Von der Virtuellen zur Machbaren: Wie planen Chief Financial Officers die Anwendung von Künstlicher Intelligenz neu?

Die Lesezeit für den gesamten Artikel beträgt etwa 6 Minuten.

Der IMD-Professor José Parra Moyano hat darauf hingewiesen, dass viele KI-Projekte nicht wie erwartet umgesetzt werden konnten. Er empfiehlt, dass Chief Financial Officers (CFOs) sich erneut auf drei Kernfaktoren konzentrieren sollten: den geschäftlichen Mehrwert, die Vollständigkeit der Datenbasis sowie die Beteiligung und Identifikation der Mitarbeiter.

Der Chief Financial Officer (CFO) spielt in der Unternehmensumstellung hin zu einer von Künstlicher Intelligenz (KI) dominierten Branche eine zentrale Rolle. Mit seiner umfassenden Sicht auf das Unternehmen und seiner führenden Rolle bei der finanziellen Strategieplanung hat der CFO in Bezug auf die Umsetzung von KI-Technologien einzigartige Vorteile und kann die Innovationsinvestitionen und die messbaren geschäftlichen Ergebnisse präzise ausbalancieren.

Generative Künstliche Intelligenz (Generative AI, kurz GenAI), einschließlich der aufstrebenden KI-Agenten (Artificial Intelligence Agents, kurz AI-Agenten), kann die Betriebsprozesse optimieren, die Entscheidungsfindungseffizienz steigern und das Umsatzwachstum vorantreiben. Analysten der Barclays Investment Bank haben prognostiziert, dass KI-Agenten etwa 7 Milliarden Aufgaben unabhängig erledigen können und so die systemweite Produktivität von Unternehmen erhöhen können. Um jedoch das volle Potenzial dieser Technologie auszuschöpfen, reicht die bloße technologische Implementierung bei weitem nicht aus. Der CFO muss sicherstellen, dass die KI-Projekte eng mit den Unternehmensstrategiezielen übereinstimmen, um eine Streuung von Ressourcen und eine "Inselentwicklung" zu vermeiden und so einen nachhaltigen Wettbewerbsvorteil aufzubauen. Wenn die Finanzleiter die Umsetzung von KI aus strategischer Sicht planen, kann diese Technologie für das Unternehmen signifikante Renditen auf die Investitionen bringen.

Viele Unternehmen stehen jedoch immer noch vor Herausforderungen bei der Umsetzung des Potenzials der KI in tatsächliche geschäftliche Ergebnisse. Viele KI-Projekte erfüllen nicht die erwarteten Ziele. Dieses Phänomen tritt nicht nur bei traditionellen KI-Projekten auf, sondern auch bei GenAI-Projekten. Selbst die KI-Agenten, die in diesem Jahr weit verbreitet eingesetzt werden sollen, könnten in die gleiche Falle geraten.

Um den komplexen Herausforderungen bei der Umsetzung von KI-Projekten effektiv zu begegnen, sollten Unternehmen sich auf drei Schlüsseldimensionen konzentrieren: den geschäftlichen Mehrwert, die Datenbasis und die Mitarbeiterkooperation. Diese drei Elemente bilden zusammen das "Wert-Daten-Mitarbeiter"-Rahmenwerk, das den Entscheidungsträgern einen strukturierten Denkansatz bietet, um die folgenden Schlüsselfragen zu beantworten: Welchen Mehrwert möchte das Unternehmen durch die KI erreichen? Verfügt es über die erforderlichen Datenressourcen, um die KI umzusetzen? Wie werden die Mitarbeiter und Interessengruppen die durch die KI getriebene Veränderung verstehen und darauf reagieren?

Indem sich der CFO auf diese Kernfaktoren konzentriert, kann er die Ressourcenallokation präziser optimieren, das Risiko systematisch senken und die langfristige Erfolgsquote von KI-Projekten deutlich erhöhen.

I. Wertdimension: Der geschäftliche Mehrwert der KI klar definieren

Die erste Dimension des Rahmensfordert, dass Unternehmen klar definieren, welchen Mehrwert sie durch die KI erreichen möchten. Obwohl diese Forderung auf den ersten Blick selbstverständlich erscheint, haben viele Organisationen Schwierigkeiten, klare und direkte Antworten auf die Frage zu geben: "Welche konkreten geschäftlichen Probleme möchte das Unternehmen durch die KI lösen?"

Wirklich erfolgreiche Unternehmen verfolgen nicht blindlings die KI-Technologie an sich, sondern konzentrieren sich auf die Lösung von messbaren und quantifizierbaren geschäftlichen Herausforderungen – beispielsweise die Optimierung des Verkaufsleistungs durch Algorithmen. Nehmen wir einen Verkäufer als Beispiel. Mit Hilfe von KI hat er potenzielle Kunden identifiziert und die Marketingstrategie entsprechend angepasst. Dadurch konnte er seinen Jahresumsatz von 1 Million US-Dollar auf 1,3 Millionen US-Dollar steigern. Dieses konkrete Beispiel zeigt nicht nur die praktische Anwendungsbereiche der KI, sondern auch den messbaren geschäftlichen Mehrwert, den sie für das Unternehmen bringt.

