Der Long Tail der KI

• Seit der Einführung von ChatGPT im November 2022 stehen KI-Startups im Zentrum des Interesses von Investoren; im 2. Quartal 2024 flossen 49 % des gesamten Venture-Kapitals in KI- und Machine-Learning-Startups.
• Während Modellanbieter wie OpenAI und KI-native Unternehmen wie Perplexity oder Jasper viel Aufmerksamkeit erhalten, ist die Zahl der „Nicht-KI“-Unternehmen, die tatsächlich von KI betroffen sind, noch größer.
• Wir bezeichnen die Auswirkungen von KI auf diese Nicht-KI-Unternehmen als den „Long Tail der KI“, und dieser Long Tail lässt sich danach, wie Unternehmen KI integrieren, in vier Kategorien unterteilen:
  • Aufbau eigenständiger Modelle
  • Nutzung bestehender Modelle wie OpenAIs GPT-4
  • Aufbau auf Open-Source-Modellen wie Metas Llama
  • Nutzung vorgefertigter KI-Tools wie ChatGPT
• Der Aufbau eigenständiger, proprietärer Modelle ist die ressourcenintensivste Form der KI-Nutzung und eignet sich in der Regel für Unternehmen mit großen, einzigartigen Datenquellen sowie ausreichenden personellen und finanziellen Ressourcen, um neue Modelle zu trainieren.
• Closed-Source-Modelle wie OpenAIs GPT-Modelle oder Anthropics Claude wurden mit Milliarden bis Billionen von Parametern trainiert und können in verschiedensten Bereichen von Coding bis Kundenservice präzise und detaillierte Ergebnisse liefern; zudem sind sie per API leicht zugänglich.
• Open-Source-Modelle wie Mistral oder Metas Llama sind leistungsstarke Werkzeuge; Llama 3.1 wurde mit 405 Milliarden Parametern trainiert. Im Gegensatz zu Closed-Source-Modellen bieten Open-Source-Modelle Transparenz und Flexibilität, und ihre Modellgewichte können an spezifische Kundenanforderungen angepasst werden.
• Third-Party-KI-Tools wie ChatGPT sind am einfachsten zu integrieren, da Kunden fertige Werkzeuge nutzen können, ohne intern Modelle aufbauen oder anpassen zu müssen.
• KI-Strategien unterscheiden sich von Unternehmen zu Unternehmen, doch erfolgreiche Firmen setzen KI ein, um ihr bestehendes Geschäft zu ergänzen, Erfolgsbeispiele aus ihrer Branche zu kopieren und flexibel zu bleiben, während sich die KI-Technologie weiterentwickelt.

