Mitglied der Consileon-Gruppe

anforderung datenanalyse

Aktuelles

Künstliche Intelligenz

Veröffentlicht am 16.08.2017
Autor: Dr. Andreas Alin und das Smart-Data-Team der Consileon-Gruppe

Sie wollen erfahren, wie Sie jeden ihrer Kunden persönlich kennenlernen können?

Mit künstlicher Intelligenz (KI) sprechen CRM-Systeme unter tausenden Kunden jeden so an, als sei er ein Prominenter. KI erkennt auch, wenn sich ein Kunde anders verhält als vorgesehen. Deutet dies auf ein Problem im Geschäftsprozess hin? Oder gar auf einen Betrugsversuch? Schnell und richtig reagiert in solchen Situationen, wer die Erfahrung seiner Mitarbeiter automatisiert mit Erkenntnissen aus der Analyse von Massendaten anreichert. In einem veränderlichen Geschäftsumfeld ermöglicht der KI-Einsatz den Verzicht auf die zeitraubende und damit kostspielige regelmäßige manuelle Anpassung der Prozessregeln.

An einem CRM-Beispiel zeigen wir, wie Unternehmen die individuelle Ansprache ihrer Kunden stetig verbessern, indem sie einen KI-Algorithmus innerhalb zuvor definierter Grenzen eigenständig mit den Kunden interagieren lassen.

Warum KI gerade jetzt relevant wird


Eine wichtige Teildisziplin der KI ist das maschinelle Lernen. Dieses lässt sich in Industrie und Handel unter anderem wie folgt nutzen:

  • Für optimale Prozesse in Prozessumgebungen, die sich mit der Zeit adaptieren und somit pflegeintensiv sind, und
  • zum maschinellen Nachregeln oder Generalisieren bei Problemen mit unbekannten oder unberechenbaren Faktoren (unvollständig beschriebene Probleme).

Im Zeitalter allgemeiner Beschleunigung und veränderlicher Randbedingungen müssen Unternehmen ihre Prozesse häufiger und schneller anpassen. Entscheidungen, die früher der Mensch traf, werden an sofort und direkt reagierende Algorithmen delegiert. Beispiele: Der Verbraucher im Supermarkt erwartet auch bei Strandwetter oder Großereignissen, dass die Fleischtheke eine große Auswahl an Grillware vorhält. Von ihrer Bank, Versicherung oder Telefongesellschaft wünschen sich viele Kunden eine auf ihre Lebenslage zugeschnittene Ansprache mit passenden Angeboten. Sie möchten dafür aber nicht mehr zahlen als bisher, sondern eher weniger. Aus solchen Dilemmata hilft die künstliche Intelligenz.

Warum KI gerade jetzt marktreif wird


Die künstliche Intelligenz – ist keineswegs eine neue Disziplin – auch nicht das in jüngster Zeit bejubelte maschinelle Lernen. Gleichwohl verbessern derzeit

  • spezialisierte Hardware und der der Einsatz von Grafikprozessoren (GPU),
  • neue Software-Bibliotheken und
  • die Möglichkeit auf große Datenspeicher (Stichwort Big Data) zuzugreifen

die Leistungsfähigkeit der KI-Technologie. Sie haben neue Erfolge ermöglicht – unter anderem in der Spracherkennung oder beim autonomen Fahren. Beispiel für die erhöhte Leistungsfähigkeit ist der Siegeszug der Computer bei klassischen Brettspielen. Reichte die Leistung noch vor wenigen Jahren gerade so, um die Komplexität des Schachs zu meistern, hat nun die Google-Tochter DeepMind durch Einsatz „tiefer“ neuronaler Netze (deep neural network, DNN) menschliche Gospieler geschlagen. Dieser Leistungsschub macht KI interessant für die kommerzielle Nutzung. Auch in Ihrer Branche!

go_board

Bild 1, verwendet unter GNU-Lizenz, Quelle: https://commons.wikimedia.org/wiki/File:Go_board.jpg

Bessere Lehrmaterialien und neue, relativ einfach zu nutzende Programmbibliotheken wie Tensorflow haben den Zugang zum Fachgebiet KI erleichtert und dadurch die Zahl der verfügbaren Spezialisten erhöht. Auch dies trägt zur Zunahme von KI-Projekten in klassischen Geschäftsfeldern bei.

Haben Sie etwas Zeit? Der Link in der Unterzeile zu Bild 2 führt zu einer Website, auf der Sie anschaulich ein künstliches neuronales Netz im Browser trainieren können. Profitieren Sie damit selbst von der neuen Zugänglichkeit.

playground_tensorflow_orgBild 2, Künstlich neuronales Netzwerk(Bild vergrößern)

Künstliche Intelligenz eignet sich zum Lösen von abstrakten Zahlenbeispielen wie im obigen Link, wie auch für Geschäftsprozesse mit hohen Fallzahlen bei der eine individuelle Betrachtung der Fälle notwendig ist. Ein solcher Prozess ist die Kundenkommunikation. Im nächsten Abschnitt zeigen wir exemplarisch, wie sich das Kundenerlebnis, die „Customer-Experience“, mit künstlicher Intelligenz auf eine neue Qualitätsebene heben lässt.

