Stell Dir vor, es ist Machine Learning und keiner geht hin. Das absehbare Ende der Business-Software.

Letzte Woche durfte ich anlässlich des 20 Jahre Jubiläums (!) der Business-Software-Messe TopSoft ein paar Worte zur Zukunft von Business Software sagen. Ich habe kurz ausgeführt, warum ich Machine Learning für einen fundamentalen Paradigmenwechsel in der technologischen Entwicklung halte und warum die Digitalbranche dadurch selber in den Strudel der Digitalen Transformation geraten wird. Ein paar weiterführende Gedanken dazu.

(Lesedauer: 5 Minuten)

Paradigmenwechsel

Ray Kurzweil hat in seinen Arbeiten das Konzept der „technologischen Paradigmenwechsel“ portiert. Es sagt stark vereinfacht, dass der technologische Fortschritt auf einer Schiene so lange optimiert wird, wie es entweder physikalisch nicht mehr geht oder aber es wirtschaftlich keinen Sinn mehr ergibt.

Ist dieser Punkt erreicht, findet ein Paradigmenwechsel statt. Das heißt, es wird auf eine andere Technologie oder Technologie-Art gewechselt und auf dieser weiter optimiert. Mit dem absehbaren Ende des Moore’s Law stehen wir an einem solchen Punkt. Die Transistordichte in Rechenchips kann bald nicht weiter erhöht werden. Und es werden etwa neue Konzepte wie der Quantenrechner oder dreidimensionale Chips gehandelt.

Software-Paradigmenwechsel

Sehen wir uns in der Software-Welt um, gibt es erstaunlich viel Software, welche vom Konzept her noch genauso funktioniert wie vor 20 Jahren. Eine Applikation welche installiert, parametrisiert, bedient und gewartet werden muss. Und ein entsprechendes Businessmodel des Herstellers, das darauf basiert. Zudem, in der großen Mehrheit entstehen mit dem Betrieb solcher Software erhebliche direkte Kosten.

Ich glaube wir stehen in diesem Bereich vor einem fundamentalen Paradigmenwechsel, bei dem Machine Learning eine Hauptrolle spielen wird. Hier ist warum:

Machine Learning

Als ich mich vor 2 Jahren mit Machine Learning zu beschäftigen begann, dachte ich, dass diese Konzepte und die Algorithmen dahinter „Rocket-Science“ seien. Ich dachte, man müsste sozusagen ein Mathe-Genie sein, um damit arbeiten zu können. Nach und nach lernte ich, dass Machine Learning eigentlich relativ simpel ist. Es ist, sehr stark vereinfacht gesagt, das Finden einer Gleichung, die mit den vorhandenen Daten Sinn ergibt. Und die Auflösung dieser Gleichung resp. deren Anwendung auf neue Daten, um eine Klassifizierung vorzunehmen.

Nun gibt es ziemlich viel akademische Forschung rund um Machine Learning resp. generell im „Mutterbereich“ Künstliche Intelligenz. Und ja, das ist Rocket Science. Daneben gibt es GAFA (Tesla), die mit erheblichen Mitteln Machine Learning in ihre Produkte bringen und diese Dinge machen, die uns verblüffen: Gesichtserkennung, Vorhersagen, Autopiloten etc.

Daneben, und damit in 80% der Softwareanwendungen, findet Machine Learning quasi nicht statt. Die landläufige Meinung ist, dass es so kompliziert und teuer ist, Machine Learning in Softwareanwendungen zu bringen, dass es keinen Sinn macht.

Jeder, der sich jedoch ein wenig länger damit beschäftigt hat, erkennt sofort, dass es viele kleinere Probleme im Softwareumfeld gibt, die sich mit Machine Learning in konventioneller Software sehr gut lösen lassen. Da aber Machine Learning diese «Magic-Sauce-Aura» umgibt, setzen sich die meisten CTOs erstmal gar nicht damit auseinander.

Lieber heute als morgen

Dabei sollten sich die Hersteller von Software und insbesondere von Business-Software lieber heute als morgen damit beschäftigen. Denn Machine Learning ermöglicht plötzlich ganz neue Konzepte.

«User Experience sollte in erster Linie darin gemessen werden, wie viel Zeit gesamthaft mit einer Applikation aufgewendet werden muss, um einen bestimmten Task zu machen.»

Sehen wir uns heutige Software an, ist die Bedienung immer noch viel zu kompliziert und zeit-fressend. Wir haben uns daran gewöhnt, weil wir eine Vorstellung und Gewohnheit entwickelt haben, wie Software auszusehen und zu funktionieren hat. Wenn wir uns von diesen Vorstellungen aber lösen, müssen wir zugeben, dass die User Experience ziemlich katastrophal ist.

Unnötige Arbeit entfernen

Machine Learning kann in erster Linie die unnötige Arbeit in Business Software reduzieren. Mit unnötiger Arbeit meine ich z. Bsp. das Klicken von Bestätigungen, das Suchen der immer gleichen Adresse in ERP Systemen, das Auswählen von Druckern. Ich weiß schon, dass das kindisch und unspektakulär tönt, aber kucken Sie doch mal im Accounting ihren Kollegen bei der Arbeit über die Schulter. 50% der Zeit die sie mit Software verbringen, tun die genau solche Dinge.

