Autohersteller: Bis zu 9 Prozentpunkte höhere Rendite durch kĂŒnstliche Intelligenz möglich

DĂŒsseldorf (ots) – McKinsey-Studie: In der Autoindustrie bis 2025 Kosteneinsparungen und zusĂ€tzliche Wertschöpfung von 215 Mrd. US-Dollar machbar – GrĂ¶ĂŸtes Potenzial in Produktion und Einkauf

KĂŒnstliche Intelligenz (KI) kann zum Renditeturbo fĂŒr Autohersteller werden: Bis 2025 lassen sich durch den Einsatz maschinellen Lernens bis zu 215 Mrd. US-Dollar an zusĂ€tzlichem Wert in der weltweiten Autoindustrie schaffen. Die Hersteller könnten damit ihre Rendite (EBIT) im Maximalfall um 9 Prozentpunkte erhöhen. Den grĂ¶ĂŸten Wertbeitrag kann das maschinelle Lernen im Herstellungsprozess leisten: In der Produktion können bis zu 61 Mrd. Dollar eingespart werden, beispielsweise durch KI-basierte QualitĂ€tskontrolle. Weitere Potenziale liegen im Einkauf (51 Mrd. Dollar) etwa durch höhere Transparenz im Zulieferermarkt und in der Intralogistik (22 Mrd. Dollar), beispielsweise durch autonome Bandbelieferung. Bis zu 31 Mrd. Dollar können an Wert im Marketing und Vertrieb geschaffen werden, der Großteil davon dank höherer UmsĂ€tze durch KI-gestĂŒtzte Preissetzung und Empfehlungen. Dies ist das Ergebnis einer aktuellen Studie mit dem Titel “Artificial intelligence – automotive’s new value-creating engine”, fĂŒr die McKinsey & Company die Auswirkungen des maschinellen Lernens auf Autohersteller analysiert und ĂŒber hundert Industrie- und KI-Experten interviewt hat.

KI: Der Kunde gewinnt

“Üblicherweise steigern Autohersteller ihre ProduktivitĂ€t jĂ€hrlich im Schnitt um rund 2 Prozent pro Jahr”, sagt Andreas Tschiesner, Leiter der europĂ€ischen Automobilberatung von McKinsey. “Allein durch maschinelles Lernen ist in den kommenden Jahren ein jĂ€hrliches ProduktivitĂ€tswachstum von zusĂ€tzlichen 1,3 Prozent machbar. KI wird damit zum Renditeturbo fĂŒr die Autoindustrie.” Ein Großteil der Wertschöpfungseffekte durch KI sei dabei fĂŒr alle Autohersteller Ă€hnlich hoch, vor allem in der Produktion. Tschiesner: “Der harte Wettbewerb im Sektor wird voraussichtlich dazu fĂŒhren, dass ein Teil der Kostenvorteile an den Kunden weitergegeben wird.”

Gleichzeitig wird KI zu einem Wettbewerbsfaktor, mit dem sich Hersteller voneinander absetzen können. Das gilt bei der Nutzung kĂŒnstlicher Intelligenz fĂŒr autonomes Fahren ebenso wie in der Entwicklung moderner MobilitĂ€tskonzepte, die auf KI basieren. Fast 70% der Kunden sind schon heute bereit, fĂŒr bessere Features bei assistiertem und autonomem Fahren die Marke zu wechseln. Dominik Wee, Partner im MĂŒnchener BĂŒro von McKinsey und Co-Autor der Studie: “Insbesondere Premiumhersteller mit ihren anspruchsvollen Kunden sollten einen technischen Vorsprung auch bei KI-basierten Anwendungen demonstrieren, zum Beispiel in der sprachbasierten Interaktion mit dem Fahrzeug oder bei der Parkplatzsuche.”

Matthias KĂ€sser, ein weiterer Autor der Studie und Partner im MĂŒnchener BĂŒro von McKinsey: “Es ist wichtig, die fĂŒr KI notwendigen FĂ€higkeiten jetzt aufzubauen und die Transformation einzuleiten.”. Der Erfolg hĂ€nge von vier Faktoren ab:

  • Vorhandene Daten sammeln und aufbereiten: Werthaltige Daten sind die Grundlage fĂŒr maschinelles Lernen. Unternehmen sollten ihre Daten sammeln und harmonisieren. Denkbar ist auch, Kunden- und Fahrzeugdaten im Rahmen der gesetzlichen Vorgaben aufzubereiten und Drittanbietersysteme einzubinden, etwa die der HĂ€ndler.
  • Partner-Ökosystem managen: Autohersteller können nicht alle FĂ€higkeiten fĂŒr das maschinelle Lernen alleine aufbauen und vorhalten. Partnerschaften mit Technologieunternehmen im Hard- und Softwarebereich können dabei helfen, schneller zu entwickeln und den eigenen Investitionsbedarf zu verringern.
  • Ein KI-Betriebssystem etablieren: Autohersteller mĂŒssen die technischen Grundlagen schaffen, um die große Menge an Daten zu verarbeiten. Die IT-Systeme mĂŒssen dafĂŒr standardisiert und gegebenenfalls fĂŒr Drittanbieter geöffnet werden, um neue Anwendungen schnell umzusetzen.
  • FĂ€higkeiten und Teams aufbauen: Eine zentrale Einheit hilft, alle KI-basierten Projekte innerhalb der Organisation aufzusetzen, zu begleiten und die Partnerschaften mit Drittanbietern zu betreuen. Notwendig ist auch, spezielle Talente an Bord zu holen – beispielsweise Datenspezialisten, Programmierer und Experten fĂŒr maschinelles Lernen.

“Diese vier Schritte helfen, die KI-Transformation kurzfristig anzustoßen”, sagt KĂ€sser. “Und langfristig ist es wichtig, schnell relevante Anwendungsfelder zu finden, Pilotprojekte aufzusetzen und erfolgreiche Vorhaben rasch auf das gesamte Unternehmen zu ĂŒbertragen.”

Die vollstĂ€ndige Studie ist zum Download verfĂŒgbar unter: www.mckinsey.com/mcfm

Über McKinsey

McKinsey & Company ist die in Deutschland und weltweit fĂŒhrende Unternehmensberatung fĂŒr das Topmanagement. 27 der 30 DAX-Konzerne zĂ€hlen aktuell zu den Klienten. In Deutschland und Österreich ist McKinsey mit BĂŒros an den Standorten Berlin, DĂŒsseldorf, Frankfurt am Main, Hamburg, Köln, MĂŒnchen, Stuttgart und Wien aktiv, weltweit mit ĂŒber 120 BĂŒros in mehr als 60 LĂ€ndern.

Original-Content von: McKinsey & Company, ĂŒbermittelt durch news aktuell

Das könnte Sie auch interessieren:

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert