04.03.2024

GenAI potentieller Motor für Wirtschaftswachstum, aber Österreich nur „Nachzügler“

Generative KI (GenAI) könnte das Wirtschaftswachstum in Österreich pro Jahr um 0,3 Prozent bis zu 0,7 Prozent steigern. Das entspräche bis 2030 einem zusätzlichen potentiellen BIP von bis zu 25 Mrd. Euro.
/artikel/genai-potentieller-motor-fuer-wirtschaftswachstum-aber-oesterreich-nur-nachzuegler
GenAI, BIP, Wirtschaftswachstum Österreich.
(c) Strategy& - Philipp Wackerbeck, Partner bei Strategy& und globaler Leiter Financial Services (l.) und Matthias Schlemmer, Partner und Leiter des Bereichs Daten und KI bei Strategy& Europa.

Der Einsatz generativer KI (GenAI) könnte Österreich zu einem Wirtschaftswachstum von jährlich 0,3 bis 0,7 Prozent verhelfen und so bis 2030 zu einem zusätzlichen potenziellen BIP von bis zu 25 Mrd. Euro führen. Das geht es aus der Studie „Embracing the GenAI Opportunity“ von Strategy&, der globalen Strategieberatung von PwC, hervor, die das Wertschöpfungspotenzial von generativer KI in 20 Industrien weltweit analysiert hat.

GenAI: Investitionen nötig

„GenAI bietet gerade in der aktuell eher zurückhaltenden Stimmung in der österreichischen und europäischen Wirtschaft eine riesige Chance: Durch potentielle Produktivitätssteigerungen könnten Herausforderungen wie der Fachkräftemangel in einzelnen Bereichen gelöst werden. Wenn hiesige Firmen fokussiert in die Nutzung der Technologie investieren, kommt Österreich wieder ins Handeln und könnte sowohl die Wirtschaft als auch die Innovationskraft mithilfe von GenAI ankurbeln“, erklärt Philipp Wackerbeck, Partner bei Strategy& und globaler Leiter Financial Services.

Für ganz Europa beziffert die Analyse das mögliche BIP-Plus durch generative KI bis 2030 auf 470 bis 960 Mrd. Euro. Um das volle Potenzial von Gen AI ausschöpfen zu können, seien innovationsfreundliche Standortfaktoren, die Bereitstellung erforderlicher finanzieller Ressourcen sowie entsprechende Regulierungen notwendig. Wie stark einzelne Volkswirtschaften tatsächlich von generativer KI profitieren, hänge wesentlich von den Rahmenbedingungen im jeweiligen Land, der Geschwindigkeit der Technologieadaption sowie dem Branchenmix ab.

High Impact Industries

Die Auswirkungen generativer KI unterscheiden sich zwischen einzelnen Branchen enorm. Zu den potentiell größten Gewinnern zählen alle Bereiche, in denen große Mengen Daten erhoben, analysiert und verarbeitet werden. Zu solchen „High Impact Industries“ gehören laut Studie etwa die Technologie- und Softwarebranche, Telekommunikations- und Medienunternehmen, die Pharmaindustrie oder der Finanzsektor.

Bis zum Jahr 2030 könnte GenAI in diesen Sektoren Produktivitätsgewinne von acht bis 15 Prozent ermöglichen. Deutlich geringer fallen die möglichen Effizienzschübe in Bereichen wie dem Einzelhandel, der Immobilienwirtschaft, dem Tourismus oder dem Gesundheitswesen aus. Diesen Sektoren könnte GenAI einen Aufschwung etwa beim Verkauf oder durch starke Personalisierung in der Kundenansprache verschaffen und die Produktivität um vier bis sechs Prozent heben.

