GastbeitragWie Unternehmen künstliche Intelligenz richtig nutzen

Mit KI können aus ungeordneten Informationen Muster werden
Mit KI können aus ungeordneten Informationen Muster werdenYatharth roy vibhakar on Unsplash

Personalisierung hat sich in den letzten Jahren zum Buzzword entwickelt – und das zu Recht. Denn Kunden erwarten heute auf ihre Interessen zugeschnittene, relevante Angebote und Services. Für Unternehmen, die digital erfolgreich sein wollen, ist Personalisierung auf Basis von künstlicher Intelligenz (KI) eine wesentlicher Schlüssel, um sich Wettbewerbsvorteile zu sichern. Nicht umsonst gelten globale Digitalunternehmen wie Spotify und Netflix als Paradebeispiel dafür, wie man Kunden durch individuelle Ansprache langfristig an sich bindet. Umso wichtiger ist es, dass Unternehmen, sich den veränderten Kundenbedürfnissen nicht nur anpassen, sondern ihnen einen Schritt voraus sind.

Wie aber können Unternehmen künstliche Intelligenz für sich nutzen, um einen personalisierten Service anzubieten? Dazu gilt es erstens neue Datenquellen zu erschließen, zweitens die richtigen Mitarbeiter einzustellen und drittens den Wissensaustausch im Unternehmen zu ermöglichen.

Ohne Daten geht es nicht

Wer auf KI setzen will, muss zuerst einmal die Basis dafür erschließen: die richtigen Datenquellen. Hier gibt es drei, die relevant sind. Die erste sind Kundendaten, dazu zählt zum Beispiel das Kaufverhalten. Die zweite sind Daten über die eigenen Produkte bzw. das eigene Angebot. Die dritte sind relevante Daten aus der Branche. Das stellt natürlich insbesondere für kleinere Unternehmen eine Herausforderung da. Für sie ist die Nutzung der Daten von Drittanbietern eine sinnvolle Alternative. Zum Beispiel könnte ein Unternehmen, das sich auf die Installation von Solarmodulen spezialisiert hat, Daten von Google Maps verwenden und Hausdächer mit Hilfe von Machine Learning vermessen, anstatt die Dächer selbst bei einem Besuch vor Ort zu begutachten.

Die richtigen Mitarbeiter einstellen

Hat man Zugriff auf die Daten, ist die nächste Herausforderung, diese Daten richtig zu nutzen. Denn Anwendungsfälle für Personalisierung variieren je nach Branche und Unternehmen und es gibt selten allgemeingültige Muster, die man adaptieren kann. Daher braucht es Experten aus dem KI-Bereich, die die neuen Anwendungsbereiche erschließen.

  • Research Scientists: Ihre Tätigkeit ist eher akademischer Natur: Sie betreiben Langzeitforschung mit dem Ziel, neue Wege für die Anwendung von KI und Machine Learning zu entwickeln und so dem Unternehmen neues Wissen erschließen. Sie teilen ihre Erkenntnisse im Rahmen von Beiträgen in wissenschaftlichen Publikationen und auf Fachkonferenzen und arbeiten an der Entwicklung neuer Patente. Ziel ihrer Arbeit ist es, die KI-Strategie grundlegend voranzutreiben, nicht die Softwareentwicklung.
  • Data Scientists: Praxisorientierte Teams, die über einen kürzeren Zeithorizont (z.B. ein bis drei Monate) an einem bestimmten Thema forschen. Datenwissenschaftler verfügen über grundlegende Kenntnisse aus den Bereichen der Softwareentwicklung und erarbeiten über einen kürzeren Zeiträumen neue Lösungen. Auch für sie kann das Erstellen von Forschungsbeiträgen interessant sein, ist aber eher ein Nebeneffekt im Rahmen eines bestimmten Projekts.
  • Research Engineers: Sie verbinden Forschungskompetenz mit Softwareentwicklung und arbeiten an Software, die bestehende Prozesse verändert und verbessert. Sie forschen an komplexen Problemen und arbeiten an deren Lösung. Das heißt auch, dass Research Engineers nicht zur Verwaltung bestehender Systeme, die sie entwickelt haben, eingesetzt werden sollten.

Kleinere Unternehmen verfügen vielleicht über weniger Ressourcen, um große Teams aufzubauen. Gleichzeitig haben sie aufgrund ihrer Größe den Vorteil, dass sie Wandel schneller vorantreiben können. Empfehlenswert ist es, mit einem leitenden Data Scientist zu beginnen, der versteht, welche Möglichkeiten KI bietet und der konkrete, auf die Kundengruppe des Unternehmens bezogene Lösungen entwickeln kann.

Silos abbauen und Wissensaustausch etablieren

Um die Erkenntnisse wirklich nutzen zu können, ist ein effizienter Wissenstransfer zwischen den Teams, die die KI-basierten Produkte umsetzen, und dem eher theoretisch arbeitenden Forschungslabor essentiell. Eine „Data-Science-Enablement-Strategie”, wie man sie aus großen amerikanischen Technologieunternehmen kennt, stellt sicher, dass alle Teams im Unternehmen von den Daten profitieren können – ganz gleich ob in der Personalabteilung, in der Verwaltung oder in der App-Entwicklung. Konkret geht es also darum, die Daten so zu benennen und zu speichern, dass sie von allen genutzt werden können. Die Lösung ist eine interne Plattform für künstliche Intelligenz, eine Open-Source-Plattform, auf die alle Teams zugreifen können. Eine solche Plattform kann selbst entwickelt sein, alternativ bieten Unternehmen wie GitHub oder Gitlab unterschiedliche Modelle für Teams und Unternehmen.

Für die Umsetzung einer KI-Strategie ist es sinnvoll, ein oder zwei – im Idealfall interdisziplinäre – Pilotprojekte auszuwählen. Diese fördern den Aufbau der eben genannten Wissensplattform und schaffen im Unternehmen ein Verständnis dafür, wie KI Arbeitsabläufe erleichtern kann.

Je mehr Projekte auf Basis von KI es gibt, desto mehr sollte auch geprüft werden, wie unterschiedliche Projekte kombiniert oder neu gestaltet werden können, um sie auf andere Anwendungsbereiche zu übertragen. Ein Tool für die Content-Analyse könnte zum Beispiel auf unterschiedliche Art genutzt werden: für kurze Texte (weniger als zehn Wörter) zur Unterstützung der Suche, für Dialoge oder Chats und für längere Textdokumente.

Die Vorteile der künstlichen Intelligenz bei der Personalisierung des Kundenerlebnisses sind nicht mehr wegzudiskutieren. Allerdings muss einiges investiert werden, bis KI umfassend und zum eigenen Vorteil eingesetzt werden kann. Dafür braucht es die richtigen Mitarbeiter, die nötige Infrastruktur und eben auch eine gewisse Bereitschaft zum Wandel. Wenn aber der erste Schritt gemacht ist, entsteht nach und nach eine neue Kultur, die Innovationen vorantreibt und auf Basis derer sich das Unternehmen kontinuierlich weiterentwickeln kann.