ANZEIGE
Folgen Sie uns:
planung & analyse GmbH auf facebook.de planung & analyse auf twitter.de planung & analyse GmbH auf google+ planung & analyse GmbH auf xing

Editor's Pick


KI-Systeme sind Intelligenzverstärker

Bild: pixabay.com 

 Bild: pixabay.com


Künstliche Intelligenz ist ein Buzzword, dass im Schlepptau von Big Data, Predictive Analytics und Maschine Learning  vermehrt Aufmerksamkeit erlangt. Was ist das nun konkret? Wo ist der Nutzen und wo liegen Grenzen? Im Interview hilft Frank Buckler den Nebel zu lichten und zu verstehen, was die Verfahren in der Praxis der Marktforschung leisten können.

Was ist das Merkmal einer Methode, die auf Künstlicher Intelligenz beruht?
Ganz praktisch meint man damit Methoden, mit denen ein Computer Entscheidungen trifft, die vom menschlichen Betrachter als nicht trivial eingeschätzt werden. Mehrere Eingangsinformationen werden zu einer Entscheidung verdichtet. Zum zweiten ist ein KI-System lernfähig. Anhand von Resultaten vergangener Entscheidungen – Menschen würden das Erfahrung nennen – kann das System seine Entscheidungslogik anpassen.

Und das ist etwas Neues für die Marktforschung?
Nein, eigentlich nicht. Nach dieser Definition ist auch ein Verfahren wie die Multivariate lineare Regression bereits ein KI-System. Regressionsanalysen werden eingesetzt, um die Gefahr der Kundenabwanderung vorherzusagen und Gegenmaßnahmen auszulösen. Die Regressionsgleichung ist für sich eine nicht-triviale Entscheidungslogik mit vielen Eingangsinformationen und die Neuberechnung der Parameter, wenn neue Daten, also Erfahrungen, vorhanden sind, entspricht der Lernfähigkeit. Man sieht, dass KI-Methoden seit langem angewendet werden – nur mit anderen Begriffen beschrieben werden.

Ok. Aber was ist mit „richtiger“ Intelligenz?
Unter echter Intelligenz verstehen wir Menschen eher eine Entscheidungsintelligenz, die nicht auf einen Bereich  – egal ob Schach oder Churn-Prognosen – begrenzt ist. Wenn Computer nicht vorprogrammierte, unvorhergesehene Dinge regeln können, etwa wenn sich die Datenerhebungsmethode einer Variable geändert hat und das System dies selbstständig erkennt und nach Lösungen sucht, dann würde ich von „richtiger“ Intelligenz sprechen.
Diese Art von Intelligenz, beruht auf einem ganzheitlichen Wissen über die Welt und wird noch einige Zeit den Menschen vorbehalten sein. Sie bedarf nicht nur der Erfahrung, sondern auch einem möglichst vielfältigen Set an Wahrnehmungen, sowie der Möglichkeit selbst Aktionen auszulösen und daraus zu lernen. Heutige KI-Systeme werden nur nützlich und behalten ihre Funktion durch menschliche Intelligenz.

Gibt es Felder, in denen KI-Verfahren schon besser sind als Menschen?
Es geht eigentlich nicht um ein entweder Mensch oder Maschine. KI-Systeme sind ein Intelligenzverstärker. Schlecht aufgesetzt, schlecht gewartet und schlecht interpretiert, produzieren sie nur Kosten, Ärger und Unsinn.
Aber ja, es gibt viele Bereiche, wo die Systeme uns Menschen so ergänzen, dass das „Mensch-Maschine-Bundle“ deutlich intelligenter wird. Gerade wenn es um Entscheidungslogiken geht, sind künstliche Systeme immer komplexer und um ein vielfaches genauer. Genau darum ist Predictive Analytics – also etwa die  Prognose der Kundenabwanderung, der Absatzzahlen oder der Preisbereitschaft – so nützlich. Auch wenn es um die Frage geht „Was verursacht das Kundenverhalten“, also einer Kausalanalyse, sind KI-Systeme deutlich besser. Wir Menschen können eigentlich nur in Korrelationen denken und laufen so regelmäßig in die Falle von Scheinkorrelationen. Hier müssen wir als menschliche Entscheider dazulernen, denn den meisten Menschen ist ihre natürliche, begrenzte Fähigkeit Ursachen in unserer multikausalen Welt richtig zu erkennen und zu bewerten, nicht bewusst.

