PwCs Prognosen für das KI-Geschäft im Jahr 2025

• PwC prognostiziert, dass KI auf unternehmensweiter und branchenweiter Ebene Wert schaffen wird und dass Unternehmen, die sie proaktiv einsetzen, langfristig vorne liegen werden
• Es wird erwartet, dass KI in operativen Aufgaben, in der Strategie und in Geschäftsmodellen eine wichtige Rolle spielt und sich 2025 noch schneller integrieren und verbreiten wird
• „Die Vision für KI und die Art ihrer Einführung sind entscheidende Faktoren, die über Erfolg oder Misserfolg eines Unternehmens entscheiden“
  • Es ist klar geworden, dass KI in großem Maßstab Wert liefern kann, und dennoch stehen wir erst am Anfang
  • Laut der PwC 2024 Pulse Survey gaben 49 % der befragten Technologieführungskräfte an, KI vollständig in ihre zentrale Geschäftsstrategie integriert zu haben; zudem sagte ein Drittel, sie vollständig in die eigenen Produkte und Dienstleistungen integriert zu haben
• Es ist unverzichtbar, KI auf Organisationsebene fest zu verankern
  • Ein Weg zu bahnbrechendem Wert sind „große Sprünge“ wie neue Geschäftsmodelle
  • Ein anderer Weg ist, in mehreren Bereichen schrittweise Produktivitätssteigerungen von 20 bis 30 %, eine schnellere Markteinführung oder Umsatzwachstum zu erzielen
  • Wird dies wiederholt kumuliert, verändert sich das gesamte Unternehmen grundlegend
• Rund um KI haben sich auch überzogene Erwartungen gebildet
  • Nicht alle Versprechen werden eingelöst, doch Innovationsgeschwindigkeit, Investitionen und die Resonanz der Wirtschaft auf KI sind beispiellos hoch
  • Selbst das Internet (1983 erfunden) war nicht so schnell
  • Die folgenden Prognosen geben Orientierung dazu, was in den nächsten 12 Monaten passieren wird, was danach geschehen könnte und was jetzt sofort zu tun ist

1. Die KI-Strategie entscheidet über die Wettbewerbsfähigkeit

• Eine KI-Strategie sollte sich auf Wertschöpfung konzentrieren, die ab sofort beginnt
  • Das bedeutet mehr als nur Produktivität oder Effizienz
  • Einige KI-Systeme können eigenständig schlussfolgern, die Auswirkungen von Entscheidungen „verstehen“ und komplexe Aufgaben ausführen, etwa neue Services oder Strategien für den Markteintritt entwerfen
  • KI erreicht zunehmend ein Niveau, auf dem sie leistungsfähig und verlässlich genug ist, um in den gesamten Betrieb integriert zu werden
  • Wenn Wettbewerber KI auf diese Weise aktiv annehmen, wird sich der Abstand zu Unternehmen, die das nicht tun, kaum noch schließen lassen
• Eine wirksame KI-Strategie erfordert einen Portfolio-Ansatz, der so aufgebaut ist, dass er noch in diesem Jahr in großem Umfang nutzbaren Wert schafft
  • Die erste Achse ist das „ground game“, also ein systematischer Ansatz, der viele kleine Erfolge hervorbringt
    • Durch schrittweise Verbesserungen der Kundenerfahrung, umsatzsteigernde Services und Produktivitätsgewinne wird kumulierter Wert geschaffen
  • Die zweite Achse sind „roofshots“, also Projekte für neue Arbeitsweisen, Interaktionen mit Kunden oder Produktdesign
    • Das sind umsetzbare Bereiche, die jedoch konzentrierte Ressourcen und Aufmerksamkeit erfordern
  • Die dritte Achse sind „moonshots“, also sehr anspruchsvolle Projekte mit potenziell hoher Rendite, etwa völlig neue KI-basierte Geschäftsmodelle
    • Solche Projekte erfordern ein hohes Maß an Kompetenz und Ressourcen von KI-Experten und müssen deshalb auf C-Level vorangetrieben werden
• Welche Large Language Models (LLMs) ausgewählt werden, wird strategisch wahrscheinlich nicht besonders wichtig sein
  • Es wird viele hervorragende Optionen geben, und wahrscheinlich werden alle sie nutzen
  • Der eigentliche Differenzierungsfaktor ist vielmehr die Art, wie sie mit dem organisatorischen Wissen und den proprietären Daten des Unternehmens verbunden werden
  • Entscheidend ist, dies mithilfe einer KI-gestützten Cloud-Architektur richtig umzusetzen