Unternehmen, die sich in der Anwendung von KI ausgezeichnet haben, verfolgen in der Regel eine fokussierte und realistische Strategie. Sie konzentrieren sich zunächst auf die Lösung konkreter und umsetzbarer geschäftlicher Probleme und sammeln so schnell Zwischenerfolge an, anstatt blindlings nach revolutionären Veränderungen zu streben. Auf diese Weise können sie die Risiken von teuren Fehlversuchen vermeiden. Dieser schrittweise Erfolg kann nicht nur die Geschäftsproduktivität verbessern, sondern auch die interne Dynamik für größere Pläne schaffen. Das Paradox dieser Strategie besteht darin, dass CFOs, wenn sie ihre Ressourcen auf KI-Projekte konzentrieren, die auf die Lösung konkreter Probleme ausgerichtet sind, tatsächlich auch indirekt die interne Wissensbasis des Unternehmens stärken. Diese Strategie kann sogar tiefgreifende Veränderungen in der Unternehmenskultur auslösen und das Unternehmen schrittweise in die Lage versetzen, zukünftig größere und komplexere geschäftliche Probleme mit KI zu lösen.

Datenkooperationsplattformen ermöglichen es Organisationen, KI-Modelle unter Wahrung der Privatsphäre zu trainieren.

II. Datendimension: Sicherstellung der Zugänglichkeit und Qualität

Die zweite Schlüsseldimension für den erfolgreichen Einsatz von KI ist die Datenbasis. In der Branche wird oft das Sprichwort "Schrott rein, Schrott raus" verwendet, um diesen Punkt zu verdeutlichen. Die Effektivität von KI-Modellen hängt stark von der Qualität und Zugänglichkeit der Daten ab. Viele Unternehmen erfüllen jedoch die Anforderungen für das Training von KI-Modellen weder in Bezug auf die Datenmenge, die Vielfalt der Daten noch die Strukturierung der Daten.

Der Schlüssel liegt darin, die Daten aus der Perspektive der "Datenzugänglichkeit" und nicht nur der "Datenbesitz" zu betrachten. Ein Unternehmen kann zwar über bestimmte Daten verfügen, aber aufgrund fehlender Benutzererlaubnis nicht rechtmäßig damit arbeiten. Andererseits gibt es auch Daten, auf die ein Unternehmen zwar keinen Eigentumsanspruch hat, aber die es über gesetzlich zulässige Wege nutzen kann.

Der Kernwert von Datenkooperationsplattformen (Data Collaboration Platforms) besteht darin, dass sie es Organisationen ermöglichen, KI-Modelle unter Wahrung der Privatsphäre zu trainieren. Das technische Prinzip besteht darin, dass die Algorithmen direkt an der Stelle der Datenlagerung eingesetzt werden, anstatt die Daten in das Unternehmen zu transferieren, um das Modell zu trainieren. Diese Lösung stellt sicher, dass die persönlichen Daten an der Quelle sicher gespeichert werden, ohne die Analyse und Nutzung der Daten zu behindern.

Derzeit gibt es verschiedene Formen von Datenkooperationsplattformen, von proprietären Diensten privater Unternehmen bis hin zu Open-Source-Lösungen, die von Institutionen oder Verbänden eingesetzt werden. Die breite Anwendung dieser Plattformen zeigt, dass Unternehmen zunehmend verstehen, wie wichtig es ist, den Wert von geteilten oder sensiblen Daten unter Wahrung der Datensicherheit zu erschließen. Noch wichtiger ist, dass diese Plattformen das Kernproblem der KI-Entwicklung lösen: den Mangel an hochwertigen Trainingsdaten.

Beispielsweise können in der Medizinbranche Krankenhäuser und Pharmaunternehmen gemeinsam Algorithmen trainieren, um die Präzision der Diagnose oder Behandlung zu verbessern, ohne die ursprünglichen Daten zu teilen. In komplexeren B2B-Szenarien ist es für Unternehmen aufgrund von Regulierungen oder Datenschutzgesetzen oft schwierig, Kundendaten für die KI-Modellierung zu nutzen. Datenkooperationsplattformen bieten hier eine Lösungsmöglichkeit: Unternehmen können unter strikter Einhaltung der Datenschutzbestimmungen die Technologieinnovation vorantreiben.

Durch die Analyse von Daten unter Wahrung der Privatsphäre eröffnen Datenkooperationsplattformen neue Chancen für verschiedene Branchen, darunter die Medizin und das autonome Fahren, und helfen Unternehmen, sich in der immer komplexeren Datenregulierungsumgebung zu bewegen.

Der Kernwert der Künstlichen Intelligenz liegt darin, die menschlichen Fähigkeiten zu erweitern, nicht zu ersetzen. Die Kernaussage ist: Selbst wenn die KI tief in die Geschäftsprozesse integriert ist, bleiben die fachlichen Urteile und die Erfahrung der Menschen unverzichtbar, insbesondere bei der Bewältigung von komplexen und sich ständig verändernden Herausforderungen.

