KI-Tools ermöglichen in vielen Bereichen effizienteres Arbeiten. So auch im B2B-Vertrieb. Eine KI-Vertriebssoftware erspart Zeit, Nerven und Kosten, während sie den Customer Lifetime Value und Kundenerlebnisse verbessert.
Unternehmen, die KI-gestützte Tools NICHT einführen, werden deutlich ineffizienter sein als ihre Mitbewerber und lassen sich überholen.
Wenn Sie in diesem Beitrag gelandet sind, dann haben Sie das schon längst verstanden. Deshalb soll es auch nicht weiter um die Benefits einer KI-gestützten Software gehen, sondern um die Frage „Make or Buy“.
Bis vor ca. ein bis zwei Jahren war das Hauptthema in unseren Kundenanfragen und Erstpräsentationen: „was bedeutet KI für den Vertrieb und wie funktioniert es.“.
Vor allem bei großen mittelständischen Unternehmen und Konzernen ist das jetzt anders. Es geht oft um die Frage: „kaufen oder selbst entwickeln?“.
Natürlich lässt sich diese Frage nicht pauschal und für alle KI-Anwendungen beantworten. In diesem Beitrag werden wir das Thema „make or buy“ mit dem Fokus auf eine KI-basierte Predictive Sales Software diskutieren.
Faustregel: KI als Kerngeschäft – make. KI zur Unterstützung – buy.
Um diese Faustregel anzuwenden, sollten Sie die richtigen Fragen stellen: Welches strategische Problem soll gelöst werden? Oder anders formuliert: Welches Hauptziel soll mit KI erreicht werden?
Wir sagen es ehrlich: Wenn Sie eine KI-Anwendung zu Ihrem Kerngeschäft machen möchten, indem Sie strategisch eine neue Richtung einschlagen – dann gibt es nicht viel zu überlegen. Sie sollten die KI im eigenen Haus entwickeln. Wie bei innovativen Geschäftsmodellerneuerungen. Nur so ist dem Unternehmen das geistige Eigentum an der Anwendung garantiert. Und wer möchte schon für sein Kerngeschäft abhängig von einem Anbieter sein?
Kommen wir zum „buy“. Für unterstützenden KI-Tools, die Routinetätigkeiten erleichtern/verbessern, ist es absolut nicht ratsam diese selbst zu entwickeln.
Das gilt für Bereiche außerhalb Ihres Kerngeschäfts, wie dem Vertrieb, dem Personalwesen, dem Kundendienst oder Finanz- und Rechnungswesen. Oder wann haben Sie das letzte Mal ihr eigenes CRM entwickelt? Ich vermute, wir haben alle schon von Salesforce & Co. gehört.
Es sind alles unterstützende Anwendungen, wie z.B. eine Predictive Sales Analytics Software für Ihren Vertrieb. Eine solche KI-Anwendung hat den Zweck, Kundenverhalten so präzise wie möglich anhand historischer Daten vorherzusagen.
Es ist eine einfach zu realisierende Anwendung, die schnelle Erfolge erzielt.
Hier sollten Sie dringend „buy“ in Betracht ziehen. Warum? Es ist eine Kosten-Nutzen Kalkulation. Und die wahren „Make“-Kosten werden häufig extrem unterschätzt.
Kennen Sie die wahren Kosten?
Wir bleiben bei einer KI-Anwendung, mit dem Ziel Routinetätigkeiten zu unterstützen und sofortige Mehrwerte zu liefern.
Bei einer Eigenentwicklung sparen Sie die Lizenzkosten an den Anbieter und anfängliche Implementierungskosten. Aber was müssen Sie leisten? Was sind die wahren „total-cost-of-ownership“?
Zuerst das Offensichtliche: die Entwicklung einer KI-Anwendung beansprucht Zeit, Geld und qualifizierte Mitarbeiter*innen. Viele mittelständige Unternehmen oder Konzerne sagen: „kein Ding – haben wir.“
Das freut uns für Sie! Nur wiegen Sie bitte nochmal Kosten-Nutzen ab. Ich bin mir sicher, dass auch Sie eine Grenze an Geld, Zeit und Mitarbeiter*innen für ein „lediglich“ unterstützendes Tool haben.
Wer sich ein bisschen mit KI und insbesondere maschinellem Lernen auskennt, weiß, dass auch Standard-Anbieter (unter anderem) auf Open-Source Modelle für ihre Algorithmen zurückgreifen.
Das täuscht ganz klar „falsche Einfachheit“ vor. Auch mit Open-Source Modellen kostet die Erstellung bis hin zur Anwendung von künstlicher Intelligenz Hunderttausende bis hin zu Millionen von Euros. Ganz zu schweigen von den individuellen Anpassungen und Optimierungen der Modelle.
Es dauert Monate, bis ein maschinelles Lernen Algorithmus zufriedenstellend trainiert ist.