„Die Einführung von KI schreitet sowohl innerhalb von PwC als auch bei Kunden in sämtlichen Branchen mit sehr hoher Geschwindigkeit voran. 2025 werden Qualität, Genauigkeit, Fähigkeiten und Automatisierung große Fortschritte machen, ineinandergreifen und sich in Richtung exponentiellen Wachstums beschleunigen.“

• Nach 2025: Nur wenige Unternehmen werden sich einen Vorsprung sichern

  • Einige Unternehmen haben in der Vergangenheit internetbasierte Geschäftsmodelle aufgebaut und dominieren darauf aufbauend bis heute den Markt
  • Für KI wird ein ähnliches Muster erwartet
  • Unternehmen, die auf Basis von KI schnell neue Betriebs- und Geschäftsmodelle umsetzen, oder Unternehmen, die von Grund auf KI als Kern haben, werden im Wettbewerb vorne liegen
  • Die Kluft zwischen KI-Vorreitern und Nachzüglern wird größer werden, was sich auch auf die Volkswirtschaften insgesamt auswirken kann
  • US-Unternehmen, die mit vergleichsweise flexibler Regulierung arbeiten, könnten sich schneller entwickeln
  • Dagegen könnte sich die Entwicklung in der EU oder in China mit strengeren Regulierungen vergleichsweise langsamer vollziehen

• Was jetzt zu tun ist

  • Es sollte eine formale Strategiebewertung durchgeführt werden
    • Es muss ermittelt werden, welche Rolle KI in der Organisation und in der Branche spielen kann
    • KI kann zum Beispiel in bestimmten Geschäftsbereichen Margen unter Druck setzen und zugleich in anderen Bereichen durch kostengünstige, aber personalisierte neue Angebote explosionsartiges Wachstum ermöglichen
  • Beim Thema Daten einen „less is more“-Ansatz versuchen
    • Für die Einführung von KI ist eine unternehmensweite Strategie zur Datennutzung erforderlich
    • Gleichzeitig müssen nicht alle Daten auf einmal perfekt aufbereitet werden
    • Wirksam ist es, zunächst die Daten mit hohem Wertbeitrag entlang der zentralen strategischen Prioritäten zu modernisieren
    • Schon heute kann KI mit kleinen, aber hochwertigen Datensätzen sinnvolle Leistung erzielen
    • Fehlende Teile lassen sich etwa durch synthetische Daten ergänzen
    • Bereiche wie das Steuerwesen mit datenintensiven, regelbasierten Prozessen könnten sich für Pilotanwendungen eignen; darüber hinaus dürfte es zahlreiche weitere Möglichkeiten zur datenbasierten Monetarisierung geben
  • Aus Sicht von Betrieb und KPIs betrachten
    • Neuer Umsatz, Projekttempo, Produktivität und Experience, die durch KI entstehen, müssen als Geschäftsergebnisse gemessen werden
    • Gleichzeitig ist wichtig, Kennzahlen so zu gestalten, dass sie keine übermäßige Automatisierung fördern
    • KI braucht immer menschliche Aufsicht und Führung