III. Mitarbeiterdimension: Wahrnehmung verwalten und Vertrauen aufbauen

Die dritte Dimension, die Mitarbeiter, bestimmt oft das Scheitern oder den Erfolg von KI-Projekten. Aufgrund der Befürchtung der Öffentlichkeit, dass Arbeitsplätze von KI ersetzt werden könnten, wird KI oft als Bedrohung angesehen. Diese Gefühle spiegeln auch die breitere öffentliche Angst wider. Eine Umfrage des Pew Research Center hat gezeigt, dass 52 % der US-Befragten sich Sorgen über die zunehmende Verbreitung von KI im öffentlichen Leben machen, und die Sorge überwiegt die Begeisterung.

Unternehmen müssen diesen Bedenken direkt begegnen und die Kernbotschaft klar vermitteln: Der Kernwert der KI liegt darin, die menschlichen Fähigkeiten zu erweitern und die Mitarbeiter in die Lage zu versetzen, wertvollere Arbeit zu leisten. Selbst wenn die KI tief in die Geschäftsprozesse integriert ist, bleiben die fachlichen Kenntnisse und die Erfahrung der Menschen unverzichtbar, insbesondere bei der Bewältigung von komplexen und sich ständig verändernden Herausforderungen. Es ist wichtig, die Wahrnehmung der Mitarbeiter über die Veränderung zu managen. Wenn sie die KI als Bedrohung empfinden, können sie sich dagegen wehren und den Erfolg des Projekts unbeabsichtigt behindern.

Erfolgreiche KI-Projekte legen großen Wert auf Kommunikation und Veränderungsmanagement, da sie wissen, dass falsche Vorstellungen über die KI das Risiko des Scheiterns des Projekts erheblich erhöhen. Daher müssen CFOs und andere Führungskräfte frühzeitig mit den Interessengruppen kommunizieren und die Interaktion aufrechterhalten, um Unterstützung zu gewinnen, Konsens zu erreichen und Vertrauen aufzubauen, damit die Veränderung reibungslos voranschreitet.

Handlungsempfehlungen für CFOs

Das "Wert-Daten-Mitarbeiter"-Rahmenwerk soll CFOs und anderen Entscheidungsträgern bei der Bewältigung der komplexen Herausforderungen der KI eine klare Anleitung geben. Bevor ein CFO ein KI-Projekt genehmigt, sollte er sich auf die folgenden drei Kernfragen konzentrieren:

1. Welchen Mehrwert möchten wir schaffen?
2. Verfügen wir über die Möglichkeit, an hochwertige Daten zu gelangen?
3. Wie werden die Mitarbeiter diese Veränderung wahrnehmen?

Wenn diese Fragen nicht klar beantwortet werden können, sollte das Unternehmen seine Vorgehensweise möglicherweise neu bewerten. Wenn die Datenressourcen nicht ausreichen, sollte das Unternehmen sich zunächst auf die Lösung der Datenbeschaffung oder des Zugangsrechts konzentrieren, anstatt blindlings das Projekt voranzutreiben. Ebenso muss das Unternehmen sich auf ein komplexes und kostspieliges Veränderungsmanagement vorbereiten, wenn die Mitarbeiter das Projekt nicht unterstützen.

Indem Unternehmen das "Wert-Daten-Mitarbeiter"-Rahmenwerk bei der Umsetzung von KI-Projekten anwenden, können sie die Erfolgsquote erhöhen und das Risiko verringern. Es ist jedoch auch wichtig, die Ergebnisse des Projekts kontinuierlich zu messen. Erfolgreiche Unternehmen verfolgen in der Regel systematisch die Ergebnisse ihrer Projekte. Für CFOs sollte jeder große KI-Investition ein klarer Plan für die anschließende Bewertung und ein Budget enthalten. Mit der richtigen Strategie und der kontinuierlichen Überprüfung der Ergebnisse kann die KI das Kernmotiv für die Unternehmensproduktivität, die Innovationsfähigkeit und das langfristige Wachstum werden.

Dieser Artikel wurde aus einem Artikel von IMD übersetzt. Die chinesische Version dient nur als Referenz. Klicken Sie auf "Den gesamten Artikel lesen", um die englische Originalversion zu erhalten.

Über den Autor

Über die IMD International Institute for Management Development in der Schweiz

Die IMD International Institute for Management Development in der Schweiz hat mehr als 75 Jahre Geschichte und setzt sich seit jeher für die Bildung von Führungskräften und Organisationen ein, die eine prosperierendere, nachhaltigere und inklusivere Welt schaffen können. Die IMD wird von einem professionellen und vielfältigen Lehrkörper geleitet und hat Standorte in Lausanne (Schweiz) und Singapur sowie ein Management Development Center in Shenzhen (China). Sie strebt danach, der vertrauenswürdigste Lernpartner für engagierte Personen und Organisationen weltweit zu werden. Die Executive Education- und Studiengänge der IMD gehören seit langem zu den besten der Welt. Dieser anhaltende Erfolg beruht auf der einzigartigen Bildungsphilosophie der IMD: "Echte Lernerfahrung, echter Einfluss" (Real Learning, Real Impact). Durch Executive Education-Kurse, Master of Business Administration (MBA), Executive Master