Anwendungsbeispiel CRM


Wenn sich unsere Kunden individuell bei uns am besten aufgehoben fühlten, bräuchten wir vor Fintechs keine Angst zu haben.
– Denkweise eines erfolgreichen Bankmanagements

Nachhaltig ist ein Geschäftsmodell, solange es dem Kunden einen individuellen Mehrwert bietet, den er anderswo nicht bekommt. Das gilt nicht allein im Bankgewerbe. Der Kunde erwartet heute eine zeitnahe, über alle Kanäle hinweg koordinierte Ansprache mit individuell nützlichen Informations-, Produkt- und Serviceangeboten in Realzeit. Weil aber ein fester Ansprechpartner solche Angebote aus Kundensicht zu teuer macht, ist künstliche Intelligenz einer der wenigen Auswege, diese Nachfrage dennoch zu bedienen.

beziehung_zum_kunden

Seit Beginn des 20. Jahrhunderts hat Massenproduktion viele Waren verbilligt. Auf feste Ansprechpartner, die den Kunden wie zu Zeiten individueller Fertigung und Dienstleistung persönlich betreuten, musste man fortan verzichten. In den Neunzigerjahren begann man, die verlorene Individualität durch differenzierte Ansprache einzelner Zielgruppen wenigstens zum Teil zurückzubringen. Heute genügt das nicht mehr. Künstliche Intelligenz hilft, die Kunden nicht einfach in „Töpfe“ (Kundencluster) zu stecken und mit der Gießkanne zu behandeln, sondern mit ihnen zeitnahe, hyperpersonalisierte oder „hyperpersönliche“ Geschäftsbeziehungen zu führen.

Bisherige Lösungswege


Früher versuchten CRM, Vertrieb und Produktmanager zu antizipieren, welches Produkt welche Kunden interessieren könnte. Um diese Einschätzung vornehmen zu können wurden die Kunden nach bestimmten Kriterien in anspracheaffine Kunden sowie nichtaffine Kunden (Cluster) aufgeteilt. Regeln zur automatisierten Ansprache wurden aus der Customer-Journey oder dem Lebenszyklus abgeleitet.

Oft wurden diese Ansprachecluster jedoch nicht aus Kunden-, sondern vielmehr aus Vertriebsperspektive erstellt. Die Kunden erkannten, dass es dem Unternehmen in der Kundenkommunikation primär darum ging, seine margenstärksten Produkte abzusetzen. Angenommen sie schafften es, mit diesen Methoden die Kundeninteressen trotzdem gut abzubilden, so ergaben sich mittelfristig trotzdem Probleme.

  • Problemtyp 1: Die Anspracheregeln müssen sich Veränderungen im Umfeld oder in den Präferenzen der Zielgruppen immer wieder anpassen.
  • Problemtyp 2: Die Weiter- oder Neuentwicklung von Produkten erfordert ebenfalls neue Anspracheregeln.

Dies zog jeweils einen hohen Managementaufwand nach sich. Häufig wurde der rechte Moment zur Anpassung verpasst, die neuen Regeln wurden erst spät umgesetzt. Dies führte zu suboptimalen Kundenansprachen und entgangenen Produktabsätzen. Zwischen Idee und Anwendung lagen oft Monate – im schnelllebigen digitalen Zeitalter eine Ewigkeit. Durch automatisierte Anpassung der Regeln lässt sich ein solcher Verzug vermeiden. Dabei hilft ein intelligentes System, der kognitive Agent. Dieser passt Regeln nach vorgegeben Governance-Kriterien ständig und zeitnah an.

Nachhaltige Lösung


Beim sogenannten bestärkenden Lernen (reinforcement learning), einem Teilgebiet des Machine-Learning, wird dem kognitiven Agenten ein Repertoire an Aktionen vorgegeben, mit denen er den Zustand seiner Umwelt ändern kann. In der Praxis wäre eine solche Zustandsänderung beispielsweise ein Kaufabschluss oder ein zufriedenerer Kunde. Der Agent wählt situativ eine Aktion aus, erhält eine Rückmeldung (Feedback) zum Effekt der Aktion und passt seine Strategie wenn nötig an.

prinzip_verstaerkungslernen
Bild 4: Darstellung des Reinforcement-Learning-Prinzips.