Am wenigsten profitieren voraussichtlich Sektoren wie die Landwirtschaft, der Bau oder die Chemie von generativer KI. Für diese stark von körperlicher Arbeit, industrieller Fertigung sowie hohem Materialeinsatz und Energiebedarf geprägten „Low Potentials“ prognostiziert die Studie nur indirekte Effizienzgewinne von zweieinhalb bis fünf Prozent. Der Blick auf den österreichischen Branchenmix zeigt dabei, dass genau dieser „Low Potential“-Sektor mit 43 Prozent etwas weniger als die Hälfte zum österreichischen BIP beiträgt, während die „High Impact Industries“ mit 15 Prozent Wertschöpfungsanteil lediglich ein knappes Sechstel ausmachen.

GenAI im Finanzsektor mit großem Potential

„Je nach Branche setzt generative KI an ganz unterschiedlichen Hebeln an. Zum Beispiel bietet der Finanzsektor ein großes Potential für den Einsatz generativer KI. Im Wealth-Management liegt der Fokus etwa auf der exzellenten Kundenbetreuung. GenAI-Assistenten können Kundenberater:innen hier helfen, ihre Beratungsgespräche effizienter vorzubereiten und ermöglichen ein verbessertes Kundenerlebnis durch individualisierte Beratung und maßgeschneiderte Investmentvorschläge. Wir sehen immer mehr Projekte zu generativer KI mit Effizienzsteigerungspotentialen von bis zu 20 Prozent“, sagt Wackerbeck.

Global betrachtet hat Österreich noch Aufholbedarf bei generativer KI und zählt zu den „GenAI-Nachzüglern“ – und somit zu jenen Ländern mit hohen strukturellen Barrieren, die eine effektive Nutzung des GenAI-Potentials, unter anderem durch eine starke Konzentration auf arbeitsintensive Sektoren wie die Landwirtschaft und Branchen mit niedrigem Technologieniveau, verhindern.

Österreich Schlusslicht

In dieser Gruppe ist Österreich vor Portugal und Griechenland sogar Schlusslicht – weiters zählen auch Länder wie Norwegen, Polen, Spanien, Italien, China, Japan und Kanada zu den Nachzüglern. Hingegen sind Deutschland, Frankreich und die Niederlande besser aufgestellt und gelten als „Potentielle GenAI-Begünstigte“ – sprich, als jene Länder, die das Produktivitätspotential von GenAI zwar erkennen, aber nur dann davon profitieren können, wenn sie Standortfaktoren wie die digitale Infrastruktur verbessern.

Das vielversprechendste BIP-Wachstumspotential durch GenAI weisen Länder der Kategorie „Unmittelbare GenAI-Begünstigte“ auf, deren derzeitige Industriestruktur gut geeignet ist, um GenAI-bedingte Produktivitätssteigerungen zu realisieren. Dazu zählen die Spitzenreiter Schweiz, Belgien, Schweden, Großbritannien und die USA.

Um den Rückstand bei GenAI aufzuholen, muss Österreich, laut Studie, vor allem auf Unternehmen mit großem GenAI-Potential setzen, etwa aus der Tech-, Software-, Medien oder Pharmabranche, und hier ein Wachstum anstreben. Zugleich müssen die entsprechenden Firmen generative KI so tiefgreifend wie möglich in ihre Unternehmensbereiche und Wertschöpfungsketten integrieren. Außerdem brauche es attraktive Standortfaktoren, ausreichende Finanzmittel sowie innovationsfreundliche Regulierungen, um das volle geschätzte Potential von 0,7 Prozent Wirtschaftswachstum pro Jahr durch GenAI hierzulande erreichen zu können.

Nachzügler-Branchen brauchen GenAI-Strategie

„Um eine effektive GenAI-Transformation in Österreich voranzutreiben, müssen Unternehmen dazu ermutigt werden, Geschäftsmodelle mit einer innovativen, aufgeschlossenen Denkweise neu zu gestalten. Vor allem Unternehmen der Nachzügler-Branchen müssen eine GenAI-Strategie entwickeln und Tools verstärkt nutzen, um den Rückstand zu den ‚High Potential‘-Branchen aufzuholen“, sagt Matthias Schlemmer, Partner und Leiter des Bereichs Daten und KI bei Strategy& Europa. „Damit dies gelingt, kommt es auf Unternehmen, Bürger und Politik gleichermaßen an. Generative KI ist eine sehr mächtige, aber dennoch nicht die einzige Technologie mit dem Potential, das künftige Wirtschaftswachstum voranzutreiben. Eine auf mehrere Technologien ausgerichtete Investitionsstrategie von Unternehmen und Politik ist daher erfolgsentscheidend.“

