Ein Erlösmodell stellt eine wesentliche Komponente eines Geschäftsmodells dar. Es veranschaulicht die Logik dessen, wie Einnahmequellen beziehungsweise die erbrachte Leistung generiert und in Geldbeträge umgewandelt wird („was, wann, warum und wie“). Es beschreibt, welche Preise für einzelne Leistungsangebote erhoben werden, welche Mechanismen zu der Preissetzung führen und wie diese in monetärer Form ins Unternehmen fließen. Ein Erlösstrom kann (und in der Praxis) gängig aus mehreren Einnahmequellen bestehen, also verschiedene Aktivitäten abbilden, die in Einnahmen verwandelt werden. Ein Erlösmodell kann dabei auch mehrere Komponenten (siehe Beispiele) fusionieren, umso differenziert Umsatzpotentiale abzuschöpfen. Gerade digitale und datengestützte Wertschöpfungsprozesse bergen hier ein kreatives Gestaltungspotential.
Beispiele:
Eine Preisstrategie beschreibt die Art und Weise der Preisfindung. Sie wird von einer Organisation auf Basis von verschiedenen Parametern festgelegt, um Ziele innerhalb eines bestimmten Zeitraums zu erreichen. Die Festlegung der Preisstrategie erfordert eine Analyse und Bewertung des Unternehmens (inkl. Produkt/Dienstleistung) in Relation zur Branche, anderen Produkten/Dienstleistungen, Kunden/Verbraucher, Wettbewerber, Lieferanten und Marktstrukturen. Meist steht die Gestaltungsfindung in sehr starkem Zusammenhang mit der Unternehmensstrategie, da diese den Kern von Wertschöpfungsprozessen abbildet. Dabei ist auch eine Kombination und Fusionierung verschiedener strategischer Ansätze nicht ausgeschlossen.
Beispiele:
Man spricht von einem KI-basierten Erlösmodell, wenn eine KI-Technologie für mindestens eine Geschäftsmodellkomponente essentiell ist beziehungsweise zum Wertschöpfungsprozess beiträgt. Ein KI-basierter Prozess muss also die Wertschöpfungslogik mitdefinieren und die Erlösstruktur mitgestalten.
Durch KI hat sich ein spürbarer Wandel im Wettbewerb gezeigt. Statische Geschäftsmodelle bleiben im dynamischen Wettbewerbsumfeld nur schwer beständig und herkömmliche Preisermittlungsmechanismen stoßen an ihre Grenzen, da Daten und Algorithmen über nahezu keine Grenzkosten verfügen. Allerdings stellen diese, das zentrale Kernelement zur Realisierung einer KI-basierten Wertschöpfung dar. Sie können Leistungsangebote als immaterielle Komponente erweitern oder transformieren. Daten und Algorithmen erlangen daher im Kontext von KI einen neuen Stellenwert. Sie können zentrale Schnittstellen im Wertschöpfungsprozess und den damit verbunden Wert sichtbar machen und statische Wertversprechen zu adaptiven und autonomen Leistungsangeboten erweitern. Auf Basis vorhandener Daten ist es möglich, aus Wertschöpfungsprozessen individuelle, personalisierte und kundenorientiertere Leistungsangebote entstehen zu lassen, die wiederum eine dynamische Preisfindung ermöglichen. Dies bereitet Wege zur Abschöpfung neuer Umsatzpotentiale und Kundensegmente. Die Einflussmöglichkeiten und das Veränderungspotential sind hier vielseitig und u.a. abhängig von Use Case, Geschäftsmodell, Branche und den verfügbaren Daten.
Besonders Kunden- und Prozessdaten sowie das Vernetzen entlang der Wertschöpfungskette, können starken Einfluss auf die Preisfindung haben. So können statische Strukturen dynamisch werden und bisher angenommene Trennlinien verschwimmen. Kunden zum Beispiel können als Externe das Leistungsangebot in Anspruch nehmen und gleichzeitig (z.B. durch die Bereitstellung von Nutzungsdaten) Teil der internen Wertschöpfung sein.
KI-basierte Algorithmen sorgen dafür, dass Daten noch stärker in die Geschäftsmodelle eingebunden werden und dienen u.a. als Erkenntnisquelle zur Abschöpfung bisher nicht ersichtlicher Umsatzpotentiale. Daten können dabei (intern und extern) unterschiedlicher Natur sein (Nutzungsdaten, Kundendaten, Prozessdaten, etc.) und abhängig von Use Case, Geschäftsmodell und Branche individuelle und adaptive Leistungsangebote erschaffen, sowie Erlösmodelle und Preisfindung kundenorientierter gestalten. Um den Nutzen von Algorithmen und den Wert von Daten für sein Unternehmen zu erkennen, ist es wichtig ein Bewusstsein dafür zu haben, dass Geschäftsmodelle individuell sind und die Gestaltung eines geeigneten Erlösmodells für die KI-basierte Wertschöpfung von den spezifischen Zielen (Wertversprechen), Anforderungen (Kunden, Markt) und den verfügbaren Daten des Unternehmens abhängt. Unter Betrachtung dieser Aspekte ist es möglich für die eigene KI-basierte Wertschöpfung, geeignete Erlösmodellkomponenten zu finden und ein ganzheitliches Erlösmodell zu kreieren, welches das ganzheitliche Umsatzpotential abschöpfen kann.