Beispiel: Ein Roboter (Agent) soll Ihnen einen Kuchen backen (Aktion). Dadurch ändern sich mindestens zwei Zustände: der Vorrat an Zutaten in der Küche sowie Ihre Laune je nachdem, wie Ihnen der Kuchen schmeckt. Lässt der Geschmack zu wünschen übrig, sollte der Roboter dies erfahren, damit ihm der nächste Kuchen besser gelingt. Ihr Feedback (reward) müssen Sie vorab operationalisieren. Der Roboter könnte zum Beispiel messen, wie viel von jedem Kuchenstück auf dem Teller liegen bleibt. Anhand der Informationen über Zutaten und Geschmacksurteil kann sich der Agent durch Versuch und Irrtum Ihren Vorlieben immer weiter nähern. Je nach Anzahl und Abstufung der Aktionen, aus denen der Roboter wählen darf, sowie dem Freiheitsgrad, den Sie ihm bei der Wahl zugestehen, kann dieser Weg lang werden. Um zügig ans Ziel zu kommen, sollten Fachleute den Agenten vorkonfiguieren und in seine fachliche Umgebung einpassen.

In der Kundenbetreuung eingesetzt, lernt der kognitive Agent die Präferenzen seines menschlichen Gegenübers bei jeder Interaktion besser kennen. Durch Anpassung optimiert er die Anspracheregeln. Im Idealfall wird der Agent und damit Ihr Unternehmen für den Kunden zu einem vertrauenswürdigen Partner. Man kennt und schätzt einander. Fast wie im Tante-Emma-Laden des 19. Jahrhunderts behandelt das Unternehmen den Kunden wieder als Individuum (Bild 3).

Bild 4 zeigt das Funktionsprinzip des kognitiven Agenten in abstrakter Form. In Bild 5 haben wir dieses Schema auf das Beziehungsmarketing (CRM) übertragen. Der zu ändernde Zustand in der Umwelt des Agenten (Roboters) sei ein Kundenprofil. Sensoren sind Instrumente, mit denen sich Zustandsänderungen feststellen lassen; in unserem Fall dient dazu die klassische Erfolgsmessung. Bei den Aktoren (Stellgliedern oder „Schaltern“) schließlich handelt es sich um die Ansprache des Kunden auf sämtlichen Interaktionskanälen. Der kognitive Agent ersetzt oder erweitert das alte CRM-System. Damit das System die Interaktion mit dem Kunden nach dessen „Geschmack“ optimieren kann, wird ein Feedbacksystem eingebaut. Das Feedback orientiert sich an den Geschäftszielen. Ein solches System ist effizienter und lässt sich enger und flexibler an Ziele koppeln als klassische Provisionsmodelle, die eine vergleichbare Optimierung mit Vertriebspersonal als menschlichen „Agenten“ versuchen.

ki_schaubild
Bild 5: Die Umwelt des kognitiven Agenten besteht aus dem Unternehmen und dessen Kunden. Diese Umwelt nimmt der Agent über Sensoren wahr. Die Aktoren definieren seinen Spielraum in der Interaktion mit dem Kunden.

Viele Unternehmen setzen Sensoren wie die Erfolgsmessung oder Aktoren wie eine differenzierte Kundenansprache längst ein. Im Zuge der Digitalisierung werden kognitive Agenten immer effizienter, weil die Präzision der Sensoren und Aktoren ebenso zunimmt wie ihre Vielfalt. Menschlichen „Agenten“ wird es hingegen kaum noch gelingen, alle Informationen zu sammeln und zu verwerten.

Haben wir ihr Interesse geweckt? Mit dem Einsatz kognitiver Agenten zu CRM-Zwecken kennen wir uns aus (Bild 6). Im Vorgespräch klären wir, welches Vorgehen zu Ihrem Unternehmen passt. In Workshops sensibilisieren wir Führungs- und Fachkräfte dafür, potenzielle KI-Einsatzfelder im eigenen Unternehmen zu erkennen. Beim Aufbau interner KI-Kompetenz helfen wir Ihnen ebenso wie bei der Lösung konkreter Anwendungsfälle. Wir freuen uns darauf, Sie von Anfang an auf diesem Weg zu begleiten.

big_data_ki

Bild 6: Unsere Kompetenz zum Einsatz von Big Data und KI im Marketing

Ihr Ansprechpartner:

Dr. Joachim Schü

Dr. Joachim Schü

Geschäftsführender Gesellschafter

Tel.:+49 721 354 60-80

Fax: +49 721 354 60-89

Vielen Dank!

Ihre Anfrage hat uns erreicht. Wir werden uns so schnell wie möglich bei Ihnen melden.

Absenden

Vielen Dank!

Ihre Anfrage hat uns erreicht. Wir werden uns so schnell wie möglich bei Ihnen melden.

Absenden

Kontakt

Wir sind für Sie da.

Consileon Business Consultancy GmbH

Ansprechpartner