Beendet maschinelles Lernen die Auslagerung von Geschäftsprozessen?

Das Phänomen gibt es seit Jahrzehnten: Unternehmen lagern arbeitsintensive Routineaufgaben mit geringer Wertschöpfung an billigere Standorte auf der ganzen Welt aus, um Kosten zu sparen. Doch diese Kostenrechnung ändert sich jetzt – und das nicht nur, weil die Lohnkosten weltweit steigen. Maschinelles Lernen bringt einige Unternehmen dazu, ihre Beschaffungsansätze zu überdenken.

Dies könnte die Industrie des Business Process Outsourcing (Auslagerung von Geschäftsprozessen, BPO) völlig verändern. Routineaufgaben, die bislang an Standorte im Ausland gingen, werden von Maschinen übernommen. Outsourcing-Anbieter sind gefordert, ihren Kunden neue Wertversprechen zu unterbreiten.

In unserer kürzlich von SAP und der Economist Intelligence Unit durchgeführten Studie „Maschinelles Lernen optimal nutzen: Fünf Tipps von Vorreitern“ fragten wir Unternehmen nach der Einführung von maschinellem Lernen sowie danach, wie sie Ressourcen für die Ausführung ihrer Geschäftsprozesse einkaufen. Ein Ergebnis war: Unternehmen, die von maschinellem Lernen profitieren, geben heute mehr Geld für lokal eingekaufte Funktionsbereiche (intern oder von einem Drittanbieter) aus als für solche in entfernten Regionen. Tatsächlich gaben 58 Prozent an, dass sie mehr als die Hälfte ihres Budgets für Geschäftsprozesse lokal ausgeben (22 Prozent geben mindestens so viel in Regionen mit niedrigen Kosten aus). Im Vergleich dazu geben nur 39 Prozent der Unternehmen, die noch nicht von maschinellem Lernen profitieren, mehr als die Hälfte ihres Geschäftsprozessbudgets lokal aus. Und 29 Prozent von ihnen geben an, mehr in Regionen mit niedrigen Kosten einzukaufen.

Eigene Funktionen für maschinelles Lernen aufbauen

Es scheint, dass Unternehmen, die maschinelles Lernen als Teil einer größeren Strategie für eine digitale Transformation eingeführt haben, ihre Beschaffungsentscheidungen zunehmend auf der Basis des Nutzens treffen, den diese ihren Kunden bieten, statt nur die Kostenseite zu betrachten. Das macht es wahrscheinlicher, dass ihre strategischsten Geschäftsprozesse in der Nähe ihres Standortes bleiben. Unternehmen, die ihre eigenen Funktionen für maschinelles Lernen aufbauen, benötigen weniger langfristige Outsourcing- oder Offshoring-Modelle, um das Wachstum des Unternehmens zu unterstützen; KI-Funktionen vervielfachen die Kapazitäten ihrer vorhandenen Mitarbeiter.

KI-Funktionen vervielfachen die Kapazitäten ihrer vorhandenen Mitarbeiter.

Betrachten wir mit Intel ein Unternehmen, das sehr früh auf maschinelles Lernen gesetzt hat, um die Effizienz und die Qualität in seinen Produktionsstätten zu erhöhen. Diese Fähigkeiten wendet Intel nun auf seine kundenorientierten Geschäftsprozesse an. Mit mehr als 100.000 Einzelhandelskunden konnte sich die Vertriebsmannschaft von Intel bisher nur auf seine größten Kunden konzentrieren. Ein neues, auf Algorithmen für maschinelles Lernen basierendes Verkaufsförderungssystem kann nun diejenigen Einzelhändler ermitteln, die die höchste Wahrscheinlichkeit für Verkäufe haben, während gleichzeitig der Vertriebsprozess im eigenen Haus bleibt. Das System hat laut Aziz Safa, Chief Data Officer und Vice President of Enterprise Data and Platforms bei Intel, bereits mehr als 100 Millionen USD zusätzlichen Umsatz generiert.

Auf Algorithmen basierendes Verkaufsförderungssystem bei Intel

Die Unternehmen, die bei der Einführung von maschinellem Lernen führend sind, „suchen nicht unbedingt nach kurzfristigen Kosteneinsparungen“, erklärt Stanton Jones, Direktor und leitender Analyst für Transformations- und Beschaffungsberatung der Information Services Group (ISG). „Sie möchten vor allem die Produktivität, Compliance oder Kundenzufriedenheit erhöhen.“

Outsourcing-Dienstleister integrieren daher zunehmend eigene Tools für maschinelles Lernen in ihre Services, da sich die intelligente Automatisierung zu einem Wettbewerbsfaktor entwickelt. „Unternehmen werden die Effektivität der Technologie bewerten, die der Anbieter einbringt“, erläutert Jones. „Anbieter können sich einen strategischen Vorteil verschaffen, indem sie zum Beispiel einen Algorithmus für maschinelles Lernen einsetzen, der eine bessere Performance liefert und schneller lernt als der eines Wettbewerbers.“

Holt maschinelles Lernen Geschäftsprozesse zurück?

Wird maschinelles Lernen massiv Geschäftsprozesse ins Inland zurückholen, die derzeit an Standorten im Ausland ausgeführt werden? Wahrscheinlich nicht. „Doch wenn es um neuere transaktionale Prozesse geht, ist es wahrscheinlich, dass entschieden wird, diese im Inland auszuführen“, merkt Arjun Sethi, Partner des Beratungsunternehmens A.T. Kearney, an. Diejenigen, die Prozesse zurück ins Inland holen, können eine viel kleinere Anzahl von allerdings höher qualifizierten Mitarbeitern einstellen – laut Jones 25 %–30 % der Anzahl von Mitarbeitern, die im Ausland eingesetzt wurden – und den Personalrückgang durch intelligente Automatisierung ausgleichen.

Es gibt jedoch einen interessanten kurzfristigen Gegentrend. Noch lassen sich nicht alle Routinetätigkeiten mit geringer Wertschöpfung durch maschinelles Lernen automatisieren. Aufgaben, die auch nur im geringsten Maße intuitives oder deduktives Denken erfordern, überfordern einen solchen Algorithmus noch immer – etwa wenn es darum geht, den Unterschied zwischen einer Katze und einem Haus zu erkennen. Maschinelles Lernen kann nur dann den Unterschied erkennen, wenn die Maschine mit Millionen Bildern von beidem gefüttert wird.

Was glauben Sie, wer dies erledigen soll? „Die meiste Software, die entwickelt wird, um autonome Fahrzeuge zu steuern, nutzt maschinelles Lernen, und diese Algorithmen müssen sehr große Mengen unstrukturierter Daten in Form von Videos und Fotos verarbeiten“, führt Jones aus. „Es gibt große Teams, die immer wieder ermitteln, wie ein Stop-Schild aussieht. In vielen Fällen findet dieses Training in Zentren im Ausland statt, die niedrigere Kosten bieten.“

Möchten Sie mehr über die Vorreiter beim maschinellen Lernen erfahren? Lesen Sie die Studie hier.