OBEN
Das Aufkommen von Basistechnologien in der Vergangenheit bietet Einblicke in mögliche Auswirkungen des Diffusionsprozesses der generativen künstlichen Intelligenz (KI). Hierzu gehören drei Lehren für die Transformation: die Vorteile der Augmentierung von Arbeit, die Geschwindigkeit des Rückkopplungszyklus zwischen fortlaufender technischer Verbesserung und Innovation in Anwendungsbereichen und die Möglichkeit eines J‑Kurven-Effekts auf die Produktivität.
Was bedeuten diese drei empirischen Beobachtungen für die Technologieentscheidungen eines Versicherers im generativen KI‑Einführungsprozess? Wie können Führungskräfte die Verbreitung dieser Technologie im Unternehmen steuern?
Das Aufkommen der generativen KI bietet Möglichkeiten zur Automatisierung. Automatisierung kann die Arbeit augmentieren, indem sie die Fähigkeiten der Menschen ergänzt, und Automatisierung kann menschliche Arbeit bei der Ausführung einzelner Tätigkeiten substituieren.1
Erik Brynjolfsson, ein Wissenschaftler der Stanford University, der sich mit Prozessen der Technologieverbreitung befasst, regt an, sich vorzustellen, dass das antike Griechenland in der Lage gewesen wäre, alle wirtschaftlichen Aufgaben zu automatisieren, indem es Arbeit durch Technologie ersetzte und somit auf eine zukünftige Augmentierung der Arbeit verzichtete. Die Gesellschaft hätte zwar dauerhaft von der zusätzlichen Freizeit profitiert, die durch den Wegfall der Arbeit entstanden wäre, aber der Lebensstandard hätte sich nicht weiter erhöht – bis heute gäbe es in dieser Gesellschaft weder das Auto noch den Computer noch die moderne Medizin.2
Die Geschichte der Automatisierung zeigt, dass zwar sowohl Substitution als auch Augmentierung vorkommt, Letztere aber einen weitaus größeren wirtschaftlichen Nutzen bietet. Wir können beobachten, wie die Einführung von Basistechnologien von den Anfängen der industriellen Revolution (z. B. die Dampfmaschine) bis in die Neuzeit (z. B. Elektromotor und Halbleiter) die menschliche Arbeitskraft erheblich augmentiert hat. Eine Folge davon ist, wie Brynjolfsson anmerkt, dass der Wert einer Stunde menschlicher Arbeit in Kaufkrafteinheiten heute mehr als zehnmal so hoch ist wie im Jahr 1820.
Das Gedankenexperiment einer statischen Gesellschaft deutet darauf hin, dass Substitution von Arbeit ein Konzept ist, das einmalige und sofortige Gewinne bringt. Augmentierung von Arbeit hingegen ist ein dynamisches Konzept, das im Laufe der Zeit immer wieder Produktivitätsgewinne bringt. Die Vernachlässigung der größeren dynamischen Vorteile der Augmentierung zugunsten der geringeren statischen Vorteile der Arbeitssubstitution ist als eine Turing-Falle bekannt.3
Basistechnologien werden als Technologien definiert, die weitreichend Anwendung finden, sich technisch laufend verbessern und Innovationen in Anwendungsbereichen ermöglichen.4 In dem Maße, in dem sich die generative KI verbessert, profitiert der Versicherer von zusätzlichen Möglichkeiten zur Ko‑Innovation bei Anwendungen und der Gestaltung von Arbeitsabläufen. Die Geschwindigkeit dieses Rückkopplungszyklus zwischen technischer Verbesserung und nachgelagerter Innovation dürfte bei generativer KI höher sein als bei älteren Basistechnologien wie der Dampfmaschine, der Elektrizität oder der elektronischen Datenverarbeitung.5
1996 veröffentlichten Timothy Bresnahan (Stanford University) und Shane Greenstein (University of Illinois, jetzt Harvard University), beide Wissenschaftler auf dem Gebiet der Technologiediffusionsprozesse, eine bahnbrechende Studie über die Umstellung US‑amerikanischer Unternehmen von Mainframe-Computing zu C/S‑Computing (Client/Server).6 Die Forscher stellten fest, dass der Hauptengpass bei der Einführung und Nutzung von C/S‑Computing die Kosten für die Ko‑Innovation waren. Infolgedessen waren die Unternehmen, die den Übergang am langsamsten vollzogen, jene, für die die Kosten der Umstellung am höchsten waren, statt jene, für die der Nutzen der Umstellung am geringsten war.
