„
Die jüngste Welle von amerikanischen Zöllen gegen Verbündete und Gegner hat die globale Wirtschaft in einem Maße zerrissen, wie wir es seit Jahrzehnten nicht mehr gesehen haben. Während die Zölle bisher nur auf Waren abzielten, spiegelt diese jüngste Runde von Handelsbrinkmanship für multinationale Unternehmen einen breiteren, anhaltenden Wandel hin zu größerer Komplexität und Volatilität in ihren globalen Geschäftsabläufen wider.
Diese Zersplitterung hat auch das Aufkommen neuer geografischer Grenzen in der digitalen Wirtschaft vorangetrieben. Das Ergebnis ist, dass Technologie, die fast jeden Aspekt der Unternehmensabläufe berührt, eine zentrale Rolle übernommen hat, während geopolitische Spannungen die Nutzung und den Einsatz von Technologien internationaler Unternehmen einschränken und damit die Gewinne aus zunehmender technologischer Integration zu vernichten drohen.
Dies ist eine dramatische Kehrtwende von dem langjährigen vorherrschenden Unternehmensglauben an eine fortgesetzte Expansion der transnationalen digitalen Wirtschaft. Dieser Glaube trieb multinationale Konzerne dazu, ihre Technologie-Stacks zu zentralisieren, da sie darauf setzten, ihre Top-Tech-Mitarbeiter weltweit zu entsenden, wie sie es für richtig hielten, und Daten frei über Grenzen hinweg zu übertragen, um von ihrer Größe zu profitieren.
Diese neue Marktsituation hat jedoch diese Annahme auf den Kopf gestellt und die IT-Resilienz von einem einstigen betrieblichen Anliegen zu einem strategischen Erfordernis gemacht. Mit dem Schritt zu halten mit technologischem Wandel, um nicht als „Roadkill auf der Informationsautobahn“ zu enden, reicht heute nicht mehr aus. Unternehmen müssen heute konkurrieren und innovieren, während sie auch um die wachsenden geopolitischen Risse der globalen Wirtschaft herumtänzeln.
Die Navigation in dieser neuen, zersplitterten globalen Wirtschaft erfordert einen anderen Ansatz für multinationale Akteure, der damit beginnt, ein strategisches Gleichgewicht zwischen operativer Resilienz und Flexibilität und operativer Effizienz zu finden. Die Schaffung von Resilienz und die proaktive Risikominderung durch „für den Fall der Fälle“-Maßnahmen können kostspielig sein, aber zentralisierte Technologie-Stacks und -Abläufe sind nun ein wichtiger Treiber für unternehmerisches Risiko.
Um dieses Gleichgewicht zu finden, sollten multinationale Unternehmen ihre Exposition gegenüber geopolitischen Störungen bewerten, indem sie sich auf zwei Kernvariablen konzentrieren: die regionale Präsenz ihrer Technologie-Operationen und die Schichten des Technologie-Stacks, auf die sie am meisten angewiesen sind. Um dieses Gleichgewicht zu veranschaulichen, haben wir die Auswirkungen der geopolitischen Fragmentierung auf den GenAI-Technologie-Stack eines europäischen Automobilzulieferers analysiert, der weltweit, einschließlich in China, den USA und der Europäischen Union, tätig ist.
Ihren Technologie-Stack zerlegen
Der erste Schritt, den Führungskräfte unternehmen müssen, um sich auf eine geopolitisch und wirtschaftlich geteilte Welt vorzubereiten, besteht darin, eine Unternehmens-Technologie-Stack-Prüfung durchzuführen, um die Exposition gegenüber Störungen auf jeder Ebene zu bewerten: Hardware, Daten und Software (Modelle) die verwendet werden.
