Unabhängig davon, ob Sie sich selbst als Nerd oder Techie bezeichnen würden, ist es kaum noch möglich, das Vordringen maschinellen Lernens in den eigenen Arbeitsbereich zu ignorieren. Um zukunftsfähig zu werden und zu bleiben, müssen sich Unternehmen über das Trendthema Künstliche Intelligenz informieren. Auch, um die leistungsstarken Tools und technologischen Möglichkeiten richtig einzuschätzen und ggfs. einsetzen zu können. Dies erfordert in vielen Fällen strategisches und kulturelles Umdenken. Diese Einordnung soll Sie dabei unterstützen … (Denys Holovatyi, Kai Stehr)
KI: Schnelleinstieg für Manager & Macher
Künstliche Intelligenz ist im Mainstream der Unternehmenskultur angekommen. So ist dem sechsten Salesforce State of Marketing-Report zu entnehmen, dass sich Vermarkter auf Präferenzen, Transaktionsdaten und digitale Identitäten stützen, um ein klares Verständnis entstehender Kundenbedürfnisse zu erhalten und ihr Marketing individuell auszurichten. KI destilliert dazu – aus riesigen Datenmengen – spezifische Erkenntnisse.
84 % der Marketiers setzen mittlerweile auf KI. 2018 waren dies nur 29 %.
Die Top 5 Anwendungsgebiete für KI sind laut Befragung von Marketing-Führungskräften aus aller Welt:
- Personalisierte Erlebnisse auf einzelnen Kanälen
- Verbesserte Kundensegmentierung/Lookalike-Modellierung
- Extraktion von Erkenntnissen aus Daten
- Einleitung der nächsten Schritte (z. B. Angebote)
- Automatisierte Kundeninteraktionen
Die Zahlen sollen zeigen, dass der KI-Einsatz selbst für kleinere Unternehmen ohne Probleme möglich ist – in vielen unterschiedlichen Bereichen. Tatsächlich bieten KI-Lösungen das Potenzial, die Kommunikation mit Kunden auf vielfältige Art zu optimieren.
Definition Quelle iks.fraunhofer.de
Künstliche Intelligenz (KI) imitiert menschliche kognitive Fähigkeiten, indem sie Informationen aus Eingabedaten erkennt und sortiert. Diese Intelligenz kann auf programmierten Abläufen basieren oder durch maschinelles Lernen erzeugt werden.
Machine Learning (ML): Bei maschinellen Lernverfahren erlernt ein Algorithmus durch Wiederholung selbstständig eine Aufgabe zu erfüllen. Die Maschine orientiert sich dabei an einem vorgegebenen Gütekriterium und dem Informationsgehalt der Daten. Der Computer lernt selbstständig die Struktur der Daten zu erkennen. Anders als bei herkömmlichen Algorithmen wird kein Lösungsweg modelliert. Zum Beispiel erlernt ein Roboter durch wiederholtes Ausprobieren und durch Feedback aus erfolgreichen Versuchen, wie er bestimmte Objekte greifen muss.
Wie schafft KI signifikanten Mehrwert?
Es beginnt in der Regel mit der Frage:
"Wie genau kann mein Arbeitsbereich – wie kann unser Business – vom Einsatz Künstlicher Intelligenz profitieren?"