Das Potenzgesetz des Hypes in der KI

• Normalverteilung vs. Potenzgesetz: Die Normalverteilung ist eine im Alltag häufig anzutreffende Verteilung, etwa bei IQ, Prüfungsergebnissen oder Blutdruck, bei der sich die Daten um den Durchschnittswert konzentrieren. Viele Phänomene der Welt werden hingegen durch ein Potenzgesetz geprägt, bei dem wenige extreme Fälle den Großteil der Ergebnisse bestimmen.
  • So entfiel 2023 mehr als die Hälfte des Anstiegs des S&P 500 auf lediglich 7 Aktien, was nur 1,4 % des Index entspricht.
  • Auch im Venture Capital stammt der Großteil der Fondsrendite aus wenigen erfolgreichen Investments. Beispiel: Fred Wilson, Gründer von Union Square Ventures, bemerkte, dass „eine einzige Investition die Rendite des gesamten Fonds erwirtschaften kann“.
• Das Potenzgesetz im KI-Bereich: Ähnlich wie sich während der Dotcom-Blase Kapital auf Internetunternehmen konzentrierte, zeigt der KI-Sektor 2024 einen vergleichbaren Hype.
  • Im Summer-2024-Kohortenjahrgang von Y Combinator entwickeln 75 % KI-bezogene Produkte.
  • 49 % der Venture-Capital-Investitionen im 2. Quartal 2024 konzentrierten sich auf KI- und Machine-Learning-Startups (im 2. Quartal 2022 waren es 29 %).
  • Anfang 2020 lagen die Medianbewertungen früher KI-, SaaS- und Fintech-Unternehmen bei jeweils $25M, $27M und $28M, 2024 stiegen sie auf $70M, $46M und $50M.
  • OpenAI war defizitär, nahm aber im Oktober 2024 frisches Kapital zu einer Bewertung von $157B auf (39-fache Bewertung des Umsatzes).
• Grenzen KI-nativer Startups: Mit dem Aufkommen generativer KI und von LLMs wird KI zum Kernprodukt vieler Unternehmen. Doch während KI-native Firmen die Aufmerksamkeit der Investoren monopolisieren, werden auch Nicht-KI-Unternehmen von den Fortschritten der KI-Technologie beeinflusst. Die meisten Unternehmen sind ihrem Wesen nach keine KI-Firmen, aber die Entwicklung der KI wird ihre Geschäftsmodelle stark beeinflussen.
• Vom Long Tail des Internets zum Long Tail der KI: Nach der Dotcom-Blase erzielten Nicht-Internet-Unternehmen große Erfolge, indem sie sich an den Internettrend anpassten. Walmart wurde zum Beispiel 1962 gegründet, erreichte aber 2023 einen E-Commerce-Umsatz von $73B, was einem Wachstum um das 5-Fache gegenüber 2017 entspricht.
  • Heute entsteht der „Long Tail der KI“, zu dem Nicht-KI-Unternehmen aus vielen Branchen gehören, darunter Fintech, SaaS, Gesundheitswesen, E-Commerce und Logistik.
• Die breite Wirkung von KI: Vom Einsatz vorgefertigter KI-Tools bis zur Integration von KI in interne Workflows nutzen oder erproben Unternehmen aus verschiedensten Branchen KI. Wie das Internet auf Nicht-Internet-Unternehmen wirkt, wird auch KI weitreichende Auswirkungen haben, die nicht nur auf Unternehmen beschränkt sind, die selbst KI-Modelle entwickeln.

