Mehr Wissen mit Big Data

Big Data & Künstliche Intelligenz – ein Erfolgsfaktor für passgenaues Business

Julia Eckelt
© Shutterstock / T. L. Furrer

Wer im Business-Alltag auf eigenes Datenmanagement und Künstliche Intelligenz setzt, ist der Gewinner von morgen, weil er heute schon den Überblick behält. „Künstliche Intelligenz“ ist digitales Zukunftsthema und Boomfaktor in Wissenschaft, Wirtschaft und Medien und hat längst in Unternehmen und Institutionen Einzug gehalten. Doch wenn Konsumenten und Organisationen zunehmend digital agieren, müssen auch die Ansätze zur Kundenakquise, zum Personalmanagement und zum Businessmanagement digitale Kommunikation und Interaktion schneller und umfassender operationalisieren und analysieren.

Vom ersten Kontakt bis hin zur vertrauensvollen Zusammenarbeit umfassen Geschäftsaktivitäten ein breites Feld – die Suche nach Partnern, Mitarbeitern und potenziellen Kunden ist immens wichtig und der Motor eines jeden Unternehmens. Gleichzeitig ist eine positive Zusammenarbeit auch die wichtigste Visitenkarte. Gelungene Strategien für die Kundengewinnung und -bindung sowie für die Gewinnung qualifizierter Mitarbeiter oder Partner bekommen im Kontext der Digitalisierung ein ganz neues Gesicht. Denn die digitale Transformation deutscher und internationaler Unternehmen ist bereits in vollem Gange. Da tun Unternehmen gut daran, nicht den Anschluss zu verpassen.

„Wir alle müssen ein Bewusstsein und einen verantwortungsvollen Umgang mit Daten entwickeln und etablieren, um uns gegen Datenmissbrauch zu schützen – keine Frage“, betont Andreas Kulpa, CEO der Datalovers AG, einem Anbieter von Big-Data-Lösungen und Künstlicher Intelligenz im Business-Bereich. „Doch die Gewinnung und die Analyse von Daten mit entsprechenden – sicheren – Software-Lösungen und Tools können ganz einfach, sicher und unschätzbar wertvoll für die jeweiligen Geschäftsziele eines Unternehmers sein.“

Mit Künstlicher Intelligenz besser entscheiden

Intelligente Algorithmen helfen im Unternehmen beispielsweise, jedem (potenziellen) Kunden automatisch die interessantesten Angebote oder themenbezogene Inhalte auszuspielen. Diese „Kunst“ beruht allein auf Daten: Das bisherige Kaufverhalten, Interessen, Themen und vieles mehr werden erfasst, ausgewertet und analysiert – und damit Rückschlüsse auf den Kunden gezogen. „Die Kunst besteht jedoch darin, nur die wichtigen Informationen herauszufiltern“, betont Kulpa. „Spezielle Software-Lösungen, die mit künstlicher Intelligenz auf Basis intelligenter Algorithmen arbeiten, können bei der Entscheidungsfindung eine große Hilfe sein. Sie sind sozusagen „kleine“ Data Scientists, damit auch kleine und mittlere Unternehmen das große Datenuniversum nutzen und betriebliche Vorteile daraus zu ziehen können. Gute Data Scientists sind eine schwer zu findende und auch teure Ressource, für die nicht in jedem Unternehmen finanzielle Kapazitäten vorhanden sind. Spezielle lernfähige Software-Lösungen in Form von „Software as a Service“ sind eine gute Alternative, um im Wettbewerb sicher zu bestehen.

Doch wie funktioniert das? Wenn beispielsweise ein Vertriebsmitarbeiter wissen will, welches Unternehmen im Bereich Pharmazie demnächst eine Expansion ins Ausland plant, einen Geschäftsführerwechsel vorsieht oder ein neues Produkt einführt – woher kommen die Informationen dann? Dafür sind aktuelle Daten potenzieller Kunden und Wettbewerber wichtiges Kapital. Der Erfolg eines Vertriebsunternehmens basiert ganz wesentlich auf der intelligenten Gewinnung solcher Daten, um potenzielle Kunden im richtigen Moment mit dem richtigen Produkt anzusprechen. Entscheidend ist dafür in großem Maße die intelligente Verarbeitung aller verfügbaren Datenmengen in Form schnellerer und besserer Business-Entscheidungen, denn in der Big-Data-Datenflut ertrinken all diejenigen, die verfügbare Daten nicht optimal nutzen.

Data Scientists: Teurer Luxus oder notwendige Bereicherung?

