mit Kunden zusammenarbeiten und die Plattform an deren Anforderungen anpassen.
  • Damals war es bei den führenden Tech-Unternehmen des Silicon Valley üblich, Kundeninteraktionen an Sales- und Customer-Success-Teams zu delegieren.
  • Palantir stellte jedoch Talente ein, die technische, operative und kommunikative Fähigkeiten zugleich besitzen und dadurch direkt auf Kundenanforderungen reagieren konnten.
  • Diese Recruiting-Strategie ist für technologiezentrierte Service-Unternehmen essenziell, und viele ehemalige Palantir-Mitarbeitende sind heute Gründer oder frühe Mitarbeitende zahlreicher Tech-Service-Startups.
• Kernelemente beim Aufbau des richtigen Teams:
  • Es muss eine Kultur geschaffen werden, die technische Innovation und Service-Exzellenz gleichermaßen betont.
  • Wenn eine M&A-Strategie verfolgt wird, werden zudem Talente mit Erfahrung und Urteilsvermögen aus der Private-Equity-Welt benötigt.
  • So lässt sich nicht nur ein bestehender Service effizienter replizieren, sondern eine ganze Branche transformieren.

Zukunftsausblick der AI-Service-Revolution

• Unsicherheit über die Weiterentwicklung von AI:
  • Es ist schwer vorherzusagen, wie weit die rasante Entwicklung der AI-Technologie noch gehen wird.
  • Die Annahme, AGI (Artificial General Intelligence) werde alle Probleme lösen, ist unrealistisch. Selbst wenn AGI Realität würde, könnten die Folgen stark positiv oder stark negativ ausfallen.
• Schon mit heutiger AI-Technologie ist großer Wertschöpfungseffekt möglich:
  • Selbst wenn die AI-Entwicklung auf dem heutigen Stand stehen bliebe, ließen sich Löhne im Service-Sektor von fast $2 Billionen revolutionär effizienter gestalten.
  • Das könnte zu BIP-Wachstum, einem effizienteren Arbeitsmarkt und einer Verdopplung oder Verdreifachung der Produktivität führen.
  • Wenn repetitive und einfache Aufgaben automatisiert werden, erhalten Arbeitskräfte die Möglichkeit, ihre eigentlichen Fähigkeiten einzusetzen oder neue Fähigkeiten zu erlernen.
• Frühes Stadium der AI-Service-Welle:
  • Die aktuelle AI-Service-Welle befindet sich noch in einem frühen Stadium, und ihr Potenzial sowie ihre Wirkung sind noch nicht vollständig sichtbar.
  • In der frühen SaaS-Welle lieferte das Papier Smart Enterprise einen Rahmen für plattformzentrierte Industrietransformation, der inzwischen allgemein etabliert ist.
  • Mit zunehmender Stärke der Tech-Service-Welle werden Ontology-Mapping und andere Strategien zu wichtigen konzeptionellen Grundlagen.
• Ausblick und Zielbild:
  • Um diese Innovation Realität werden zu lassen, braucht es herausragende Führung, starke Teams und konsequente Anstrengung.
  • Das Erfolgsbeispiel von Palantir liefert Inspiration, und es ist zu erwarten, dass aus dieser Produktivitätswelle weitere generationenprägende Unternehmen hervorgehen.

[joon14]

Ich habe viele Artikel über Palantir gelesen, aber dort wird immer behauptet, dass es durch die Ontologie noch eine zusätzliche Ebene oder einen Mehrwert gibt — nur ist mir nie wirklich klar geworden, worin dieser genau besteht.
Intern scheint es zwar viele Leute zu geben, die sehr gut in Data Science sind, aber beim eigentlichen Produkt bin ich mir nicht so sicher.

[roxie]

Wenn man es als virale FDE-Rekrutierung betrachtet, ist das dann Größenwahn?

[hilft]

Hochwertige SI

[savvykang]

Ich habe das Gefühl, dass genau das die Realität der digitalen Transformation ist.

[9gyooo]

Ich lese Artikel über Palantir immer aufmerksam, wenn sie erscheinen. Aber das Geschäftsmodell ist für mich immer noch nicht so richtig greifbar, seufz.

[xguru]

Rückblick auf Palantir