Häufig kommt es in der Folge dann zu solch einem Dialog …
Interessent: „Woher weiß ich, ob oder wie KI in den speziellen Produktions- und Verantwortungsbereichen in meinem Unternehmen funktionieren wird?“
KI-Experte: „Alles beginnt ja mit der Herausforderung. Was genau ist Ihr größter Schmerzpunkt?“
Interessent: „Wir haben als Industrieunternehmen natürlich viele verschiedene Daten aus unseren IT-Systemen, Webanalytics und vor allem durch Sensoren-Einsatz vorliegen, wissen aber nicht, wie wir diese letztendlich so zusammenbringen, dass wir daraus Vorteile generieren können.“
KI-Experte: „Sie stellen doch Maschinen her, also denke ich, dass vor allem die Produktion ausschlaggebend ist?“
Interessent: „Sicher. Aber auch die Bereiche Vertrieb, After-Sales, Beschaffung und natürlich das Qualitätsmanagement sind unerlässlich.“
KI-Experte: „Ich wette, dass Produktion und After-Sales da manchmal aufeinandertreffen.“
Interessent: „Ja, in der Tat. Es kommt natürlich vor, dass sich ein Kunde etwa über einen Maschinenausfall beschwert. Diesen müssen wir dann so schnell wie möglich beheben. Ein Techniker muss verfügbar, die Ersatzteile auf Lager sein. Darüber hinaus können wir die Ursache des Ausfalls womöglich nicht gleich identifizieren. Ist es ein Bedienungs- oder Produktionsfehler? Ein FuE-Fehler [Fehler in der Forschung und Entwicklung]? Wir wissen es nicht wirklich.“
KI-Experte: „KI und verschiedene Methoden der Datenanalyse können diese Fragen beantworten und greifbare Erkenntnisse auch früher liefern.“
"Gut ist, dass grundlegende Kernkonzepte in KI leicht zu verstehen sind, im Gegensatz zur in der Öffentlichkeit oft herrschenden Meinung."
Wir wollen daher einmal auf verschiedene Anwendungsmöglichkeiten im Business zu sprechen kommen. Und – anhand von Beispielen – auch einige Details einer KI-Umsetzung erläutern.
Was können Unternehmen generell durch den KI-Einsatz erreichen?
Umsätze steigern
Mithilfe von KI kann man Kunden anhand unterschiedlicher Parameter segmentieren. Ein hierfür beliebter Ansatz ist das Clustering – ein Verfahren im maschinellen Lernen, bei dem die Kunden aufgrund ihrer Ähnlichkeiten bzw. tendenziell ähnlichem Verhalten in Gruppen eingeteilt werden. Neue Kunden kann man so einem entsprechenden Cluster zuordnen.
Ein Beispiel-Szenario: Webseitenbesucher mit Android-Smartphone und Chrome-Browsern, die zwischen 17 und 19 Uhr am Samstag online sind, kaufen eher familienbezogene Produkte.
Derartige Erkenntnisse kann das Marketing nutzen, um Produktseiten von Online-Shops anzupassen oder Werbe-Kampagnen (Google oder Facebook Ads) zu optimieren, also beispielsweise um diese Uhrzeit verstärkt auszuspielen.
Auch können im Rahmen von Automatisierungsworkflows und auf Basis von Next-Best-Action-Vorhersagen geeignete Folgeaktionen und Kommunikation ausgelöst werden.
Kundenzufriedenheit erhöhen
Im Bereich Vertrieb setzt man KI dagegen eher im Rahmen von Lead Scoring ein, um zum Beispiel Leads mit hoher Kaufwahrscheinlichkeit zu identifizieren und so geeignete Vertriebsaktivitäten auch nach Dringlichkeit zu priorisieren.
Unabhängig von der eigenen Branche sollte die Kundenzufriedenheit wohl immer im Mittelpunkt eines Unternehmens-Erfolgsmodells stehen. So könnte die Einführung von Chatbots etwa ein geeignetes Mittel sein, Kundenprobleme schneller zu identifizieren. Auch die Entwicklung eines Features, das dem Kunden beispielsweise automatisch eine Upsell- oder Checkout-Option bietet, könnte vom Einsatz künstlicher Intelligenz profitieren.
Die Reduzierung potenzieller Frust-Faktoren führt zu generell besseren Kundenerlebnissen. Kunden, die Ihren Service loben, werden Ihre Produkte und Leistungen mit größerer Wahrscheinlichkeit weiterhin in Anspruch nehmen. Sie werden häufiger zu Ihren Fürsprechern, indem sie Sie persönlich – im eigenen Netzwerk – oder öffentlich per Bewertungs-Feedback (ob Empfehlung bei LinkedIn oder Rezension und Bewertung bei Google, Trusted Shops & Co.) weiterempfehlen.
Einer für die Gesamtwirtschaft repräsentativen Umfrage des Digitalverbands Bitkom zufolge sind Chatbots in Deutschland auf dem Vormarsch: 27 % der Unternehmen nutzen die technischen Dialogsysteme bereits, 13 % planen es.