Vor allem große Unternehmen setzen bereits heute auf die Expertise sogenannter Data Scientists. Diese sind gewissermaßen die Übersetzungsstelle zwischen den zur Verfügung stehenden und benötigten Daten und dem Business des jeweiligen Unternehmens. (Data Science = Extraktion von Wissen aus Daten) Data Scientists verstehen sowohl die eigentlichen Daten als auch das Geschäftliche sowie die Datentransformation. Sie können die vorhandenen Daten kreativ einsetzen und in verständliche Aussagen und Handlungsempfehlungen „übersetzen“. Data Scientists liefern auch die Konzepte für entsprechende Software-Lösungen, die dann von Entwicklern programmiert werden. Durch ihre Konzeptualisierung und Operationalisierung von Daten und Analytik kann die intelligente Wissensextraktion beispielsweise in die Form einer Business-Suchmaschine „gegossen“ werden.

Jeder, der mit seinem Unternehmen in die Künstliche Intelligenz einsteigt, braucht entweder erfahrene Data Scientists oder eine entsprechende Software-Lösung. Dabei entscheiden sich vorwiegend große Unternehmen – auch im Hinblick auf die stetige Kontrolle der eigenen Daten – für eigene Data Scientists. Es muss nichts ausgelagert werden, kein Drittleister hat Zugriff auf sensible Unternehmensdaten. Allerdings sind gut ausgebildete Data Scientists derzeit noch eine teure Investition für die Unternehmen und schwer zu finden auf dem Arbeitsmarkt, denn Experten der Datenanalyse sind weltweit noch Mangelware.

Ihre Zahl wird durch neu etablierte Studiengänge wie Data Science erst in den kommenden Jahren steigen. Der Studiengang Data Science, der in Deutschland unter anderem in Marburg, Stuttgart, Jena und Berlin angeboten wird, verwendet Techniken und Theorien aus den Fächern Mathematik, Statistik und Informationstechnologie, einschließlich der Signalverarbeitung. Wahrscheinlichkeitsmodelle sowie Modelle des maschinellen Lernens, des statistischen Lernens, der Programmierung, der Datentechnik, der Mustererkennung, der Prognostik, der Modellierung von Unsicherheiten und der Datenlagerung sind ebenfalls Bestandteile des Studiums.

Business-Suchmaschinen, die so einfach zu bedienen sind wie Google, helfen den Unternehmen also, Fragen wie „Was mache ich als nächstes?“ oder „Wen spreche ich als nächstes an?“ zielgerichtet und fundiert zu entscheiden. Ein Beispiel hierfür sind Kreditauskunfteien wie Creditreform, die eng mit Unternehmen zusammenarbeiten. Sie halten sämtliche Informationen zum Zahlungsverhalten eines Unternehmens bereit. Liegen Probleme vor, dann sind diese zumeist auch dort zu finden. In dieser Form enthält zum Beispiel die intelligente Business-Suchmaschine bearch derzeit Daten über alle 5,4 Millionen deutschen sowie mehr als 75.000 schweizer Unternehmen bereit, kategorisiert alle verfügbaren Informationen und spielt anhand der jeweiligen Suchanfragen passgenaue Kontakte aus. Lernfähige Algorithmen schließen von bestehenden Kunden oder thematischen Suchanfragen aus dem Kontext heraus auf weitere für den Vertrieb interessante Aspekte und präsentieren so Märkte, Unternehmen und Themen, die für weitere Akquisetätigkeiten vielversprechend sind.

Alle verfügbaren Daten zu einem Unternehmen werden von Business-Suchmaschinen wie bearch gesammelt, kategorisiert und analysiert. Sie liefern damit wertvolle Ansätze für mögliche Geschäftskontakte. Grafik: Datalovers

Den richtigen Kunden zur richtigen Zeit ansprechen

Seit einiger Zeit setzt auch der Personaldienstleister expertplace perspectives, ein Unternehmen der Bielefelder Pienig-Gruppe, bei der Kundenakquise auf Datensätze, die mittels intelligenter Algorithmen gewonnen werden: „Dafür haben wir dem IT-Dienstleister genaue Vorgaben übermittelt, auf deren Basis er uns passgenaue Kundendatensätze mit den richtigen Ansprechpartnern liefern konnte“, erklärt Geschäftsführerin Esther von Sigsfeld. „So konnten wir genau die richtigen Interessengruppen durch Pre-Sales-Aktivitäten neugierig machen und ansprechen.“ Mit dieser gezielten Ansprache seien aus nur 300 Datensätzen – geliefert wurden 1.000 – acht Erfolg versprechende Kundentermine generiert worden, aus denen sich reelle Angebotssituationen entwickelt haben. Zuvor – mit den klassischen Kontaktlisten – habe die Erfolgsquote eher bei 1:700 gelegen, so von Sigsfeld. Die sogenannte Conversion Rate konnte also deutlich gesteigert werden.

