Was ist AI/ (KI)Künstliche Intelligenz?

Hinter der Abkürzung AI verbirgt sich der englischsprachige Begriff „artificial intelligence“. Im Deutschen spricht man meist von künstlicher Intelligenz oder nutzt die Abkürzung KI. AI definiert sich als der Versuch, das menschliche Lernen und Denken durch Software ausführen zu lassen. Dadurch soll das Vorhandensein von Intelligenz simuliert werden. Ein Hauptmerkmal von AI ist, dass sie nicht für jede Unteraufgabe speziell und erneut programmiert werden muss, sondern durch selbstlernende Algorithmen selbständig Antworten und Problemlösungen finden kann. AI wird zusätzlich unterschieden in angewandte und allgemeine AI.

Alltagstaugliche AI

AI ist längst keine Zukunftsmusik mehr, sondern in vielen Bereichen bereits im Alltag angekommen. Beispielsweise zur Bilderkennung, in Sprachassistenten oder bei Vorschlagssystemen. Oft handelt es sich bei AI in Wahrheit um einfache Algorithmen der Untergruppe maschinelles Lernen (engl. Machine Learning, ML), bei der Algorithmen große Datenmengen analysieren und anhand dieser sich selbst beim Klassifizieren der Daten stetig verbessern.

AI im Marketing

Anwendungen setzen AI überall dort optimal ein, wo repetitive Handlungen automatisiert werden sollen, aber auch dort, wo unstrukturierte Daten zunächst sortiert und analysiert werden müssen. Beispielsweise bei der Auswertung von Daten oder Kommunikation kann AI die idealen Adressaten identifizieren, sie persönlich ansprechen, individuell optimierte Informationen senden und dadurch Streuverluste reduzieren. AI unterstützt im Marketing beim Analysieren großer Datenmengen, um mehr über deren Verhalten zu erfahren. So gelingen auch Prognosen über passende Produkte, Anzeigen und weitere Faktoren immer besser, beispielsweise über Predictive Lead Scoring. Zudem kann AI die Customer Journey verbessern, selbständig Analysen und Prognosen herstellen und dadurch zukünftig noch kundenorientierter arbeiten.

Erfolgreicheres Marketing mit AI-Anwendungen

Bereits im Einsatz ist AI beispielsweise per Chatbot auf Webseiten. Dieser unterstützt Interessenten dabei, Fragen schnell zu beantworten und weitere Unterstützung zu liefern. Aber auch smarte Einkaufsassistenten, wie beispielsweise Google Home oder Amazon Echo arbeiten mit AI. Sie werten Spracheingaben aus und ermöglichen auf diesem Weg direkte Einkäufe. Weil AI in Sekundenbruchteilen riesige Datenmengen analysieren kann, macht sie personalisierte Werbung noch effizienter. Online-Werbung über keywordgesteuerte Anzeigen oder auf Social Media-Profilen wird noch präziser und schafft größeren Erfolg. Aber auch Suchmaschinen nutzen AI. Dort wird sie zur Analyse von Suchanfragen eingesetzt, um Muster zu erkennen. Unternehmen können sich dann noch effizienter ihren Zielkunden präsentieren.

AI-unterstütztes Marketing schon heute nutzen

Unternehmen, die heute schon für ihr Marketing Anwendungen mit AI-Unterstützung nutzen möchten, müssen sich keineswegs auf langwierige IT-Projekte gefasst machen. Marketing Automation-Plattformen bieten diese Technologie verpackt in Funktionen, die keinerlei Programmierkenntnisse erfordern. AI-unterstützte Automationsfunktionen helfen dabei, die Nutzererfahrung so genau wie möglich auf die potentiellen Kunden abzustimmen. Plattformen, die eine AI-unterstütze Analysefunktion besitzen, übernehmen das smarte Auswerten der selbst generierten Daten und können auf dieser Basis Leads in passende Kampagnen segmentieren, Werbebotschaften personalisieren, den optimalen Versandzeitpunkt bestimmen und viele weitere Aufgaben übernehmen. Ideal sind AI-gestützte Automationen aber auch immer an Stellen, wo repetitive Aufgaben erfüllt werden müssen. Im Marketing, Verkauf und Service müssen sehr oft die gleichen Informationen kommuniziert werden –Aufgaben, die wie für AI-unterstütze Automation gemacht sind. Smarte AI-Automation kann rund um die Uhr und unabhängig von Öffnungszeiten dabei helfen, die optimal passenden Informationen zu erhalten. Wer beherrscht in Zukunft AI? Die 9 Firmen unter dem Kürzel G-MAFIA BAT? Google, Microsoft, Amazon, Facebook, IBM und Apple oder Baidu, Alibaba und Tencent?

Ein erstes AI-Projekt implementieren in 6 Schritten

Weil AI-Anwendungen heute bereits meist in komplette Software-Systeme eingebaut sind und „out of the box“ genutzt werden können, bleibt der Programmieraufwand gering oder entfällt sogar komplett. Trotzdem erfordern AI-gestützte Anwendungen einige Vorbereitung.

