Digitale Geschäftsmodelle erfolgreich entwickeln und implementieren

14. Februar 2022

Abstract

Die digitale Transformation hat so gut wie jede Industriebranche erfasst. Gestützt durch den Erfolg von Unternehmen wie Amazon, Google oder Apple versprechen vor allem digitale, durch Künstliche Intelligenz (KI) verstärkte Geschäftsmodelle hohe Margen und Gewinne. In der Realität tun sich CEOs jedoch oftmals schwer digitale, KI-getriebene Geschäftsmodelle erfolgreich in ihren Unternehmen zu etablieren. Um die Erfolgschancen zu steigern haben wir zu diesem Zweck die next level KI Canvas entwickelt.

Die next level KI Canvas

Insbesondere in wirtschaftlich herausfordernden Zeiten wie diesen fragen sich Manager, was nötig ist, um Ihr Unternehmen für die digitale Zukunft fit zu machen. Dabei stellen sie sich oft die Frage, ob Ihr aktuelles Geschäftsmodell in einer zunehmend digitalen Welt noch tragbar ist und falls nicht, wie ein neues, digitales Geschäftsmodell erfolgreich entwickelt und implementiert werden kann. Nicht wenige Unternehmen stoßen dabei an ihre Grenzen. Zu diesem Zweck haben wir die next level KI-Canvas entwickelt.

Die KI-Canvas ist das Resultat langjähriger Projekt- und Beratungserfahrung. Sie basiert auf der Erkenntnis, dass die klassische Business Model Canvas [1] für die Entwicklung digitaler Geschäftsmodelle nicht passend ist. Des Weiteren fußt unser Ansatz auf der Prämisse, dass heutige und vor allem zukünftige, digitale Geschäftsmodelle fast ausschließlich datengetrieben sind und Künstliche Intelligenz (KI) verwenden, um ihr Wertangebot zu erstellen. Folgerichtig nennen wir unseren Ansatz: Die next level KI-Canvas

Abbildung 1: Next level KI-Canvas

Digitales Wertangebot, Personas und Kundeninterface

Wie in Abbildung 1 zu sehen setzt sich die Next level KI-Canvas aus fünf Kernbereichen zusammen anhand derer das digitale Geschäftsmodell entwickelt wird. Zunächst wird das digitale Wertangebot für den Kunden, d.h. die Kernidee Ihres Geschäftsmodells entwickelt. Dabei ist es wichtig, auf die Einzigartigkeit des Wertangebotes zu achten und die Konkurrenz durch eine detaillierte Wettbewerbsanalyse zu durchleuchten. Insbesondere bei digitalen Wertangeboten ist dies essentiell, da diese oft einfacher kopiert werden können als Wertangebote von klassischen Geschäftsmodellen. Beispielsweise können sogenannte „digital platform“-Geschäftsmodelle wie airBnB viel leichter kopiert werden, als Geschäftsmodelle bei denen eine signifikante Investition in Anlagen oder Maschinen erfolgen muss. Um ein zu leichtes Kopieren Ihres digitalen Wertangebotes zu verhindern, sollten Sie sogenannte log-in-Effekte für sich nutzen, um sich vom Wettbewerb abzuheben und Ihre Kunden zu halten. Netflix und Amazon prime nutzen genau diese log-in-Effekte, indem sie eigene Filme und Serien produzieren.
Ein einzigartiges Wertangebot zu entwickeln ist nicht einfach. Hierbei kann Brainstorming oder Design Thinking helfen [2][3] Sobald eine erste Idee eines digitalen Wertangebotes erstellt ist, sollten Sie dieses auf Markt- bzw. Kundenakzeptanz getestet werden. Hierfür bietet es sich an Mock-ups oder Click-Dummys zu erstellen. Basierend auf dem ersten Kundenfeedback sollte das Wertangebot überarbeitet werden. Durch dieses erste Feedback haben Sie schon eine erste Indikation, welche Personas d.h. welche Kundengruppen für Sie relevant sind und ob das in Ihrem Mock-up dargestellte Kundeninterfaceden potenziellen Kunden gefällt. Insbesondere hilft es auch, Personas zu identifizieren, an die Sie im ersten Schritt nicht gedacht hatten. Des Weiteren bieten Mock-ups/Click-Dummys die Möglichkeit einer realistischen Darstellung des finalen Angebots zu erstellen und somit können Sie die spätere Zahlungsbereitschaft der Kunden für dieses Angebot recht zuverlässig erfragen. Dieses Beispiel zeigt wie eng verwoben die drei Kernbereiche digitales Wertangebot, Kundeninterface und Personas sind. Basierend auf unserer Projekterfahrung empfehlen wir deshalb einen ersten Workshop zu machen in dem genau diese 3 Kernbereiche der Canvas mit den entsprechenden Abteilungen erarbeitet werden. In der Regel ist dies zunächst die Abteilung des „Product owners“ des zukünftigen digitalen Geschäftsmodells. Oft handelt es sich hierbei um Innovationsmanagement- oder Produktmanagement-Abteilungen. Ebenfalls am Workshop teilnehmen sollten die Marketing- und Vertriebsabteilungen. Diese kennen die infrage kommenden Personas und können entsprechende Marktforschungsstudien in Auftrag geben, sofern noch Informationen zu Kunden, dem Markt, oder den Wettbewerbern fehlen. Schließlich sollten Sie noch Vertreter der IT-Abteilung (oder sofern dezidiert vorhanden der User Experience-Abteilung) zum Workshop einladen. Workshop-Ziel sollte es sein eine erste „paper&pencil“ Idee zum Kundeninterface zu entwickeln. Aus unserer Erfahrung kann das digitale Geschäftsmodell nur erfolgreich sein, wenn alle drei Kernbereiche – digitales Wertangebot, Kundeninterface und Personas – zusammen im Workshop entwickelt werden, da zwischen ihnen viele Interdependenzen vorkommen.

