Der “KI-Zinseszinseffekt”: Automatisch immer mehr ROI
Der Zinseszinseffekt – jedem schlauen Sparer und Investor ist er nicht nur ein Begriff, sondern auch Freund und Helfer. Dass jedoch Unternehmen eben diesen Effekt in ihren Prozessen mit KI für sich arbeiten lassen können, ist Vielen gar nicht bewusst. Definitiv ein Grund, sich diesen fabelhaften Mechanismus näher anzusehen.
Was ist der Zinseszinseffekt?
Wenn ich jährlich 5% Rendite erwirtschafte, kann ich mir dieses Geld auszahlen und es ausgeben. Oder ich lasse es im Investment stehen. Dann habe ich nach 1 Jahr auf dem Konto oder im Fonds 105 Euro statt 100 Euro. Auf diese gibt es auch wieder 5% Rendite. Das Folgejahr bekomme ich also nicht nur 5 Euro, sondern 5.25 Euro – auf mein ursprüngliches Invest also 5,25% Rendite statt der nominalen 5%. Und so weiter.
Was hat das mit KI zu tun?
Sehr viel. Denn in KI stecken zwei Begriffe: „Künstlich“ und „Intelligenz“.
„Künstlich“ lässt sich am Ende des Tages schlicht in „Automatisierung“ übersetzen. Wir automatisieren etwas, weil es so schneller und/oder günstiger geht. „Günstiger“ lässt sich auch wieder als „schneller“ ausdrücken, weil wir uns natürlich etwas, das weniger Aufwand und Kosten verursacht, häufiger leisten können – das bedeutet: in kürzeren Abständen.
Und da haben wir eine Hälfte – quasi die „unintelligente“ – des Zinseszinseffektes von KI: Wir können die Personalersparnis und Zeitersparnis, die uns die Automatisierung mit KI ermöglicht, einerseits nutzen, um weniger Geld auszugeben oder weniger zu arbeiten. Oder aber wir können gleich viel Geld und Zeit investieren, um wesentlich mehr zu erreichen.
Wenn wir vorher einen Prozess im Unternehmen einmal im Quartal optimieren konnten, können wir ihn jetzt einmal pro Tag oder gar pro Stunde optimieren, ohne mehr Aufwand zu investieren. Jedes Mal liegt mehr „Guthaben“ auf unserem Optimierungs-„Konto“, so dass jede weitere Optimierung schon von einem höheren Niveau aus startet und damit mehr als den nominalen „Zins“ bringt.
Und wo bleibt jetzt das „intelligent“?
Das bringt uns zum zweiten Teil von „künstliche Intelligenz“. Denn die Schönheit von Machine Learning – und nichts anderes ist KI – steckt im „Learning“. So wie ein halbwegs schlauer Mensch aus jeder weiteren Erfahrung lernt und nicht zweimal vor denselben Baum rennt, lernen KI-Modelle mit jedem weiteren Datenpunkt.
Das bedeutet: Mit der Automatisierung durch KI kann ich viel häufiger optimieren, so dass mein „Guthaben“ schneller wächst… doch weil mit jeder weiteren Optimierungsschleife auch die Modelle dazulernen, werden diese auch laufend besser darin, die entscheidenden Hebel zu erkennen und zu bedienen. Sprich: Auch mein „Zinssatz“ steigt. Aus den 5% Nominalzins werden das nächste Mal schon 5.5%.
Kombiniert haben wir also nach einem Zyklus 5% auf die ursprünglichen 100 Euro, dann 5.5% auf die daraus entstandenen 105 Euro etc. – die Kurve wird immer steiler.
Klingt toll, aber abstrakt – wie sieht das konkret im Unternehmen aus?
Nehmen wir zwei einfache Beispiele aus der Paradedisziplin unserer NEUTRUM.AI: Marketing und Vertrieb.
Fall 1: Marketing – mehr Ertrag aus dem Werbebudget
Im Marketing optimiert ein Unternehmen seine Werbekampagnen und schaut dafür bisher einmal im Quartal darauf, wie diese liefen und was man besser machen kann, um die entsprechenden Parameter anzupassen. Jedes Mal holt es so 5% mehr Budgeteffizienz heraus, indem es Werbemittel, Targeting und Media Mix anpasst.
Nun nutzt es den NEUTRUM EVO Optimizer, um für diesen Schritt KI einzusetzen. Theoretisch könnte es damit laufend optimieren – doch denken wir mal konservativ und sagen, es schaut einmal im Monat auf die Learnings der Modelle und setzt die Empfehlungen um. Alleine die höhere Häufigkeit bringt binnen einem Jahr zusätzliche 3,6% mehr Budgeteffizienz.
