Wie KI und Daten Performance Management und Optimierung verändern

Matthias Emler (), Dominik Klehr () and Markus Kirchmann ()
Additional contact information
Matthias Emler: Horváth & Partner GmbH
Dominik Klehr: Horváth & Partner GmbH
Markus Kirchmann: Horváth & Partner GmbH

Chapter 1 in Performance Intelligence, 2025, pp 1-7 from Springer

Abstract: Zusammenfassung Eine erfolgreiche KI-Strategie ist untrennbar mit Daten verbunden. Zugang zu qualitativ hochwertigen Daten ermöglicht die Realisation von KI-Potenzialen und kann Effizienz und Effektivität erheblich steigern. Zentral dafür sind die Bereiche Performance Management und Performance-Optimierung. Performance Management umfasst die Unternehmenssteuerung und das Management der Leistung, während Performance-Optimierung die Prozesseffizienz und Kostensenkung fokussiert. Beide Bereiche sind eng verknüpft und sichern den Unternehmenserfolg. KI im Performance Management und der -Optimierung kann in drei Kategorien eingeordnet werden: generative KI, Predictive Analytics und mathematische Optimierung. Der Einsatz von KI bietet eine Vielzahl von Vorteilen, die über einfache Prozessoptimierung hinausgehen, wie verbesserte Entscheidungsqualität, gesteigerte operative Effizienz und Kostensenkung sowie die Ermöglichung neuer innovativer Geschäftsmodelle. Einen Nutzen entfaltet KI dabei über die gesamte Wertschöpfungskette in allen Unternehmensbereichen. Die Verankerung einer KI-Strategie kann dabei über drei Wege geschehen: als unternehmensweiter Ansatz, als funktions- oder prozessbezogener Ansatz oder als Lighthouse-Ansatz, bei dem ein wichtiger Anwendungsfall identifiziert und umgesetzt wird. Viele Unternehmen stehen erst am Anfang ihrer KI-Transformation. Dementsprechend ist eine integrierte KI- und Datenstrategie mit konkreten Zielbildern zentral.

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_1

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

DOI: 10.1007/978-3-658-49638-8_1

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 ().