Definition des Long Tail der KI

• KI-Unternehmen vereinen den Großteil von Aufmerksamkeit und Investitionen in KI auf sich und lassen sich in zwei Kategorien einteilen:
  • Modellunternehmen: Unternehmen wie OpenAI, Anthropic oder Mistral, die proprietäre oder Open-Source-LLMs (Large Language Models) entwickeln und Nutzern bereitstellen.
  • KI-native Unternehmen: Unternehmen wie Perplexity oder Jasper, die Produkte und Services auf Basis von KI-Modellen anbieten.
• In der ersten Kategorie ist das Modell selbst das Produkt. In der zweiten Kategorie bildet das KI-Modell den Kern der Funktionalität, und ohne das Modell würde das Unternehmen selbst nicht existieren. So erklärte Baseten-CEO Tuhin Srivastava: „Ohne Modelle gäbe es keine KI-nativen Unternehmen.“
• Die meisten Unternehmen jedoch, etwa Bloomberg, Walmart oder Canva, fallen in keine dieser beiden Kategorien. Sie gehören zu einer breiteren Gruppe, die als „Long Tail der KI“ bezeichnet wird.
• Zentrale Fragen des Long Tail
  • Wie werden Fortschritte in der KI-Technologie Geschäftsmodelle beeinflussen, die schon vor der Einführung von ChatGPT existierten?
  • Wie nutzen Mitarbeitende in verschiedenen Branchen – von Analysten in Beratungsfirmen bis zu Softwareingenieuren in Tech-Unternehmen – KI heute, und wie werden sie sie künftig nutzen?
  • Wie positionieren sich Unternehmen im KI-Markt? Entwickeln sie eigene Modelle oder verwenden sie extern entwickelte Tools?
• Beispiele für die KI-Nutzung in verschiedenen Unternehmen
  • Beispiel: Ramp (Plattform für Ausgabenmanagement) und Atlassian (australisches SaaS-Unternehmen) ergänzen ihre bestehenden Daten und Workflows um generative KI.
  • Klarna (schwedisches Fintech-Unternehmen) investierte in KI, um die Effizienz interner Abläufe zu verbessern; der KI-Chatbot zeigte dabei Ergebnisse, die 700 Vollzeitmitarbeitende im Kundenservice ersetzen könnten.
  • PwC vereinbarte im Mai 2024, Funktionen von ChatGPT Enterprise für 100.000 Mitarbeitende bereitzustellen. Außerdem gaben in einer Umfrage der US-Handelskammer aus dem Jahr 2024 98 % der kleinen und mittleren Unternehmen an, KI-Tools zu nutzen.
• Vergleich von Vergangenheit und Gegenwart
  • Ähnlich wie Nicht-Internet-Unternehmen nach dem Internetboom durch die Einführung von E-Commerce große Erfolge erzielten, wird der „Long Tail der KI“ dazu führen, dass Nicht-KI-Unternehmen in vielen Branchen von KI beeinflusst werden.
  • Wie das Internet breite Auswirkungen auf Nicht-Internet-Unternehmen hatte, wird auch KI nicht nur auf Firmen begrenzt bleiben, die selbst KI-Modelle entwickeln, sondern die breitere Wirtschaft beeinflussen.
• Die vier Ebenen des KI-Long-Tail
  • Aufbau eigenständiger interner KI-Modelle: Unternehmen, die eigene KI-Modelle auf Basis proprietärer Datensätze entwickeln.
  • Nutzung von Closed-Source-Modellen: Unternehmen, die Closed-Source-Modelle von OpenAI, Anthropic usw. verwenden.
  • Nutzung von Open-Source-Modellen: Unternehmen, die Modelle von Llama, Mistral oder Hugging Face einsetzen.
  • Integration vorgefertigter KI-Tools: Unternehmen, die bereits entwickelte KI-Tools in ihre Workflows integrieren.
• Diese vier Ebenen sind nicht starr; Unternehmen, die KI auf unterschiedliche Weise nutzen, können mehreren Ebenen zugleich zugeordnet werden. Mit der rasanten Weiterentwicklung der KI-Technologie verändert sich auch die Art und Weise, wie Unternehmen KI einsetzen, laufend.