Digitales Wertangebot, intelligente Daten & Infrastruktur

In einem weiteren, zweiten Workshop sollten Sie relativ zeitnah prüfen, ob das digitale Wertangebot anhand der verfügbaren (internen und ggf. externen) Daten realisierbar ist. Auch die Datenqualität sowie etwaige Fragen zum Thema Datenschutz und der Verwendung der Daten müssen geklärt werden. Wie in Abbildung 1 zu sehen, existieren zwischen den beiden Kernbereichen digitales Wertangebot und intelligente Daten & Infrastruktur ebenfalls Interdependenzen. Die Art der verfügbaren Daten sowie deren Qualität und der Datenschutz haben massiven Einfluss auf die Erfüllung des digitalen Wertangebotes und vice-versa. Stellen Sie sich beispielsweise vor, Ihre Geschäftsidee ist es, eine KI-basierte, digitale Gesundheits-App zu entwickeln, die dem Nutzer mitteilt an welcher Krankheit sie/er leidet. Hierfür müssen personenbezogene Nutzerdaten wie z.B. Alter, Geschlecht sowiebestimmte Symptome erfasst werden. Problematisch ist dabei, dass laut DSGVO Art. 4 Nr.1 (Datenschutzgrundverordnung) personenbezogene Nutzerdaten anonymisiert werden müssen, sodass man keine Rückschlüsse auf einzelne Personen mehr möglich ist. Zudem unterliegen Daten zur Gesundheit nochmals strengere Regeln nach Art. 9 DSGVO. Problematisch wird die Anonymisierung der Daten, wenn durch diese Anonymisierung wichtige Informationen verloren gehen, die der Algorithmus benötigt, um eine verlässliche Prognose Ihrer Krankheit zu erstellen. In diesem Fall führt die Einschränkung der Datenlage aufgrund der DSGVO dazu, dass das digitale Wertangebot (die zuverlässige Prognose des Gesundheitszustandes) nicht mehr gegeben ist. Ein Ausweg bietet in diesem Fall eine Einwilligung zur Verarbeitung der Daten für bestimmte vordefinierte Zwecke nach Artikel 6 DSGVO. Schließlich ist es noch notwendig sicherzustellen, dass die gespeicherten Nutzerdaten auf entsprechend gesicherten Servern liegen und vor unbefugten Zugriffen z.B. durch Hacker ausreichend geschützt sind. Die IT-Infrastruktur ist hierfür anzupassen. Insbesondere für KMUs sind die Anforderungen der DSGVO schwer zu erfüllen, da diese Unternehmen oft nicht die juristische Expertise und Erfahrung auf diesem Gebiet haben, wie beispielsweise Großkonzerne. Das vorangegangene Beispiel zeigt eindrücklich, dass es einen direkten Zusammenhang zwischen dem digitalen Wertangebot an den Kunden und den Daten sowie der IT-Infrastruktur gibt. Somit ist es ratsam, dass Sie in dem zweiten Workshop den Datenschutzbeauftragten des Unternehmens, sowie ggf. einen Juristen hinzuzuziehen, damit es im weiteren Verlauf des Projektes keine unangenehmen Überraschungen bzgl. des Datenschutzes gibt, die die Erfüllung des digitalen Wertangebotes für den Kunden gefährden.

