Die digitale Früherziehung ist ja ein heikles Thema. Vermutlich ist eine schrittweise Konfrontation mit den Gerätschaften der Digitalisierung eine sinnvolle Herangehensweise. Dazu gehört auch die frühe Auseinandersetzung mit digitalen Hürden zum Aufbau der Frustrationstoleranz. Ein Experiment im familiären Rahmen:

#RockDenKasper
#profwag macht
#DigitaleExperimenteMitKindern

Mehr zum Thema KI und Sprachassistenten finden Sie hier:

Vortrag/Keynote von Prof. Dr. Andreas Wagener: „Ein neues Zeitalter im Marketing: Künstliche Intelligenz, maschinelle Kreativität, virtuelle Realitäten & DNA-Targeting„:

Mehr Informationen zum Thema KI im Marketing finden Sie im Buch von Andreas Wagener Künstliche Intelligenz im Marketing, Haufe, Freiburg, 2023

Mehr zu Themen wie Industrie 4.0, Big Data, Künstliche Intelligenz, Digital Commerce und Digitaler Ökonomie finden Sie auf unserer Newsseite auf XING sowie auf Facebook.

Der Beitrag 8jähriger vs. Google Home erschien zuerst auf Nerdwärts.de.

Grundsätzlich können Chat- und Voicebots beim gesamten Prozess der Kundenbearbeitung zum Einsatz kommen, um eine gute „Customer Experience“ systematisch und automatisiert zu gewährleisten und stetig zu verbessern. Als Vorteile gegenüber der klassischen Telefonhotline oder E-Mail-Anfragen gelten neben den Ressourcenersparnissen, die durch die Übertragung routinemäßiger Tätigkeiten von den menschlichen Mitarbeitern erwachsen, vor allem auch die niedrigere Hemmschwelle bei den Kunden zur Kontaktaufnahme. Zudem ermöglicht der hohe Automatisierungsgrad des Kundendialogs auch eine Verknüpfung mit den Backend-Systemen wie auch eine verlässliche Erfolgsmessung.

Arten von Chatbots im Kundenmanagement

Grob lassen sich die Bots ihrer Funktion im Kundendialog nach in folgende Kategorien gliedern:

• Content Bots: Bereitstellung, Platzierung und Distribution von Inhalten zur Kundenkommunikation
• Product Information & Recommendation Bots: Information über Produkte und Alternativen, Empfehlungen von Produkten und Angeboten entsprechend der Kundenpräferenz
• Ordering Bots: Abwicklung des Bestellverfahrens im (Online-)Handel
• Customer Service Bots: Bearbeitung von Anfragen im Customer Support und After-Sales-Service

Chatbots in der Praxis des Kundenmanagements

In der Praxis findet sich diese Aufteilung in Aufgabengebiete nicht mehr absolut trennscharf wieder. Dennoch wird versucht, die folgenden Anwendungsbeispiele entsprechend zu ordnen:

Der Premier League Club AFC Bournemouth hat unter anderem mit der Unterstützung von Microsoft  mit dem CherryBot – der Fußballverein von der englischen Südküste wird auch als „The Cherries“ bezeichnet – einen Content Bot geschaffen, der die Facebook-Messenger-Plattform nutzt, um mit seinen Fans zu interagieren und einen „Kundendialog“ zu entfalten. Ziel ist es erklärtermaßen  mit dem Bot einen virtuellen Vertreter des Vereins zu schaffen, der die Emotionalität der Anhänger aufnimmt und sich entsprechend der im Rahmen einer „Sentiment Analyse“ als vorherrschend identifizierten Stimmung zum Verein und direkt zum aktuellen Spielverlauf zu Wort meldet. Zudem soll er Fragen der Fans automatisiert beantworten können und stellt Informationen, Daten und Fakten zu den Spielen, wie auch Videohighlights zur Verfügung. Des Weiteren organisiert der „CherryBot“ Selfie-Wettbewerbe sowie eine Wahl des „Player of the Match“ durch die Teilnehmer. Die gesammelten Informationen werden für die Optimierung des weiterführenden Dialogs ausgewertet – etwa auch per Bilderkennung auf Personenfotos, um Emotionen daraus auszulesen.

