Der Aufstieg digitaler Zwillinge ermöglicht es Unternehmen, reale Menschen zu umgehen und so ihre Gewinne zu steigern

Große Unternehmen verabschieden sich von traditionellen Umfragen und setzen stattdessen auf KI-generierte Nachbildungen realer Personen. Dieser Wandel ermöglicht zwar schnellere Erkenntnisse, weckt aber auch Bedenken hinsichtlich Beschäftigung und Datenschutz.

Ein virales TikTok-Video kann eine Marke innerhalb weniger Stunden berühmt machen, doch viele Unternehmen setzen immer noch auf zwölfwöchige Forschungszyklen.

Bis die Ergebnisse eintreffen, sind die Daten oft schon veraltet.

Oftmals entsteht eine Verzögerung zwischen dem Erhalt von Feedback und dem Verstehen seiner Bedeutung. Aus diesem Grund fällt es großen Unternehmen mitunter schwer, schnell auf sich ändernde Trends zu reagieren.

Viele Unternehmen glauben, dass digitale Zwillinge die Lösung sind.

Dabei handelt es sich um digitale Kopien realer Dinge, Systeme oder sogar Personen. Unternehmen nutzen sie, um Ideen auszuprobieren und deren Auswirkungen zu testen, bevor sie diese in der Realität umsetzen.

Große Banken und Pharmaunternehmen nutzen diese Technologie bereits, um vorherzusagen, wie Menschen auf wichtige Ereignisse oder neu auf den Markt gebrachte Produkte reagieren würden.

Die Tests erfolgen in Sekunden statt in Wochen

Die Technologie gewinnt derzeit in Hightech-Unternehmen zunehmend an Bedeutung.

Forscher der Universität Glasgow haben ein digitales Zwillingssystem entwickelt , das maschinelles Lernen zur Überprüfung von Computernetzwerken nutzt.

Ihr neues Verfahren kann die Funktionsweise eines Netzwerks in nur 4,78 Sekunden messen. Ältere Verfahren benötigten für dieselbe Aufgabe etwa 33 Stunden.

Weil es so viel schneller geht, können Ingenieure viel mehr Situationen testen, insbesondere da Netzwerke immer komplexer werden.

Das gleiche Bedürfnis nach schnellen Informationen verändert auch die Marktforschung.

Ein Startup namens Brox hat 60.000 digitale Kopien von realen Personen erstellt.

Hierbei handelt es sich nicht einfach um Schätzungen, sondern um sehr detaillierte Profile, die auf ausführlichen Interviews basieren; einige umfassen bis zu 300 Seiten Material über eine einzige Person.

Statt sich primär auf traditionelle statistische Modelle zu stützen, können Unternehmen nun mehrere Simulationen innerhalb von Stunden statt Monaten durchführen.

Hamish Brocklebank, der Brox leitet, erklärte den Unterschied.

„Man kann 10.000 wirklich synthetische digitale Zwillinge [mithilfe von LLMs] erstellen, aber die Antworten werden sich trotzdem zu einer sehr engen Verteilung normalisieren, was nicht realistisch ist, wenn man tatsächlich echte Menschen befragt“, sagte er.

Da Brox diese Zwillinge bereits einsatzbereit hat, kann ein großes Pharmaunternehmen der digitalen Masse Fragen stellen und innerhalb weniger Stunden zuverlässige Ergebnisse erhalten, wodurch der gesamte Schritt, echte Personen für Interviews zu finden, übersprungen wird.

Die Automatisierung zielt auf höher bezahlte Arbeitskräfte ab

Der rasante Drang zur Automatisierung hat einen Nachteil.

Laut dem MIT-Ökonomen Daron Acemoglunutzen viele Unternehmen Automatisierung in erster Linie, um Geld zu sparen, und weniger, um die Effizienz zu steigern.

Seinen Forschungsergebnissen zufolge sind Arbeitgeber eher bereit, Mitarbeiter mit höherer Vergütung zu ersetzen.

Die Studie zeigte auch einen signifikanten Einfluss auf die Einkommensungleichheit.

Die Automatisierung trug zu 52 % zum Anstieg der Einkommensungleichheit zwischen 1980 und 2016 bei.

Acemoglu stellte fest, dass Unternehmen umso mehr Anreize haben, die jeweilige Position zu automatisieren, je höher das Gehalt eines Arbeitnehmers ist.

Er argumentierte außerdem, dass diese Fokussierung auf die Senkung der Arbeitskosten viele der potenziellen Vorteile der Automatisierung verringert habe.

Laut der Studie haben Bemühungen zur Senkung der Löhne 60 bis 90 Prozent der Produktivitätsgewinne zunichtegemacht, die die Automatisierung eigentlich bringen sollte, was zu einem, wie er es nannte, relativ schwachen Produktivitätswachstum führte.

Auch der Datenschutz wird zu einem wichtigen Problem.

Ein Team des IMDEA Networks Institute entdeckte, dass prominente KI-Systeme, darunter ChatGPT, Claude und Perplexity AI, trac-Techniken verwenden, die von Google und TikTok entwickelt wurden.

Diese tracsammeln möglicherweise Informationen darüber, worüber Benutzer sprechen, wie zum Beispiel Chattitel und Webadressen.

Digitale Zwillinge werden unter Verwendung höchstpersönlicher Informationen erstellt, wie zum Beispiel Kindheitserfahrungen, Verhaltensweisen und Beziehungen.

In Kombination mit tracLösungen von Drittanbietern können diese Technologien riesige Mengen sensibler Daten erfassen und verarbeiten.

Die KI-Simulations- und Digital-Twin-Branche wird bis 2030 voraussichtlich ein Volumen von 21,33 Milliarden US-Dollar erreichen.