Ebene 1: Aufbau eines eigenen Modells

• Die ressourcenintensivste Strategie: Die teuerste Strategie im Long Tail der KI ist der Aufbau eines eigenständigen Modells von Grund auf. Diese Strategie eignet sich für Unternehmen, die (1) über reichlich Kapital verfügen und (2) proprietäre, wertvolle Datensätze besitzen.
  • Beispiel: Laut Sam Altman beliefen sich die Trainingskosten von GPT-4 auf 100 Mio. US-Dollar.
  • Ein eigenes Modell ist zwar mit hohen Kosten verbunden, bietet Unternehmen mit proprietären Datensätzen jedoch (A) feinere und stärker unternehmensspezifische Ergebnisse, (B) vollständige Kontrolle über Modell und Gewichte sowie (C) das Potenzial für Kosteneinsparungen gegenüber Closed-Source-Modellen.
• Bloomberg
  • Bloomberg ist ein in New York ansässiges Finanzdaten- und Medienunternehmen mit einem Jahresumsatz von mehr als 12 Mrd. US-Dollar. Das Flaggschiffprodukt des Unternehmens, das Bloomberg Terminal, macht rund 2/3 des Gesamtumsatzes aus.
  • Von den mehr als 8.000 Ingenieuren bei Bloomberg gehören mehr als 350 zum AI-Engineering-Team, und das Unternehmen veröffentlicht jedes Jahr zahlreiche Forschungsarbeiten zu KI.
  • Im März 2023 stellte Bloomberg mit BloombergGPT ein auf den Finanzbereich spezialisiertes LLM vor. Das Modell umfasst insgesamt 50 Mrd. Parameter und wurde mit einer Kombination aus 345 Mrd. öffentlichen Datensätzen und einem über 40 Jahre gesammelten Datensatz von 363 Mrd. Finanzdokumenten trainiert.
  • Die Trainingskosten werden auf 2,7 Mio. US-Dollar bis über 10 Mio. US-Dollar geschätzt.
  • Im Januar 2024 führte Bloomberg im Terminal eine Funktion für KI-generierte Zusammenfassungen ein, bei der es sich vermutlich um ein eigenes Modell handelt; trainiert wurde sie mit Unterstützung interner Analysten.
• Replit
  • Replit ist eine webbasierte integrierte Entwicklungsumgebung (IDE), die Funktionen für Zusammenarbeit, automatische Codevervollständigung und Debugging bietet.
  • Die KI-Funktionen von Replit basieren auf einer Kombination aus intern entwickelten Modellen, Fine-Tuning von Open-Source-Modellen sowie Closed-Source-Modellen von OpenAI und Anthropic.
    • Im April und Oktober 2023 veröffentlichte Replit eigene Modelle zur Codevervollständigung und machte sie auf Hugging Face öffentlich zugänglich.
    • Im April 2024 wurde durch Fine-Tuning eines Open-Source-Modells eine Funktion für automatisches Debugging eingeführt.
    • Im September 2024 brachte Replit einen automatischen Pair-Programmierer auf Basis eines eigenen 7B-Parameter-Modells heraus, einige Nutzer äußerten jedoch Unzufriedenheit mit den ersten Funktionen.
• Canva
  • Canva ist eine australische Webdesign-Plattform, die im Oktober 2024 mit 49 Mrd. US-Dollar bewertet wurde.
  • Im Oktober 2023 brachte Canva mit Magic Studio ein generatives KI-Designstudio auf den Markt. Dieses Studio nutzt von Nutzern erzeugte Inhalte als Trainingsdaten, um „proprietäre Modelle“ aufzubauen.
    • Nutzerdaten werden nicht ohne Zustimmung verwendet, und teilnehmende Nutzer werden vergütet.
  • Im Juli 2024 übernahm Canva die Bildgenerierungsplattform Leonardo.Ai und plant deren Integration in Magic Studio.
• Walmart
  • Walmart entwickelt seit 2018 kundennahe KI-Tools und stellte im Juni 2024 bei allen generativen KI-Funktionen auf eigene Modelle um.
    • Im Oktober 2024 stellte Walmart mit Wallaby ein auf den Einzelhandel spezialisiertes LLM vor. Das Modell wurde mit Walmart-Daten trainiert und erzeugt natürliche Antworten im Zusammenhang mit Kundenservice.
  • Walmart nutzt KI, um Support-Chatbots, die Aufbereitung von Produktkatalogen und Shopping-Erlebnisse mit Augmented Reality zu verbessern. Darüber hinaus bietet das Unternehmen auch virtuelle Einkaufserlebnisse auf Online-Plattformen wie Roblox an.
  • Walmart bevorzugt eigene Modelle, plant jedoch je nach konkretem Anwendungsfall weiterhin auch den Einsatz von Modellen anderer Anbieter.