Chatbots als Shoppingassistenten

Nicht nur allein online, auch im Offline-Geschäft können Bots zum Einsatz kommen. Die US-Modekette „Macy’s“ bietet ihren Kunden den digitalen Assistenten Macy’s On Call an, der dabei helfen soll, sich im Laden vor Ort zurechtzufinden. Der Chatbot versteht auch „unstrukturierte“ Textanfragen, wie „Wo finde ich Schuhe?“, und liefert daraufhin die korrekte Antwort zu den entsprechenden Produktinformationen. Auch weiterführende Beratungen und Empfehlungen von Alternativen können auf diese Weise durchgeführt werden. Beispiele für solche klassischen Recommendation Bots finden sich vor allem im Modeumfeld, wie etwa bei „H&M“, „Burberry“ oder „Tommy Hilfiker“. Diese unterbreiten, abgestimmt auf das zuvor angesehene oder bereits gekaufte Kleidungsstück, Angebote weiterer dazu passender Artikel – gewissermaßen als automatisierter Style-Berater. 

In Großbritannien setzt der deutsche Discounter „Lidl“ im stationären Handel auf einen Chatbot, der Kunden beim Kauf von Wein behilflich ist. „Margot“ geht auf die Preis- und Herkunftspräferenzen der Kunden ein und kann auch den passenden Wein zu einem Essen empfehlen. 

Die indische „HDFC Bank“ versucht die Vorabinformation der Nutzer über seine teilweise sehr komplexen und erklärungsbedürftigen Finanzprodukte über den hauseigenen Chatbot EVA abzuwickeln. Anforderungen an die Kreditvergabe, Konditionen und Detailinformationen zu Wertpapieren werden durch den Bot bereitgestellt. Auch eine rudimentäre Beratung, etwa zu einer Darlehensaufnahme, führt „EVA“ eigenständig durch. Der Chatbot kann sowohl über die Unternehmenswebsite als auch über die Sprachassistenzdienste von Google und Amazons „Alexa“ aktiviert werden.

Chatbots im Bestellprozess

Auch den anschließenden Bestellprozess können Chatbots übernehmen. Ordering Bots übernehmen im Dialog mit dem Kunden die Aufnahme der Bestellung, leiten die erfassten Informationen an die nachverarbeitende Stelle weiter, versenden eine Bestellbestätigung und geben über den Status der Bestellung im Nachgang Auskunft. Zahlreiche Beispiele gibt es hierzu vor allem im Bereich der Food-Lieferservices, bei den großen US-amerikanischen Fastfood-Unternehmen wie „Subway“, „Burger King“, „Pizza Hut“ oder „Taco Bell“.

Gleiches gilt für den Taxidienst und Uber-Konkurrenten „Lyft“, der seine Bots sowohl über den Facebook Messenger als auch akustisch via Amazon initiiert. Nutzer erhalten dort Auskunft über den aktuellen Ort eines Wagens und seines Fahrers sowie Informationen über den Fahrzeugtyp und das genaue Nummernschild. Gleichzeitig begreift „Lyft“ den hier stattfindenden Kundendialog als wichtigen Beitrag zu einer optimierten „Customer Experience“. Dazu greift man nach Unternehmensangaben auf KI zurück, auch um mögliche Kundenfragen, „vorherzusagen“ und dann den Bestell- und Abwicklungsprozess für den Passagier in Echtzeit zu personalisieren.

Chatbots im Kundenservice

Augenfällig ist der Einsatz von Chatbots und autonomen Sprachassistenten zudem im Kundenservice oder Vertrieb. Customer Service Bots können herkömmliche Kundencenter ablösen, über eine Kontaktaufnahme per E-Mail an die Stelle der zeitversetzten Kommunikation treten oder auch klassische Callcenter-Aufgaben übernehmen. Dabei geht es nicht nur um die automatisierte Verarbeitung von Serviceanfragen, den klassischen Customer Support. Chatbot-Systematiken lassen sich auch als vertriebsunterstützende Systeme im Accountmanagement, dem CRM oder bei der Verarbeitung von Kontakten zu Interessenten und potenziellen Neukunden im Rahmen des Leadmanagements nutzen.