Die Studie über die Verbreitung von C/S‑Computern enthält eine wichtige Lehre für die Technologieentscheidungen von Versicherern. Die Theorie der Realoptionen hat Grundsätze für die Entscheidungsfindung hervorgebracht, die die Bedeutung von Lernen und Irreversibilität hervorheben. Dabei bezieht sich das Lernen auf die Geschwindigkeit des technologischen Fortschritts und die Irreversibilität auf die Kosten der Ko‑Innovation. Realoptionsprinzipien begünstigen Wahlentscheidungen im Technologiebereich, die ein hohes Maß an Reversibilität fördern und die Optionen, die dem Entscheidungsträger in der Zukunft zur Verfügung stehen, erweitern. Beide Aspekte begünstigen niedrige Kosten der nachgelagerten Innovation und damit eine frühzeitige Adoption des technologischen Fortschritts.
Finanzoptionen – In der Finanzwissenschaft wurde die Optionstheorie zur Bewertung von Derivaten entwickelt. Ein Derivat ist ein Finanzinstrument, dessen Preis sich vom Wert eines Vermögenstitels (z. B. einer Aktie) ableitet. Eine Finanzoption gibt ihrem Inhaber das Recht (aber nicht die Pflicht), den Vermögenstitel zu einem vorher festgelegten Zeitpunkt (europäische Ausübung) oder innerhalb eines vorher festgelegten Zeitfensters (amerikanische Ausübung) zu kaufen (Call-Option) oder zu verkaufen (Put‑Option).
Realoptionen – Das Konzept der Realoptionen wendet die Optionstheorie auf Investitionsentscheidungen für reale (im Gegensatz zu finanziellen) Vermögenswerte an. Reale Optionen entstehen durch das gleichzeitige Vorhandensein von Lernen und Irreversibilität von Entscheidungen. Lernen steht im Zusammenhang mit zukünftigen Veränderungen in der Umwelt, die sich aus dem Aufkommen neuer Technologien oder sich ändernden Geschäftsbedingungen ergeben können. Ein Projekt, das nicht verfolgt wird, ist vollständig irreversibel. Ein Projekt, das durchgeführt wird, ist in der Regel nur in gewissem Maße irreversibel. Das Ausmaß der Irreversibilität eines durchgeführten Projekts hängt mit den versunkenen Kosten zusammen, d. h. mit den Kosten, die im Falle eines Projektabbruchs oder einer Änderung des Projektverlaufs unwiederbringlich verloren sind.
Wert des Abwartens – Das Abwarten mit der Umsetzung eines Projekts gewinnt durch den Faktor des Lernens und der Irreversibilität an Bedeutung. Die heutige Durchführung eines Projekts beraubt den Entscheidungsträger der Möglichkeit, dieses (oder ein konkurrierendes) Projekt zu einem späteren Zeitpunkt durchzuführen, nachdem zusätzliche Informationen vorhanden sind. Dieser Wert des Abwartens wird vom (traditionell berechneten) Nettokapitalwert des Projekts abgezogen.
