McKinsey: Mehr Rendite dank Künstlicher Intelligenz Mit vier Schritten in die Zukunft

Künstliche Intelligenz wird den Automarkt tiefgreifend verändern. Davon sind nicht nur Autobauer, sondern auch Autokäufer überzeugt. Die Berater von McKinsey kommen in ihrer neuen Studie "Artificial intelligence – automotive’s new value-creating engine" zu dem Schluss, dass sich bis 2025 durch den Einsatz maschinellen Lernens weltweit bis zu 215 Mrd. US-Dollar an zusätzlichem Wert in der Autobranche erzielen lässt. Hersteller können damit ihre Rendite (EBIT) um bis zu neun Prozentpunkte steigern. Einsparungspotenzial bieten Anwendungen wie KI-basierte Qualitätskontrolle oder autonome Bandbelieferung vor allem in Produktion, Einkauf und in der Intralogistik. Dank KI-gestützter Preissetzung und Empfehlungen können darüber hinaus im Marketing und Vertrieb bis zu 31 Mrd. Dollar eingespart werden.

Am Ende gewinnt der Kunde. Davon ist Andreas Tschiesner, Leiter der europäischen Automobilberatung von McKinsey, überzeugt: "Der harte Wettbewerb im Sektor wird voraussichtlich dazu führen, dass ein Teil der Kostenvorteile an den Kunden weitergegeben wird." Gleichzeitig wird KI zu einem Wettbewerbsfaktor, mit dem sich Hersteller voneinander absetzen können. Fast 70 Prozent der Kunden sind schon heute bereit, für bessere Anwendungen bei assistiertem und autonomem Fahren die Marke zu wechseln. Gerade bei Premiumprodukten können KI-basierte Features, wie sprachbasierte Interaktionen oder Parkassistenten, die Kaufentscheidung entscheidend beeinflussen.

Mit vier Schritten die KI-Transformation kurzfristig anstoßen

Die notwendige KI-Transformation lässt sich mit vier Schritten kurzfristig anstoßen. Grundlage dafür sind werthaltige Daten, die im Unternehmen selbst gesammelt werden können oder im Rahmen der gesetzlichen Vorgaben aus den Kunden- und Fahrzeugdaten herausgefiltert werden.

• Vorhandene Daten im Unternehmen sammeln sowie Kunden- und Fahrzeugdaten aufbereiten.
• Partnerschaften mit Technologieunternehmen schließen, um schneller zu entwickeln und den eigenen Investitionsbedarf zu verringern.
• Ein KI-Betriebssystem im Unternehmen etablieren und gegebenenfalls für Drittanbieter öffnen.
• Entsprechende Teams und Fähigkeiten aufbauen, beispielsweise Datenspezialisten, Programmierer und Experten für maschinelles Lernen.

Die vollständige Studie ist zum Download verfügbar unter: www.mckinsey.com/mcfm (in englischer Sprache).