Doch die KI-Modelle können besser und unvoreingenommener rechnen als Menschen und lernen laufend dazu. In der Regel sind sie damit zwischen 2,5- und 20-mal so gut sind wie Menschen, die normale Statistik anwenden – aber gehen wir hier bescheidener Weise mal davon aus, dass sie nur 50% besser starten und noch bescheidenerer Weise davon, dass sie jeden Monat nur 0,1% besser werden. Durch diesen Hebel stehen binnen einem Jahr zusätzliche 19,6% auf dem Konto. Und selbst wenn das Modell zum Start nicht besser gewesen wäre als die Analyse per Hand (eine schon beinahe schräge Annahme), lägen wir immer noch bei einem 9,4% besseren Ergebnis.
Und das Lernen hört ja nicht auf: Nach 2 Jahren sind bei monatlicher KI-gestützter Optimierung 62,6% (!) mehr Budgeteffizienz erreicht als mit der quartalsweise manuellen Optimierung. Wir reden über 2,67-mal so viel Umsatz mit demselben Werbebudget!*
Fall 2: Vertrieb – mehr Abschlüsse mit derselben Personaldecke
Im B2B-Vertrieb gewinnt ein Unternehmen laufend Outbound-Leads, indem es im Markt nach Firmen sucht, die seine Produkte brauchen könnten, zu diesen die notwendigen Informationen für eine aussichtsreiche Ansprache recherchiert und dann die vermeintlich potenzialstärksten Firmen über LinkedIn, E-Mail und Telefon kontaktiert.
Jetzt setzt es den NEUTRUM B2B Kundenfinder ein, um die Leadrecherche und -bewertung zu automatisieren. Da die Algorithmen alle relevanten Quellen anzapfen, die Informationen bewerten und bereits direkt nutzbare Lead-Profile präsentieren, können auf einen Schlag 95% der hierfür nötigen Arbeitszeit eingespart werden. Das bedeutet: Hat ein Vertriebsmitarbeiter vorher 4 Stunden am Tag mit der Recherche und Qualifizierung von Leads verbracht, sind es jetzt noch 12 Minuten. Er hat an einem 8-Stunden-Tag 95% mehr Zeit, tatsächlich Zielkunden zu kontaktieren und mit ihnen zu verhandeln und kann damit fast doppelt so viele Deals an Land ziehen.
Doch auch hier ist ja noch die schöne Kleinigkeit namens „Intelligenz“ im Spiel. Denn die Modelle tragen nicht einfach nur Informationen nach einem festen Schema zusammen – sie lernen aus den Eigenschaften der bisher besten Kunden und erfolgreichsten Akquisen, da das Unternehmen sein CRM-System mit der NEUTRUM-Cloud verknüpft hat. Damit kann das Modell mit hoher (und laufend weiter steigender) Güte vorhersagen, wie wahrscheinlich ein Unternehmen einen Vertrag abschließen und wie gut es als Kunde werden wird. So kann sich der Vertrieb ganz auf die prognostizierten abschlusswilligen A-Kunden fokussieren und seine Quote deutlich steigern. Sagen wir sehr vorsichtig gerechnet von 10% auf 20%.
Ist das jetzt das Perpetuum Mobile oder nur ein kühnes Versprechen?
Weder noch. Das Perpetuum Mobile gibt es auch mit KI nicht. Und kühn ist daran gar nichts. Vielmehr ist das verblüffende Ergebnis das Resultat einfacher Mechanismen: Ich spare sehr viel Zeit bzw. Budget durch Automatisierung und setze sie ein für maximalen Mehrwert (z.B. mehr gute Werbekontakte, mehr Vertriebstelefonate). Durch Machine Learning lerne ich dabei nicht nur schneller dazu, sondern auch mit steilerer Lernkurve, so dass ich laufend treffsicherer werde und die Wirksamkeit meiner Maßnahmen steigt.
Daran ist nichts mysteriös. Genauso wenig wie daran, dass ein Investor, der seine Zinsen und Renditen reinvestiert (statt sie nur auf den Kopf zu hauen) und der aus seinen Erfolgen und Misserfolgen laufend lernt um seine Strategie anzupassen (statt immer noch das Sparbuch zu besparen, das ihm seine Oma zum 10. Geburtstag geschenkt hat), am Ende mit deutlich mehr Geld da steht.
Wann lässt Du diesen Zinseszinseffekt von KI für Dein Unternehmen arbeiten?
Vereinbare jetzt Dein kostenloses und unverbindliches Infogespräch!
* Bei einer Optimierung nicht lediglich auf Effektivität, sondern auf Kosteneffizienz – hier: eine um 62,6% stärkere Senkung des Cost per Order. Optimierte man lediglich auf Effektivität bei unveränderter Kosteneffizienz – also auf höhere Order-Rate -, läge man bei “lediglich” 62,6% mehr Umsatz. Dies zeigt, wie wichtig eine differenzierte Betrachtung nach Resultat – Effizienz – Qualität ist, wie sie unser NEUTRUM EVO Optimizer automatisch vornimmt… und dass in der Regel die Optimierung der Effizienz den stärksten Hebel liefert.
** 95% mehr Zeit für die Kundenansprache, dabei doppelt so hohe Deal-Quote = 2*1.95 = 3,8
