KI in der Strategie: Effizienz ist der kleinste Hebel

In den meisten Unternehmensstrategien steht KI unter Effizienz. Das ist nicht falsch, aber es lässt das Geschäftsmodell unverändert und erklärt nur, wie man es schneller betreibt. Der größere Hebel liegt woanders: KI verändert, was Sie Ihren Kunden überhaupt versprechen können.

Deshalb beginnt eine KI-Strategie nicht mit der Frage, welche Prozesse sich automatisieren lassen, sondern mit dieser: Was könnten Sie künftig anbieten, das heute technisch oder wirtschaftlich nicht möglich ist?

Drei Beispiele, was das konkret heißt

Als Maschinenbauer könnten Sie aus Schwingungs- und Stromaufnahmedaten die Restlebensdauer Ihrer Maschinen abschätzen und diese Vorhersage als laufenden Service verkaufen.
Als Spezialchemiehersteller könnten Sie aus den Betriebsdaten Ihrer Kunden vorhersagen, wie lange Ihr Additiv für kratzfesten Autolack hält, und darauf eine Standzeitgarantie geben, die Ihr Wettbewerb nicht geben kann.
Als Entsorgungsunternehmen könnten Sie aus Sortier- und Wiegedaten erkennen, welche Abfallfraktionen beim Kunden vermeidbar sind – und Vermeidungsberatung verkaufen statt nur Entsorgung.

Was diese Fälle gemeinsam haben: Es sind strategische Innovationen, keine KI-Projekte für die IT. Und sie entstehen nicht aus der Technologie, sondern aus dem Blick auf das eigene Leistungsversprechen.

Wie führende Unternehmen daraus Geld machen

Diesen Weg sind einige bereits gegangen. Auffällig ist, dass sich dabei vor allem die Pricing-Modelle verändern. Drei Muster sehen wir zunehmend häufig.

1. Vom Einmalverkauf zum Laufzeitvertrag. KI-Modelle lernen aus dem laufenden Betrieb, das Produkt verbessert sich im Dauereinsatz, und der einmalige Kaufpreis verliert an Bedeutung. Der Kunde zahlt eine laufende Gebühr für Zugang und Betrieb, der Anbieter erhält kalkulierbare Erlöse und kontinuierlich Betriebsdaten. Am weitesten ist das bei Softwareanbietern, die Lizenzen durch Abonnements ersetzt haben und jede Verlängerung mit den Nutzungsdaten des Vorjahres begründen. Im Maschinenbau entsteht dasselbe Muster: Aus dem Maschinenverkauf werden laufende Serviceverträge, in denen Wartung, Ersatzteile und Software-Updates über die Nutzungsdauer gebündelt sind – und der Hersteller weiß jederzeit, wie die Maschine beim Kunden läuft.

2. Vom Systemeinkauf zu „pay per part“. Weil sich Ausfälle und Wartungsbedarf vorhersagen lassen, kann der Anbieter das Betriebsrisiko übernehmen, statt es dem Kunden zu überlassen. Der Kunde kauft dann nicht das System, sondern zahlt je gefertigtes Teil oder gelieferten Output. Zu sehen ist das im Maschinenbau und bei Energieversorgern, die im Wärme-Contracting nicht die Heizzentrale verkaufen, sondern die gelieferten Kilowattstunden – und Anlage, Betrieb und Ausfallrisiko behalten. Der Kunde finanziert keine Investition und zahlt nur gelieferte Leistung, der Anbieter lastet die Anlage über die Laufzeit besser aus und verdient länger als am Einmalverkauf.

3. Von der Schadenszahlung zur Prävention. Wo Schäden vorhersagbar werden, verschieben sich Versicherungsleistungen zu Präventionsdienstleistungen. Der Kunde zahlt für Überwachung und Sicherheit, der Anbieter verdient daran, dass ein Schaden ausbleibt. Gewerbeversicherer statten Kundengebäude mit Leckage- und Brandfrüherkennung aus, melden den tropfenden Steigstrang vor dem Wasserschaden und lassen sich die Überwachung vergüten. In der Kühllogistik entsteht dasselbe: Der Dienstleister überwacht Temperatur und Türöffnungen jeder Sendung, greift bei Abweichungen während der Fahrt ein und verkauft die zugesagte Kühlkette statt Ersatz für verdorbene Ware.

Alle drei Modelle richten das Leistungsversprechen näher an dem aus, was der Kunde tatsächlich will. Er will planbar produzieren, nicht zwingend eine Maschine besitzen. Er will Schäden vermeiden, nicht Schadenssummen erstattet bekommen. Diese Bedürfnisse waren immer da – erst die Vorhersagbarkeit macht ein Geschäftsmodell daraus.

Was Sie dafür brauchen: Daten, die es oft noch nicht gibt

Hier liegt die Hürde, an der die meisten dieser Vorhaben tatsächlich hängen. Eine Vorhersage braucht drei Dinge, und keines davon ist selbstverständlich.

Messwerte im Feld. Restlebensdauer schätzt niemand ohne Sensorik in Maschinen, die beim Kunden stehen, und ohne eine Datenverbindung, die er zulässt. Bei Neuanlagen ist das eine Konstruktionsentscheidung, bei installierter Basis eine Nachrüstfrage – und die entscheidet oft darüber, wie lange der Weg zum neuen Geschäftsmodell dauert.

Historie, aus der ein Modell lernen kann. Ohne dokumentierte Ausfälle und Instandhaltungshistorie gibt es keine Vorhersage, sondern eine Schätzung. Fehlt diese Historie, ist der erste Schritt nicht das Modell, sondern das Sammeln – und das braucht Zeit, die in der Planung realistisch abgebildet werden muss.

Die Zustimmung des Kunden. Der schwierigste Punkt, weil er nicht technisch ist. Betriebsdaten sind für Ihre Kunden sensibel: Sie zeigen Auslastung, Fahrweise, teilweise Rückschlüsse auf deren eigene Kunden. Wer solche Daten will, muss dafür einen erkennbaren Gegenwert anbieten – niedrigere Ausfallzeiten, eine belastbare Garantie, geteilte Einsparung. Und er braucht eine vertragliche Regelung dazu, was mit den Daten passiert und was nicht. In der Praxis ist das ein eigener Verkaufsprozess, nicht eine Klausel im Wartungsvertrag.

Und das Risiko, das Sie übernehmen

Alle drei Pricing-Modelle verlagern Risiko vom Kunden zum Anbieter. Das ist der Grund, warum sie attraktiv sind – und der Grund, warum sie sorgfältig kalkuliert werden müssen.

Wer je gefertigtes Teil abrechnet, trägt das Betriebsrisiko und verdient nichts, wenn die Anlage steht. Eine Standzeitgarantie kostet im Schadensfall Geld. Und jedes Modell verändert die Erlösstruktur: Aus Einmalerlösen werden Zahlungsströme über Jahre. Das bindet Kapital, verschiebt die Finanzierung und ist in vielen mittelständischen Unternehmen eine Entscheidung, die mit der Hausbank besprochen werden muss, bevor sie mit dem ersten Kunden besprochen wird.

Begrenzen lässt sich das: über Verfügbarkeitszusagen mit realistischem Puffer statt Bestwerten, über Haftungsobergrenzen, über eine Preisgestaltung, die die Unsicherheit der ersten Modellgeneration einpreist. Wer das Risiko kalkuliert, kann es tragen. Wer es übersieht, verkauft eine Garantie, deren Kosten er nicht kennt.

Was sich intern verändert

Ein neues Leistungsversprechen verändert die Art, wie Ihr Unternehmen arbeitet. Am Beispiel des vorhersagenden Service:

Verantwortung. Ein laufender Service braucht jemanden, der ihn verantwortet, mit definierten Reaktionszeiten und Eskalationswegen. Dazu entstehen neue Schnittstellen: Der Service braucht die Auswertung aus der Datenanalyse, der Vertrieb verbindliche Zusagen aus dem Service, und beide müssen gemeinsam festlegen, welche Verfügbarkeit zugesagt werden kann. Ohne eine klare Zuordnung, wer welche Zusage verantwortet, entsteht genau an dieser Stelle der erste Konflikt.

Prozesse. Ihr Serviceprozess war auf Reaktion ausgelegt: Störungsmeldung, Ersatzteilbeschaffung, Einsatzplanung unter Zeitdruck. Sobald Ausfälle vorhersagbar sind, entstehen Planungsprozesse. Ersatzteile lassen sich vorab disponieren, Einsätze in reguläre Arbeitszeiten legen, Techniker gleichmäßiger auslasten. Das ist eine erhebliche Qualitätssteigerung – sie stellt sich aber nur ein, wenn die Prozesse dafür neu gedacht werden.

Kennzahlen. Ein laufender Service verschiebt die relevanten Größen vom Einmalgeschäft zu Verlaufsgrößen: Anzahl laufender Verträge, Verlängerungsquote, Kündigungen, Erlös je Kunde über die Vertragslaufzeit. Solange der Vertrieb an Auftragseingang gemessen wird, wird er auch Aufträge verkaufen und keine Verträge.

Diese drei Elemente arbeiten wir in Strategieprojekten von Anfang an mit. Für die Verantwortlichkeiten halten wir in einer RACI-Matrix fest, wer für welche Aufgabe zuständig, rechenschaftspflichtig, zu konsultieren oder zu informieren ist. Die Prozesse entwickeln wir mit den beteiligten Funktionen: über die Turtle-Methode, die Input, Output, Rollen, Systeme und Kennzahlen eines Prozesses auf einer Seite zusammenführt, und über Modellierung in BPMN 2.0. Verankert wird das in Umsetzungs-Workshops und Schulungen. Und die Ziele der neuen Strategie übersetzen wir in Kennzahlen, an denen sich der Fortschritt ablesen lässt.

Wie man anfängt

Der Einstieg ist kleiner, als das Thema klingt. Bewährt hat sich dieser Weg:

Suchen Sie einen Kunden, mit dem die Zusammenarbeit ohnehin eng ist, und bieten Sie die neue Leistung zunächst als Zusatz zum bestehenden Vertrag an – ohne Preisschild. In dieser Phase sammeln Sie Daten, prüfen die Vorhersagequalität und lernen, welche Zusagen Sie tatsächlich halten können. Erst wenn die Vorhersage trägt, stellen Sie das Pricing um, und zwar zuerst bei diesem einen Kunden.

Das kostet Zeit und einen Kunden, der mitmacht. Es kostet aber weniger als eine Garantie, die auf einem Modell beruht, das noch niemand im Feld überprüft hat.

Fazit

KI gehört in die Strategie, weil sie neue Leistungsversprechen möglich macht – von zugesagter Maschinenverfügbarkeit über Garantien auf Materialeigenschaften bis zu verhinderten Schäden statt erstatteter Schadenssummen. Die Vorreiter zeigen das bereits an ihren Pricing-Modellen.

Der Weg dorthin führt über drei Fragen, die vor jeder Technologieentscheidung stehen: Was könnten wir anbieten, das heute nicht geht? Welche Daten bräuchten wir dafür, und woher kommen sie? Welches Risiko übernehmen wir damit, und was kostet es uns im schlechtesten Fall?

Sie möchten wissen, welches Leistungsversprechen in Ihren Daten steckt? Sprechen wir in einem unverbindlichen Erstgespräch darüber.