Geschäftsmodelle auf Basis von künstlicher Intelligenz noch in weiter Ferne

Künstliche Intelligenz, Machine Learning und Big Data sind voll im Trend. Doch ist der Hype berechtigt und wo liegt der Mehrwert dieser Technologien? Datengetriebene Verfahren, mit oder ohne die Mitwirkung von künstlicher Intelligenz, sind inzwischen in den Unternehmen angekommen. Die Personalisierung hat sich z.B. im Marketing in den letzten Jahren zu einem der wichtigsten Themen entwickelt.

Laut einer aktuellen Studie von Adobe (durchgeführt von Coleman Parkes, „Content is Everything“) setzen immerhin 89 Prozent der Markenverantwortlichen in deutschen Unternehmen auf personalisierte Markenerlebnisse, die auf jeden Kunden speziell zugeschnitten sind. Das Problem dabei ist allerdings, dass nur 42 Prozent der Befragten angaben, dass sie das auch wirklich leisten können.

Damit ist man in Deutschland zwar um ein paar Schritte weiter als beispielsweise in der Schweiz und Frankreich (35 Prozent) oder gar in den Benelux-Ländern (22 Prozent), aber wirklich überzeugend ist das alles noch nicht. Dabei ist der Erkenntnisgewinn, den künstliche Intelligenz gerade im Zusammenhang mit Individualisierung leisten kann, groß: „Künstliche Intelligenz verfolgt das Ziel, Automatisierung zu unterstützen. Es ist eine Form von Industrialisierung, die ohne Standardisierung auskommt und letztlich individuell agiert“, fasst Hartmut König, CTO Central Europe bei Adobe, die Stoßrichtung von KI im Marketing zusammen. Eine KI im Marketing ist dabei weit mehr als eine reine Automatisierung. Sie sorgt dafür, dass ein Unternehmen versteht, wie es Werbung ausliefern muss, damit sie möglichst viel bewirkt, und vermittelt dem Kunden eine gute Customer Experience. Das heißt, sie stellt ihn nicht nur vor dem Kauf zufrieden, sondern kann auch mittelfristig dazu beitragen, dass er Gutes mit der Marke verbindet.

Unterscheiden muss man hier zwischen General KI, also vollständig maschinengestützten Geschäftsmodellen, und Functional KI, also einzelnen Entscheidungszweigen, bei denen die künstliche Intelligenz in Teilbereichen mitwirkt. „Ich glaube, dass wir funktionale KI schon in absehbarer Zeit gut nutzen können, um Prozesse effizienter zu gestalten und hier den Unternehmen Geld zu sparen“, erklärt König. Doch der Weg zu einer General KI ist noch weit. Hier fehlt es insbesondere den Unternehmen an Mitarbeitern, die passende Anwendungen entwickeln können. Hier fehlen Data-Scientists, die den statistisch validen Umgang mit Daten beherrschen, aber auch Computer-Scientists, die auf KI-Themen spezialisiert sind.

Laut Erkenntnissen der Studie haben darauf auch die Unternehmen regiert: 60 Prozent der Befragten stellen neue Mitarbeiter ein, um den Herausforderungen der künstlichen Intelligenz gerecht zu werden und das Thema gut abzudecken, 69 Prozent investieren in Weiterbildung für die vorhandenen Mitarbeiter. Dabei geht es vor allem um Change-Management, um IT-Kenntnisse sowie um Know-how in der Datenanalyse, ferner aber auch um Themen wie ethisches Bewusstsein und Grundverständnis für die Technologie – jeweils abhängig von der Zielgruppe der Mitarbeiter.

Gerade im E-Commerce, insbesondere im Bereich der Customer Experience, kann künstliche Intelligenz in Form der Personalisierung einen wertvollen Beitrag leisten – und das eben nicht erst in vielen Jahren. Erste Erfahrungen gibt es schon und zumindest Großunternehmen versuchen hier bereits, den Datenschatz, der zweifelsohne vorhanden ist (zumindest werden Daten gesammelt und lassen sich kategorisieren), nach und nach zu heben. Vieles, was davon neuerdings korrekterweise als AI bezeichnet wird, ist allerdings schon länger am Markt.

Doch geändert hat sich in den letzten Jahren die Rechenleistung und die Datenerfassung: Insbesondere das Hinzukommen der mobilen Endgeräte hat zu einer enormen Zahl an Touchpoints geführt, die der Nutzer auf Schritt und Tritt produziert und die ein deutlich feineres Bild des Kunden oder Interessenten ermöglichen. Doch, auch wenn es verblüffend klingt: Viele Unternehmen verfügen in bestimmten Bereichen immer noch über zu wenige Daten – oder über nicht aussagekräftige. Denn es kommt weniger auf die Daten selbst als auf deren Verschlagwortung und Einordnung an. „Fast alle Unternehmen leiden darunter, dass sie in bestimmter Hinsicht zu wenige wirklich verwertbare Daten mit Metainformationen haben, mit denen man eine KI trainieren kann“, weiß auch König.

Geschäftsmodelle auf Basis von künstlicher Intelligenz sind daher noch in weiter Ferne. Ein Hoffnungsschimmer dürften hier IoT-Anwendungen sein. Denn gerade die Smartspeaker (Stichwort: Alexa), die viele von uns wie selbstverständlich ins eigene Wohnzimmer lassen, sind dazu geeignet, nicht nur eine Vielzahl von Daten zu erfassen und zu verarbeiten, sondern auch gezielt auf eine bestimmte Weise zu aggregieren und um Dialog entsprechende individualisierte Empfehlungen auszusprechen. Noch stehen wir hier am Anfang – doch wenn wir uns klar machen, in welcher Geschwindigkeit sich in den letzten Jahren Mobile-Anwendungen verbreitet haben, wird klar, dass Unternehmen schon in drei oder fünf Jahren über einen Datenschatz verfügen werden, der den Unternehmen nicht nur einen echten Erkenntnisgewinn bringen, sondern ihnen auch dabei helfen wird, Produkte gezielt zu verkaufen.

„Über künstliche Intelligenz reden deswegen gerade so viele Unternehmen, weil es so viele Möglichkeiten gibt, in denen KI das Geschäft unterstützen kann und sich ein greifbarer Business Case denken lässt“, fasst König zusammen. Bei dem Thema sei es deswegen wichtig, in näherer Zukunft Skills aufzubauen und nicht erst über Jahre zu warten, was andere tun. Andere Themen, etwa Big Data und datengestützte Werbung, haben gezeigt, dass es sich für Unternehmen rächen kann, wenn sie nur schauen, was hier andere tun und dann glauben, das schnell und verlustfrei auch ins eigene Geschäft integrieren zu können.

Leave a Reply

Your email address will not be published. Required fields are marked *

You may use these HTML tags and attributes: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong>