Accenture und Wharton-Studierende rechnen nach, was KI im großen Maßstab wirklich kostet

Eine Frage, die viele Unternehmen noch nicht beantworten können

In der öffentlichen Debatte über KI geht es meist um die Chancen: mehr Umsatz, höhere Effizienz, Innovation. Laut der Wharton AI & Analytics Initiative (WAIAI) ist ein entscheidender Punkt für viele Unternehmen jedoch weiter unklar: was KI im großen Maßstab kostet. Sobald Initiativen die Pilotphase verlassen, betrachten viele Organisationen KI zunehmend als bedeutenden und wachsenden Kostenfaktor. Die Ökonomie von Rechenleistung und Daten wird zum Thema in Vorstandsetagen und Finanzabteilungen.

Genau diese Frage brachte Accenture in den Wharton AI & Analytics Accelerator ein, ein Programm für erfahrungsbasiertes Lernen, in dem Studierende gemeinsam mit realen Unternehmen geschäftliche Herausforderungen mithilfe von Daten und fortgeschrittener Analytik lösen.

Selen Karaca-Griffin, Americas Research Lead bei Accenture, beschrieb die Lücke als offensichtlich und dringlich. "Alle reden über das Potenzial von KI", sagte sie. "Was fehlt, ist eine belastbare Rechnung dazu, was tatsächlich in der Kostenposition landet." Sie fügte hinzu, dass Implementierung, menschliche Kontrolle, Rechenleistung und Datenkosten in Budgetgesprächen auftauchten und dass "die meisten Unternehmen keinen Rahmen haben, um sie einzuordnen".

Was das Studierendenteam untersuchte

Accenture bat die Studierenden, die gesamte Ökonomie der Implementierung und des Betriebs von KI-Systemen zu untersuchen. Das Projekt konzentrierte sich darauf, zwei Dinge zu beziffern: die anfänglichen Implementierungskosten und die laufenden Betriebskosten von KI im großen Maßstab.

Ziel war es nach eigenen Angaben, Organisationen dabei zu helfen, Zielkonflikte zu verstehen, Investitionen zu planen und fundiertere Entscheidungen darüber zu treffen, wo und wie sie KI einsetzen. Laut WAIAI spiegelt das einen breiteren Wandel im Umgang von Unternehmen mit KI im operativen Geschäft wider: vom Experimentieren zur Umsetzung, von der Begeisterung zur Rechenschaft.

Wöchentliche Zusammenarbeit statt Übergabe

Der Accelerator beruht auf enger Zusammenarbeit zwischen Studierenden und Industriepartnern, die als ein gemeinsames Problemlösungsteam arbeiten. Accenture habe das Problem nicht einfach übergeben und sei erst nach acht Wochen wiedergekommen, heißt es im Bericht. Karaca-Griffin und ihre Kolleginnen und Kollegen trafen sich wöchentlich mit dem Studierendenteam, teilten Perspektiven von Kunden und schärften die Fragestellung im Laufe der Arbeit nach.

"Wir standen im ständigen Austausch, um Wissen zu teilen und Herausforderungen anzugehen, sobald sie auftraten", sagte sie. "Diese Termine fühlten sich eher wie Arbeitssitzungen an als wie Statusabfragen." Laut WAIAI blieb die Arbeit so an Fragen ausgerichtet, die Accenture-Teams von Führungskräften verschiedenster Branchen hören.

Karaca-Griffin lobte zudem den frischen Blick der Studierenden. Sie "stellen scharfe Fragen, bringen einen dazu, die eigenen Gedanken präziser zu formulieren, und bringen eine andere Gründlichkeit mit", sagte sie.

Vom Hörsaal in die Kundengespräche

Nach den acht Wochen hatte das Team Ergebnisse erarbeitet, auf denen Accenture in der Praxis aufbauen kann. "Wir haben ihnen ein sehr komplexes Problem gegeben, und sie haben ihre Sache wirklich gut gemacht", sagte Karaca-Griffin. Accenture werde die Ergebnisse validieren und darauf aufbauen, doch schon jetzt seien sie etwas, "worüber wir mit Kunden sprechen".

WAIAI betont, dass die Studierenden im Accelerator nicht mit simulierten Daten oder hypothetischen Szenarien arbeiten, sondern Lösungen mit unmittelbarem Praxisbezug entwickeln.

Accenture versteht seine Teilnahme als Teil einer langfristigen Partnerschaft mit Wharton. "Das war kein einmaliges Experiment", sagte Karaca-Griffin. Das Projekt habe den Grundstein für künftige Werkzeuge gelegt, darunter die mögliche Entwicklung eines skalierbaren KI-Kostenrechners, mit dem Organisationen KI-Investitionen wiederholt bewerten und planen könnten.

Was das für Unternehmen bedeutet

Die Quelle veröffentlicht weder die Ergebnisse der Studierenden noch konkrete Kostenzahlen. Sie zeigt aber, dass eine große Beratungsfirma fehlende Kostenrahmen als echtes Problem für ihre Kunden ansieht. Würde der vorgeschlagene Rechner gebaut, hätten Organisationen eine wiederholbare Methode, KI-Ausgaben zu schätzen und zu planen. Vorerst bleibt er eine mögliche Entwicklung und kein angekündigtes Produkt.