Die Erwartungen an generative KI sind in den hochentwickelten Volkswirtschaften hoch, da sie als mögliche Antwort auf die anhaltende Produktivitätskrise betrachtet wird. Eine aktuelle Studie untermauert diese Hoffnung.
Die Studie Der neue Produktivitätsbooster der Unternehmensberatung Roland Berger basiert auf einer globalen quantitativen Befragung von 100 Führungskräften und einer Serie von qualitativen Interviews. Demnach halten 82 Prozent der Befragten eine Produktivitätssteigerung von mindestens sechs Prozent durch entsprechende KI-Modelle für realistisch, wobei mehr als ein Fünftel sogar Sprünge von bis zu 20 Prozent erwartet. Interessanterweise rechnet über die Hälfte der Teilnehmenden nicht mit einer Reduzierung der Arbeitsplatzanzahl.
In drei Schritten zur KI-Integration
“Im Gegensatz zu früheren Umbrüchen betrifft der aktuelle Entwicklungssprung in der generativen KI vor allem Wissensarbeiter in hochentwickelten Wirtschaften. In diesen Ökonomien hemmen Fachkräftemangel und demografischer Wandel den Produktivitätszuwachs. KI kann hier ein wichtiger Treiber für mehr Effizienz und Innovation sein“, sagt Hasmeet Kaur, Global Managing Director bei Roland Berger. Besondere Chancen würden sich auch durch generative KI ergeben. So könnten in Zukunft neue Produkte, Services und Berufsbilder entstehen. “Von KI-Bots als persönlicher Bankberater bis zum verbesserten Einkaufserlebnis im Einzelhandel können sich Unternehmen unterschiedlichster Branchen Wachstumspotenziale erschließen”, sagt Jochen Ditsche, Global Head der Plattform Digital bei Roland Berger.
Die Studie zeigt auch, dass es große Unterschiede zwischen den Branchen gibt. Während der Handel, die Kommunikationsbranche, wissenschaftliche Einrichtungen und der Service-Sektor generative KI bereits einsetzen, sind die Finanzbranche, Kultureinrichtungen und vor allem die Produktion zurückhaltender. Die Integration von KI in bestehende Geschäftsprozesse wird in drei Schritten empfohlen: Zuerst eine KI-Impact-Analyse, um geeignete Einsatzbereiche zu identifizieren und eine KI-Strategie festzulegen. Dann die Aufarbeitung von Prozessdaten auf Basis dieser Analyse und schließlich die Implementierung eines Proof-of-Concepts und erster Use Cases.
