ROI muss bei allen KI-Initiativen im Mittelpunkt stehen
Die Begeisterung rund um KI basierte auf einem klaren Versprechen: schneller und signifikanter ROI. McKinsey prognostizierte einst einen jährlichen Gewinnzuwachs von 4,4 Billionen US-Dollar durch KI – da überrascht es nicht, dass sich viele Unternehmen Kostensenkungen und Umsatzsteigerungen erhofft hatten.
Die Realität sieht jedoch differenzierter aus. Fast 30 % aller KI-Projekte werden nach dem Proof of Concept wieder eingestellt. Gründe dafür gibt es viele: Nicht jede Anwendung bringt tatsächlich einen wirtschaftlichen Mehrwert – selbst wenn sie technisch funktioniert. Hinzu kommt der Mangel an qualifizierten Fachkräften, denn die Nachfrage nach KI-Fachkräften ist enorm.
Für das Top-Management zählen messbare Ergebnisse. Projekte ohne klaren Nutzen werden daher oft vorzeitig beendet – nicht, weil die Technologie nicht passt, sondern weil sich die erhofften Effekte nicht sofort zeigen.
Geduldige Entscheider gibt es, aber auch sie setzen sich dem Risiko aus, Projekte und Kosteneinsparungen nicht erfolgreich umsetzen zu können.
Fehlender ROI führt zu einem großen Risiko und Vertrauensverlust
2024 war geprägt von einem regelrechten KI-Hype. Unternehmen investierten überhastet – oft ohne tiefes Verständnis dafür, wie KI tatsächlich helfen kann. Das Resultat: Voreilige Entscheidungen und Anhalten der Projekte.
Mehr als die Hälfte (55 %) der Unternehmen, die im Zuge von KI Einführung Stellen abgebaut haben, bereuen ihre Entscheidung. Zudem geben 38 % der Führungskräfte offen zu, die Auswirkungen von KI auf ihr Unternehmen nicht vollständig zu verstehen.
Ein prominentes Beispiel ist Klarna: Der CEO verkündete zunächst, den Kundenservice vollständig an KI zu übergeben – und fror Neueinstellungen ein. Wenige Monate später folgte die Kehrtwende: Kundenservicemitarbeitende werden wieder eingestellt. Die Ära des „menschlichen Kundenerlebnisses“ ist also längst nicht vorbei.
Auch CEOs, die keine so weitreichenden Pläne verkündet haben, überdenken ihre Strategie. Da wichtige Vorzeigeprojekte ins Straucheln geraten sind, dürfte sich die Einführung deutlich verlangsamen. Es ist möglich, dass KI-Vorreiter ihre Erfolge weniger öffentlich präsentieren und KI-Nachzügler sich in ihrer Zurückhaltung bestätigt fühlen.
Wie erzielen wir einen ROI mit KI? Behalten Sie einen klaren Fokus mit moderaten Erwartungen. Mit einem kritischen Blick und einem klaren Fokus auf den tatsächlichen ROI bleiben Sie auf Kurs, um Ihre KI-Ziele zu erreichen. Wer langfristig echten Mehrwert schaffen möchte, braucht vor allem Fokus, realistische Erwartungen und ein klares Verständnis vom KI-ROI.
In Zukunft werden LLMs neu skaliert, um den ROI zu steigern
Große Sprachmodelle eroberten 2023 die Welt, als der erste weit verbreitete generative KI-Chatbot, ChatGPT, innerhalb von nur fünf Tagen über eine Million Nutzer erreichte. LLM ist eine beeindruckende Technologie, aber sie ist nicht perfekt. Schließlich handelt es sich nicht um echte Intelligenz, sondern um eine Simulation von Sprache. Es halluziniert immer noch, und sein weitgehend unstrukturierter Ansatz zur Problemlösung führt manchmal dazu, dass es sich in seinen eigenen Wortkonstruktionen verfängt.
Die neueste Version von ChatGPT, GPT-4.5, wurde wegen ihrer übermäßigen Wortreichhaltigkeit und Unterwürfigkeit kritisiert. Die Antworten sind länger, repetitiver und schmeicheln dem Nutzer oft auf Kosten der Klarheit oder Genauigkeit. Für Nutzer, die GPT-4.5 für praktische Probleme wie Programmierung und Recherche einsetzen, kann dies ein großes Hindernis darstellen. GPT-4.5 generiert weit mehr Text als nötig und entdeckt in seinen Antworten Probleme, die für die ursprüngliche Frage nicht relevant sind. Es neigt dazu, dem Nutzer zuzustimmen und ihm zu schmeicheln, sogar bis hin zur Erfindung von Fakten, die mit der ursprünglichen Aussage des Nutzers übereinstimmen, anstatt eine Korrektur anzubieten.
Über die Leistungsmerkmale hinaus zeichnet sich eine größere Herausforderung ab: die Monetarisierung. OpenAI verzeichnet weiterhin massive Verluste, wobei neue Abonnementmodelle bei weitem nicht ausreichen, um die Defizite zu decken. Und fast alle anderen Anbieter befinden sich in derselben Situation. Neue Technologien wie Agentic AI könnten neue Einnahmequellen erschließen, aber sie verursachen auch neue Kosten. Anbieter müssen hier Wege finden, ihre Technologie effizienter zu monetarisieren.
Eine Möglichkeit sind bezahlte Anzeigen. Immer mehr Menschen nutzen LLMs als Recherchetools und verwenden sie als Suchmaschinen. Google hat generative KI-Zusammenfassungen zu einem zentralen Bestandteil seiner Suchfunktion gemacht, um seinen Marktanteil zu sichern. Für Anbieter, die nicht Google sind, könnte es sinnvoll sein, dem Monetarisierungsmodell von Google zu folgen. Man kann sich nur eine gewisse Zeit lang durch Qualität und Funktionalität von der Konkurrenz abheben. Wenn LLM-Anbieter profitabel werden wollen, könnten sie gezwungen sein, Werbekunden zu gewinnen, um ihre Einnahmeausfälle auszugleichen, und dabei ihren neuen Marktanteil zu nutzen. Wie bei Diensten wie Spotify könnten Anbieter den Nutzern sogar Gebühren für die Entfernung von Werbung berechnen, sodass Unternehmen gezwungen wären, in kostenpflichtige Alternativen zu den Tools zu investieren, die ihre Mitarbeitenden derzeit kostenlos nutzen.
Die Lage rund um LLMs sind noch lange nicht geklärt. Die Monetarisierung ist wahrscheinlich die größte offene Frage, die diese Technologie umgibt, und wie auch immer sie beantwortet wird: Sie wird die Art und Weise, wie wir mit LLMs interagieren, drastisch verändern, was langfristig das Vertrauen der Nutzer untergraben und die Funktionalität einschränken könnte.