Deine ungelesenen Artikel:
vor 3 Stunden

SAP stellt neue KI-Tools vor – eines davon kommt auf der Internationalen Raumstation (ISS) zum Einsatz

SAP arbeitet an einem umfassenderen Einsatz von KI in Unternehmen und stellte dafür bei seiner Entwicklerkonferenz TechEd neue Technologien vor. Sie sollen unter anderem die Zusammenarbeit von KI-Agenten verbessern, ihren Einsatz besser kontrollierbar machen und Datenanalysen selbst unter den besonderen Bedingungen der ISS ermöglichen.
/artikel/sap-stellt-neue-ki-tools-vor-eines-davon-kommt-auf-der-internationalen-raumstation-iss-zum-einsatz
vor 3 Stunden

SAP stellt neue KI-Tools vor – eines davon kommt auf der Internationalen Raumstation (ISS) zum Einsatz

SAP arbeitet an einem umfassenderen Einsatz von KI in Unternehmen und stellte dafür bei seiner Entwicklerkonferenz TechEd neue Technologien vor. Sie sollen unter anderem die Zusammenarbeit von KI-Agenten verbessern, ihren Einsatz besser kontrollierbar machen und Datenanalysen selbst unter den besonderen Bedingungen der ISS ermöglichen.
/artikel/sap-stellt-neue-ki-tools-vor-eines-davon-kommt-auf-der-internationalen-raumstation-iss-zum-einsatz
ISS, SAP
Philipp Herzig, CTO SAP I © SAP

SAP hat auf seiner jährlichen Entwicklerkonferenz „SAP TechEd“ Ende Oktober eine Reihe von KI-Innovationen bekannt gegeben, die das SAP-Portfolio für Entwickler erweitern. Erweiterungen der Joule-Lösungen und der SAP Business AI Platform – einschließlich des neuesten Foundation Models von SAP für tabellarische Daten – sollen neue Tools zur Entwicklung und Erweiterung von KI-Agenten bereitstellen. Zugleich sollen sie den Agenten Daten- und Geschäftskontext für logisches Denken sowie zusätzliche Governance-Kontrollen bieten. Um sie unternehmensweit verantwortungsvoll einsetzen zu können, so der Plan.

SAP Business AI Plattform als Basis

„Auf der SAP TechEd präsentieren Entwickler seit jeher die neuesten Innovationen“ sagt Philipp Herzig, CTO von SAP. „In diesem Jahr zeigen wir, wie KI nicht einfach nur lernt, Unternehmen zu verstehen, sondern auch Geschäftsprozesse abzuwickeln. In ‚Joule Work‘ machen Nutzer ihre Eingaben und erledigen Aufgaben in einer durchgängigen Anwendungsumgebung, in der gesamten SAP-Landschaft und darüber hinaus. Das ist die Neuerung, die wir in großem Maßstab bereitstellen.“

Die Basis von allem bildet die SAP Business AI Plattform. Sie sorge für eine schnellere Wertschöpfung, da Geschäftsprozesse von Anfang an verstanden würden, und biete eine höhere Genauigkeit. „Außerdem erfüllt sie die Anforderungen von Unternehmen, gewährleistet ab der ersten Implementierung einen sicheren, kontrollierten und konformen Betrieb und bietet eine einzigartige Kontextebene, die auf dem Prozess- und Branchenwissen aus über 50 Jahren aufbaut, das in jeder Agenten-Aktion verankert ist“, so Herzig weiter.

Code und No-Code

Gebaut werden KI-Agenten im „Joule Studio“. Das ist sowohl ohne Programmierkenntnisse per Klick-Baukasten (No-Code) möglich, als auch mit eigenem Code (Pro-Code). Dafür stehen über 70 verschiedene KI-Modelle zur Auswahl.