Der Chatbot „Edward“ der Hotelkette „Radisson Blue“ bearbeitet Textanfragen (via SMS) der Übernachtungsgäste und dient der Erfüllung der so geäußerten „Kundenwünsche“. Standardfragen („Wann muss ich auschecken?“) werden damit ebenso abgedeckt wie die Aufnahme von Beschwerden, Auskünfte über nahegelegene Restaurants oder Serviceleistungen wie die Bestellung zusätzlicher Handtücher auf das Zimmer. Wichtig ist, dass dann auch semantische Unterschiede je nach Kontext erkannt werden, der Bot muss so etwa zwischen dem Wunsch eines Gastes nach Schreibpapier wie auch der aktuellen Tageszeitung – beides im Englischen „paper“ – differenzieren können. 

Andere Customer Service Bots haben Zugriff auf die hinterlegten Kundendaten und können durch den Rückgriff auf diese – wie ein menschlicher Gesprächspartner – einen individualisierten Kundensupport liefern, in der Versicherungsbranche etwa, um Rechnungen erneut auszustellen oder Bestätigungen zukommen zu lassen. In komplexeren Situationen kann der Bot dann den Prozess an einen menschlichen Mitarbeiter weiterleiten. Aufgabe des Chatbots „Lisa“ des Telekommunikationsanbieters O“ ist es, die Mitarbeiter im Kundenservice zu entlasten und bestimmte automatisierte Tätigkeiten eigenständig auszuführen. Dazu zählen etwa die Unterstützung der Kunden bei der Navigation durch das unternehmenseigene Kundenportal, zum Beispiel um die Höhe des noch verfügbaren monatlichen Datenvolumens einzusehen. „Lisa“ beruht auf der Anwendung maschineller Lernverfahren und lernt laut Unternehmensangaben auch aus den Praxiseinsätzen kontinuierlich hinzu.

Chatbots & Sprachassistenten im Vertrieb

Ebenso in der Vertriebsarbeit kommen zunehmend Chatbots und Sprachassistenten zum Einsatz. Salesforce, Anbieter von CRM-Softwarelösungen, hat mit „Einstein“ ein „Conversational CRM“ genanntes System geschaffen, das den Mitarbeitern im persönlichen und Keyaccount-Verkauf die oft als lästig empfundene schriftliche Berichtspflicht über den Inhalt und Verlauf der Kundengespräche erleichtern soll. Per „Natural Language Processing“ werden stattdessen akustische Sprachanweisungen und Äußerungen transkribiert und in das Berichtssystem übertragen. Auch Termine lassen sich auf diese Weise administrieren. Der Mitarbeiter kann sich dann regelmäßig per Voice-Nachricht über seinen Tagesplan und die Besonderheiten der zu bearbeitenden Kunden informieren lassen. 

Chatbots im Lead-Management

Auch im Bereich des Lead Nurturings können Bots einen hohen Beitrag zur Automatisierung der Sales-Aktivitäten leisten. Als virtueller „Kontakter“ sind diese geeignet, den Dialog mit Interessenten oder bereits gewonnen Kunden zu vertiefen und entsprechende Cross- und Up-Selling-Maßnahmen durchzuführen oder die Kundenbeziehung an sich zu „veredeln“, indem Präferenzen ermittelt und entsprechend systemseitig verarbeitet werden. Das setzt voraus, dass der jeweilige Gesprächspartner entweder bereits identifiziert ist oder dies dann innerhalb des Anwendungskontextes geschieht – mit Name und Adresse oder über eine vorhandene Kundennummer. Chatbots auf einer „Coporate Website“ eines Unternehmens können auf entsprechende Trackingmaßnahmen aufsetzen, die über Cookies oder „Trackingpixel“ den bisherigen Kontaktverlauf speichern und mit der hinterlegten CRM-Datenbank abgleichen. Darauf aufbauend kann individuell ein Kundendialog entsponnen werden, um neue Leads zu generieren oder die bestehende Beziehung auszubauen. Der Bot übernimmt diesen Prozess idealerweise autonom, allein auf der Basis der vorliegenden Daten und übermittelt die an einer „Conversion-Wahrscheinlichkeit“ ausgerichteten Informationen und Nachrichten an den Nutzer.