Volatilität wird Unternehmen und ihren Technologie-Stack unterschiedlich beeinflussen, und ein umfassende Bewertung ermöglicht es einem Unternehmen, eine flexible Strategie zu entwickeln, die auf seinen eigenen spezifischen betrieblichen, geografischen und branchenspezifischen Anforderungen beruht. Neue Datenschutzregelungen, die die Übertragung bestimmter Datentypen außerhalb eines Landes verbieten, haben beispielsweise ein relativ geringes Potenzial für Auswirkungen auf ein hypothetisches Bauunternehmen, auch wenn es in vielen Ländern tätig ist, im Vergleich zu seinem Einfluss auf ein globales Konsumgüterunternehmen wie Shein oder Zara, das auf das Skalieren seiner Daten und Analysen über Märkte hinweg angewiesen ist, um erfolgreich zu sein. Die Identifizierung der tatsächlichen Exposition erfordert eine unabhängige Betrachtung jeder Ebene des Technologie-Stacks, bevor man betrachtet, wie sie interagieren.
Hardware und Cloud-Plattformen
Jede Prüfung sollte damit beginnen, den Zugang zur Hardware zu untersuchen, dem Fundament des Technologie-Stacks.
Mikrochips, wie wir es in den jüngsten Handelsbeziehungen zwischen den USA und China gesehen haben, sind besonders anfällig für geopolitische Spannungen aufgrund ihrer zentralen Bedeutung für den Erfolg in der digitalen Wirtschaft. Einschränkungen, die den Zugang zu Rechenleistung betreffen, können Unternehmen, die auf GenAI-Modelle als Teil ihrer Abläufe angewiesen sind, erheblich beeinträchtigen, insbesondere wenn diese Modelle eine lokale Datenverarbeitung erfordern.
Für unseren Automobilzulieferer beispielsweise, der nicht stark auf GenAI-Tools angewiesen ist, dürften Einschränkungen hinsichtlich des Zugangs zu einem bestimmten Chip-Typ nicht zu disruptiv sein im Vergleich zu Unternehmen wie Banken oder Online-Händlern, die auf bestimmte Chips angewiesen sind, die die Rechenleistung bereitstellen, um Modelle im großen Maßstab auszuführen, um auf Kundenanfragen zu reagieren.
Wenn Datenschutzgesetze Unternehmen dazu zwingen, Modelle in bestimmten Ländern auszuführen, kann die Verfügbarkeit von inländischer Cloud- und Hardware-Infrastruktur zu einer bindenden Einschränkung werden. Das Gleiche gilt für Unternehmen, die die Verarbeitungszeit ihrer Modelle minimal halten müssen. Um die Latenz niedrig zu halten, müssen sie die Distanz zwischen dem Ort, an dem Modell-Inferenzanfragen gestellt werden, und dem Ort, an dem die Inferenz selbst durchgeführt wird, begrenzen. Selbst wenn ein Unternehmen nicht gesetzlich verpflichtet ist, Modelle in Afrika auszuführen, beispielsweise, würde ein multinationales Unternehmen, das die Latenz für kundenorientierte, von GenAI unterstützte Interaktionen begrenzen möchte, darauf abzielen, auf nahe gelegene Rechenleistung zugreifen zu können. Aber lokale Optionen können begrenzt sein, aufgrund von Obergrenzen für den Import von Hightech-Chips nach Afrika, die im AI Diffusion Framework der USA festgelegt sind.
Die meisten Unternehmen sind stark von nur wenigen Lieferanten für Rechenleistung abhängig. Was passiert, wenn diese Leistung aufgrund der Geografie abgeschnitten wird? Die beste Minderungsstrategie besteht darin, proaktiv einen Portfolioansatz für Cloud-Plattformen und On-Premises-Rechenkapazitäten aufzubauen und zusätzliche Chips zu lagern oder überschüssige Rechenleistungskapazität verfügbar zu halten. In Fällen, in denen dies nicht möglich ist, sollten sich Unternehmen darauf vorbereiten, ihre Abläufe und Produkte schnell an sich entwickelnde regionale Einschränkungen anzupassen.