2. Durch KI-Agenten könnte sich die Belegschaft faktisch verdoppeln

• Entgegen der Erwartung, dass KI Personal abbauen wird, ist tatsächlich zu erwarten, dass digitale Worker, die als „AI Agents“ bezeichnet werden, neu in Teams aufgenommen werden
  • Diese AI Agents übernehmen Wissensarbeit, Vertrieb oder Support vor Ort und können die Geschwindigkeit des Markteintritts, die Kundenbetreuung und das Produktdesign verändern
  • So können sie zum Beispiel allgemeine Kundenanfragen bearbeiten, Software-Code entwerfen oder menschliche Designideen als Prototypen umsetzen
• Der entscheidende Wert entsteht weiterhin aus der Verbindung von menschlicher Führung und KI-Technologie
  • Einfache Aufgaben werden von KI automatisiert, Menschen steuern und überwachen sie
  • Bei komplexen Aufgaben wie Innovation oder Design entwickeln Mensch und KI gemeinsam in iterativen Schleifen Ideen weiter
  • Auch wenn mehrere AI Agents gleichzeitig eingesetzt werden, übernehmen Menschen die Verteilung der Aufgaben und die Abstimmung der Ergebnisse
• Laut PwCs 2024 Workforce Radar nennen 41 % der Führungskräfte Schulung, Unternehmenskultur und Veränderungen der Arbeit als zentrale Herausforderungen bei der Einführung von Generative AI
• Die AI Agents als festen Bestandteil der Personalstrategie zu integrieren, ist eine erhebliche Veränderung
  • So müssen etwa digitale Worker in die Personalstrategie eingebunden und neue Management-Rollen für ihre Überwachung und Steuerung geschaffen werden
  • Je schneller das Betriebsmodell umgebaut wird, desto eher lassen sich die Vorteile von KI nutzen
  • Wenn digitale und menschliche Belegschaften zusammenarbeiten, können Ressourcen schneller verlagert und flexibler eingesetzt werden
• Der Aufstieg von AI Agents ermöglicht es, einen Teil bisher ausgelagerter Aufgaben wieder intern zu erledigen
  • Das ist nicht nur bei der Kostensenkung vorteilhaft, sondern auch im Hinblick auf Nutzerzufriedenheit und Customizing
  • Im Kundenservice bedeutet das, dass schneller Self-Service und hochqualifizierte menschliche Unterstützung zugleich angeboten werden können
  • AI Agents liefern rechtzeitig präzise Informationen und helfen Menschen so dabei, auch komplexe Kundenbedürfnisse schnell und effizient zu lösen
  • Dadurch könnte auch eine Neubewertung des geografischen Footprints und der Outsourcing-Pläne nötig werden

„AI Agents haben das Potenzial, durch die Verbindung menschlicher Kreativität mit maschineller Effizienz beispiellose Produktivität und Innovation zu schaffen“

• Nach 2025: Agent Centers werden Centers of Excellence ersetzen

  • Wenn Unternehmen AI Agents besser koordinieren und steuern, könnten sie ihre „Offshoring“-Modelle darauf ausrichten, AI-Agent-zentrierte Belegschaften in kostengünstigen Regionen aufzubauen
  • Je nach geistigem Eigentum (IP), das bei der Agentenentwicklung entsteht, und dem Standort dieses IP können sich auch steuerliche Vorteile ergeben
  • Statt Agents von Anbietern zu leasen, kann der direkte Aufbau eigener „Agent Centers“ zwar höhere Anfangskosten verursachen, aber innerhalb weniger Jahre einen höheren ROI bringen

• Was jetzt zu tun ist

  • Mentalitätswandel
    • Es braucht neue Arbeitsweisen, in denen mit AI Agents zusammengearbeitet wird, als wären sie eigenständige und kreative Kolleginnen und Kollegen
    • Auf Führungsebene muss klar gezeigt werden, dass KI dazu dient, den Wert menschlicher Arbeit zu steigern
  • HR ein neues Playbook geben
    • Um eine Belegschaft zu steuern, die sowohl Menschen als auch AI Agents umfasst, muss auch HR selbst neue Kompetenzen aufbauen
    • Vor allem wenn KI die meisten Einstiegsaufgaben übernimmt, können Partnerschaften etwa mit Hochschulen nötig werden, damit neue Mitarbeitende direkt höherwertige Rollen übernehmen können
  • Auf das Management digitaler Worker vorbereiten
    • Da AI Agents ein gewisses Maß an Autonomie haben, wird ein menschenzentriertes Managementmodell erforderlich
    • Beim Einsatz von Agents müssen Kosten und ROI ausbalanciert und Kennzahlen für gemischte Mensch-KI-Teams entwickelt werden
    • Es braucht eine strenge Aufsicht, damit AI Agents nicht unvorhersehbar, schädlich oder regelwidrig handeln
    • Als übergreifender Rahmen dafür kann eine Responsible-AI-Strategie hilfreich sein

