Die ROI-Frage
43 % der Führungskräfte sind bereit, 20 % des jährlichen Unternehmensumsatzes in KI zu investieren.
Doch wie wird der ROI gemessen?
Ingenieur:innen und Führungskräfte unterscheiden sich in ihrer Bewertung, wie der wirtschaftliche Nutzen von KI zu messen ist. Ingenieur:innen erwarten einen ROI eher aus langfristigen strategischen Verbesserungen (61 % gegenüber 53 % der Führungskräfte), etwa aus einer stärkeren Markenreputation, höherer Innovationskraft und gesteigerter Wettbewerbsfähigkeit. Im Gegensatz dazu messen Führungskräfte den ROI häufiger an operativen Verbesserungen (71 % vs. 60 % der Ingenieur:innen), beispielsweise an Effizienzgewinnen und höherer Produktivität.
Auffällig ist, dass lediglich 24 % der Befragten berichten, volle Transparenz hinsichtlich des endgültigen ROI ihrer KI-Maßnahmen zu haben. Die Situation wird zusätzlich dadurch verkompliziert, dass beide Gruppen die Klarheit der jeweils anderen Seite beim Thema ROI über- oder unterschätzen. Bei der Integration von KI in die betrieblichen Abläufe kann diese fehlende Klarheit zu Verwirrung darüber führen, ob die Führungsvorgaben mit den strategischen Zielsetzungen übereinstimmen.
Gibt es Klarheit über den KI-ROI?
Führungskräfte
19 %
geben an, vollständige Klarheit über den ROI ihrer KI-Initiativen zu haben.
Ingenieur:innen
31 %
glauben, dass ihre Unternehmensführung den ROI ihrer KI-Initiativen vollständig versteht.
Führungskräfte
17 %
glauben, dass Ingenieur:innen den KI-ROI vollständig verstehen.
Ingenieur:innen
28 %
geben an, vollständige Klarheit über den ROI ihrer KI-Initiativen zu haben.
Was Mitarbeitende sagen
Bei der Implementierung von KI-Tools ist eine klare Definition von Erfolgsmaßstäben entscheidend. Für TE steht die Produktivitätssteigerung im Engineering im Fokus. Unser Ziel ist es, bei gleicher Projektdauer mehr Projektergebnisse zu erzielen. Dafür sollen innerhalb von fünf Jahren 30 % zusätzliche Engineering-Kapazitäten geschaffen werden.
Ein weiteres Ziel ist die nachhaltige Verbesserung der Qualität unserer Projekte und Produkte. Richtig eingesetzt kann eine größere Datenbasis eine gezieltere Analyse kritischer Simulationen ermöglichen.
Das Jevons-Paradoxon besagt, dass mit dem technologischen Fortschritt Effizienzgewinne durch eine Zunahme der Arbeitsmenge wieder aufgezehrt werden. Vor diesem Hintergrund ist es entscheidend, sicherzustellen, dass die Implementierung von KI die Produktivität sowohl interner Prozesse als auch externer Ergebnisse verbessert. .
Rüdiger Ostermann
Chief Technology Officer
Transportation Solutions