Entwicklung eines Target Operating Models für die erfolgreiche Wertschöpfung durch KI

Angelina Brehm () and Marco Maisenbacher ()
Additional contact information
Angelina Brehm: Horváth & Partner GmbH
Marco Maisenbacher: Horváth & Partner GmbH

Chapter 16 in Performance Intelligence, 2025, pp 243-254 from Springer

Abstract: Zusammenfassung Der strategische Einsatz von Künstlicher Intelligenz (KI) im Performance Management erfordert strukturierte Betriebsmodelle, um Effizienz und Skalierbarkeit zu gewährleisten. Während einige Unternehmen KI noch punktuell und unstrukturiert nutzen, haben andere durch ein ausgereiftes Target Operating Model (TOM) klare Verantwortlichkeiten, Prozesse und Steuerungsmechanismen etabliert. Dieses Kapitel beleuchtet die unterschiedlichen Reifegrade von KI-Betriebsmodellen und analysiert Herausforderungen wie organisatorische Verankerung, Rollenverteilung und Demand Management. Besonderes Augenmerk liegt auf einem Praxisbeispiel aus der Unternehmenspraxis: Ein führendes Handelsunternehmen hat ein Center of Excellence (CoE) für Data & Analytics aufgebaut, um den KI-Einsatz systematisch zu skalieren. Durch eine enge Verzahnung mit den Fachbereichen, die Einführung standardisierter Prozesse und einer gezielten Governance konnte das Unternehmen KI-Initiativen von der Pilotphase bis zur flächendeckenden Implementierung erfolgreich steuern. Die Fallstudie zeigt, wie durch klare Rollenverteilungen, zentralisierte Steuerung und agile Methoden der Mehrwert von KI nachhaltig gesteigert werden kann. Abschließend wird ein Ausblick auf zukünftige Entwicklungen gegeben, darunter die zunehmende Demokratisierung von KI, ethische Standards und neue Governance-Modelle, die den verantwortungsvollen und effektiven KI-Einsatz in Unternehmen weiter vorantreiben werden.

Date: 2025
References: Add references at CitEc
Citations:

There are no downloads for this item, see the EconPapers FAQ for hints about obtaining it.

Related works:
This item may be available elsewhere in EconPapers: Search for items with the same title.

Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTML/Text

Persistent link: https://EconPapers.repec.org/RePEc:spr:sprchp:978-3-658-49638-8_16

Ordering information: This item can be ordered from
http://www.springer.com/9783658496388

DOI: 10.1007/978-3-658-49638-8_16

Access Statistics for this chapter

More chapters in Springer Books from Springer
Bibliographic data for series maintained by Sonal Shukla () and Springer Nature Abstracting and Indexing ().