Eine nachgelagerte, wenngleich ebenso wichtige Fragestellung stellt die Integration des digitalen Geschäftsmodells in die existierende IT-Infrastruktur dar. Dies ist insbesondere für eine effiziente Implementierung des Geschäftsmodells relevant und definiert zudem die Skalierungsmöglichkeiten. Nach unseren Erfahrungen schaffen es viele Leute einen ersten proof-of-concept(POC) zu erstellen, scheitern dann aber bei der Integration in die unternehmens-interne IT-Infrastruktur. Eine häufige Herausforderung stellt dabei die automatische Versorgung mit Daten dar. Im POC wurde die Daten für das digitale Geschäftsmodell noch manuell mittels Excel-Export aus verschiedenen (ERP)-Systemen extrahiert und dann in regelmäßigen Abständen in das Tool hochgeladen. Für den Dauerbetrieb ist dies jedoch meist zu aufwändig, da viele Geschäftsmodelle ein kontinuierliches stündliches oder zumindest tägliches Update der Daten verlangen. Um das digitale Geschäftsmodell automatisch mit aktuellen Daten zu befüllen, sind Datenschnittstellen, sogenannte APIs (Application Interface) notwendig. Diese müssen oft erst kosten- und zeitintensiv programmiert werden. Teilweise können RPAs (Robotic Process Automation) helfen, diese Phase zu beschleunigen [4]. Insbesondere bei dem Zugriff auf Daten von sehr alten System sind RPAs eine gute Lösung, um an diese Daten zu kommen und diese dann automatisch weiterverarbeiten zu können. Ein weiterer Punkt, der zu der Skalierung des digitalen Geschäftsmodells gehört und in den IT-Bereich fällt ist die Konzeption und Implementierung eines Nutzerkonzeptes. Das Nutzerkonzept muss mit dem Wertangebot, welches man verschiedenen Kundengruppen (Personas) macht, übereinstimmen.

Zudem empfehlen wir Ihnen ein agiles Projektmanagement-Setup (z.B. SCRUM) zur Entwicklung und Umsetzung, da digitale Geschäftsmodelle aufgrund ihres starken Daten- und IT-Bezugs nach einem iterativen Projekt-Ansatz verlangen [5]. Der Einsatz von SCRUM ermöglicht es, die Time-to-Markt, also die Entwicklungszeit des digitalen Geschäftsmodells drastisch zu reduzieren. Diese Reduktion erfolgt dadurch, dass bei SCRUM alle 2-4 Wochen funktionstüchtigeElemente entwickelt werden, die dann von den (potentiellen) Kunden getestet werden können. Durch diese Vorgehensweise wird sichergestellt, dass das digitale Geschäftsmodell auch den Anforderungen der Kunden entspricht. Darüber hinaus werden Funktionen, die die Kunde für unwichtig erachten, nicht weiterentwickelt. Dies spart Entwicklungskosten und reduziert die Entwicklungszeit enorm. Beispielsweise hat die MAN AG die Entwicklungszeit eines LKWs von 5 Jahren mit Hilfe von SCRUM auf nur 18 Monate reduziert [6].