Für die Studie wurden Geschäftsführer, Vorstandsmitglieder und IT-Leiter von 1.104 Unternehmen aller Branchen ab 20 Mitarbeitern befragt. Zusätzlich wurden die Leiter von 51 Organisationen der Öffentlichen Verwaltung in Deutschland interviewt. (Bitkom/Statista, Infografik 23494, umfrage-zu-chatbots-bei-unternehmen-in-deutschland)
Daten analysieren
Menschliches Verständnis kann nicht mit der Fähigkeit einer Maschine verglichen werden, Datenanalysen durchzuführen. Analyse-Software ermöglicht nahezu unvorstellbare Berechnungen in Echtzeit, welche die Kundenzufriedenheit, Produktqualität und den finanziellen Gewinn eines Unternehmens verbessern.
Niemals in der Geschichte der Menschheit hatten wir diesen Grad an Informationsbreite und -tiefe. Wir sammeln und analysieren Daten zu fast allen Aspekten unserer Arbeit und unseres Lebens.
Dies bringt natürlich auch eine Reihe Bedenken hinsichtlich der Datenethik mit sich, auf welche an anderer Stelle noch einmal separat eingegangen werden kann.
Hier soll es jedoch erst einmal darum gehen, dass die Daten den Unternehmen selbstredend vor allem dabei helfen, Ziele zu erreichen, Kunden und Märkte besser zu verstehen.
Fehler vermeiden
Wir alle geben täglich unser Bestes, aber jeder hat irgendwann auch schon einmal die falsche Information eingegeben, einen wichtigen Teilaspekt übersehen oder entscheidende Prozessschritte vergessen. Dies ist Teil der menschlichen Erfahrung: Irren ist menschlich.
Durch zunehmende Automatisierung können wir die Fehleranfälligkeit reduzieren. Damit reduzieren wir auch die Zeit- und Geldverschwendung, welche durch notwendige Fehlerbehebung oder Mehrarbeit anfällt, minimieren.
Von der Betrugserkennung bis hin zur Benachrichtigung über falsch eingegebene Informationen kann maschinelle Intelligenz Fehler und Auffälligkeiten in einer Geschwindigkeit identifizieren und korrigieren, die weit außerhalb menschlicher Kapazitäten liegt.
Optimierungsmaßnahmen umsetzen
Manchmal scheinen Optimierungsprojekte im Sande zu verlaufen oder einfach nicht den Mehrwert einzufahren, den man sich ursprünglich davon versprochen hat.
KI-unterstützt kann das Spielfeld richtig aufgerollt werden: Hier lernen Unternehmen aus dem Bereich Beschaffung und Produktion beispielsweise, wie sie Materialien besser einkaufen (Use cases for AI in procurement), wie sie Produkte so effizient wie möglich herstellen (Implementing AI in manufacturing: potential for automation & pattern recognition) oder wie sie diese Produkte so schnell und kostengünstig wie möglich transportieren und ausliefern können.
Automatisierung vorantreiben
Anstatt Zeit zu verlieren und zu warten, dass Menschen sich ständig wiederholende Aufgaben erledigen, können viele Workflows automatisiert werden. Anfragen und häufig auftretende Probleme des Kundenservice können in der Folge hocheffizient erledigt werden.
Durch die Verwendung maschinellen Lernens zur Analyse oder Vorhersage von Resolution Times können Sie sowohl Kundenerwartungen besser managen, als auch Engpässe identifizieren, die Ihre Workflows verzögern.
Wendet sich ein Kunde an Ihren Service, erwartet er den sofortigen Zugang zu einer Lösung für sein Problem. Aus diesem Grund ist es auch wichtig, die durchschnittliche Zeit, die Ihr Kundenservice benötigt, um einen Fall nach Öffnen zu lösen, zu analysieren. Denn die Time to Resolution (TTR) hängt unmittelbar mit der Kundenzufriedenheit zusammen.
Indem Sie ein Natural-Language-Processing-Modell trainieren, bestimmte Ausdrücke oder Schlüsselworte zu verstehen, können Sie bspw. Ihre Tickets automatisch zuordnen und priorisieren.