Derartige Anwendungen sind in dieser Leistungstiefe in der Praxis noch ganz am Anfang, gleichwohl gibt es hier erste Anbieter, die versuchen, dies perspektivisch als „Service von der Stange“ bereitzustellen, wie etwa Landbot.io.  Gleichwohl ist die automatisierte Erfassung von Kontaktdaten zu potenziellen Kunden aus einem Bot-Dialog und damit die Umwandlung von unstrukturierten zu strukturierten Informationen damit durchaus bereits etabliert. Chatbots ersetzen in diesem Fall das klassische „Kontaktformular“ und können daraus, ähnlich wie beim E-Mailmarketing, nach bestimmten ermittelten „Verhaltenszusammenhängen“ entsprechend segmentierte oder personalisierte Ansprachen ableiten. Auch, wenn diese oft noch auf menschlich definierten Regeln basieren, sind hier grundsätzlich auch Rückgriffe auf Machine und Deep Learning denkbar.

Chatbots in der Verhandlungsführung

Erste Versuche gibt es zudem damit, Bots auch in der Verhandlungsführung einzusetzen, wenngleich diese Bemühungen noch sehr am Anfang stehen. Die KI-Forschungsabteilung von Facebook („FAIR“) hat Bots dazu gebracht, miteinander zu „feilschen“. Trainiert wurde das System mit mehreren tausend menschlichen Verhandlungsdialogen, die man über die Crowdsourcing-Plattform Amazon Mechanical Turk erhob. Die Facebook-Forscher schufen eine Art Spiel, in dem verschiedenen Gegenständen ein Punktwert beimessen wurde, mit dem Ziel, die Bots darüber zu animieren, ergebnisorientiert über Bücher, Mützen, Basketbälle und ähnliches „zu verhandeln“.

Nachdem ein Bot den Wert eines Gegenstandes erfasst hatte, formulierte er daraus eine „Verhandlungsposition“ – beispielsweise „ich möchte alle Bücher“, weil diese den größten Wert im Vergleich mit den anderen Objekten aufwiesen. Basierend auf der Art und Weise, die das neuronale Netzwerk gelernt hatte, dass Menschen gewöhnlich verhandeln, gab es eine Kombination von Wörtern in einer bestimmten Reihenfolge aus, für die es die höchste „Belohnung“ prognostizierte. Danach generierte das System potenzielle Antworten des Handelspartners und berechnete die weiteren möglichen Optionen. Im Prinzip ähnelt diese Vorgehensweise stark dem Verfahren von Alpha Go.

Chatbots mit eigener Taktik

Indem das System seine Fähigkeiten anhand der Ausrichtung an Ergebnismaximierung verbesserte, lernte es nicht nur seine Forderungen entsprechend zu formulieren, sondern passte nach und nach auch seine Verhandlungstaktiken an. So täuschte die KI manchmal ein Interesse an einer Sache vor, nur um das Gegenüber auf die falsche Fährte zu locken und einen vermeintlichen „Kompromiss“ einzugehen, um mit dieser „Verschleierungstaktik“ aber ihr eigentliches Ziel günstiger  erreichen zu können.  Auch wenn für eine Anwendung in der praktischen Vertriebsarbeit  noch hohe Hürden bestehen – zum Beispiel müsste ein Unternehmen nicht nur das Produktportfolio und die Preismodalitäten, sondern auch die Gepflogenheiten sowie die Verhandlungsziele in einem solchen System individuell abbilden –  könnten solche Fähigkeiten perspektivisch den Einsatz von Bots im Kundendialog revolutionieren und auf eine ganze neue Basis stellen.