3. Der ROI von KI hängt von Responsible AI ab

• Wie bereits im vergangenen Jahr prognostiziert, haben Führungskräfte dem KI-Risikomanagement und der Umsetzung von Responsible AI weiterhin Aufmerksamkeit geschenkt
• Bislang fehlte es jedoch noch an einer ausreichend substanziellen Umsetzung
• 2025 können sich Unternehmen eine inkonsistente Anwendung von AI Governance im gesamten Unternehmen nicht mehr leisten
  • Da KI tief in Betriebsabläufe und Marktangebote integriert wird, braucht es transparente Strukturen, um den Investitionswert stabil zu halten und die Risiken großflächiger Bereitstellungen zu steuern
  • Wenn KI bei großflächigem Einsatz ungenau arbeitet oder Sicherheitsrisiken entstehen, ist mit erheblichen Schäden für Unternehmen zu rechnen
  • Deshalb werden strenges KI-Risikomanagement und die Prüfung von Kontrollen unverzichtbar
• Laut PwCs 2024 US Responsible AI Survey nennen 46 % der Führungskräfte die Differenzierung der eigenen Produkte und Services als wichtigstes Ziel von Investitionen in Responsible-AI-Praktiken
• Führungskräfte, insbesondere jene, die KI-Innovationen vorantreiben, werden nicht einfach auf regulatorische Klarheit warten
  • Der Grund ist, dass KI sich zu schnell entwickelt und für das Geschäft bereits eine zu wichtige Rolle spielt
• Früher wurde KI nur auf einige isolierte Anwendungsfälle angewendet, sodass die Auswirkungen eines Scheiterns begrenzt blieben
  • Inzwischen nutzen Mitarbeitende KI routinemäßig, und auch Kunden greifen häufig auf KI-Funktionen zu
  • Wenn das Vertrauen in KI leidet, kann sich das auch negativ auf das Umsatzwachstum auswirken
• Um den durch KI entstehenden Wert zu realisieren, ist eine unabhängige Validierung notwendig
  • Teams der Internen Revision können KI-bezogene Fachkompetenz aufbauen oder externe Expertinnen und Experten mit der Bewertung beauftragen
  • Unabhängig vom Ansatz bleibt eine unabhängige Prüfung von AI Governance und Kontrollen auch nach 2025 zentral

„Erfolgreiche AI Governance wird nicht nur über Risikominderung definiert, sondern darüber, strategische Ziele zu erreichen und einen hohen ROI zu realisieren“

• Nach 2025: Regulatorische Ansätze für KI werden kontinuierliche Innovation fördern

  • Nach dem Wahlergebnis im November ist es wahrscheinlich, dass die Regulierung auf Bundesebene flexibel bleibt und sich damit positiv auf die technologische Weiterentwicklung und breitere Anwendung von KI auswirkt
  • Allerdings dürften regulatorische Initiativen auf Ebene der Bundesstaaten weiterhin schnell voranschreiten, sodass mitunter widersprüchliche Regeln entstehen können
    • Das gilt besonders in Bereichen wie dem Datenschutz, in denen die Vorgaben je nach Bundesstaat unterschiedlich sein können
  • Dennoch wird die USA voraussichtlich weiterhin das innovationsfreundlichste Umfeld für KI bleiben

• Was jetzt zu tun ist

  • Umfassende Risikobewertung
    • Der Ausgangspunkt für Responsible AI ist eine KI-Risikobewertung
    • Damit Governance-Entscheidungen konsistent und wiederholbar werden, braucht es ein standardisiertes, KI-spezifisches System zur Risikoklassifizierung
    • Beispiel: PwC nutzt ein Risikoklassifizierungssystem, das KI-Modelle, Daten, Systeme und Infrastruktur, Nutzer, Recht und Compliance sowie Auswirkungen auf Prozesse umfasst
    • Ein wichtiger Prüffaktor ist insbesondere auch, wie Anbieter und Dienstleister KI einsetzen und ob sich dies über Berichte wie SOC-2 verifizieren lässt
  • Ansatz für unabhängige Validierung wählen
    • Es sollte eine unabhängige zusätzliche Ebene geschaffen werden, die AI-Systeme und ihre Outputs laufend prüft, entweder durch ein internes Spezialteam oder durch externe Fachanbieter
    • Sinnvoll ist es, bei Bereichen mit hohem Risiko oder großer finanzieller Auswirkung zu beginnen
  • Branchenspezifische Unterschiede berücksichtigen
    • AI Governance und Aufsicht sind in jeder Branche erforderlich, aber die Anforderungen unterscheiden sich je nach Sektor
    • Beispiel: Finanzdienstleister müssen bestehende komplexe Compliance-Anforderungen in das KI-Zeitalter überführen
    • Unternehmen, die mit dem öffentlichen Sektor zusammenarbeiten, etwa in Luft- und Raumfahrt oder Verteidigung, sollten globale Regulierungstrends genau beobachten
    • Um selbst Maßnahmen auf Branchenebene vorzubereiten, kann man die AI-Governance-Standards vergleichbarer Unternehmen auch über eine einfache Umfrage benchmarken

4. KI ist ein Instrument zur Wertschöpfung und trägt zugleich zur Nachhaltigkeit bei

• KI beschleunigt die Energiewende
• Bei geeignetem Einsatz in emissionsintensiven Branchen wie Fertigung, Bau und Transport kann sie Unternehmen auch dabei helfen, ihre Nachhaltigkeitsziele zu erreichen
• Allerdings stehen derzeit nicht ausreichend Strom- und Computing-Ressourcen zur Verfügung, damit sich KI sofort im großen Maßstab verbreiten kann
• Zwar nehmen die Zahl der Chips, die Leistungsfähigkeit der Modelle und auch die Energiequellen zu, doch 2025 ist die Wahrscheinlichkeit groß, dass Angebot und Nachfrage nicht im Gleichgewicht sein werden
• Deshalb sollte man KI nicht wahllos überall einführen, sondern strategisch vorgehen
  • Beispiel: UI-/UX-Designs berücksichtigen, die keine unkontrollierten KI-Aufrufe oder Token-Verschwendung durch Nutzer fördern

63 % der High-Performance-Unternehmen planen, ihr Cloud-Budget für den Einsatz von GenAI zu erhöhen, und davon nennen 34 % Nachhaltigkeitsfaktoren als Treiber für die Budgeterhöhung
(PwC’s 2024 Cloud and AI Business Survey)

• Langfristig betrachtet wird KI ein Katalysator für mehr Nachhaltigkeit sein
  • Weltweit dürfte sich der Ausbau erneuerbarer Energien schneller beschleunigen
  • In den USA ist es aus wirtschaftlichen Gründen oder wegen Anforderungen von Stakeholdern schwer, neue große fossile Kraftwerke zu bauen
  • Um die Nachfrage von Unternehmen zu decken, wird ein Ausbau erneuerbarer Energien (einschließlich Kernenergie) und effizienter Stromnetze erwartet
• Der von KI-Anbietern verursachte CO2-Fußabdruck kann ebenfalls in die Emissionskennzahlen von Unternehmen als Endnutzern einfließen
  • Es kann nötig sein, umweltfreundlichere KI-Anbieter zu suchen oder von Anbietern ein grüneres Management zu verlangen
• Auch unter neuen Nachhaltigkeits-Offenlegungsvorschriften (USA, EU usw.) kann KI die Automatisierung der internen und externen Datenerfassung, Analyse und Berichtserstellung unterstützen
  • Da die Klimaberichtsvorschriften der SEC vorübergehend ausgesetzt wurden, steigt die Wahrscheinlichkeit, dass einige Bundesstaaten (z. B. Kalifornien) eigene Regelungen schaffen
• KI kann dazu beitragen, die Nachhaltigkeit zu erhöhen, indem sie Daten entlang der gesamten Lieferkette genauer analysiert
  • Beispiel: Auch kleinere Zulieferer können konkrete Daten wie monatlichen oder jährlichen Energieverbrauch bereitstellen
  • Unternehmen können mit KI nicht nur CO2-Emissionen quantifizieren, sondern auch den potenziellen Wert der Kommerzialisierung kohlenstoffarmer Produkte
• Wenn diese KI-Fähigkeiten in die tägliche Arbeit eingebettet werden, können nicht nur ESG-Verantwortliche, sondern alle Mitarbeitenden datenbasiert Entscheidungen treffen

„Die Behauptung, KI sei anti-nachhaltig, stimmt nicht. Bei richtigem Einsatz hilft sie vielmehr dabei, verschiedene Nachhaltigkeitsziele einschließlich CO2-Reduktionszielen zu erreichen“

• Nach 2025: Die Kosten werden nahezu auf null sinken

  • Mit der Verbreitung neuer Formen von Computing-Ressourcen und erneuerbarer Energie werden die Kosten voraussichtlich stark fallen
  • Dadurch dürfte ein Umfeld entstehen, in dem KI unternehmens- und branchenweit umfassend eingesetzt werden kann

• Was jetzt zu tun ist

  • Strategischer Ansatz
    • Alle Mitarbeitenden eines Unternehmens sollten grundlegende KI-Funktionen nutzen können, zugleich muss sorgfältig entschieden werden, in welchen Bereichen leistungsstarke KI-Lösungen eingeführt werden
    • Diese Entscheidung sollte idealerweise auf C-Level anhand der eigenen Stärken, Datenressourcen und Prioritäten getroffen werden
  • Transformation von Nachhaltigkeitsdaten
    • Mit KI lassen sich einmal erhobene und analysierte Daten mehrfach für verschiedene Vorschriften nutzen, um Compliance-Kosten zu senken und CO2-Emissionen sowie die gesamten Nachhaltigkeitsauswirkungen genauer zu erfassen
    • Dabei sollten nicht nur die direkten Auswirkungen von KI (eigene Nutzung), sondern auch indirekte Emissionen über KI-Anbieter berücksichtigt werden
    • Auf Basis dieser gemessenen Daten kann auch das Marketing gestärkt werden
      • Beispiel: Kundengruppen identifizieren, die bereit sind, für kohlenstoffarme Produkte höhere Preise zu zahlen
  • Neue Nachhaltigkeitsvorteile nutzen
    • Durch die mit KI erzielten Effizienzsteigerungen kann auch der Energiebedarf sinken
    • Beispiel: Wenn sich der F&E-Zyklus halbieren lässt, sinkt auch der Energieaufwand für diesen Prozess
    • Wird KI in Gebäude- oder Energiemanagementsysteme eingeführt, um die Effizienz zu erhöhen, lassen sich zwei Ziele zugleich erreichen: Kosten- und CO2-Reduktion

