Die Bedeutung von gut vorbereiteten „Make-or-Buy“-Entscheidungen
Das Dilemma, ob kritische Funktionen im Unternehmen verbleiben oder ausgelagert werden sollen, ist in den Vordergrund getreten, da die Unternehmen zunehmend unter Druck geraten, ihre Kosten zu senken und ihre Kapitalrendite zu verbessern. Insbesondere für IT- und Technologieabteilungen kann die Bedeutung gut vorbereiteter Make-or-Buy-Entscheidungen nicht genug betont werden. Laut Entrepreneur berichteten die meisten Unternehmen von Misserfolgen bei ihren KI-Projekten, wobei ein Viertel von ihnen eine Misserfolgsquote von bis zu 50 % meldete.
Selber machen oder kaufen?
Eine Make-or-Buy-Entscheidung ist eine Entscheidung zwischen der internen Herstellung eines Produkts und dem Kauf bei einem externen Lieferanten.
Die Definition einer Make-/Buy-Entscheidung ist selbsterklärend, und für den speziellen Anwendungsfall der KI gibt es folgende Optionen:
Make: Implementieren Sie maschinelle Lernmodelle auf persönlich gesammelten Daten von Grund auf – dazu gehören der Aufbau neuronaler Netzarchitekturen, das Schreiben benutzerdefinierter Algorithmen, die Nutzung anderer ML-Methoden und der Aufbau von APIs zur Bereitstellung der Ergebnisse.
Kaufen: Bezahlen Sie für die Nutzung bestehender APIs/fortgeschrittener Software und interagieren Sie mit bestehenden Diensten, um Unternehmensziele zu erreichen – dazu gehören unter anderem Microsoft Azure- oder Amazon AWS-KI-Dienste für Lebensläufe, NLP und viele andere Aufgaben.
Der Entscheidungsprozess
Die Abwägung „Make vs. Buy“ sollte nicht ohne eine Analyse vorgenommen werden.
Nach dem unten dargestellten Modell können Unternehmen eine dreistufige Methode anwenden, um eine Entscheidung zu treffen;
- Bestimmung des strategischen Vorteils
- Identifizierung der Risiken
- Berechnung der Wirtschaftlichkeit
Strategie
Der Erfolg der KI-Strategie Ihres Unternehmens hängt davon ab, wie intelligent Sie KI in Ihrem Unternehmen einsetzen. Thomas Malone, der Gründungsdirektor des MIT-Zentrums für kollektive Intelligenz, erklärte gegenüber Forbes: „Es kommt darauf an, wie strategisch und einzigartig die Anwendungen von KI für Ihr Unternehmen sein werden“.
Um dies festzustellen, müssen Sie einige wesentliche Fragen beantworten. Die ersten betreffen Ihr strategisches Ziel:
Planen Sie den Einsatz von KI für eine bahnbrechende Innovation oder wollen Sie eine relativ einfach zu realisierende Unternehmensanwendung, die sofortigen Nutzen bringt?
Unternehmen müssen bei der Beantwortung dieser Frage brutal ehrlich zu sich selbst sein, um die Lösung zu finden, die ihren Geschäftszielen am besten gerecht wird. Wenn das Ziel darin besteht, Ihnen bei der Optimierung von Standardprozessen zu helfen, dann ist es sehr wahrscheinlich, dass die Entwicklung einer eigenen KI für Sie von Nachteil sein wird, da es bereits einen Markt gibt, der verschiedene Lösungen dafür anbietet. In diesem Fall verschwenden Sie Geld und Zeit mit der Schulung von Algorithmen und Datenwissenschaftlern, um KI zu entwickeln, die Ihnen bereits zur Verfügung steht.
Wie wirkt sich diese Entscheidung auf Ihre Wettbewerbsposition aus?
Wenn ein Unternehmen darüber nachdenkt, seine Wettbewerbsposition durch den Einsatz von KI zu verbessern, denkt es in der Regel daran, intern etwas zu tun, um seine Position zu verändern – etwa eine neue Technologie zu beherrschen oder einen innovativen Prozess zu entwickeln. Bevor man sich für diese Wahl entscheidet, muss man die betreffende Funktion in Bezug auf das Unternehmen setzen. Ein gutes Beispiel, bei dem Insourcing entscheidend war, um einen Wettbewerbsvorteil zu erlangen, ist die KI-Spracherkennungssoftware, die von Amazon für Alexa verwendet wird. Amazon kann in diesem Bereich nur konkurrieren, wenn es an der Spitze der Innovation steht. Wenn wir uns nun verschiedene Funktionen in anderen Unternehmen ansehen, sieht die Sache ganz anders aus.