Ebene 2: Nutzung bestehender Closed-Source-Modelle

• Anstatt selbstständig ein Modell aufzubauen, können Unternehmen über APIs auf Closed-Source-KI-Modelle von OpenAI, Anthropic und anderen zugreifen und darauf eigene Lösungen aufbauen.
• Closed-Source-Modelle können in vielen Bereichen präzise Ausgaben liefern und sind daher für allgemeine Aufgaben wie Transkription, Kundenservice und Datenextraktion nützlich.
  • Die GPT-Modelle von OpenAI und die Claude-Modelle von Anthropic liefern Ergebnisse von sehr hoher Qualität.
• Dank der einfachen API-Zugänglichkeit gilt dies aus Engineering-Sicht als eine der unkompliziertesten Methoden zur Einführung von KI.
• In jüngerer Zeit wurden zudem kleinere Modelle wie GPT-4o mini veröffentlicht, um Kosteneffizienz und schnelle Inferenzleistung zu bieten.
• Zapier
  • Zapier ist eine Workflow-Automatisierungsplattform, wurde 2011 gegründet und war im August 2023 mit 5 Mrd. US-Dollar bewertet.
  • Das Unternehmen nutzt OpenAI-Modelle, um interne Automatisierungsprozesse zu verbessern, etwa für die Erstellung und Zusammenfassung von Besprechungstranskripten sowie für die Zusammenfassung von Webartikeln.
  • Das Tool Copilot von Zapier ermöglicht die Erstellung von Workflows mithilfe natürlichsprachlicher Prompts.
• Klarna
  • Klarna ist ein schwedisches Fintech-Unternehmen, das „Buy Now, Pay Later“-Dienste anbietet, und kündigte im September 2024 an, Salesforce und Workday durch KI zu ersetzen.
  • Mit einem auf OpenAI-Modellen basierenden KI-Assistenten für den Kundenservice bearbeitet das Unternehmen 2/3 der Kundenanfragen und ersetzt damit das Arbeitsvolumen von 700 Vollzeitkräften.
  • Intern nutzt Klarna den KI-Assistenten Kiki, der Mitarbeitenden dabei hilft, täglich mehr als 2.000 Fragen zu beantworten.
• Ramp
  • Ramp ist ein 2019 gegründetes B2B-Fintech-Startup, das verschiedene Finanzsoftwareprodukte anbietet.
  • Mit GPT-4- und Claude-Modellen automatisiert das Unternehmen die Analyse von Vertragsdaten, die Kategorisierung von Transaktionen und das Verfassen von Belegnotizen.
  • Intern nutzt Ramp KI zudem für Zusammenfassungen von Kundengesprächen sowie Frage-und-Antwort-Funktionen, die in Slack integriert sind.
• Atlassian
  • Atlassian ist ein mit 50 Mrd. US-Dollar bewertetes Unternehmen, das Team-Collaboration-Software wie Jira, Trello und Confluence anbietet.
  • Im April 2023 kündigte das Unternehmen generative KI-Funktionen unter dem Namen Atlassian Intelligence an.
  • Diese Funktionen nutzen eine Kombination aus OpenAI-Modellen und unternehmenseigenen Modellen von Atlassian.
  • Der KI-Assistent Rovo verbessert die Jira-Suche und automatisiert über No-Code-Agenten unter anderem die Erstellung von Marketinginhalten und das Einholen von Feedback.
• Canva
  • Canva verwendet in Magic Studio proprietäre Modelle, setzt für einige Funktionen jedoch auch Closed-Source-Modelle ein.
    • Beispiel: Ein auf OpenAI-Modellen basierender Schreibeditor erzeugt Inhalte, die sich am Ton hochgeladener Beispiele orientieren.
  • Canva betreibt außerdem einen vielfältigen AI-App-Marktplatz, zu dem unter anderem Apps wie DALL-E von OpenAI und Imagen von Google gehören.