Ressourcen effizient einsetzen
Die Science Fiction einer allmächtigen KI (wie im Artikelbild visualisiert) lässt Sie vielleicht glauben, dass wir kurz davor stehen, dass uns Maschinen die Jobs wegnehmen.
Die Realität sieht eher so aus, dass KI nur die meist eintönigen (und deshalb tendenziell unerwünschten) Jobs ausführen kann. Höchstwahrscheinlich sind wir demnach näher an der Art von Automatisierung, über die alle so entsetzt waren, als Henry Ford 1913 das Fließband eingeführt hat.
Sicher, Technologie verändert auch Anforderungen an die Belegschaft, aber anstatt wertvolle Arbeitsplätze wegzunehmen, reduzieren maschinelles Lernen und Künstliche Intelligenz den Aufwand an mühsamer und zeitintensiver Arbeit, damit der Mensch mehr innovative, kreative und erfüllende Projekte übernehmen kann.
Beispiele aus der Praxis
Folgende Anwendungsbeispiele sollen einen kleinen Eindruck vermitteln, welchen konkreten Einfluss der Einsatz von KI auf Ihre Umsätze haben kann.
Marketing-Aufgabe: Steigerung der Conversion Rate eines Online-Shops
Ein Hersteller von Elektrogeräten startet den Direktvertrieb per Online-Shop, um mit dem neuen Vertriebskanal unabhängiger vom großen Einzelhandel, der Dominanz der Plattformen (Amazon & Co.), sowie von kleinen lokalen Geschäften zu werden.
Problembeschreibung: Startschwierigkeiten. Obwohl der Online-Shop von Kunden grundsätzlich gut angenommen und häufig besucht wurde, war die Conversion Rate auf den Produktseiten sehr gering, was sich in einem zu geringen Umsatz zeigte.
Definition
Die Conversion Rate ist eine Kennzahl aus dem Marketing, die das Verhältnis von Besuchern eines Online-Shops zu tatsächlich getätigten Kaufabschlüssen zeigt. Das Ziel vieler Marketing-Maßnahmen ist es, die Conversion Rate zu steigern.
Um nun zu verstehen, warum Conversions und Transaktionen stattgefunden haben, wurden die Daten aus dem Webanalytics-System herangezogen. Viele verschiedene Ereignisse (Events) werden – als Voraussetzung für die Datenanalyse – getrackt, so auch die …
- Button- und Link-Klicks
- Bildergalerie öffnen
- Produktvideo ansehen
- Produktbeschreibung ausklappen
- Time on page
- und weitere ...
Drei Analyseverfahren wurden durchgeführt
Ansatz 1: Kunden verstehen
Mittel der Wahl war der explorative Ansatz, um zunächst die Kunden und deren Bedürfnisse besser zu verstehen.
Die meisten Kunden im Shop sind Stammkunden mit Kundenkonto. Darüber hinaus wurde die Informationsquelle, beispielsweise Google oder Facebook, sowie die Seiten und Unternehmenswebsites, von welchen die Kunden in den Shop kamen, einbezogen. Informationen zu Gerät, Standort, Browser und Betriebssystem waren ebenfalls verfügbar.
Anhand dieser Parameter wurden die Kunden nun segmentiert. Der Ansatz war das bereits erwähnte Clustering. Dadurch konnte besser vorausgesagt werden, welche Produkte von bestimmten Kunden wahrscheinlich gekauft werden. Dies ist bereits eine sehr nützliche Information. Das Unternehmen kann …
- Marketing-Strategien für jede Gruppe anpassen
- Werbe-Targeting ändern
- Passendere Werbetexte anzeigen
- Sonderangebote erstellen
In diesem Projekt wurden allerdings zwei weitere Analyseschritte durchgeführt.
Ansatz 2: Customer Journey und Engpässe entdecken
Der zweite Schritt bestand darin, die Customer Journey zu verstehen – oder in diesem Fall den Path to Conversion. Welche Klicks macht der Kunde und welche Seiten besucht er, bevor er konvertiert oder auch „abprallt“ (englisch: bounce)?