Sie haben jetzt verschiedene Anwendungsfelder von KI angesprochen. Können Sie einen Gesamtüberblick geben?
Bei der Anwendung kann man drei Felder nennen. Erstens: Prognostizieren, etwa den Absatz oder Churn. Beziehungsweise Diagnostizieren, also die Preisbereitschaft oder die Upselling-Kaufbereitschaft. Zweitens: Kategorisieren und Muster zu finden. Das ist zum Beispiel eine Kundensegmentierung. Drittens: Erfolgsursachen und deren Zusammenspiel erkennen. So etwas wie Kauftreiber, Marketing-Mix-Modeling. Welche Stellhebel zur Optimierung von Werbespots gibt es, Conjoint Analysen oder Kundenbindungstreiber.

Und gibt es dafür bereits KI-Systeme?
Wenn Google DeepMind das Spiel GO oder Schach spielt, dann entwickelt es Prognosen und wählt solche Spielzüge, die zum Sieg führen. Wenn Sie in die Google Bildsuche per Drag&Drop ein Bild werfen findet es ähnliche Bilder. Dahinter steckt ein KI-System dass kategorisiert, Ähnlichkeiten findet. Allein in der Kategorie 3 – der Kausalanalyse – sind die großen Player noch nicht aktiv.

Warum nicht und was bedeutet das für Marktforscher?
Kausalanalyse ist weniger standardisierbar. Sie muss für jedes Problem individuelle aufgesetzt, interpretiert und gepflegt werden. So wie anderer KI-System – nur eben in höherem Maße – benötigt sie den „richtig“ intelligenten Menschen. Jemanden der weiß, was das Kausalmodell inhaltlich abbildet, was die Daten bedeuten und wie sie gemessen wurden.

Können Sie uns ein Beispiel nennen?
In einem Modell, das Kündigungstreiber herausfinden sollte, stellte sich heraus, dass Kundenzufriedenheitsanrufe positiv auf Kündigungen wirken. Das kam uns paradox vor. Wir änderten das Model und integrierten Variablen über den Arbeitslosigkeitsstatus. Es stellte sich heraus, dass Arbeitslose häufiger Anrufe entgegen nehmen und zugleich – da ihr Einkommen geringer ist - eine höhere Kündigungsneigung besitzen. So kam es zu den Ergebnissen. Wenn man nicht weiß, was die Daten bedeuten, wie sie erhoben wurden und wie die Daten analysiert werden, kann es zu falschen Interpretationen kommen.

Das Beispiel illustriert, dass KI-Systeme im Marketing von der inhaltlichen, ganzheitlichen Intelligenz der Marktforscher leben. Dabei genügt es nicht Data Scientists zu beschäftigen, denen das inhaltliche Know-how über Sachverhalt und Datenerhebungsmethodik fehlt. Die Intelligenz kommt durch die zeitgleiche und ganzheitliche Kenntnis von Sachverhalt UND Analysemethodik. Und diese ist am ehesten bei Marktforscher vorhanden.

Dr. Frank Buckler ist Gründer und Geschäftsführer der Success Drivers GmbH – ein in Köln und Santa Barbara ansässiger Spezialist für das Aufdecken von Erfolgsfaktoren in Marketing & Vertrieb.

www.success-drivers.de

Weitere Online-Beiträge zu Künstlicher Intelligenz >>

KI ist Titelthema
in Heft 4/16 von planung&analyse

Dort finden sich weitere Beiträge
zum Inhalt | zum Abo | dieses Heft bestellen


Facebook Twitter Google LinkedIn Xing RSS Email