Kosten des Abwartens – Die heutige Durchführung eines Projekts bestimmt den Bestand an realen Vermögenswerten in der Zukunft, und die Entscheidung, ein Projekt heute nicht durchzuführen, ist immer unumkehrbar. Die geschäftlichen Rahmenbedingungen können sich ändern und die Nichtdurchführung des Projekts kann sich als nachteilig erweisen. Außerdem bestimmt die heutige Durchführung eines Projekts die Menge der Projekte, die in der Zukunft durchgeführt werden können. Dies ist besonders wichtig, wenn die Technologie lexikografischer Natur ist („ohne A kein B und ohne B kein C“). Ein bekanntes Beispiel ist eine Cloud-Infrastruktur (A), die eine hochmoderne Datenarchitektur (B) unterstützt, die die Grundlage für Cloud-basierte KI‑Systeme (C) bildet. Der (absolute Wert) der Kosten des Abwartens erhöht den (traditionell berechneten) Nettokapitalwert des Projekts.
Realoptionsansatz in der Praxis – Realoptionen sind in komplexen Geschäftsumgebungen schwer zu berechnen. Der praktische Wert der Theorie der realen Optionen ergibt sich aus der Festlegung von Entscheidungsprinzipien, die die Bedeutung des Lernens und der Reversibilität betonen. Der Wert des Abwartens begünstigt technologische Entscheidungen, die mit einem hohen Grad an Reversibilität einhergehen. Die Kosten des Abwartens bevorzugen Technologien, die die dem Entscheidungsträger in der Zukunft zur Verfügung stehenden Optionen erweitern.
Die Einführung einer Basistechnologie macht ergänzende Investitionen des Unternehmens notwendig. Im Fall der generativen KI können diese ergänzenden Investitionen mit der Cloud-Infrastruktur, einer Cloud-basierten Datenarchitektur und einer Plattform zur Orchestrierung von Arbeitsabläufen zusammenhängen, wenn diese Grundlagen noch nicht vorhanden sind. Insbesondere erfordert der Prozess der nachgelagerten Innovation Investitionen auf der Anwendungsebene in den Bereichen Software-Engineering, Arbeitsprozesse und organisatorisches Design, die alle zur Bildung immaterieller Vermögenswerte beitragen.
In der Anfangsphase der Einführung einer Basistechnologie sind diese immateriellen Vermögenswerte ein Produktionsergebnis, welches das Unternehmen neben seinen Waren und Dienstleistungen produziert. Nachdem diese Vermögenswerte gebildet worden sind, werden sie zu Betriebsmitteln im Produktionsprozess des Unternehmens. Dieses immaterielle Kapital entzieht sich in der Regel traditionellen Produktivitätsmessungen, sowohl als Produktionsergebnis als auch als Betriebsmittel. Infolgedessen wird die Produktivität einer Organisation unterschätzt, während diese Vermögenswerte gebildet werden, und die gemessene Produktivität kann sogar sinken. Später, wenn dieses immaterielle Kapital längerfristig als Betriebsmittel dient, wird die Produktivität des Unternehmens überschätzt.7
Ein grobes Maß für die Produktivität eines Versicherungsunternehmens ist die Kostenquote.8 Während der Bildung immaterieller Vermögenswerte verbrauchen sie Ressourcen und tragen nur zum Zähler der Kostenquote bei. Nach ihrer Entstehung, wenn sie als Betriebsmittel dienen, tragen sie nur zum Nenner bei. Das Wissen um einen möglichen J‑Kurven-Effekt auf die Produktivität ist wichtig, um den Beitrag der generativen KI zur Produktivität eines Versicherers auf kurze und lange Sicht zu quantifizieren.
Das Auftreten einer Basistechnologie ist selbst in der heutigen Zeit ein seltenes Ereignis. Dies macht Studien über den Diffusionsprozess früherer Basistechnologien zu wertvollen Informationsquellen. Die Erfahrungen mit der Einführung von Basistechnologien in der Vergangenheit zeigen, wie wichtig Technologieentscheidungen eines Unternehmens für die Steuerung des Adoptionsprozesses sind. Technologieentscheidungen, die ein hohes Maß an Reversibilität fördern und das Angebot an Optionen für die Zukunft erweitern, ermöglichen es dem Versicherer, von der erwarteten hohen Geschwindigkeit technischer Verbesserungen und nachgelagerter Innovationen zu profitieren.
Alle Endnoten zuletzt aufgerufen am 12. März 2024.
