Technologieunternehmen investieren erheblich in generative KI, aber die Rentabilität bleibt eine erhebliche Herausforderung. Trotz des Hypes um diese bahnbrechende Technologie stehen Branchenführer wie Microsoft, Google und OpenAI vor beträchtlichen finanziellen Verlusten in ihren generativen KI-Vorhaben. Die hohen Kosten, die mit generativer KI verbunden sind, resultieren aus dem Bedarf an fortschrittlichen Rechenressourcen und der Komplexität der Analyse und Generierung unstrukturierter Daten, einschließlich Text, Sprache, Bilder und Videos. Kjell Carlsson, Head of Data Science Strategy bei Domino, betont: „Generative KI erfordert die Entwicklung neuer Geschäftsmodelle, die sich von traditionellen Machine-Learning-Ansätzen unterscheiden. Da Organisationen unstrukturierte Daten noch nicht in vollem Umfang nutzen, befinden sich die vielversprechendsten Anwendungsfälle und profitablen Modelle noch im Entstehen.“
Die finanziellen Herausforderungen der generativen KI
Microsoft ist ein Beispiel für die finanziellen Schwierigkeiten, denen Technologieriesen im Bereich der generativen KI gegenüberstehen. Kürzlich hat das Unternehmen die Preise seiner Microsoft 365-Produkte um 53 % bis 240 % erhöht, um KI-gestützte Funktionen für das Verfassen von E-Mails, die Erstellung von PowerPoint-Präsentationen und die Generierung von Excel-Tabellen anzubieten. Die exorbitanten Kosten im Zusammenhang mit generativer KI resultieren überwiegend aus dem Bedarf an leistungsstarken Computern, um diese komplexen KI-Modelle zu betreiben, die wesentlich komplexer sind als herkömmliche Machine-Learning-Modelle. Das GPT-4-Modell zum Beispiel verfügt über mehr als 1 Billion Parameter und ist damit etwa 9.000 Mal größer als BERT, ein früheres generatives KI-Modell ähnlicher Architektur.
Die finanziellen Auswirkungen sind erheblich; Dylan Patel von SemiAnalysis schätzt, dass eine Interaktion mit ChatGPT bis zu 1.000 Mal mehr kosten könnte als eine Standard-Google-Suche. Carlsson weist darauf hin: „Technologieriesen bieten einige der größten generativen KI-Modelle zu Preisen an, die als sehr niedrig wahrgenommen werden. Durch die effektive Subventionierung des Benutzerzugangs erleiden sie trotz hoher Nutzungsraten erhebliche Verluste.“
Ein langfristiger Ausblick
Obwohl die aktuellen Gewinnmargen für Unternehmen, die generative KI-Produkte kommerzialisieren, gering erscheinen, befindet sich die Branche noch in der Anfangsphase. So erreichte Uber erst 2023 die Rentabilität; der Weg der generativen KI könnte einem ähnlichen Verlauf folgen. „Die Kosten sinken in der Regel im Laufe der Zeit“, beobachtet Sean MacPhedran, Senior Director of Innovation bei der Beratungsfirma SCS. „Mit neuen Anwendungsfällen und sich entwickelnden Geschäftsmodellen besteht die Möglichkeit für signifikante Veränderungen.“
Technologieunternehmen verfolgen möglicherweise einen langfristigen Ansatz bei ihren Investitionen in generative KI. Carlsson betont, dass KI zu einem entscheidenden Werkzeug wird, um Wettbewerbsvorteile zu sichern, und Innovationen in diesem Sektor Unternehmen differenzieren können. Darüber hinaus können Unternehmen Kunden gewinnen, indem sie eine stärkere Ausrichtung auf KI-Fähigkeiten im Vergleich zur Konkurrenz demonstrieren.
Die Herausforderungen der Rentabilität meistern
Um Gewinne durch generative KI zu erzielen, benötigen Unternehmen spezialisierte Fähigkeiten und Ressourcen, die vielen derzeit fehlen. Carlsson betont, dass es entscheidend ist, praktikable Anwendungen zu identifizieren, die klare geschäftliche Vorteile bieten und gleichzeitig die Stärken der KI nutzen und deren Einschränkungen mindern. „Heute beinhalten die erfolgreichsten Umsetzungen die Verwendung von generativer KI zur Unterstützung hochqualifizierter Mitarbeiter, wie Forscher, Rechtsanwälte und Investmentbanker.“
Ein weiterer wichtiger Aspekt zur Erreichung von Rentabilität im Bereich der generativen KI ist die Fähigkeit, KI-Umsetzungen effizient und kostengünstig zu entwickeln und zu skalieren. Wie Carlsson erklärt: „Viele Organisationen werden feststellen, dass die großen, generischen generativen KI-Modelle von großen Tech-Unternehmen zu langsam, kostenintensiv und ungenau sind, um ihren Daten- und Sicherheitsbedürfnissen gerecht zu werden. Stattdessen sollten sie Plattformen mit LLMOps-Funktionen für die Aufnahme, Feinabstimmung, Bereitstellung, Orchestrierung und Verwaltung ihrer generativen KI-Modelle in Betracht ziehen.“
Zukunftsausblick für generative KI
Iliya Rybchin von Elixirr Consulting zufolge könnte es Jahre dauern, bis generative KI signifikante Auswirkungen auf die Einnahmen großer Tech-Unternehmen hat. Kurzfristig könnten kleinere Start-ups beginnen, Gewinne aus KI-Initiativen zu erzielen, was zu Übernahmen durch größere Firmen führen könnte, die geistiges Eigentum erwerben oder Wettbewerbsbedrohungen mindern möchten. „Letztlich, wie wir nach dem Platzen der Internetblase gesehen haben, könnte sich der Markt in ein Oligopol konsolidieren, das von den Tech-Giganten dominiert wird“, bemerkt er und deutet auf eine mögliche Zukunft hin, die von den sich entwickelnden Dynamiken im Bereich der generativen KI geprägt ist.
Zusammenfassend lässt sich sagen, dass der Weg zur Rentabilität in der generativen KI komplex und mit Herausforderungen behaftet ist, das Potenzial für transformative Veränderungen und langfristige Gewinne jedoch erheblich bleibt. Unternehmen, die bereit sind, innovativ zu sein und sich anzupassen, können letztendlich ihren Platz in diesem vielversprechenden, aber wettbewerbsintensiven Bereich finden.
Rangliste