Daten – Algorithmen – Werte – Kette

Ein Kernpunkt unserer KI-canvas stellt die Daten – Algorithmen – Werte Kette dar. Diese erklärt den Zusammenhang zwischen den verfügbaren Daten, den möglichen Algorithmen und dem digitalen Wertangebot. Zunächst sollten Sie, wie oben beschrieben,einen ersten POC erstellen, d.h. testen ob die (Geschäfts-) Idee sich überhaupt umsetzen lässt. Hierzu sollte Sie in einem ersten Schritt prüfen, ob die Idee sich mit den zur Verfügung stehenden Daten realisieren lässt. Falls zusätzliche Daten erhoben oder gekauft werden müssen, sind diese zu identifizieren und auf ihr Kosten-Nutzen-Verhältnis zu prüfen. Im nächsten Schritt werden die benötigten Daten gesammelt und auf ihre Datenqualität hin geprüft und ggf. aufbereitet. Insbesondere fehlende Datensätze, Dubletten oder unterschiedliche Formatierungen und Maßeinheit (z.B. Umsätze in verschiedenen Landeswährungen) sind typische Themen, die die Datenqualität enorm beeinflussen und somit behoben werden müssen. Sobald eine ausreichend gute Datenqualität hergestellt worden ist, wird der aufbereitete Datensatz tiefgehend analysiert. In diesem Schritt werden gängige statistische Methoden angewandt, um den Datensatz besser zu verstehen. Beispielsweise werden Korrelationsanalysen durchgeführt, um zu sehen, welche Variablen (auch Features genannt) voneinander abhängen. Des Weiteren wird nach versteckten Mustern und Trends in den Daten gesucht. Beispielsweise kann man bei digitalen Dating Apps sehen, dass die Nutzeranzahl und somit die Abos in den Wintermonaten bis zu 30% höher sind [7].  Diese Informationen zu Mustern und Trends sind enorm wichtig für den nächsten Schritt der Feature-Erstellung und -Selektion. Die Feature-Selektion der wichtigsten Features für die Erstellung des POCs werden mit Hilfe bestimmter statistischer Verfahren identifiziert. Im Falle der Dating App werden Features gesucht, die am besten vorhersagen können, welcher Partner am besten zu einem passt. Diese Features könnten beispielsweise sein: Alter, Hobbies, Beruf etc. Sobald die wichtigsten Features identifiziert worden sind werden verschiedene Algorithmen miteinander verglichen. Ihr Ziel sollte es sein, den Algorithmus/die Algorithmen zu wählen, die das digitale Werteangebot aus Kundensicht am besten abbilden können. Für unser Beispiel mit der Dating App bedeutet dies, dass der Algorithmus gewählt wird, der die besten Prognosen erstellt bzgl. der Passgenauigkeit von 2 Nutzern. Schließlich sollten Sie den gewählten Algorithmus in regelmäßigen Abständen auf seine Prognosegüte überprüfen, da sich Kundenbedürfnisse, sowie Markt- und Wettbewerbsumfeld dynamisch ändern können.

Integriertes Bezahlmodell

Den letzten Kernbereich der KI-Canvas stellt das integrierte Bezahlmodell dar. In einem ersten Schritt geht es darum, dass Sieeinen vereinfachten (lean) Business Case aufstellen, der alle wichtigen Kosten und zu erwartenden Umsätze beinhaltet. Er dient in erster Linie dazu, ein Gefühl dafür zu bekommen, ob das digitale Geschäftsmodell profitabel sein kann. Dabei ist es wichtig, herauszufinden, welche Pricing-Strategie zu der Kostenstruktur Ihres digitalen Geschäftsmodells passt. Bei digitalen Geschäftsmodellen herrschen vor allem folgende 3 Pricing-Strategien vor: Zunächst gibt es die sogenannte Flatrate oder Subscription-Strategie. Bei dieser Strategie verlangen Sie einen nutzungsunabhängigen, festen Betrag von dem Kunden für die Nutzung. Diese Strategie verfolgt z.B. Netflix und erhebt je nach Auflösung in der die Filme und Serien zur Verfügung stehen unterschiedliche monatliche bzw. jährliche Gebühren. Der Vorteil an dieser Strategie ist, dass man einen konstanten Umsatz erzielt, unabhängig davon, ob die Kunden, wie im Fall von Netflix den Dienst nutzen oder nicht. Die zweite Strategie stellt das genaue Gegenteil dar, denn es handelt sich hierbei um eine nutzungsabhängige Bezahlung, auch pay-per-use genannt. Diese Strategie wird vor allem überall dort angewandt, wo die Kosten des Geschäftsmodells direkt mit der Nutzung zusammenhängen. Das dies bei digitalen Geschäftsmodellen meist nicht der Fall ist, ist diese Strategie eher selten anzutreffen. Schließlich gibt es noch die hybride Strategie, also eine Kombination von Subscription und pay-per-use. Diese Strategie wendet der Netflix-Konkurrent Amazon Prime Video an. Hierbei gibt es eine große Auswahl an Filmen und Serien für eine jährliche Gebühr, sowie die Möglichkeit weitere Filme oder Serien einzeln zu kaufen, oder für einen gewissen, begrenzten Zeitraum zu leihen. Diese hybride Strategie ist sehr interessant, denn sie bietet beides: Zum einen können Sie durch die jährliche Subscription einen konstanten, planbaren Basis-Umsatz generieren. Zum anderen ermöglicht die pay-per-use-Option es Ihnen, zusätzliche Umsatzpotenziale zu heben. Neben diesen drei Pricing-Strategien sollten Sie versteckte Umsatzpotenziale identifizieren. Beispielsweise kann der Verkauf von Nutzerdaten an Dritte eine solche zusätzliche Umsatzquelle darstellen, sofern die Nutzer in den AGBs dem Verkauf ihrer Nutzerdaten an Dritte zugestimmt haben. Auch die Einblendung personalisierte Werbung anderer Unternehmen kann eine zusätzliche versteckte Umsatzquelle für Sie sein.

