Getarnte Resilienz: Was Uber und Netflix unverwundbar macht

In einer vorangegangenen Analyse über die Resilienz der großen Internetkonzerne hat iBusiness beleuchtet, wie es die GAFA-Konzerne, Google, Amazon, Facebook und Apple geschafft haben, von kleinen Betrieben erst zu Plattformen und dann zu resilienten Ökosystemen zu werden. Der Weg führte bei allen Konzernen stets über Bedürfniserfüllung mittels einer gnadenlos einfach gehaltenen Nutzerexperience. Im zweiten Schritt kam dann die Vernetzung der NutzerInnen und die Hochskalierung des Angebotes dazu, häufig verbundenen mit verschiedenen Mechanismen für einen Nutzer-LockIn. Einer der Knackpunkte dabei waren die Wesenskerne der GAFAs, die oft falsch gedeutet werden: Amazon   als Shop oder Google   als Suchmaschine zu sehen, ist unvollständig und erlaubt kein wahres Verständnis für das Erfolgsrezept.

Gibt es andere Konzerne, die ähnlich funktionieren? Das heißt: Vordergründig ein bestimmtes Geschäftsmodell bedienen, aber dahinter einen hochadaptiven und resilienten Wesenskern haben, der es nicht nur erlaubt, das Geschäftsmodell hochzuskalieren, sondern auch notfalls jederzeit auf andere Geschäftsfelder auszuweichen, sollte ein bestehendes Business nicht mehr laufen? Uber   und Netflix   sind zwei Dienste, deren Potenzial weit über ihre aktuellen Geschäftsmodelle Fahrtvermittlung und VideoOnDemand hinausgeht. Was deutsche Konzerne davon lernen müssen - und welche deutsche Marke es tatsächlich als eine der wenigen dieses Erfolgsrezept begriffen zu haben scheint - im Gegensatz zu einer berühmten amerikanischen.

Analysiert: Die wahren Wesenskerne von Uber und Netflix

"Das große Thema aktuell ist Machine Learning", sagt Christian Hoffmeister, Dozent und Inhaber des Beratungsinstitutes DCI Institute  . Folgt man dem Geld der Investoren, wie etwa Sequoia Capital  , das zahllose Tech-Startups groß gemacht hat, so zeigt sich, dass hier allgemein die Web-Zukunft vermutet wird. "Und für diese Zukunft braucht es dezentrale Netzwerkarchitekturen, massive Rechenleistungen, Kenntnisse in Kryptologie und andere verteilte Infrastrukturen", sagt Hoffmeister. Die Frage nun laute: Wer besitzt genau das? "Beim Blick auf die Oberfläche übersieht man schnell, was US-Webfirmen eigentlich im Hintergrund tun." Und hier landet man schnell bei Uber und Netflix.

Netflix: Der Video-Streaming-Dienst wird von manchen Analysten gerade wegen Nutzerrückgängen in Schieflage gesehen (welche mit dem Rückgang der restriktiveren Corona-Maßnahmen erwartbar waren, da VoD-Dienste in der Lockdown-Zeit das Wachstum von fünf oder mehr Jahren im Schnelldurchlauf getan haben). Tatsächlich glaubt Hoffmeister, könnte Netflix ohne weiteres sein Geschäftsmodell schnell wechseln, sollte es nötig werden - aufgrund der übersehenen Assets, die das Unternehmen unter der Haube hat: "Die Frage lautet ja: Wieso kommen die Filme so schnell zu einem auf das Display? Wieso nehmen sie so wenig Platz im Speicher ein, wenn man sie downloaded?" Hier verstecken sich laut Hoffmeister die wahren Stärken des Konzerns: "Die Komprimierungs- und Verschlüsselungstechnologien sind technisch gesehen krass. Netflix erreicht Übertragungsraten, von denen ein deutscher Dienst nur träumen kann, der keine eigene, verteilte Infrastruktur besitzt." Und niemand sagt schließlich, dass diese Assets nur für Video-Transfers genutzt werden dürfen. "Hinzu kommt noch die von vielen geneidete Recommendation Engine des Unternehmens: Damit hält im Grunde nichts Netflix davon ab, sofort in ECommerce einzusteigen oder eine NFT-Plattform aufzubauen, um nur zwei Optionen zu nennen", sagt Hoffmeister.

Auf einem Berg persönlicher Daten, Wissen um Nutzer-Vorlieben und jeder Menge auf den Endgeräten installierter Apps sitzt Netflix bereits - Assets, von denen viele größere Weltkonzerne aktuell nur vage träumen können: "In Deutschland gibt es auf dem Feld der KI durchaus vielversprechende Ansätze - aber oftmals bekommen wir die Skalierung der US-Konzerne nicht hin, weil man das Potenzial nicht begreift", sagt Hoffmeister.