„Solche Empfehlungen, die auf künstlicher Intelligenz und automatisierter Auswertung beruhen, werden von den Unternehmern oft kritisch beäugt“, gibt Kulpa zu. „Es fühlt sich sicher am Anfang seltsam an, diesen automatischen Empfehlungen zu folgen, die aus Algorithmen und nicht aus eigener unternehmerischer Überlegung entstehen. Die Ergebnisse zeigen aber, dass es sich lohnt, denn nicht umsonst setzen die „Big Player“ (AGFA = Apple, Google, Facebook, Amazon) überwiegend bis ausschließlich auf künstlich intelligente Algorithmen.“ Und dass diese nicht falsch liegen, zeigt beispielsweise die vergangene US-Wahl: Während die klassischen Markforscher Hillary Clinton als Siegerin vorhersagten, sahen die auf künstlicher Intelligenz und Big Data basierten Ansätze höhere Siegchancen bei Trump. Und sie behielten Recht.

Um einem Unternehmen wie expertplace perspectives solch passgenaue Datensätze zu liefern, werden lernfähige Algorithmen eingesetzt. Diese erkennen nicht nur Datensätze die den bisherigen Kunden gleich sind, sondern durch intelligente Kontextsuche auch solche, die thematisch dazu passen könnten: „Nach professionellen Vorgesprächen konnte uns Datalovers genau die Daten liefern, die wir uns gewünscht hatten und mit denen wir gut arbeiten konnten“, sagt von Sigsfeld.

Mehr Wissen mit Big Data

Pflicht für gezielte Kontaktsuchen sind größtmögliche Datensätze der Unternehmen, wenngleich die Inhalte nicht wahllos sein dürfen. Dies unterscheidet sich von Unternehmen zu Unternehmen je nach Kerngeschäft, Zielsetzung und gewünschter Vorgehensweise. „Interessant und wichtig zu erfassen sind beispielsweise für Vertriebsunternehmen vor allem die Kundendaten, und zwar von der Vor-Akquise-Phase bis zum Abschluss der Kundenbeziehung“, rät Kulpa. „Aus der Kombination dieser Kundendaten mit weiteren Fakturierungsinformationen, mit Customer-Service-Aspekten und weiteren Sales- und Marketing-Aspekten können intelligente Algorithmen Business-Entscheidungen treffen, Empfehlungen an den Unternehmer ableiten und Marktforschung betreiben.“ Der Pluspunkt dabei: Daten sind neutral und objektiv, und sie geben am Montagmorgen die gleiche Aussage wie am Freitag kurz vor Feierabend. Die Informationen sind aktuell, schnell und berücksichtigen alle zur Verfügung stehenden Faktoren.

Die Kunden und Interessenten eines Unternehmens wiederum profitieren davon, dass die richtigen Entscheider mit genau den Themen konfrontiert werden, die für sie gerade zukunftsträchtig und wertschöpfend sind. Kommunikation auf Augenhöhe zum richtigen Zeitpunkt unterstützt viele Prozesse. Das sieht auch von Sigsfeld so: „Ich wüsste nicht, warum wir Künstliche Intelligenz nicht auch in anderen Bereichen unseres Unternehmens einsetzen sollten. Unsere Erfahrungen damit sind durchweg positiv“, sagt sie. Pluspunkte dabei seien, ergänzt Kulpa, die zielgerichtete Ansprache, die hohe Effektivität, die Ressourcenschonung und das Erlebnis, wirklich mit den richtigen Ansprechpartnern zu sprechen, deren Aufgabe es ist, sich die richtige Unterstützung für ihre Themen zu holen.

Big Data in der Unternehmenswelt

Grundsätzlich ist Big Data für jedes Unternehmen – gleich welcher Größe – von Nutzen. Unternehmen mit einem Umsatz unter 500.000 Euro stellen mit einer Anzahl von 1,2 Millionen gut 25 Prozent der wirtschaftlich tätigen Unternehmen in unserem Land dar und sind somit ein wichtiger Wirtschaftsfaktor. Wandel und digitale Transformation sind in diesem Segment noch viel entscheidender für die Zukunftsfähigkeit und Wettbewerbsfähigkeit. Die Fähigkeit, Daten zu gewinnen, zu analysieren und zu kapitalisieren, brauchen Unternehmen, um künftig Wettbewerbsvorteile zu erzielen. Unternehmen mit eigener Datenhoheit sind die Gewinner von morgen: Sie können Marktforschung und Wettbewerbsanalyse betreiben, Inhalte für PR und Kommunikation generieren oder Prozesse im eigenen Unternehmen optimieren.