Also, so trainiert, dass er die Aufgaben löst, die er lösen soll. Außerdem braucht es eine massive Menge an Daten, die Sie evtl. nicht so einfach in Petto haben.
Sie haben demnach sehr hohe initiale Entwicklungskosten für etwas, das es bereits spezialisiert und sofort einsatzbereit auf dem Markt gibt.
„Okay. Hohe Initialkosten sind bekannt. Aber ist die Anwendung einmal entwickelt, stehen keine Kosten mehr an – im Gegensatz zu den Lizenzkosten eines Anbieters.“, argumentieren viele „make“-Befürworter.
Das ist leider nur zu 50 % richtig. Ja, es stehen Lizenzkosten für den Anbieter an – ganz klar. Aber nein, für Sie als Unternehmen hören die Kosten nach der eignen Entwicklung nicht auf! Auch Ihre Software muss gepflegt, gewartet und optimiert werden. Sie brauchen extra Mitarbeiter*innen, die sich darum kümmern.
Wie sieht es mit dem Nutzen aus? Bei der Eigenentwicklung haben Sie besonders zu Beginn einen sehr hohen Kostenblock und keine Einnahmen durch den Einsatz der KI.
Im Gegensatz zu einer gekauften Software, die nach wenigen Tagen einsatzbereit ist und sofortigen Mehrwert liefert. In dem Schaubild sind Kosten-Nutzen über die Zeit visuell dargestellt.
Dieses Schaubild trifft auch nur dann zu, wenn das KI-Projekt erfolgreich ist. Wie sieht es mit Risiken aus?
Faktoren: Risiko und Sicherheit.
Laut der Studie des Project Management Institute 2017, scheitern 14 % aller internen Software Projekte, 31 % verfehlen die Ziele und 49 % überziehen Deadlines.
Wie oben schon erwähnt, benötigen besonders KI-Projekte sehr spezialisierte und qualifizierte Mitarbeiter*innen. Diese Mitarbeiter*innen sind in der Zeit nicht für andere Projekte verfügbar. Denken Sie also auch an Opportunitätsrisiken. Brauchen Sie diese Mitarbeiter*innen für Ihr Kerngeschäft, sodass es evtl. darunter leidet?
Sie sollten außerdem die Fluktuation in Ihrem IT-Bereich beachten. Verlässt einer der entwickelnden oder geschulten Mitarbeiter*innen das Unternehmen, treten wieder Verzögerungen und Kosten für neue Einarbeitungen auf.
Warum beschreibe ich die Risiken einer Eigenentwicklung so genau? Weil sie in der Praxis oft stark unterschätzt werden. Besonders werden sie von Ihren IT-Entwicklern unterschätzt.
Wir sind uns hoffentlich einig, dass es keine 100%ige Sicherheit bei neuen Investitionen und Projekten gibt – egal ob make or buy.
Bedenken Sie jedoch, dass ein KI-Anbieter sich den ganzen Tag mit diesen Themen beschäftigt und schon einiges an Erfahrungen in speziell diesen Bereichen gesammelt hat. Die Algorithmen sind schon vortrainiert und die KI-Fachkräfte sind vorhanden. Außerdem werden von fachkompetenten Anbietern Mitarbeiter-Schulungen übernommen. Denn ein KI-Tool ist nur so gut wie seine Anwender.
BERECHNEN SIE JETZT DEN ROI VON QYMATIX PREDICTIVE SALES SOFTWARE
Künstliche Intelligenz Software: Die wahren Entwicklungskosten – Fazit
Machen Sie bei der Entscheidung „make or buy“ keine Milchmädchenrechnungen und beachten Sie alle wichtigen Faktoren:
Das Problem und das Ziel. Die wahren Kosten. Die Risiken.
Die Faustregel „KI als Kerngeschäft – make. KI zur Unterstützung – buy“ gibt eine gute Orientierung vor. Fügen Sie die Verfügbarkeit von Ressourcen und den Reifegrad der KI-Lösung zu Ihrer Gleichung hinzu.
Beispielsweise ist eine KI-gestützte Predictive Sales Analytics Software sofort einsatzbereit und bringt ab der Implementierung sofortigen Mehrwert.
Warum sollten Sie also die Kosten und Risiken auf sich nehmen, eine solche Anwendung selbst zu basteln – obwohl sie „nur“ als Unterstützung dient und nicht ein Teil Ihres Kerngeschäfts ist?
ICH MÖCHTE PREDICTIVE ANALYTICS FÜR DEN B2B-VERTRIEB
Literaturnachweis:
Christiane Pütter (2019): Wie deutsche Firmen Künstliche Intelligenz nutzen. Hg. CIO
Stefan Ramershoven (2021): KI programmieren oder kaufen? Hg. Computerwoche
KI Software – selber entwickeln oder einkaufen? Hg. Paraboost