Durch neue Funktionen für „Joule Work“ sollen KI-Agenten noch wirkungsvoller komplexe Geschäftsprozesse über offene Protokolle (A2A und MCP) handhaben können. Diese Innovationen machen „Joule Work“ leistungsfähiger, um den Kontext besser zu verstehen, Entscheidungen zu treffen und mehrstufige Workflows über Unternehmenssysteme und Geschäftsbereiche hinweg auszuführen, so der Claim.

SAP erweitert seine KI-Plattform damit eigenen Angaben zufolge um eine neue Orchestrierungsschicht, damit Assistenten und Agenten komplexe, mehrstufige Abläufe über verschiedene SAP-Systeme hinweg zuverlässiger erledigen können. Der SAP Knowledge Graph soll künftig auch Daten aus kundeneigenen SAP- und Drittquellen einbinden, sodass Nutzer ihre Informationen in natürlicher Sprache durchsuchen und exakte, auf den eigenen Daten basierende Antworten erhalten.

Auch andere Anbieter-Einbindung möglich

Agenten anderer Anbieter sollen außerdem über ein kontrolliertes Agenten-Gateway sicher auf „Joule Agents“ zugreifen und mit ihnen zusammenarbeiten können, ohne dass „Kontrolle und Governance verloren gehen“. Das neue „SAP Enterprise AI Gateway“ bündelt zudem Authentifizierung, Richtlinien, Routing, Überwachung, Nutzungsverfolgung und Auditing des gesamten KI-Datenverkehrs im Unternehmen. Ergänzend sollen ein neuer „Joule Assistent“, der „SAP AI Agent Hub“ und ein „AI Governance Assistant“ Kunden dabei helfen, die EU-KI-Verordnung einzuhalten.

Beim „Tabular Foundation Model“ kündigt SAP das Modell „SAP-RPT-2.0“ an, das künftig auch Anomalien und Ausreißer in Tabellendaten erkennen soll. „SAP-RPT-TS“ hingegen soll Geschäftskennzahlen prognostizieren können.

Einsatz auf der ISS

„Es gibt große Weiterentwicklungen bei unseren Tabular Foundation Models“, ergänzt Herzig. „Daraus ist inzwischen eine ganze Modellfamilie geworden. Ein etwas ausgefallener technischer Ausblick ist, dass wir diese Modelle gemeinsam mit Hewlett Packard Enterprise auch auf der Internationalen Raumstation (ISS) einsetzen – für die vorausschauende Wartung im Weltraum.“ Das Modell soll zudem Ausfälle vorhersagen können, ohne dass die dafür benötigten Daten zur Erde übertragen werden müssen.

„SAP-RPT wurde generisch trainiert und kann– ähnlich wie große Sprachmodelle im Bereich Sprache – auf eine Vielzahl unterschiedlicher Anwendungsgebiete übertragen werden“, so Herzig weiter. „Creditplus verwendet solche Modelle beispielsweise für die Risikobewertung. Hitachi setzt sie für die vorausschauende Wartung seiner Maschinen ein. ‚Oxford Cancer‚ nutzt sie, um anhand von Proteinmarkern Krebserkrankungen bei Patienten besser vorherzusagen als mit bisherigen Modellen“, sagt er.

Wenn man sich die Internationale Raumstation ansehe, genauer gesagt das Columbus-Modul, in dem SAP das Modell einsetzt, gebe es dort enorme Datenmengen.

