Ausweg aus der Produktivitätskrise?

Von Elias Aad, Jochen Ditsche und Fabian Neuen

An Generative KI richten sich höchste Erwartungen. Sie soll nicht weniger als die Produktivitätskrise in den hoch entwickelten Volkswirtschaften lösen. Eine Untersuchung von Roland Berger zeigt, dass diese Hoffnung durchaus berechtigt ist. Richtig angewandt, ergeben sich durch Sprachmodelle wie ChatGPT völlig neue Möglichkeiten zur Produktivitätssteigerung – zum Beispiel, indem Generative KI Routineaufgaben im Backoffice übernimmt oder als digitaler Co-Worker Mitarbeitern bei komplexen Aufgaben zur Seite steht.

Interessanterweise geht mit dem Einsatz der neuen KI-Sprachmodelle vorerst keine nennenswerte Reduzierung des Headcounts einher. Nur 16 Prozent der im Rahmen der Studie befragten Führungskräfte rechnen mit einem Stellenabbau von mehr als 5 Prozent bis Ende 2025. Die Mehrheit erwartet keine Veränderungen. Genau umgekehrt verhält es sich beim erwarteten Produktivitätswachstum: Hier erachtet die überwiegende Mehrheit der Befragten (82 Prozent) eine durch Generative KI ausgelöste Effizienzsteigerung von mindestens 6 Prozent für realistisch.

Die aktuelle Stimmungslage in den Führungsetagen deckt sich mit Erfahrungen aus früheren Innovationswellen. Historisch hat sich gezeigt, dass Technologiesprünge langfristig mehr neue Tätigkeiten schaffen als alte zerstören. Umso wichtiger dürften deshalb künftig Initiativen zum Reskilling und Upskilling werden.

Dennoch nutzen Unternehmen die neuen Möglichkeiten in der Praxis bisher sehr unterschiedlich. Während einige Branchen vorpreschen, wird andernorts nur verhalten mit Generativer KI experimentiert. Spitzenreiter in unserem Ranking sind der Groß- und Einzelhandel, die Informations- und Kommunikationsbranche, wissenschaftliche und technische Aktivitäten sowie andere Dienstleistungsaktivitäten, allesamt mit einer Anwendungsquote von mindestens 57 Prozent. Im Bereich der klassischen Produktion loten hingegen aktuell nur 14 Prozent der Unternehmen das Generative-KI-Potenzial aus.

Ein ähnliches Gefälle lässt sich über alle Branchen hinweg in den verschiedenen Unternehmensbereichen beobachten. Während die neuen Tools in Marketing- und Kommunikationsabteilungen oder im Kundenservice im Alltag bereits eine Rolle spielen, kommen sie in der Logistik oder den Rechtsabteilungen bisher nur sehr sporadisch zum Einsatz. Und dass, obwohl sich auch für diese Bereiche leicht Use Cases entwerfen ließen. So könnten KI-Sprachmodelle zum Beispiel die Recherche zu rechtlichen Präzedenzfällen übernehmen, erste Vertragsentwürfe verfassen oder repetitive Due-Diligence-Überprüfungen durchführen.

Außer Acht gelassen werden sollten ebenso wenig die Auswirkungen von Generativer KI auf die Jobqualität. Generative KI hat das Potenzial, die Identifikation mit dem eigenen Beruf und damit auch die Zufriedenheit von Mitarbeitern zu steigern. Nämlich dann, wenn im Joballtag mehr Zeit für tatsächlich sinnstiftende Tätigkeiten bleibt, die auf absehbare Zeit keine KI übernehmen kann. Darunter fallen zum Beispiel die persönliche Vertiefung von Kundenbeziehungen oder die Weiterentwicklung der strategischen Grundausrichtung.

Trotz des aktuellen Investitionsbooms stehen der flächendeckenden Anwendung von Generativer KI noch immer eine ganze Reihe technischer und praktischer Hürden entgegen. Dazu zählen unter anderem Fragen des Datenschutzes, wie zum Beispiel der Schutz von Geschäftsgeheimnissen und personenbezogenen Inhalten, oder die Fehleranfälligkeit der derzeitigen Sprachmodell-Generation. Gleiches gilt für das erfolgreiche Einbetten der Generative-KI-Anwendungen in den Organisationsablauf, was vielen Firmen in der Praxis Schwierigkeiten bereitet. Erst wenn diese Hürden genommen worden sind, können Unternehmen das ganze Potenzial der neuen Technologie abschöpfen.

In drei Schritten zur erfolgreichen Generative-KI-Implementierung

1. KI-Impact-Analyse
   Für die Entwicklung einer tragfähigen KI-Strategie sollten Unternehmen zunächst entlang der gesamten Wertschöpfungskette analysieren, welche Effizienzgewinne sich durch Generative KI auf welcher Stufe realisieren lassen. Wir empfehlen in diesem Zusammenhang die Nutzung des "Roland Berger KI Readiness Radar". Neben einer Analyse der gegenwärtigen IT-Infrastruktur im Unternehmen fließen dabei auch allgemeine Industrietrends und die KI-Anwendung bei Wettbewerbern in die Bewertung ein.
2. Definition der KI-Strategie
   Nach erfolgter Bestandsaufnahme sollten übergeordnete Ziele und Produktivitäts-Benchmarks definiert werden. Im nächsten Schritt wird die Umsetzung erster, konkreter Use Cases geplant. Von entscheidender Bedeutung ist hierbei die Verbesserung des Managements aller unstrukturierten Datensets. Sie müssen so aufbereitet werden, dass sich damit entweder etablierte Modelle für den jeweiligen Business-Zweck schärfen oder in Eigenregie "Special Purpose"-Modelle für ganz bestimmte Aufgaben entwickeln lassen.
3. Proof-of-Concept-Implementierung
   Sind alle relevanten technischen Spezifika festgelegt – etwa die Auswahl des KI-Modells, des Anbieters oder des Integrationsplans –, kann mit der Umsetzung der ersten Use Cases begonnen werden. Im Anschluss folgen die Evaluierung, eventuelle Nachbesserungen und schließlich ein unternehmensweiter Rollout-Plan. Das übergeordnete Ziel sollte dabei immer sein, das gesamte Organisationswissen über ein eigenes Generative-KI-Modell oder ein modifiziertes Off-the-Shelf-Modell verfügbar zu machen.

Registrieren Sie sich jetzt, um die vollständige Studie mit allen Erkenntnissen darüber herunterzuladen, wie Unternehmen das volle Potenzial der generativen Künstlichen Intelligenz nutzen können. Zusätzlich erhalten Sie regelmäßige News und Updates.