Business Process Outsourcing

Bringt Machine Learning ausgelagerte Jobs zurück?

Arbeitsintensive Routineaufgaben werden häufig an "billigere" Standorte rundum den Globus ausgelagert, um Kosten zu sparen. Jedoch scheint Machine Learning einige Unternehmen dazu zu bewegen, ihre Outsourcing-Konzepte zu überdenken.

In einer kürzlich von SAP und der Economist Intelligence Unit durchgeführten Studie „Maschinelles Lernen optimal nutzen: Fünf Tipps von Vorreitern“ wurden Unternehmen nach der Einführung von maschinellem Lernen befragt sowie danach, wie sie Ressourcen für die Ausführung ihrer Geschäftsprozesse einkaufen. Ein Ergebnis war: Unternehmen, die von Machine Learning profitieren, geben heute mehr Geld für lokal eingekaufte Funktionsbereiche (intern oder von einem Drittanbieter) aus als für solche in entfernten Regionen.

Künstliche Intelligenz verleiht Mitarbeitern Bärenkräfte

58 Prozent der Befragten erklärten, 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.

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

Intel generiert mit Machine Learning mehr Umsatz

Angeführt wird als Beispiel den Elektronikkonzern Intel - ein Unternehmen, das bereits sehr früh auf maschinelles Lernen gesetzt hat, um die Effizienz und Qualität in seinen Produktionsstätten zu verbessern. Diese Fähigkeiten wendet der Chip-Hersteller 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 jetzt 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 Dollar zusätzlichen Umsatz generiert.

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

KI - wirklich ein Job-Heimholungsprogramm?

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.“

Doch 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 bis 30 Prozent der Anzahl von Mitarbeitern, die im Ausland eingesetzt wurden – und den Personalrückgang durch intelligente Automatisierung ausgleichen.

Algorithmen-Training in Low-Cost-Ländern

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 nach wie vor KI-Algorithmen – etwa wenn es darum geht, den Unterschied zwischen einer Katze und einem Haus zu erkennen. Machine Learning kann nur dann den Unterschied erkennen, wenn die Maschine mit Millionen Bildern von beidem gefüttert wird.

„Die meiste Software, die entwickelt wird, um autonome Fahrzeuge zu steuern, nutzt maschinelles Lernen. 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.“

Bitte beachten Sie

Die Beiträge in der Rubrik "Trends und Innovationen" sind Inhalte unseres Medienpartners Vogel Communications Group GmbH & Co. KG. Sie spiegeln nicht unbedingt die Meinung von DATEV wider.