Daten und Datenplattformen
Multinationale Vorstände und Führungskräfte müssen auch ihre Datenströme berücksichtigen. Um wettbewerbsfähig zu bleiben, müssen multinationale Unternehmen lernen, ihre Daten in großem Maßstab effektiv zu nutzen, um Modelle und Anwendungen zu optimieren. Die Skalierung von Daten beinhaltet höchstwahrscheinlich grenzüberschreitende Datenströme, ein Prozess, der durch die Tatsache erschwert wird, dass etwa 80% der globalen Daten grenzüberschreitenden Mobilitätsbeschränkungen unterliegen.
Aber nicht alle Daten werden gleich behandelt, was bestimmte Sektoren anfälliger für die Geofencing von Daten macht als andere. Herstellungsdaten werden beispielsweise oft weniger reguliert als personenbezogene Daten. Für unseren Automobilzulieferer beispielsweise sind lokal in der Nähe seiner Produktionsstätten gespeicherte Herstellungsdaten wahrscheinlich wichtiger für die Optimierung seiner Abläufe und Produktion als Kundendaten. Als Ergebnis dürften Beschränkungen bei Datenflüssen nicht besonders problematisch sein.
Der Finanzsektor hingegen gehört zu den am stärksten regulierten Branchen aufgrund der hoch vertraulichen Natur der (oft persönlichen) Daten, die er sammelt. Im Jahr 2021 durften American Express und Mastercard in Indien keine neuen Kunden aufnehmen, weil sie die Datenschutzgesetze zur Speicherung von Zahlungen nicht eingehalten hatten. Die Unternehmen durften ihre Geschäfte erst wieder aufnehmen, nachdem sie die Compliance-Anforderungen erfüllt hatten, darunter die Lokalisierung einiger Operationen in Indien und die Einstellung indischer Staatsbürger. Diese Verpflichtungen hatten jedoch einen Preis: die Erosion von Synergien. Einzelhändler und Social-Media-Unternehmen wie Amazon und Meta, die stark auf das Skalieren und die Verwendung personenbezogener Daten angewiesen sind, sollten sich der potenziell zunehmenden regulatorischen Druck bewusst sein.
Multinationale Unternehmen aller Art müssen bewerten, wie wichtig der freie Fluss und die Zentralisierung von Daten für ihren Wettbewerbsvorteil sind. Um diesen Prozess zu beginnen, müssen Unternehmen zunächst ihre eigenen Daten ordnungsgemäß kennzeichnen und verfolgen, damit sie schnell auf regulatorische Änderungen reagieren können – ein Schritt, der zwar offensichtlich erscheinen mag, aber leichter gesagt als getan ist.
Noch wichtiger ist, dass Unternehmen ernsthaft Möglichkeiten prüfen sollten, ihre Daten so zu transformieren, dass sie compliant bleiben, aber dennoch in der Lage sind, den Wert der grenzüberschreitenden Aggregation und Analyse zu extrahieren. Wie wir bereits argumentiert haben, ist dies oft möglich, weil während die Regulierung typischerweise auf Rohdaten abzielt, Unternehmen den Großteil des Nutzens der Datenzentralisierung durch synthetische Daten, Modellmerkmale und Einbettungen erhalten können – alle Formen der Datenverarbeitung, die die Vertraulichkeit schützen, aber dennoch die erforderlichen Einblicke bieten.
Grundmodelle, feinabgestimmte Modelle und Anwendungen
Zuletzt müssen multinationale Unternehmen sich darüber im Klaren sein, wie geopolitische Einschränkungen direkt den Zugang zu bestimmten Grundmodellen und Apps beeinflussen können, die ihre Mitarbeiter und Kunden im täglichen Geschäft verwenden. Zwei aktuelle Beispiele: Der Weggang von OpenAI aus China und das Verbot von DeepSeek in Italien.
Dies ist für die meisten Unternehmen kein großes Problem, dank der Kommerzialisierung von Grundmodellen und der Reduzierung des Leistungsunterschieds zwischen geschlossenen und Open-Source-Modellen. Die meisten Unternehmen können ihre Exposition effektiv mit strategischer Modularisierung und der Verwendung von modellagnostischen Plattformen und Anwendungen mindern. Es ist jedoch wichtig zu beachten, dass diese Minderungsstrategie in bestimmten Bereichen wie dem Codieren die Leistung negativ beeinflussen kann, wo spezifische Modelle differenzierte Fähigkeiten haben.