1. AI kennenlernen

Die Vorteile von AI sind riesig, aber nicht immer ist klar, was sich konkret hinter diesen Anwendungen verbirgt und wie sie konkret genutzt werden. Online-Kurse und Workshops zu dem Thema eignen sich gut für einen ersten Einstieg. So erhalten Entscheider einen guten Überblick über die Möglichkeiten von AI und können eigene Use Cases entwickeln.

2. Ein Problem für AI identifizieren

Welche Produkte und Leistungen können durch AI maßgeblich verbessert werden? Diese Frage führt zu konkreten Anwendungen im eigenen Unternehmen. Bieten sich bereits auf den ersten Blick zahlreiche Anknüpfungspunkte heraus, sollte die Auswahl auf eine oder einige wenige Anwendungen fallen. So werden Abteilungen nicht mit dem Implementieren überfordert und es können an einem Anwendungsfall erste, wertvolle Erkenntnisse gesammelt werden.

3. Nutzen und Erfolgskriterien festlegen

Damit AI den gewünschten Erfolg bringen kann, müssen die entsprechenden Kriterien erfüllt sein. Diese berühren wesentlich die Business Needs, die sich als Diskrepanz zwischen Ist- und Soll-Zustand zeigen. Die benötigten Datenquellen und Datenqualität können im Anschluß bestimmt werden. Unter Berücksichtigung der Semantic Relationships werden dann Modelle entwickelt, die zur Verknüpfung und Interpretation der Daten dienen. Natürlich muss sich der AI-Einsatz lohnen. Deswegen sollte der konkrete finanzielle Nutzen in Form des ROI noch vor der Implementierung bestimmt werden.

4. Erste Tests mit echten Daten

Nicht jeder Anbieter ist für jedes AI-Projekt gleichermaßen gut geeignet. Um die beste Lösung zu finden, eignet sich ein Proof of Concept mit den infrage kommenden Produkten, um die optimale Lösung zu identifizieren. Entscheidend ist dabei, diese Tests mit eigenen Daten durchzuführen, denn nur so entsteht ein realistisches Bild, in dem auch Probleme frühzeitig identifiziert werden können. Die Datenqualität gehört ebenfalls zu den erfolgsentscheidenden Faktoren. Für ein solches Pilotprojekt lohnt es sich, externe Experten hinzuzuziehen, falls das entsprechende Wissen im eigenen Unternehmen nicht vorhanden ist. Auch für Testprojekte sollte ein eindeutiges Projektziel identifiziert werden, damit der Erfolg auch messbar ist.

5. AI als Change Management begreifen

Die Einführung AI-gestützter Anwendungen stellt für die betroffenen Mitarbeiter einen Einschnitt dar. Deswegen sollten diese so früh wie möglich in den Prozess miteinbezogen werden. Sie werden später täglich mit den Anwendungen arbeiten, weswegen ihr Feedback essentiell für die Akzeptanz ist.

6. Durchstarten mit AI

Sind die Tests erfolgreich verlaufen kann die ausgewählte Lösung für den Echtbetrieb ausgerollt werden. Die Erfahrungen und Einstellungen aus dem Proof of Concept können dann übernommen werden. Kleine Projekte sind ideal, um im Echtbetrieb zunächst die ROI-Berechnungen zu validieren und weitere Erfahrungen sowie Daten zu gewinnen. Bei Erfolg kann die AI-Anwendung dann nach und nach auf weitere Tätigkeitsfelder und Aufgaben erweitert werden.

AI-Modellentwicklung ohne Programmierkenntnisse

Nicht jedes Unternehmen verfügt über eigene Experten, die selbst ein AI- oder ML-System aufbauen können. Trotzdem bereichern AI-Anwendungen jeden Martech Stack. Zahlreiche internationale Unternehmen öffnen mittlerweile ihre Plattformen und stellen Entwicklern den entsprechenden Code zur Verfügung, um auf dem aktuellsten Stand zu bleiben. Aber auch Tools, die Modellentwicklung ohne Programmierkenntnisse ermöglichen, sind auf Open Source-Basis verfügbar. Zu diesen Tools gehören beispielsweise Create ML von Apple oder Teachable Machine von Teachable. Auch Amazon hat mit Accelerite ShareInsights ein entsprechendes Tool am Markt. Natürlich bietet auch Google ein Tool zur Modellentwicklung, nämlich die Google AI Platform sowie das Google ML Kit. Das Microsoft Azure Automated Machine Learning Tool richtet sich gezielt an Unternehmen des Enterprise-Segments.

Autor Alex Schoepf, zuerst erschienen in: Markus Rach, Michaela Schäfer: “Marketing Buzzwords Debunked: 471 Marketing Buzzwords einfach erklärt!”