Ebene 3: Entwicklung auf Basis von Open-Source-Modellen

• Anstatt eigenständig Modelle zu entwickeln oder Closed-Source-Modelle wie GPT-4o von OpenAI zu nutzen, bauen viele Unternehmen eigene Tools auf Basis von Open-Source-Modellen wie Meta Llama, Mistral und Hugging Face.
• Open-Source-Modelle bieten Vorteile wie hohe Anpassbarkeit und Transparenz, besseren Datenschutz sowie geringere Kosten.
  • Laut dem Databricks-Bericht 2024 entscheiden sich 76 % der Unternehmen, die LLMs einsetzen, für Open Source.
• Open-Source-Modelle verursachen keine separaten Lizenzkosten und können selbst gehostet werden, wodurch hohe Cloud-Kosten vermieden werden können.
• Für Unternehmenskunden ist auch das geringere Risiko von Urheberrechtsproblemen und Datenabflüssen ein wichtiger Faktor.
• VMware
  • VMware ist ein Anbieter von Virtualisierungssoftware und wurde 2023 von Broadcom für $69B übernommen.
  • VMware entwickelte in Zusammenarbeit mit Hugging Face einen Open-Source-basierten Coding-Assistenten namens SafeCoder.
  • Dabei wurde das Modell StarCoder mit 15.5B Parametern verwendet, das Daten aus Open-Source-Projekten sammelt und so Urheberrechtsprobleme minimiert.
  • Unternehmenskunden können das StarCoder-Modell mit ihrem eigenen Code feintunen, was bei internen Aufgaben hilft, die Domänenwissen erfordern.
• Mathpresso
  • Mathpresso ist ein südkoreanisches Edtech-Unternehmen, dessen bekannte App QANDA automatisch Lösungen liefert, wenn Schüler einen Screenshot einer Mathematikaufgabe hochladen.
  • 2023 entwickelte das Unternehmen mit Metas Modell Llama 2 ein auf Mathematik spezialisiertes LLM namens MathGPT.
  • MathGPT nutzte die Mathematiklösungen von QANDA als Trainingsdaten und bot im Vergleich zu bestehenden kommerziellen Modellen eine höhere Anpassbarkeit und eine auf den Bildungsbereich zugeschnittene Genauigkeit.
  • MathGPT übertraf Microsoft Tora in den Benchmarks MATH und GSM8K und belegte unter Modellen mit 13B Parametern oder weniger den ersten Platz.
• Brave
  • Brave ist ein datenschutzorientierter Webbrowser mit Funktionen wie Werbeblocker und Tracker-Blockierung.
  • Im August 2023 brachte das Unternehmen den KI-Assistenten Leo auf den Markt und verwendet dafür die Open-Source-Modelle Llama 2 von Meta und Mixtral 8x7B von Mistral.
  • Brave speichert keine Nutzerdaten und verwendet selbst gehostete Modelle zum Schutz der Privatsphäre der Nutzer.
  • Das Modell Claude von Anthropic wird ebenfalls unterstützt, die Standardeinstellung basiert jedoch auf Open-Source-Modellen.
• Replit
  • Replit brachte im April 2024 zusätzlich zu seinem benutzerdefinierten Modell zur Code-Vervollständigung den KI-Agenten Code Repair heraus, der auf einem feingetunten 7B-Parameter-Modell von Hugging Face basiert.
  • Bezahlende Nutzer können zwischen dem Open-Source-Modell von Replit und anderen Closed-Source-Modellen wechseln, um maßgeschneiderte Lösungen für unterschiedliche Kundenanforderungen zu erhalten.

Ebene 4: Nutzung vorgefertigter KI-Tools

• Hier bauen Unternehmen keine eigenen KI-Modelle, sondern kaufen und nutzen fertige generative KI-Tools.
• Der wichtigste Vorteil externer Tools ist die Kostenersparnis. Der Kauf eines bestimmten Tools ist günstiger, als ein Modell zu trainieren oder feinzutunen.
• Drei Hauptgründe, warum Unternehmen externe KI-Tools wählen:
  • Wenn allgemeine Wissensrecherche- und Brainstorming-Tools benötigt werden
    - Beispiel: Laut einer Studie von BCG steigern generative KI-Tools die Produktivität bei der Arbeit und sind besonders hilfreich, wenn es an technischer Fachkenntnis fehlt.
  • Wenn allgemeine Business-Tools benötigt werden, etwa ein Chatbot für den Kundensupport
    - Es ist kosteneffizienter, mit Tools von Drittanbietern schnell Nutzen zu erzielen, als ein eigenes Modell zu entwickeln.
  • Wenn spezifische, branchenspezifisch angepasste Tools bereits entwickelt wurden
    - Beispiel: Kira, ein Tool zur Prüfung juristischer Verträge, wird von vielen Kanzleien eingesetzt.
• Boston Consulting Group (BCG)
  • BCG ist ein globales Beratungsunternehmen mit 32K Mitarbeitern weltweit und einem Umsatz von $12.3B.
  • 2023 führte BCG mit ChatGPT von OpenAI interne Experimente durch und stellte fest, dass generative KI bei kreativen Aufgaben eine Leistungsverbesserung von 40 % zeigte.
  • Beispiele: bessere Ergebnisse bei der Entwicklung neuer Schuhproduktideen oder beim Verfassen von Marketing-Slogans.
  • 2024 führte BCG ChatGPT Enterprise für alle Mitarbeiter ein und erkannte damit den hohen praktischen Nutzen von KI-Tools an.
• Dollar Shave Club
  • Dollar Shave Club ist ein Anbieter von Rasierprodukten, der für $1B von Unilever übernommen und später an Nexus Capital Management verkauft wurde.
  • Statt eines eigenen Chatbots automatisiert das Unternehmen den Kundensupport mit Answer Bot von Zendesk.
    • Answer Bot wurde auf Daten aus 12M Kundeninteraktionen trainiert und beantwortet einfache Kundenfragen in wenigen Sekunden.
  • Das Tool löst monatlich 4.5K Tickets und macht 10 % des gesamten Ticketvolumens des Unternehmens aus.
• Law Firms (Kanzleien)
  • Die Prüfung juristischer Verträge ist voller komplexer Begriffe und Klauseln.
  • Vielen Kanzleien fehlen die Ressourcen, um interne KI-Tools zu entwickeln, daher nutzen sie externe KI-Tools wie Kira.
    • Beispiel: Große Kanzleien wie Skadden, Hogan Lovells und Paul, Weiss nutzen Kira, um die Zeit für die Vertragsprüfung um bis zu 60 % zu verkürzen.
  • Kira kann mehr als 1K gängige Klauseln und Datenpunkte schnell analysieren und wird daher für M&A-Due-Diligence, die Prüfung von Kreditverträgen und ähnliche Aufgaben verwendet.

Drei Wege, wie Long-Tail-Unternehmen KI einsetzen

• Unternehmen, die zum Long Tail gehören, setzen generative KI auf vielfältige Weise ein, etwa indem Bloomberg maßgeschneiderte Tools für Finanzexpertinnen und -experten entwickelt und BCG-Berater ChatGPT als Produktivitätswerkzeug nutzen.
• Die Modelle, die diese Tools antreiben, sind unterschiedlich und reichen von Canavas Bildgenerierungsmodell bis zu Ramps GPT-Integrationsmodell.
• Betrachtet man die Muster, nach denen Unternehmen KI einsetzen, stechen trotz des aktuellen Tempos des technologischen Fortschritts die folgenden drei Haupttrends hervor.
  • KI als Werkzeug zur Ergänzung des bestehenden Geschäfts nutzen
    • Die meisten Long-Tail-Unternehmen bieten bereits gut etablierte Produkte und Dienstleistungen an, und KI dient dazu, diese zu ergänzen und zu verbessern.
      • Beispiel: Replit war bereits erfolgreich, bevor es KI-Tools einführte, und KI wird zur Produktverbesserung als Erweiterung der bestehenden Entwickler-Tools eingesetzt.
      • Braves Leo AI ist ein generatives KI-Tool, das die Privacy-First-Politik des Browsers erweitert. Brave setzt sich seit acht Jahren für den Schutz der Privatsphäre ein, und Leo ist ein Werkzeug, das dieses Prinzip fortführt.
      • Bei Walmart stehen günstige Preise und flexible Rückgaberichtlinien im Mittelpunkt, und KI übernimmt dabei nur eine unterstützende Rolle, statt die Kernstrategie zu ersetzen.
    • Letztlich führen Unternehmen KI intern ein, um die Prozesseffizienz zu steigern, aber die zentrale Nutzererfahrung hat Vorrang.
  • Die KI-Strategien derselben Branche kopieren
    • Unternehmen übernehmen erfolgreiche KI-Strategien schnell, um wettbewerbsfähig zu bleiben.
      • Beispiel: BCG hat mit ChatGPT die Leistung bei kreativen Aufgaben und Programmieraufgaben deutlich verbessert. Solche Ergebnisse könnten andere Beratungsunternehmen wie McKinsey und Bain unter Druck setzen, ähnliche KI-Tools einzuführen.
      • Brave und VMware bieten unterschiedliche Kernprodukte an, legen aber beide großen Wert auf Datenschutz und entscheiden sich deshalb für Open-Source-Modelle.
    • Wenn führende Unternehmen sich durch die Einführung von KI einen nachhaltigen Wettbewerbsvorteil sichern, ist zu erwarten, dass andere Unternehmen ähnliche KI-Strategien übernehmen müssen.
  • Eine flexible KI-Strategie beibehalten
    • Die Art und Weise, wie KI eingesetzt wird, ist nicht festgelegt, und Unternehmen können verschiedene Strategien anwenden oder anpassen.
    • Beispiel: OpenAI baute anfangs immer größere Modelle, brachte 2024 jedoch kleine und effiziente Modelle wie GPT-4o mini auf den Markt. Diese bieten geringere Kosten und schnellere Inferenz.
    • Der CTO von Ramp erwähnte, dass GPT-4o mini 90 % der Anforderungen erfüllt, und bewertete kleinere Modelle als potenziell effizienter als große Modelle.
      • Tuhin Srivastava, CEO von Baseten, weist darauf hin, dass Unternehmen zwar dazu neigen, eigene Modelle zu entwickeln, dass dies jedoch übermäßig viele Ressourcen und Zeit kosten kann.
      • Srivastavas Rat: „Zuerst bewährte Tools nutzen und sie dann schrittweise durch eigene Modelle ersetzen“ ist eine wichtige Strategie.
      • Unternehmen sollten in einer Position sein, um flexibel auf neue KI-Technologien zu reagieren, sobald sie auf den Markt kommen, damit sie schnell von verbesserten Technologien profitieren können.

Das Endziel der Long-Tail-Unternehmen

• Derzeit konzentrieren sich Interesse und Begeisterung rund um KI auf Modelle und AI-native Unternehmen, doch auch unter nicht AI-nativen Unternehmen treten Anwendungsfälle für KI zunehmend deutlicher hervor.
  • Diese Unternehmen führen vielfältige KI-Lösungen ein, von Kundendienst-Chatbots bis hin zu Shopping-Erlebnissen mit Augmented Reality.
    • Angesichts des Tempos der KI-Innovation ist der einfachste Weg, zu verstehen, wie Long-Tail-Unternehmen KI nutzen, die Einordnung in die vier in diesem Deep Dive vorgestellten Ebenen:
      • Custom-Modelle, Closed-Source-Modelle, Open-Source-Modelle und Third-Party-KI-Tools
• Die verschiedenen in diesem Deep Dive behandelten Beispiele zeigen, wie Unternehmen unterschiedliche KI-Tools entwickelt und eingeführt haben, und helfen Leserinnen und Lesern zu verstehen, wie sie die Integration von KI in ihrer eigenen Organisation angehen können.
  • Die vier Ebenen bringen jeweils Trade-offs in Bezug auf Trainingszeit, Kosten, Customization, Datenschutz und Qualität mit sich. Da die Wechselkosten zwischen Modellen jedoch gering sind, haben Kundinnen und Kunden die Flexibilität, verschiedene Lösungen auszuprobieren.
• Das Endziel der Long-Tail-Unternehmen besteht nicht darin, zu KI-Unternehmen zu werden, sondern darin, mithilfe von KI-Tools das Kerngeschäft zu ergänzen und zu beschleunigen.