Grafik: Datalovers

Mensch vs. Maschine? Pro Maschine!

Neben Akquisetätigkeiten zur Kundengewinnung ist auch eine umfassende Kenntnis interessanter Zielmärkte für Unternehmen existenziell. Ob im eigenen Unternehmen oder an einen Dienstleister ausgelagert: Marktforschung gehört für viele Unternehmen zum Geschäft und ist einer der klassischen Erfolgsfaktoren. Doch das weltweite Datenvolumen verdoppelt sich alle zwei Jahre. Daraus ergibt sich eine Aufgabe, die der Mensch alleine nicht bewältigen kann. In der Marktforschung könnten computergestützte Programme das gesamte Datenmaterial schneller und gründlicher auswerten, damit der Mensch auf der anderen Seite des Rechners sich auf die wichtigen Detailfragen konzentrieren kann. Typischerweise werden 80 Prozent der Zeit in der Marktforschung für Zeit fressende Tätigkeiten wie Sampling, Datenbeschaffung und Analyse benötigt und nur die restlichen 20 Prozent für die entscheidenden Detailfragen. „Der Tod der klassischen Marktforschung“ sagen die einen, „eine Chance sich auf Wesentliches zu konzentrieren und wirkliche Tiefe der Forschungsergebnisse zu erreichen“ halten andere Experten dagegen.

Fest steht: Durch innovative Big-Data- und KI-Verfahren haben Marktforscher mehr Zeit für die wirklich wertschöpfenden Tätigkeiten wie die Interpretation der Analyseergebnisse sowie die Ableitung von Empfehlungen und Handlungsmaßnahmen. Gut programmiert, lernfähig und intelligent genutzt kann Künstliche Intelligenz viel Arbeit sparen und damit Zeit für Detailtiefe schaffen. Wenn es zum Beispiel um Entscheidungslogiken geht, sind künstliche Systeme immer komplexer und um ein vielfaches genauer.

Künstliche Intelligenz kann auch die Grundlage für klassische (Befragungs-)Marktforschung stellen: über Datenbanken herausfinden, wer sich womit beschäftigt und daraus dann das Sample ziehen. Dadurch steigt die Wahrscheinlichkeit, dass angesprochene Personen oder Unternehmen sich auch tatsächlich mit dem jeweiligen Thema beschäftigen. KI-Systeme sind durchaus lernfähig und können anhand von Resultaten vergangener Entscheidungen ihre Entscheidungslogik anpassen. Erfahrungen würde man beim Menschen sagen. Die neueren Entwicklungen auf dem Gebiet des Machine Learning erlauben es, aus Big Data Smart Data zu machen und Daten auch wirklich wirtschaftlich zu nutzen.

Maschinen haben keine Vorurteile und ziehen unvoreingenommen Schlüsse. Sie sind in der Lage, breit gefächerte Informationen genau auszuwerten und Unerwartetes zu erkennen. Richtig eingesetzt entlastet das Machine Learning die Marktforscher, um das große Ganze nicht aus den Augen zu verlieren.

Python Summit 2018
Oz Tiram

Advanced Flow Control in Python

mit Oz Tiram (derico – web development & consulting))

Maschine vs. Mensch? Pro Mensch!

Wenn Maschinen einen Menschen ersetzen sollen, wenn sie in Produktion, Krankenhäusern und Haushalten sinnvoll eingesetzt werden sollen, müssen sie auch durch Beobachten und Erfahren lernen und agieren. Auf Basis vorab programmierter Daten funktioniert dies sicher nicht. Bis Maschinen wirklich den Menschen komplett ersetzen, ist noch ein weiter Weg. Es wird immer Bereiche geben, in denen die menschlichen Fähigkeiten unersetzbar bleiben.