Abschließend wollen wir Sie in Abbildung 2 noch darauf hinweisen, dass der Erfolg von digitalen Geschäftsmodellen natürlich maßgeblich von der Unternehmensstrategie, der KI-Strategie sowie der IT-Strategie abhängt.  In Bezug auf die Unternehmensstrategie sollten Sie prüfen, inwiefern das neue digitale Geschäftsmodell zu Ihrer strategischen Positionierung passt. Beispielsweise wäre es sicherlich schwierig, wenn eine Krankenkasse die Nutzung der oben beschriebene digitale Gesundheits-App als Voraussetzung ansieht, damit man bei dieser Krankenkasse seinen Versicherungsvertrag behalten kann. Ein weiterer wichtiger Punkt stellt die generelle KI-Strategie des Unternehmens dar. Hierbei geht es vor allem darum, dass Governance-Strukturen für das Management von Daten etabliert werden. Die KI-Strategie muss ganz klare Vorgaben machen, wie und welche Daten gesammelt werden sollen, wie die Datenqualität sichergestellt wird und welchen Abteilungen die Daten gehören. Zudem muss es eine zentrale Anlaufstelle geben, die es Projekten innerhalb des Unternehmens ermöglicht für die Erstellung von POCs auf die Daten zuzugreifen. Damit dies nicht zu Willkür führt, muss ein standardisierter Prozess etabliert werde, der entscheidet, welche Ideen für das Unternehmen so relevant sind, dass es sich lohnt, einen POCs zu erstellen. Final hängt der Erfolg eines digitalen Geschäftsmodells auch von der IT-Strategie ab. Hierbei ist es insbesondere wichtig, dass die Daten zentral gespeichertund analysiert werden und existierende Datensilos abgebaut werden. Die Einrichtung von zentralen „data lakes“ entweder lokal oder in der Cloud sind sinnvoll, um zukünftigen digitalen Geschäftsmodellen einen effektiven und effizienten Zugriff auf die Daten zu ermöglichen.   Wenn Sie alle fünf Kernbereich der next level KI-Canvas bearbeitet und die entsprechenden Workshops durchgeführt haben, steht dem Erfolg Ihres digitalen Geschäftsmodells nichts mehr im Weg.

Abbildung 2: Strategische Ebenen bei der Entwicklung von digitalen Geschäftsmodellen

Quellen und Referenzen

[1] Osterwalder A, Pigneur Y (2010). Business Model Generation – A Handbook for Visionaries, Game Changers and Challengers. John Wiley and Sons, Inc., Hoboken, New Jersey.

[2] Brown, T. (2008). Design Thinking. Harvard Business Review

[3] Plattner, Hasso; Meinel, Christoph; Leifer, Larry J., eds. (2011). Design thinking: understand, improve, apply. Understanding innovation. Berlin; Heidelberg: Springer-Verlag. pp. xiv–xvi. doi:10.1007/978-3-642-13757-0. ISBN 978-3-642-13756-3. OCLC 898322632.

[4] Lacity, M., & Willcocks, L. (2015). What knowledge workers stand to gain from automation. Harvard Business Review, 19(6).

[5] Schwaber, K., & Sutherland, J. (2012). Software in 30 days: how agile managers beat the odds, delight their customers, and leave competitors in the dust. John Wiley & Sons.

[6] SCRUM Academy (2021) heruntergeladen von: https://partner.agile-academy.com/en/scrum-academy/case-study-man/

[7] Scholarlyoa (2021) heruntergeladen von: https://scholarlyoa.com/winter-season-of-online-dating/

DSGVO (2021) https://www.datenschutz-grundverordnung.eu/

Professor für Int. Management mit Fokus auf Digital Business an der Pforzheim University. Zudem ist er Gründer von managing transformation einer Beratung, die sich auf Themen rund um die digital, nachhaltige Transformation spezialisiert hat. Zuvor arbeitete Herr Prof. Dr. Matthias Handrich bei der Mercedes-Benz AG im Bereich KI sowie bei der Siemens AG als Management-Berater.

Um einen Kommentar zu hinterlassen müssen sie Autor sein, oder mit Ihrem LinkedIn Account eingeloggt sein.

24746

share

Artikel teilen

Top Artikel

Ähnliche Artikel