Die Unternehmen, die LLMs in ihre Produkte integrieren, sind einem größeren Störungsrisiko ausgesetzt. In solchen Fällen ist proaktives Handeln entscheidend. Es wurde weit verbreitet berichtet, dass Apple seine KI-Partnerschaftsstrategie je nach dem bedienten Markt angepasst hat. In China bezieht Apple das in seine iPhones eingebettete KI-Modell von Alibaba. Anderswo verwendet das Unternehmen eine Kombination aus seinem proprietären Apple Intelligence und OpenAI’s ChatGPT.
Internationale Unternehmen sollten auch prüfen, inwieweit die von ihnen in ihren Abläufen verwendeten Apps von verschiedenen Regelungssystemen geregelt werden. Die AI-Verordnung der EU beispielsweise klassifiziert die Verwendung von KI-Systemen zur Bewertung der persönlichen Kreditwürdigkeit oder zur Preisgestaltung von individuellen Lebens- und Krankenversicherungen als Hochrisiko. In den USA hingegen gibt es eine solche Einschränkung nicht. Ein Finanzdienstleistungsunternehmen müsste wahrscheinlich unterschiedliche Strategien für seinen GenAI-Modellgebrauch in den USA und der EU haben.
Der beste Weg für Unternehmen, Störungen zu vermeiden, besteht darin, modellagnostische Anwendungen zu verwenden und zu entwickeln und einen Portfolioansatz (einschließlich Open-Source-Modelle) zu priorisieren, um ihre Abläufe und Produkte an regionale Kontexte anzupassen. Für Unternehmen, die Modelle für spezifische Anwendungsfälle verwenden, bedeutet dies auch, dass sie durch die Schaffung eigener Leistungsbenchmarks Alternativen identifizieren sollten.
Die Reaktion in angemessener Größe
Multinationale Unternehmen müssen die ernste Bedrohung erkennen, die der Zersplitterung des digitalen Raums derzeit insbesondere für Unternehmen mit zentralisierten Technologie-Stacks darstellt. Die Erosion ihres Wettbewerbsvorteils aufgrund geopolitischer Fragmentierung wird regionalen, agileren Unternehmen die Möglichkeit geben, Marktanteile zurückzugewinnen.
In den extremsten Fällen könnte diese neue Landschaft multinationale Unternehmen effektiv dazu zwingen, globale Holdings zu werden und separate, geografisch verteilte Unternehmen zu steuern. Für viele andere wird das Ausmaß dieses Wandels nicht so existenziell sein. Ein bodenständiger, pragmatischer Ansatz ist erforderlich, um den aus der Technologie erzielten Wert zu bewerten und die Vorbereitung richtig zu dimensionieren. Die Bewertung muss für jede einzelne Ebene des Technologie-Stacks und in allen geografischen Regionen durchgeführt werden. Nur dann können Unternehmen die richtige Antwort formulieren.
Weitere Fortune-Kolumnen von François Candelon lesen Sie hier.
François Candelon ist Partner bei der Private-Equity-Firma Seven2 und der ehemalige globale Direktor des BCG Henderson Institute.
Etienne Cavin ist Berater bei der Boston Consulting Group und Botschafter beim BCG Henderson Institute.
Leonid Zhukov ist der Direktor des BCG X AI Science Institute und arbeitet im Büro von BCG in Dubai.
David Zuluaga Martínez ist Partner bei der Boston Consulting Group und Botschafter beim BCG Henderson Institute.
Einige der in dieser Kolumne erwähnten Unternehmen sind vergangene oder gegenwärtige Kunden der Arbeitgeber der Autoren.
Diese Geschichte wurde ursprünglich auf Fortune.com vorgestellt
„