Entgegen der landläufigen Meinung bedeutet die Auslagerung bestimmter Funktionen nicht direkt den Verlust von Wettbewerbsvorteilen. Ja, es ist immer noch die Nutzung eines Instruments, zu dem andere Zugang haben. Sie nicht zu nutzen, könnte dann allerdings zum Nachteil werden. KI-Lösungen von der Stange sind für viele Funktionen ein sicherer Weg und können auch direkt implementiert werden. Das heißt, sie kann schnell in Märkte eintreten und dort sofort handeln.
Ein gutes Beispiel sind fortschrittliche Preisgestaltungslösungen. Preisautomatisierung ist heutzutage ein Muss für Online-Händler. Der Aufbau einer internen Lösung zur Prognose, Optimierung und Automatisierung der Preisgestaltung erfordert viel Zeit, Geld und Fachwissen. Die Auslagerung der Preisgestaltung bietet Ihnen einen Service, der Ihr Tagesgeschäft verbessert und gleichzeitig Ihre Einnahmen und Rentabilität erhöht. Es hilft Ihnen also, Ihre Konkurrenz auszustechen, da es Sie zu einem starken Spieler im Spiel macht.
Sicherheiten und Risiken
Beide Optionen, „Make or Buy“, bergen sowohl Risiken als auch Vorteile, die Sie berücksichtigen müssen. Um einen Einblick zu bekommen, müssen Sie sich selbst fragen:
Sind Ihre Ressourcen stark genug, um eine eigene, gut funktionierende KI zu bauen?
Die Implementierung des maschinellen Lernens erfordert ein hohes Maß an Erfahrung und Kompetenz, da diese Art der Entwicklung äußerst komplex ist. Einem internen Team fehlen häufig die Ressourcen und das Fachwissen, um diese anspruchsvollen Aufgaben zu bewältigen, so dass es riskant ist, sich für diese Option zu entscheiden. Unternehmen müssen auch bedenken, dass talentierte Datenwissenschaftler eine sehr seltene Ressource und schwer zu bekommen sind. Gleichzeitig gibt es eine Vielzahl potenzieller Anwendungsfälle in Branchen wie dem Einzelhandel, um KI-Technologie einzusetzen und Prozesse zu verbessern. Umso wichtiger ist es, dass Sie Ihre Ressourcen auf KI-Themen konzentrieren, die wirklich wichtig sind.
Ein weiterer Faktor, der das Fehlerrisiko verringert, ist die Flexibilität, die das Outsourcing von KI mit sich bringt. Eine eigene KI zu entwickeln bedeutet oft, ein festes Team zu beschäftigen, das sich nicht dynamisch an die Arbeitslast anpassen kann. Andererseits ermöglicht das Outsourcing eine schnelle Skalierung je nach der aktuellen Geschäftslast.
Wirtschaft
Nehmen Sie sich schließlich einen Moment Zeit und denken Sie nach:
Wo erhalte ich den besten Gegenwert für mein Geld?
Auch wenn ein firmeninternes Team ein vorhersehbarer Kostenfaktor zu sein scheint, entstehen viele versteckte Kosten, die berücksichtigt werden müssen. Der Aufbau eines Teams für Data Science und maschinelles Lernen in einem Unternehmen ist das geschäftliche Äquivalent zum Eintauchen in unbekannte Gewässer. Es ist eine Praxis mit viel Versuch und Irrtum. Das kann zu einem Albtraum für die Personalabteilung werden und viel Geld kosten. Ausgelagerte Unternehmen verlangen einen Festpreis, der vor der Implementierung vereinbart wird. So können Sie Ihre Strategie und Ihr Budget mit festen Zahlen planen. Außerdem ist KI ohne die richtigen Maschinen und Geräte nicht möglich. Geräte und Versicherungen, die erworben werden müssen, um einen „gut gemachten Job“ zu erledigen, werden am Ende noch mehr Kosten verursachen. Das Outsourcing stellt sicher, dass Sie erstklassige Ausrüstung erhalten, die Ihnen hilft, den Markt zu nutzen.
Schlussfolgerung
Viele Unternehmen drängen darauf, ihre KI-Strategien auf den Weg zu bringen. Daher ist das Verständnis für die Implementierung künstlicher Intelligenz von entscheidender Bedeutung für die strategische Ausrichtung der betrieblichen Ziele eines Unternehmens.
Die Implementierung von KI in einem Produktionssystem erfordert ein hohes Maß an Fachwissen in einem Team von Datenwissenschaftlern und Ingenieuren für maschinelles Lernen. Auch wenn es für IT-Abteilungen verlockend sein kann, eigene KI-Systeme zu entwickeln, ist es oft sinnvoller zu prüfen, welche Möglichkeiten bereits bestehen. Dadurch können viele Kosten und Kopfschmerzen vermieden und Ressourcen eingespart werden.