5. KI halbiert den Produktentwicklungszyklus

• Für Unternehmen, die physische Produkte herstellen, ist jetzt der richtige Zeitpunkt, KI in Design, Prototyping und Tests einzuführen, falls das noch nicht geschehen ist
• Multimodale KI kann CAD-Dateien, Simulationen und mehr auf vielfältige Weise verarbeiten und erzeugen
  • Beispiel: GenAI kann Vorschläge für Fahrzeugchassis-Konfigurationen machen, die Leistung unter verschiedenen Bedingungen simulieren und Designalternativen aufzeigen, die Ingenieurinnen und Ingenieure möglicherweise übersehen
• Mit KI lassen sich iterative Designprozesse, die früher Wochen dauerten, in wenigen Stunden erledigen, und durch virtuelle Tests können vor dem Bau physischer Prototypen mehr Fehler gefunden werden
• Laut PwCs Kundenbeispielen sowie Analysen zu Technologie- und Branchentrends kann die Einführung von KI in der Automobil- oder Luftfahrtindustrie die Time-to-Market um 50 % verkürzen und die Kosten um 30 % senken
• In der Pharmaindustrie gibt es bereits Beispiele, bei denen KI die Zeit zur Identifizierung neuer Wirkstoffkandidaten um mehr als 50 % verkürzt hat
• Allerdings ist die Lücke zwischen Engineering-Expertise und Data-Science-Kompetenz oft ein Hindernis
  • Es ist nötig, Ingenieurinnen und Ingenieure mit Fachwissen in Design und Fertigung für den KI-Einsatz zu schulen oder aktiv KI-Talente zu gewinnen
• Wird KI in die Produktentwicklung eingeführt, sind schnellere Markteinführungen, Kostensenkungen und individualisierte Produkte möglich, was die Kundenzufriedenheit erhöhen kann

„Die Auswirkungen der multimodalen visuellen und generativen Fähigkeiten von KI auf Produktdesign und Ähnliches stehen erst am Anfang“

• Nach 2025: Eine neue Ära der Innovation beginnt

  • Wenn Beschäftigte in Design und Engineering für den KI-Einsatz umgeschult oder ersetzt werden, erweitern sich die F&E-Kapazitäten erheblich
  • Dadurch dürfte es bei Produktdesign und -entwicklung zu noch schnellerer Innovation kommen

• Was jetzt zu tun ist

  • Einführung von Next-Generation-Engineering
    • Um KI etwa im Produktdesign einzusetzen, sind moderne Cloud- und Datenarchitekturen erforderlich
    • Es ist nötig, Engineering-Teams dabei zu unterstützen, Technologien wie „Edge AI“ zu nutzen
  • IT neu aufstellen
    • Mit KI lassen sich die Arbeitsweisen in der gesamten IT verbessern, etwa in der Softwareentwicklung, Sicherheit und Datenmodernisierung
    • Das bildet die Grundlage für umfassendere KI-Initiativen
  • Technikteams neu organisieren
    • Selbst Teams, die nur mit physischen Produkten arbeiten, brauchen Kompetenzen in Informatik und Data Science
    • Da sich die Kompetenzzusammensetzung technischer Fachkräfte verändern wird, sollte auch die Teamstruktur entsprechend neu geordnet werden

6. Die Wettbewerbslandschaft wird sich branchenübergreifend verändern

• KI wird alle Branchen verändern, doch einige Branchen werden sich voraussichtlich schneller bewegen als andere
• Selbst in Sektoren, die traditionell nicht als technologiegetrieben gelten, könnten führende Beispiele für die KI-Einführung entstehen

• Verbrauchermarkt

  • Der KI-Einsatz wird in Bereichen wie Marketing, Supply-Chain-Management, Finanzen und Kundenservice umfassend ausgeweitet
  • Durch die Kombination neuer, leistungsfähigerer konversationeller Chatbots mit KI-Agenten dürfte sich der Kundenservice verbessern
    • Dabei können benötigte Informationen präzise an menschliche Mitarbeitende weitergegeben werden, um die Effizienz in der Kundenbetreuung zu erhöhen
  • Fortschrittliche dynamische Preisgestaltung mithilfe von KI wird eingeführt, um in Echtzeit auf Marktschwankungen und Wettbewerbssituationen zu reagieren
  • Mit den Datenanalyse- und Automatisierungsfunktionen von KI lässt sich die Reaktionsgeschwindigkeit bei M&A-Due-Diligence und Compliance verbessern
  • Einige Unternehmen werden KI auch in der Produktentwicklung einsetzen, doch aufgrund fehlender Technologie und Kompetenzen könnte die Einführung kurzfristig begrenzt bleiben
    • Unternehmen, die zurückliegen, müssen sich bemühen, die Lücke möglichst bald zu schließen

• Finanzdienstleistungen

  • Die Auswirkungen von KI sind breit gestreut, doch insbesondere KI-native Startups und große Finanzinstitute erzielen schnell sichtbare Ergebnisse
  • KI-native Fintechs lösen bestehende Probleme mit neuen Plattformen und Geschäftsmodellen
  • Auch große Finanzinstitute haben gemeinsam verschiedene KI-Anwendungsfälle erprobt
    • Dadurch haben sie Vertrauen in die Technologie aufgebaut und ihre Risiko- und Kontrollmodelle verbessert, um die Grundlage für schnelle Fortschritte zu schaffen
  • Ab 2025 drohen Unternehmen, die die KI-Einführung weiterhin hinauszögern oder nur prüfen, deutlich zurückzufallen

• Gesundheitswesen

  • 2025 dürfte ein flexibleres regulatorisches Umfeld den KI-Einsatz im Gesundheitswesen beschleunigen
    • Unter der Politik der neuen Regierung wird Self-Governance stärker betont, wodurch der Spielraum für Innovationen wächst
  • Pharma- und Medizintechnikunternehmen werden KI insbesondere in der Arzneimittel- und Produktentwicklung in großem Umfang einsetzen und damit die gesamte Wertschöpfungskette transformieren
  • Versicherer und Gesundheitsdienstleister werden KI verstärkt einsetzen, um Umsatz und operative Effizienz zu optimieren, den Mangel an klinischem Personal zu bewältigen und Ärztinnen und Ärzte bei Diagnosen zu unterstützen
  • Zentrale Aufgaben sind die Neuausrichtung der Kompetenzen des medizinischen Personals, Personalisierung, Technologie-Upgrades und der verantwortungsvolle Einsatz von KI
    • Da es sich um einen Bereich mit sensiblen Patientendaten und potenziell lebensentscheidenden Folgen handelt, muss trotz regulatorischer Flexibilität eigenverantwortlich ein hohes Maß an Verantwortung gewahrt bleiben

• Industriegüter

  • 2025 werden sich einige führende Unternehmen Wettbewerbsvorteile innerhalb der Branche sichern
    • Unternehmen mit hochwertigen Daten und standardisierten Prozessen werden mit KI Effizienz und Erkenntnisse steigern, das Tempo in Forschung und Entwicklung erhöhen und die Time-to-Market verkürzen
  • Von den übrigen Unternehmen wird erwartet, dass sie sich auf den Ausbau der Technologieinfrastruktur, Data Governance und KI-Kompetenzen konzentrieren und gleichzeitig das Tempo ihrer Experimente erhöhen
    • Dabei dürfte eine Überprüfung des Betriebsmodells, der Organisationsstruktur und des Personalbedarfs erforderlich werden

• Technologie, Medien und Telekommunikation

  • 2025 dürften KI-Agenten beginnen, die Nutzung von Softwareplattformen zu verändern
    • Mit KI-Agenten lassen sich Lücken in bestehenden Systemen wie ERP schließen, sodass manche Unternehmen möglicherweise nicht mehr in gleichem Maß wie früher in Plattform-Upgrades investieren
    • Infolgedessen könnten Softwareunternehmen ihre Geschäftsmodelle eher auf die Bereitstellung maßgeschneiderter KI-Lösungen als auf den Aufbau umfangreicher Infrastruktur ausrichten
  • Telekommunikationsanbieter werden voraussichtlich hybride Lösungen einführen, die Machine Learning, digitale Zwillinge und generative KI kombinieren, um ihre eigenen KI-Fähigkeiten zu stärken und die Abhängigkeit von traditionellen Partnern zu verringern