Um diese Fragen zu beantworten, wurde eine Datenanalysetechnik namens Process Mining verwendet. Es handelt sich um eine Technologie zur Analyse von Prozessen.
Ein einfacher Prozess könnte folgendermaßen aussehen:
Homepage -> Kategorie Geräte -> Unterkategorie Haartrockner -> Filter verwenden -> Produktseite besuchen -> In den Warenkorb -> Bezahlen
Mithilfe von Process Mining konnte festgestellt werden, wie der individuelle Besucher vorgegangen ist. Dieses Vorgehen wurde dann über alle Benutzer hinweg aggregiert.
Auf Basis dieser Informationen wurde es möglich, gemeinsame Ursachen zu erkennen, Gründe, aus denen Kunden abspringen. Einer davon waren fehlende Produktvideos – oder der Fall, dass Nutzer diese nicht finden. Dies mag nach zwei verschiedenen Gründen klingen, in der User Experience ist das Ergebnis jedoch gleich – der Webseitennutzer sieht keinen Video-Content. In diesem Fall konnte festgestellt werden, dass das Designelement nicht kundenfreundlich war.
Diese Erkenntnisse helfen:
- Conversion-Engpässe zu identifizieren
- Die Customer Journey zu visualisieren
- Das UX-Design zu steuern
Ansatz 3: NBA – die beste Aktion vorhersagen
Der Ansatz Next Best Action (NBA) soll die Conversions vorantreiben. Er sagt voraus, welche Aktion zum gewünschten Ergebnis führt. Welcher ist – für jeden Click Path – der beste nächste Schritt, um den Abschluss wahrscheinlicher zu machen: das Produktvideo anzeigen, einen Rabatt-Gutschein anbieten oder ein Chatfenster öffnen?
Die NBA-Vorhersage hilft dabei, die Conversion zu steigern, indem für jeden Kunden eine individuelle Aktion vorgeschlagen wird.
Für diesen Zweck erlaubte die sequentielle Natur des Path to Conversion die Verwendung fortgeschrittener Techniken des maschinellen Lernens. Beispielsweise wird eine Art neuronales Netzwerk namens LSTM für die Sequenzanalyse verwendet.
Es gibt viele weitere Anwendungsfälle, z. B. die Vorhersage des nächsten Buchstabens in einem Wort oder eines Wortes in einem Satz.
Aufwand/Projektumfang: Dauer ca. 2 Monate, Team: 3 Data Scientists Ergebnis/monetärer Effekt: Insgesamt konnte die Conversion Rate um ca. 20 Prozent erhöht - und eine entsprechende Steigerung des Umsatzes erzielt werden.
Next Steps
Und jetzt? Was kann ich als Nächstes tun?
Während die nächsten Schritte immer von Ihren genauen Anwendungsfällen abhängen, gibt es zahlreiche weitere Aspekte von KI und ML, die Sie betrachten können.
Unabhängig davon ist der beste erste Schritt, mit einem KI-Experten zu sprechen, um festzustellen, welche Technologien und Ansätze für Ihr Unternehmen am besten geeignet sind.
Weiterführende Leseempfehlungen aus der MBmedien-Themenwelt
Wie belebt künstliche Intelligenz die Customer Journey?
In der systematischen Gestaltung von Kundenbeziehungsprozessen können KI und ML Marketing, Vertrieb und Service maßgeblich unterstützen: Vorteile von KI & ML-Einsatz im Rahmen von Customer-Relationship-Management (CRM). (Ralf Klatt, Trovarit AG)
Wie kann künstliche Intelligenz im industriellen Umfeld genutzt werden?
Die digitale Transformation im industriellen Umfeld stützt sich auf vier Säulen: Big Data, Automatisierung, Breitband-Vernetzung, digitaler Kundenzugang.
Zukunftsorientierte Unternehmen müssen offen sein für intelligente Maschinen. Nur wer sich die damit einhergehenden neuen Technologien zu eigen macht, kann neue Geschäftsmodelle und attraktiven unternehmerischen Mehrwert generieren.
Noch kein Kommentar, Füge deine Stimme unten hinzu!