Uber: Ähnlich wie bei Netflix sieht es beim Fahrtenvermittler Uber aus, der weit mehr ist als eine Webseite, die Taxis Konkurrenz macht. De facto ist das Business von Uber das Match-Making - die Zusammenführung einer Nachfrage mit einem Angebot, zu einem für beide Seiten derart durchoptimierten Preis, dass einerseits die Kundin bzw. der Kunde kauft, andrerseits der Anbieter die bestmögliche Marge erzielt: "Uber besitzt exzellente Prognosemodelle für Nachfrage-Prognosen", sagt Hoffmeister. "Die können in genau eingegrenzten Gebieten bis auf einen winzigen Radius hinunter ermitteln, wie die Nachfrage in den nächsten Stunden für Fahrten sein wird." Das Unternehmen sei führend in der nachfragebasierten Preisberechnung. Man braucht nicht viel Fantasie, um sich auszumalen, was Uber anstellen könnte, wenn es dem Unternehmen gelingt, seine Algorithmen entsprechend zu adaptieren. Es besteht ein enormes Potenzial für ECommerce, Börsenkurse, Programmatic Advertising, Lieferdienste oder andere preisgesteuerte Märkte. Auch eine Übertragung des Geschäftsmodells ins Couponing ist denkbar, die gezielte Beeinflussung unsicherer KundInnen durch Rabatte.

"Das ist die eigentliche Kernideee von Uber", sagt Hoffmeister: "Nicht die Vermittlung von Fahrern, sondern die Beeinflussung von Matching-Märkten." Und natürlich geschieht auch das wieder mittels der profunden Kenntnis, die Uber in Sachen Machine Learning/Künstlicher Intelligenz besitzt. Es stellt sich sogar die Frage, ob der oft als Taxi-Killer betrachtete Dienst hier nicht schon längst den Apple-Konzern   hinter sich gelassen hat, was die Expertise angeht.

In Deutschland gibt es kaum ein Unternehmen, das eine ähnliche visionäre Kraft entfaltet, wenn es darum geht, Machine-Learning dafür zu nutzen, die Begrenzungen des Kerngeschäftsmodells aufzusprengen. Nun ja, eines vielleicht: Zalando   baut eine massive Datenbank zur Bilderkennung von Outfits auf, die das Unternehmen irgendwann befähigen könnte, automatisiert Modeartikel zu erkennen. Mit dem Forschungsprojekt Fashion MNIST   (ein MNIST ist eine öffentlich verfügbare Datenbank) könnte ein Zalando beispielsweise bei einem Streaming-Anbieter anklopfen. Amazon könnte dann die Outfits von James Bond, Carrie Bradshaw oder sonstigen Film- und SerienheldInnen erkennen und den Shop-Link dazu automatisiert anbieten.

Webherrschafts-Zukunft: Wieso als nächstes der angezapfte Nutzer oder die angezapfte Nutzerin kommt

Machine Learning wird weiter wachsen - die Berechnung von Nachfrageprognosen, wie es Uber tut, oder das Erstellen von personalisierten Empfehlungen a lá Netflix schaffen gewaltigen Bedarf an Rechenpower. Nun ist die Frage, wo die Kapazitäten herkommen sollen, die die GAFAs und ihre fleißigen Eleven, die Netflixe und Ubers, benötigen. Und hier liegt die Zukunft der Webherrschaft buchstäblich in den Händen der NutzerInnen, glaubt Hoffmeister: "Bald werden Großkonzerne die Rechenleistung der Smartphones anzapfen - es wird sich zeigen ob sie es unter dem Radar versuchen oder im Dialog mit dem Nutzer." Denn in jedem modernen Handy liegen große CPU-Ressourcen ungenutzt brach, zumindest die meiste Zeit: "Wenn eine App, egal ob von Netflix oder Uber oder sonst wem auf dem Smartphone installiert ist, kann diese sehen, was an Rechenpower frei ist." Und da man beim Streaming eines Filmes keiner anderen Beschäftigung nachgeht, sieht Hoffmeister hier großes Potenzial: "Netflix etwa weiß, wer 20 Prozent eines Filmes guckt, guckt ihn de facto fast immer zu Ende. Man kann also für die Restlaufzeit des Films, dessen Dekomprimierung nur einen Bruchteil der Rechenkapazitäten im Handy verbraucht, die verbleibende Power des Handys für alles Denkbare nutzen."

So wird die Zukunft des Webs voraussichtlich von Machine Learning getragen und von dem Unternehmen dominiert werden, das daraus nicht nur ein kluges Geschäftsmodell baut - sondern eines, das jederzeit weit über die engen Grenzen seiner selbst hinaus wachsen kann und vom Dienst zur Plattform und von der Plattform zum Ökosystem werden kann.