„KI-Systeme sind ein Intelligenzverstärker“, stellt Kulpa klar. „Schlecht aufgesetzt, schlecht gewartet und schlecht interpretiert, produzieren sie nur Kosten, Ärger und Unsinn.“ Zudem „denken“ KI-Systeme nur in Korrelationen und können keine Kausalitäten erkennen beziehungsweise ableiten. Das Reasoning ist und bleibt in jedem Fall eine menschlich Aufgabe: Nur der Mensch kann die gefundenen Korrelationen bewerten und interpretieren. Nur wir Menschen können wirklich alle Kontexte wie Emotionen, kulturelle Einflüsse, die kleinen, feinen Unterschiede berücksichtigen. Hier stößt die Künstliche Intelligenz ganz klar an ihre Grenze.

Der Einsatz von automatisierten Verfahren kann nicht ohne Planung und Erprobung geschehen. Doch mit ihnen können sich Marktforscher dem Wesentlichen zu widmen: die richtigen Fragen stellen, die zu einem besseren Kundenverständnis führen aufgrund dessen noch bessere strategische Entscheidungen möglich sind. Marktforscher können mit den zusätzlichen Erkenntnissen kreativ weiterarbeiten, neue Strategien planen und das Design ihrer Studien verfeinern.

Man sieht: Trotz allen Vorteilen, die maschinelle Ansätze bieten, ist menschliche Intelligenz immer dann überlegen, wenn das Thema nicht auf einen bestimmten Bereich begrenzt ist, wie etwa bei einem Spielcomputer, der programmierte Daten gewissermaßen nur abruft. Computer, die nicht programmierte, unvorhergesehene Dinge regeln könnten, etwa wenn sich die Datenerhebungsmethode einer Variable geändert hat und das System dies selbstständig erkennt und nach Lösungen sucht, würden menschlicher Intelligenz jedoch recht nahe kommen. Doch diese Art von Intelligenz beruht auf einem ganzheitlichen Wissen über die Welt und wird noch einige Zeit den Menschen vorbehalten sein.

Die richtigen Daten finden, die eigenen Daten verwalten

Zwar existieren in Zeiten der Digitalisierung meist jede Menge Daten über beinah alle Unternehmen – die Kunst besteht jedoch darin, die wichtigen und relevanten Informationen herauszufiltern. „Spezielle Software-Lösungen, die mit Künstlicher Intelligenz auf Basis intelligenter Algorithmen arbeiten, können also bei der Entscheidungsfindung eine große Hilfe sein“, erklärt Kulpa. „Bei expertplace perspectives standen wir zum Beispiel vor der Herausforderung, dass wir eine Reihe sehr genauer Vorgaben hatten, denen die Datensätze entsprechen sollten. Das ist mit einer „normalen“ Datenbank kaum zu schaffen.“ Nur künstliche Intelligenz könne die Ergebnisse in der Big-Data-Datenflut richtig deuten, in einen Kontext einordnen und die vielversprechendsten auswählen.

Schlussendlich ist dies bereits ein kleiner Big-Data-Ansatz, bei dem sehr unterschiedliche Datenquellen kombiniert und auswertbar gemacht werden. Neben den speziellen lernfähigen Software-Lösungen helfen zudem aktuelle Datenvisualisierungstools wie Tableau oder QlikView dabei, explorativ mit den erhobenen Daten zu spielen und Rückschlüsse aufzubauen, welche bisher verborgen blieben. Kulpas Tipp: „Mit Anpassungen der eingegebenen Daten lässt sich auch „spielen“, ob gewünschte Effekte tatsächlich auftreten – bevor man den Versuch in der Praxis wagt.“

Abschließend sei es für Unternehmen auch wichtig, so Kulpa, eine eigene sogenannte Datenhoheit zu entwickeln. Das heißt: genau zu wissen, was mit den eigenen Daten passiert, und nur so viele Daten zu teilen, wie eben nötig ist. „Dazu gehört auch, die Nutzung der eigenen Daten und eingesetzte Online-Services, Portale und Datenbanken kritisch zu prüfen – Drittleister vor allem darauf, wie sie mit den ihnen anvertrauten Unternehmensdaten umgehen“, rät Kulpa. Eine eigene Datenhoheit bedeutet für Unternehmer also, selbst zu entscheiden, wer wann und wo welche Daten finden, verwenden und weitergeben darf.

Geschrieben von
Julia Eckelt

Julia Eckelt leitet als Projektmanagerin das Dresdner Büro der Bestfall GmbH. Die Diplom-Kommunikationsmanagerin verfasst Fachartikel mit den Schwerpunkten IT, Künstliche Intelligenz und Big Data, Marketing und Vertrieb sowie Recht und Steuern.

Kommentare

Hinterlasse einen Kommentar

Hinterlasse den ersten Kommentar!

avatar
400
  Subscribe  
Benachrichtige mich zu: