Letztens saß ich zum Dinner mit einem Ex-CEO eines DAX Unternehmens, pitchte unsere Enterprise AI Plattform neonet.AI und schwadronierte von den eingesparten FTE bei unseren Kunden, die mit unseren Agenten und der Dataengine komplexe Businessprozesse im Supply Chain Tech abbilden.
Ich bin da echt stolz drauf, aber der CEO fragte mich, „und was ist Euer Geschäftsmodell“? „Licensefee per User Per month“ war meine kurze Antwort. Ich wolle schon weiter zum nächsten Thema, weil das ein so kurz abzuhakender Punkt war, den jeder sofort versteht, aber er hakte nach: „Macht keinen Sinn!“.
Ich brauchte einen Moment um zu verstehen, was er meinte. Dann fiel es mir wie Schuppen von den Augen: „Wenn ihr FTE einspart, wieso rechnet ihr dann pro User ab? Das macht für Euch auf Dauer keinen Sinn“. Boom, er hatte einen Punkt.
Die Frage, die sich uns gestellt hat ist: wie kann man die „Arbeit“, die früher Menschen erledigt haben und heute durch Agents abgedeckt wird, so quantifizieren, dass Kunden „gerne“ dafür bezahlen – und zwar so viel, wie sie auch herausbekommen?
Wir haben dafür eine neue Abrechnungseinheit entwickelt: SVU.
SVU steht für Semantic Valdiation Unit und bezeichnet eine gegen eine Ontologie/Knowledge Graph validierte Operation. In TruthGuard, der Datensäule in neonet, mappen wir Datenpipelines gegen Standard- oder individualiserte Ontologien, um die Daten semantisch zu beschreiben und über Bridges in Relation zu setzen. Dabei gibt es eine vielzahl an autoamtiserten Optimierung die dafür sorgen, dass das Datenmodell über die Zeit hinweg sich selbst optimiert und damit immer komplexere Fragen valide und ohne zu halluzinieren beantowrten kann. Dabei ist das Modell eher sekundär – hauptsache es kann Sprache 😉
Jede validierte Anfrage bringt also einen echten Mehrwert für den Kunden, sei es durch Agenten, die auf Basis der validerten Daten echte autonome Aktionen durchführen können, oder in validierten komplexen Antworten für Menschen, die die Informationen dann weiterverarbeiten. Immer aber ist eine Werthalitgkeit zu Grunde gelegt, für die der Kunde bereit ist, zu zahlen. Dabei kann die Menge der SVUs an die Komplexität der Abfrage oder die Geschwindigkeit der Antowrt gekoppelt und somit gesteuert werden.
Hier dazu mal ein kleines Rechenbeispiel aus dem Bereich HR, Urlaubs-Inanspruchname und verschiedene Fälle dazu:
Die Progression einer Abfrage
- Einfacher Lookup · „Wie viel Resturlaub hat Anna Schmidt?“ → 1 Op × Basic (1,0×) = 1 SVU
- Gefilterte Abfrage · „Wer im Team hat noch >20 Tage offen?“ → 4 Ops × Basic (1,0×) = 4 SVU
- Reasoning · „Wer riskiert Verfall – und welche Regelung greift?“ (Joins + Inferenz gegen Policy-Ontologie) → 4 Ops × Reasoning (3,0×) = 12 SVU
- Komplexes Reasoning · „Verfall-Risiko über alle DE-Entitäten inkl. Tarif-Sonderfälle“ → 6 Ops × Reasoning (3,0×) = 18 SVU
- Agent, lesend · prüft autonom jeden betroffenen MA gegen Policy + Tarif → 8 Ops × Agent (5,0×) = 40 SVU
- Agent, schreibend/triggernd · erstellt Genehmigungs-Workflow, benachrichtigt Führungskräfte, triggert Freigaben → 12 Ops × Agent (5,0×) = 60 SVU
Der Punkt: Vom simpelsten zum reichsten Schritt sind es 1 → 60 SVU – Faktor 60 für eine Aufgabe. Mensch und Agent leben dabei in unterschiedlichen Zonen: der Mensch fragt und denkt (Stufen 1–4), der Agent handelt end-to-end (Stufen 5–6). Genau dort, wo die Wertschöpfung autonom wird, springt das Klassengewicht auf 5,0×.
Key Takeaway: mit SVUs wird die Leistung einer AI fair und transparent bepreist und macht für den Kunden den Mehrwert deutlich und bepreisbar.
Hinweis: ja, der CFO wird natürlich immer Packages oder Quotas verlangen – die kann man aber, zumindest bei neonet.ai, dynamisch pro user / Agent / Abteilung / Org vergeben 😉