Entscheidungsfindung und reale Optionen
Dieses dynamische Zusammenspiel zwischen technologischem Fortschritt und begleitender Innovation beeinflusst die Art und Weise, wie Entscheidungen getroffen werden sollten. Die Einführung von generativer KI ist iterativ und umfasst kontinuierliches Lernen sowie die Integration in neue Arbeitsabläufe und Organisationsmodelle. Das Tempo dieser Rückkopplungsschleife hat sich von der Dampfmaschine über Elektrizität bis hin zu Halbleitern beschleunigt – und wird sich mit generativer KI voraussichtlich weiter erhöhen, wodurch die Versicherungsbranche auf einen Pfad des rapiden Lernens und der kontinuierlichen Neuerfindung geführt wird.
Jede Entscheidung zur Einführung birgt Risiken: einen Unterlassungsfehler (Nichtverfolgen eines wertvollen Projekts) oder einen Handlungsfehler (Verfolgen eines Projekts, das besser vermieden worden wäre). Das Nichtverfolgen eines Projekts ist vollständig irreversibel, während die Durchführung eines Projekts oft mit versunkenen Kosten verbunden ist – also mit Ausgaben, die nicht wieder hereingeholt werden können, wenn das Projekt aufgegeben oder umgestaltet wird.
Daraus ergibt sich ein Wert des Abwartens. Durch die Verschiebung einer Entscheidung bleibt die Option offen, später mit besseren Informationen zu handeln. Dieser Optionswert verringert den traditionellen Kapitalwert eines Projekts. Das Abwarten hat jedoch auch Kosten: verpasste Chancen und eine geringere Flexibilität in der Zukunft. Diese Kosten des Abwartens erhöhen den Wert des Projekts.4
Die Theorie der realen Optionen betont Lernen und Umkehrbarkeit. Sie bevorzugt Technologien, die umkehrbare Entscheidungen ermöglichen und zukünftige Wahlmöglichkeiten erweitern – beides Faktoren, die niedrige Kosten für begleitende Innovation und eine frühzeitige Einführung begünstigen. Reale Optionen sind in komplexen Umgebungen zwar schwer zu quantifizieren, ihr praktischer Wert liegt jedoch in der Steuerung der Entscheidungsfindung: Priorisieren Sie Technologien, die Umkehrbarkeit erlauben und die zukünftige Möglichkeiten erweitern.
Die J‑Kurve in der gemessenen Produktivität
Die Einführung einer Basistechnologie erfordert ergänzende Investitionen. Für generative KI umfassen diese grundlegenden Investitionen Cloud-Infrastruktur, Datenarchitektur und organisatorische Fähigkeiten in den Bereichen Daten- und KI‑Engineering. Auf der Ebene der Arbeitsabläufe erfordert begleitende Innovation den Aufbau von Kompetenzen in der Zusammenarbeit zwischen Mensch und KI sowie in der Koordination von Arbeitsabläufen mit KI‑Agenten.
Diese Investitionen schaffen immaterielle Vermögenswerte, die zunächst als Output fungieren – als Ergebnis unternehmerischer Anstrengungen. Mit der Zeit werden sie zu Inputs für die Produktion. Herkömmliche Produktivitätskennzahlen erfassen diese Vermögenswerte oft nicht, sodass die Produktivität während ihrer Entstehung unterschätzt und nach ihrer Einführung überschätzt wird.5
Für Versicherer ist die Kostenquote ein grober Maßstab für Produktivität. Während immaterielle Vermögenswerte entwickelt werden, erhöhen sie die Kosten, ohne zum Output beizutragen. Nach ihrer Einführung steigern sie den Output, ohne die Kosten zu erhöhen. Diese Dynamik kann zu einer J‑Kurve bei der gemessenen Produktivität führen: einem anfänglichen Rückgang, gefolgt von langfristigen Gewinnen, wie in der folgenden Grafik dargestellt. Die Anerkennung dieses Effekts ist entscheidend für eine fundierte Einschätzung der Auswirkungen von generativer KI auf die Produktivität – sowohl kurzfristig als auch langfristig.
J‑Kurve in der gemessenen Produktivität