Wenn wir also eine Software haben, welche den Arbeitsaufwand um 50% verringert, ist das nicht nur toll für die Anwender, es ist auch ein ganz krasser wirtschaftlicher Vorteil. Ein ziemlicher „No-Brainer“.

Warum von den Herstellern nicht mehr in diesen Bereich investiert wird, ist nicht ganz klar. Als ich vor ein paar Wochen mit einem Vertreter aus der Produktentwicklung eines großen ERP Herstellers sprach, meinte der trocken „Solange wir per User Lizenzen verkaufen, glaube ich nicht, dass bei uns ein echtes Interesse daran besteht, den Anwenderaufwand massiv zu reduzieren.“

Neue Businessmodelle

Lösen wir uns einmal komplett von der Vorstellung wie Software sein soll und nutzen die Möglichkeiten von Machine Learning, um konkrete Kundenprobleme zu lösen, tun sich komplett neue Felder auf. Denn wurde bislang dem Kunden das Tool zur Erarbeitung des Arbeitsresultates zur Verfügung gestellt, hat Machine Learning das Potential direkt das Arbeitsresultat zur Verfügung zu stellen.

Mit unserem Start-Up Accounto machen wir genau das für Kleinunternehmen. War es bislang notwendig ein Buchhaltungsprogramm anzuschaffen oder zu mieten, um Buchhaltung zu machen, müssen die Kunden von Accounto nur noch das tun, was für Ihr Geschäft relevant ist: Zahlungen und Lieferantenrechnungen bewilligen, Kundenrechnungen schreiben. Alles andere erledigt die Software ohne ihren Input in gleich hoher resp. höherer Qualität.

Das wirklich gefährliche für traditionelle Softwareanbieter ist, dass die Kosten für traditionelle Software sich über längere Zeit nicht groß von Machine Learning unterstützter Software unterscheiden werden. Denn wer meint, er müsse alles selber entwickeln, irrt gewaltig. Es ist schon sehr viel vorhanden, das verwendet werden kann. Wer als Anbieter auf diesen Trend nicht reagieren kann, endet mit einer „Old-School-Software“, die dem Kunden bei gleichen oder höheren Kosten mindestens doppelt so viel Personalaufwand beschert.

Ich erwarte dadurch gravierende Veränderungen in den Branchen. Was diese Art von Technologie macht ist, dass sie zwei oder mehrere Branchen mittelfristig miteinander verschmelzen und damit substituieren kann. Das ist darum möglich, da mit den neuen Möglichkeiten durch Software auch neue Prozesse und Methoden umgesetzt werden können.

Ein erstes Beispiel für Accounto ist, und darum sind wir in diesem Markt, die Buchhaltung und Administration von Kleinfirmen. Was bislang komplementär von einem Steuerberater, dem Kunden und einem Softwareanbieter erbracht wurde, setzen wir mit einer Software um.

Die langfristige Mission von Accounto ist, Machine Learning Technologie in den Business Software Bereich zu bringen. Buchhaltungen und Administration für Kleinfirmen haben wir als erstes Feld ausgewählt, weil es uns scheint, dass viele Parameter gerade gut stehen, um das auch in der Breite umzusetzen.

Machine Learning hat eigene Regeln

Diese Breite benötigen wir auch dringend um Machine Learning, wie wir uns das in Businessprozessen vorstellen, weiter zu bringen. Je mehr Daten wir haben, desto schneller kommt unsere Technologie voran. Desto schneller können wir damit auch viel komplexere Fragestellungen schneller, günstiger und in höherer Qualität lösen.

Die Ideen (und die Euphorie) ist diesbezüglich grenzenlos, denn die Marktkonstellation wie sie im Bereich der Kleinkundenbuchhaltungen anzutreffen ist, findet sich oft. Die Hoffnung besteht, das Konzept bei Zeiten einfach in eine andere Vertikale kopieren zu können.

Kleine Schritte

Mein Rat an Softwarehersteller ist daher, sich radikal auf den Kunden zu fokussieren und Machine Learning dazu zu nutzen, weniger Interaktion mit der Software notwendig zu machen. Da muss man bei den banalen, unspektakulären Dingen anfangen. Die User werden es Ihnen danken und die Kunden/Entscheider auch.

Konkurrenzfähigkeit

Ich denke, die notwendige Interaktionszeit mit einer Software wird in Zukunft zu einem wichtigen Evaluationskriterium. Wir haben dazu letztes Jahr verschiedene ERPs verglichen und die Unterschiede sind gewaltig. Wenn ich diese Zeiten mit Vollkostensätzen aufrechne, ergibt das auf einen 150 Personenbetrieb locker Unterschiede von bis zu 150% Stellenprozenten.

Mit dem Einsatz von Machine Learning kommen sie als Hersteller hier ganz nach vorne. Geben Sie sich jetzt in Machine Learning rein. Es ist höchste Zeit.