Künstliche Intelligenz (KI) wird bald zur Standardtechnologie in Unternehmen gehören. Bereits 2023 setzten laut McKinsey 55% aller Unternehmen KI in mindestens einem Unternehmensbereich ein – ein Wert, der seit Jahren stabil bleibt [1]. Wie strategisch geschickt sie dabei vorgehen, wird in Zukunft ein Schlüsselfaktor im Wettbewerb um Kunden sein. In Geschäftsführungen und Management nimmt deshalb die Diskussion Fahrt auf, ob sie intern ein KI-Team aufbauen sollten.

In diesem Artikel stellen wir die Vor- und Nachteile von Inhouse-KI-Teams und Outsourcing von KI-Entwicklung vor. Als Anbieter von KI-Lösungen sind wir nicht ganz objektiv, aber wir haben gute Gründe, in bestimmten Fällen für ein Outsourcing zu plädieren. Welche? Lies selbst.  

Der erste Gedanke: KI-Entwicklung unternehmensintern aufbauen

Der Gedanke, eigene KI-Entwickler zu beschäftigen, liegt nahe: Künstliche Intelligenz wird in Zukunft wohl in (fast) jedem Unternehmen und jedem Unternehmensbereich verwendet werden. Die Entwickler vertiefen ihr Know-how sukzessive und die Kosten für ein solches Team sind über die Zeit niedriger als die regelmäßige Beauftragung externer Dienstleister.

Ein weiterer scheinbarer Vorteil von internen KI-Teams: Sie können Anwendungen individuell entwickeln und für das Unternehmen maßschneidern. Kaufen Unternehmen KI-Anwendungen ein, sind die Konfigurationsmöglichkeiten eingeschränkt. Dies wäre jedoch für die meisten die einzig realistische Alternative. Denn eine komplette Individualentwicklung durch externe KI-Experten ist für viele Unternehmen zu kostspielig.

Beide vermuteten Hauptvorteile von interner KI-Entwicklung sind bei näherer Betrachtung allerdings nicht überzeugend.

Warum Outsourcing von KI-Entwicklung Vorteile bringt  

Wer sein Entwicklerteam in der Vergangenheit aufstocken wollte, weiß, wie schwierig es ist, IT-Fachkräfte zu finden. KI-Entwickler zu finden, potenziert die Schwierigkeit noch einmal. Die Suche dauert lange und ist extrem kostenintensiv. Der Aufbau eines internen KI-Teams kann so schnell zum Engpass werden, der den wirtschaftlich so wichtigen Fortschritt in der Implementierung der Technologie behindert.

Doch selbst wenn ein, zwei KI-Entwickler an Bord gekommen sind: Das Feld der KI-Entwicklung ist breit und um mit Datensets und Algorithmen so umzugehen, dass ein Unternehmen das Potenzial der Technologie ausschöpft, müssen Entwickler Domänenwissen mitbringen. Der KI-Einsatz, um Prozesse in der Logistik zu automatisieren, unterscheidet sich vom Einsatz von KI für die automatisierte Dokumentenprüfung. 

Je mehr Anwendungsfälle mit von KI optimiert werden sollen, desto weniger kann ein internes Team dieses Domänenwissen mitbringen. Anders Experten von KI-Anbietern, die sich auf spezielle Anwendungsfelder spezialisiert haben: Sie müssen sich nicht erst lange ins Thema einarbeiten.

Dass externe KI-Outsourcing per se teurer ist als interne KI-Entwicklung, ist eine Milchmädchenrechnung. Experten benötigen aufgrund ihrer Erfahrung in der Regel weniger Zeit, um bessere Ergebnisse zu liefern. Für einzelne Projekte können Unternehmen vom Wissen von Top-Experten profitieren, deren Festanstellung sie sich nicht leisten können. Hinzu kommt, dass für viele Use Cases bereits exzellente Tools am Markt verfügbar sind, die Anbieter für ihre Kunden anpassen.

Es stimmt, dass Unternehmen damit Abstriche an der Individualität der Lösung machen müssen. Doch diese sind meist gering und der Nutzen, der durch die schnelle Integration in den Arbeitsprozess entsteht, überwiegt den Nachteil bei Weitem. Interne Teams müssten sich über Wochen und Monate einarbeiten, um das Kompetenzniveau spezialisierter Dienstleister zu erreichen. Während dieser Zeit fallen nicht nur Personalkosten, sondern auch Weiterbildungskosten an sowie Kosten für Hardware und Software, die interne Entwickler benötigen, wenn sie KI-Services entwickeln sollen. Nach dem Deployment kommen laufende Kosten hinzu, um das Datenmodell der KI-Anwendung zu pflegen.

Beim Outsourcing erhalten Unternehmen nicht nur schnell eine funktionsfähige Lösung, sondern sparen sich auch diverse laufende Kosten. Dienstleister entwickeln ihre KI-Anwendung zudem kontinuierlich weiter. Von den Verbesserungen profitieren Kunden beim SaaS-Modell ohne weitere Kosten. Ganz automatisch. Bei Problemen mit der Software haben Unternehmen kompetente Ansprechpartner, die zeitnah reagieren und die Technologie im Detail kennen – besser als es jeder interne IT-Support leisten könnte.

Es kommt darauf an, aber meist ist der Fall klar

Das Outsourcing von KI-Entwicklung ist keine perfekte Lösung. Unternehmen müssen Kompromisse eingehen, doch im Vergleich zur Inhouse-Entwicklung überwiegen in den meisten Fällen die Vorteile.

Wenn Unternehmen bisher nicht wissen, in welchem Umfang sie künstliche Intelligenz in Zukunft in ihre Prozesse und ihr Unternehmensmodell integrieren möchten, sollten sie einzelne Use Cases zunächst von externen Dienstleistern realisieren lassen. Der Aufbau eines Inhouse-Teams wäre mit zu hohen Risiken verbunden.

Damit die eingekaufte KI-Anwendung auch bestmöglich auf die Unternehmensziele einzahlt, sollten Entscheider ausreichend Zeit in die Wahl des KI-Dienstleisters investieren und vorab wichtige Fragen klären:

• Hat er bereits ähnliche Use Cases umgesetzt?
• Verfügt er über Branchenerfahrung? 
• Wie ist die Reputation des Unternehmens?
• Ist es möglich, Referenzprojekte einzusehen?
• Welchen Kundenservice bietet der Dienstleister?

Eine sorgfältig durchgeführte Due Diligence legt die Basis für eine erfolgreiche Zusammenarbeit. 

Auch wenn die Wahl auf ein KI-Outsourcing fällt, empfehlen wir, internes KI-Know-how aufzubauen – in der IT und den Fachabteilungen. So können Unternehmen die Qualität des Dienstleisters besser beurteilen und neue Ideen entwickeln, um ihre Produkte und Prozesse mithilfe von KI zu optimieren. 

Referenzen:

1. McKinsey Global Survey on Al, 1,684 participants at all levels of the organization, April 11—21, 2023, https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai-in-2023-generative-ais-breakout-year#steady