„Nicht einfach zur Erde herunterladen“

„Die Maschinen auf der ISS erzeugen Telemetriedaten, die sehr nützlich sind. Allerdings handelt es sich um rund zehn Gigabyte an Daten. Diese kann man nicht einfach zur Erde herunterladen – das würde viel zu lange dauern, wenn man schnell reagieren möchte, etwa um bestimmte Muster oder Auffälligkeiten in Zeitreihen zu erkennen“, erklärt Herzig. „Die Modelle lassen sich direkt vor Ort einsetzen, weil sie im Vergleich zu großen Sprachmodellen relativ klein sind. Sie können also unmittelbar auf der Raumstation betrieben werden. Und es ist kein Training erforderlich. Man speist die aktuellen Daten direkt als Live-Datenstrom ein und erhält sofort Vorhersagen.“

Der CTO sieht den Anwendungsfall auf der Raumstation nicht bloß als eine Marketingaktion, sondern als Zeugnis dafür, wie weit man gehen könne. Er sagt: „Wie nützlich ist die Technologie unter solch extremen Bedingungen? Auf der Erde ist heute vieles einfach. Wir haben schnelle Internetverbindungen und leistungsfähige GPUs. Bei solchen Anwendungsfällen spielt die Latenz kaum eine Rolle. Aber können wir auch in einer Umgebung echten Mehrwert schaffen, die nur eingeschränkt angebunden ist – oder zumindest sehr weit entfernt? Genau das wollten wir zeigen: Mit einer lokalen Verarbeitungsumgebung lassen sich Probleme lösen, deren Lösung sonst schwierig wäre, weil man zunächst sämtliche Daten zur Erde übertragen müsste. Anschließend müsste man sie dort auswerten und die Ergebnisse zurückübermitteln. Dann könnte es aber bereits zu spät sein.“

SAP löst „Data Drift“-Problem

Ein zentrales Problem bei klassischen KI-Modellen ist der sogenannte Data Drift: Data Scientists trainieren ihre Modelle auf historischen Daten, doch schon beim Abschluss des Trainings können sich die eintreffenden Daten statistisch verändert haben. Die neuen Modelle von SAP wollen genau hier ansetzen.

Man könne jederzeit aktuelle Daten ins Kontextfenster geben und erhalte darauf basierend präzise Vorhersagen, ohne neu trainieren zu müssen. „Veränderungen in Struktur oder Eigenschaften der Daten erkennt das Modell unmittelbar“, betont Herzig. „Das wollten wir demonstrieren: Müsste man bei veränderten Bedingungen erst alle Informationen zur Erde übertragen und das gesamte Modell neu trainieren, wäre es dafür viel zu spät. Dann würde man auf der ISS sagen: ‚Schön, dass ihr uns das jetzt mitteilt – aber das hättet ihr uns schon vor einem oder zwei Monaten sagen müssen‘.“

Toll dass du so interessiert bist!
Hinterlasse uns bitte ein Feedback über den Button am linken Bildschirmrand.
Und klicke hier um die ganze Welt von der brutkasten zu entdecken.

brutkasten Newsletter

Aktuelle Nachrichten zu Startups, den neuesten Innovationen und politischen Entscheidungen zur Digitalisierung direkt in dein Postfach. Wähle aus unserer breiten Palette an Newslettern den passenden für dich.

Montag, Mittwoch und Freitag

AI Summaries

GenAI potentieller Motor für Wirtschaftswachstum, aber Österreich nur „Nachzügler“

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

GenAI potentieller Motor für Wirtschaftswachstum, aber Österreich nur „Nachzügler“

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

GenAI potentieller Motor für Wirtschaftswachstum, aber Österreich nur „Nachzügler“

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Innovationsmanager:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

GenAI potentieller Motor für Wirtschaftswachstum, aber Österreich nur „Nachzügler“

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Investor:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

GenAI potentieller Motor für Wirtschaftswachstum, aber Österreich nur „Nachzügler“

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Politiker:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

GenAI potentieller Motor für Wirtschaftswachstum, aber Österreich nur „Nachzügler“

AI Kontextualisierung

Was könnte das Bigger Picture von den Inhalten dieses Artikels sein?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

GenAI potentieller Motor für Wirtschaftswachstum, aber Österreich nur „Nachzügler“

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

GenAI potentieller Motor für Wirtschaftswachstum, aber Österreich nur „Nachzügler“

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

GenAI potentieller Motor für Wirtschaftswachstum, aber Österreich nur „Nachzügler“