Der Artikel beruht auf dem Buch von Andreas Wagener Künstliche Intelligenz im Marketing – ein Crashkurs, Haufe, Freiburg, 2019

Mehr zum Thema hier:

Vortrag/Keynote von Prof. Dr. Andreas Wagener: „Ein neues Zeitalter im Marketing: Künstliche Intelligenz, maschinelle Kreativität, virtuelle Realitäten & DNA-Targeting„:

Mehr Informationen zum Thema KI im Marketing finden Sie im Buch von Andreas Wagener Künstliche Intelligenz im Marketing, Haufe, Freiburg, 2023

Mehr zu Themen wie Industrie 4.0, Big Data, Künstliche Intelligenz, Digital Commerce und Digitaler Ökonomie finden Sie auf unserer Newsseite auf XING sowie auf Facebook.

Der Beitrag Chatbots & Sprachassistenten im Kundenmanagement erschien zuerst auf Nerdwärts.de.

Auf Chatbots trifft man klassischerweise in Form eines herkömmlichen „Messengers“, wie WhatsApp oder der Chatversion von Facebook („Facebook Messenger“) und bestehen aus einer simplen Textmaske, die für die Nutzereingaben und die systemseitigen, computergenerierten Antworten genutzt wird. Grundsätzlich sind aber auch Anwendungen für das gesprochene Wort denkbar, vergleichbar mit Apples Sprachsteuerungsfunktion „Siri“ oder den autonomen Haushaltslösungen Amazon Alexa oder Google Home, mit denen dann tatsächlich nahezu „richtige Gespräche“ möglich sind. Diese „Sprachassistenten“ funktionieren im Prinzip genauso wie die Chatbots, müssen jedoch zunächst die Inhalte „dekodieren“, also maschinell verarbeitbar machen. Gewöhnlich werden dazu die akustischen Äußerungen in die Textform übertragen. Von da an verläuft das weitere Verfahren in aller Regel analog.

Künstliche Erstellung natürlicher Sprache

Technisch können beide Anwendungsarten grundsätzlich auf „Natural Language Processing“ zurückgreifen, um den erfassten menschlichen und damit aus Sicht des Systems „unstrukturierten“ Inhalt für die Datenverarbeitung aufzubereiten. In einem als „Preprocessing“ bezeichnetem Verfahrensschritt werden zunächst im Abgleich mit vorhandenen „Sprachbibliotheken“ Schreibweisen (Groß- und Kleinschreibung, Umlaute, etc.) und Synonymverwendungen harmonisiert und Tippfehler ausgeglichen. Im Anschluss daran wird die Eingabe oder „Äußerung“ des Anwenders in einzelne eindeutig bestimmbare Textbestandteile zerlegt. Die weitere Verarbeitung erfolgt dann nach zuvor aufgestellten Regeln. Diese sind heute oft noch menschlich „programmiert“, können aber auch (zusätzlich) im Rahmen maschineller Lernfahren abgeleitet worden sein. Das System erstellt daraus dann die entsprechenden „Softwarebefehle“, um zielführend auf die hinterlegte Datenbank zuzugreifen. 

Chatbots und Spracherkennung

Bei einer Bestellung in einem Online Shop über einen Chatbot („Ich möchte Produkt XY kaufen…“) würde das System demgemäß erst den Eigennamen des Produktes („XY“) und die Intention des Nutzers („…kaufen…“) extrahieren und damit die bestehende Aufgabe identifizieren. Diese kann dann an das Backend-System übertragen werden, um dort mittels einer Schnittstelle zum CRM- und zum Warenwirtschaftssystem automatisiert und autonom die Bestellung zu bearbeiten. Die Güte der Inhaltserkennung steht und fällt mit der semantischen Tiefe der verwendeten Verfahren und der hinterlegten Sprachbibliotheken. Diese können von der bedeutungsfreien Keyword-Erkennung bis hin zum Rückgriff auf voll ausgereifte semantische Analysen reichen, die auch subjektive „Haltungs- und Einstellungselemente“ erfassen.

Erster Schritt: Daten sammeln

Damit der Chatbot diese Einordnung vornehmen und darauf situativ reagieren kann, muss zuvor eine entsprechende Datenbank aufgebaut werden, die die entsprechenden unternehmensrelevanten Informationen, wie Produktnamen und mögliche Kundenintentionen enthält. Während dies im genannten Beispiel entlang des Shop-Systems und des dort hinterlegten Sortiments sowie der bereits gesammelten Nutzerdaten möglich ist, greift man im Service-Bereich oft auf bereits existierende „FAQs“ („Frequently Asked Questions“) sowie auf die damit korrespondierenden und bereits ausformulierten Antworten zurück. Intelligentere Systeme indizieren eigenständig die Websiteinhalte und versuchen diese semantisch zu erfassen.

Das US-Start-Up Guestfriend bietet seinen Kunden aus der Gastronomie an, Chatbots für Restaurants automatisch, direkt aus den verfügbaren Website-Informationen – wie Speisekarte, Öffnungszeiten sowie Zusatzstoffe und Allergene in den Gerichten – zu erstellen, ohne dass sich die Eigner dazu um einen zu implementierenden Konversationsverlauf kümmern müssten.  Auch in diesen Kontexten setzt man inzwischen verstärkt auf selbstlernende Verfahren, die die „Customer Experience“ eigenständig optimieren, indem die Ergebnisse und die Zufriedenheit der Kunden mit dem Chatbot erhoben und bei der permanenten Justierung des Dialogs miteinbezogen werden.

Die künstliche Erstellung von Sprache

Neben dem Verstehen von Useranfragen und deren Bedeutung („Language Understanding“) umfasst die Sprachverarbeitung auch die systemseitige Erstellung von Antworten und Dialogtexten („Language Generation“). Damit ist der Chatbot in der Lage, die Konversation „aktiv“ in „menschlicher“ Sprache zu betreiben. Dabei kann es sich um simple Bestätigungen („Ihre Bestellung ist unterwegs“), um präzisierende Nachfragen („Ist die Bestellung so in Ordnung?“, „Stimmt die folgende Adresse noch?“) oder weiterführende Dialoge (Cross-Selling/Up-Selling, …) handeln. Auch hier ist ein breites Leistungsspektrum denkbar – von vorformulierten Standardsätzen bis hin zu aus den Versatzstücken der Sprachdatenbank eigenständig, „intelligent“ geformten Textelementen. In der Praxis vorherrschend ist allerdings im Moment noch der Rückgriff auf „vorgefertigte Sprach-Templates“, die standardisierte Textbausteine enthalten und über entsprechende Variablen und Platzhalter auf die spezifische Situation angepasst werden.

Vom Chatbot zum Sprachassistenten

Bei Sprachassistenten läuft die Dialogverarbeitung, wie erwähnt, grundsätzlich genauso. Der Unterschied besteht darin, dass zu Beginn und zum Ende des Prozesses der inhaltliche Transfer zwischen akustischer und geschriebener Sprache in die jeweilige Richtung erfolgt. Bei der „Eingabe“ eines Sprachbefehls wird zunächst das Tonsignal digitalisiert. Im Anschluss durchläuft dieser „Input“ ein mitunter mehrstufiges Verfahren, das zunächst zum Ziel hat, einzelne Laute beziehungsweise Silben zu identifizieren, um deren Zusammenhänge dann als Wörter zu erkennen, die dann schließlich wiederum im Satzbau-Kontext analysiert werden.  Jede höhere Instanz wirkt dann als „Prüfstelle“ für die Sinnhaftigkeit der von der vorherigen Stufe übergebenen Ergebnisse – also etwa, ob ein Wort aus bestimmten Lauten/Silben in dieser Form existiert oder nicht – und passt dann den weiterzuverarbeitenden Inhalt gegebenenfalls – analog zu einer „Autokorrektur“ in einem Textverarbeitungsprogramm – an. Damit ist die Umwandlung in Schriftform schließlich vollzogen und es setzt der für die Chatbots beschriebene Prozess ein.

Simulation menschlicher Lautsprache

Entsprechend gilt es an dessen Ende wieder bei den Sprachassistenten das geschriebene Wort in Tonsignale umzuwandeln. Dazu greift man auf „Sprachsynthese“ zurück, die entweder einzelne, zuvor gespeicherte Laute entsprechend der Textfolge zusammenfügt oder, in der „vollsynthetischen“ Ausprägung, versucht, die Funktionsweise des menschlichen Vokaltrakts softwareseitig abzubilden.  In der Regel kommen hierbei auch künstliche neuronale Netzwerke zum Einsatz, die nach ermittelnden Mustern, Sprache „modulieren“ sollen.  Ein gutes Beispiel für die vollsynthetische Spracherzeugung dürfte Googles „Duplex“ darstellen, das mit einer künstlichen generierten Stimme – die nicht mehr von einer natürlichen menschlichen zu unterscheiden war –, erfolgreich einen Frisörtermin vereinbaren konnte, wie Google auf seiner „I/O Conference“ im Jahr 2018 demonstrierte.

Erstellung von Sprachangeboten

Unternehmen, die auf Chatbots im Marketing zurückgreifen möchten, müssen nicht zwingend selbst die komplette Entwicklung und Programmierung übernehmen, sondern können auf bereits existierende Chatbot-Frameworks zurückgreifen, welche bestimmte Funktionen standardmäßig bereitstellen. Auch Plattformen, welche die komplette technische Infrastruktur bereitstellen, gibt es. Nicht zu unterschätzen ist jedoch in beiden Fällen die Verknüpfung mit den zu übermittelnden Inhalten und die Konzeption der Dialoge. Die Qualität der Kundenkommunikation hängt schließlich ganz entscheidend von der Tiefe und der Güte der übermittelten Informationen sowie insbesondere auch von der Dialogfähigkeit des Systems ab. Diese Eigenschaften kommen nur dann zur Geltung, wenn nicht nur das technische Rahmenwerk funktioniert, sondern eben auch die entsprechenden Inhalte zielgerichtet aufbereitet und mit dem System verknüpft wurden.

KI: Sind Chatbots intelligent?

Umstritten ist immer noch, ob es sich bei Chatbots um KI im eigentlichen Sinne handelt. In der Tat ist der Übergang vom programmierten System zur autonom agierenden Einheit fließend. Viele der derzeit existierenden Chatbots beruhen noch auf eher simplen „wenn – dann“-Verknüpfungen, die auf Basis mehr oder weniger händisch eingepflegter Inhalte einen Output zu einem menschlichen Input liefern. Gleichwohl hat sich hier, gerade bei den akustisch getriebenen Sprachassistenten der großen Technologieanbieter, wie Amazon oder Google, in den letzten Jahren eine erstaunliche Entwicklung vollzogen. Spracherkennung beruht heute in vielen Fällen auf der Erkennung von Mustern, die Systeme werden mittels Verfahren des maschinellen Lernens trainiert und sind in der Folge in der Lage „eigenständig“ hinzuzulernen, wenn die kontinuierliche Versorgung mit Daten nicht abreißt und es gelingt, eine entsprechende Feedback-Systematik zu etablieren. Das erklärt vermutlich auch gerade den Erfolg von Alexa, Google Home & Co, die nun schon seit geraumer Zeit durch uns, die Vielzahl der Anwender, systematisch in „realer“ Umgebung mit einem steten Zufluss an Input versorgt werden.

Conversational AI?

In diesem Zusammenhang fällt heute des Öfteren der Begriff der „Conversational AI“, der sich auf die Fähigkeit der intelligenten Gesprächsführung weitgehend autonomer Systeme bezieht.  Dies geht deutlich über simple „Frage-Antwort“-Spiele hinaus, sondern umfasst ein erheblich weiter gefasstes Konzept von Kommunikation, das auf einem tiefen Sprachverständnis basiert. Dazu gehört, dass das System den Gesprächskontext erkennt, Informationen aus vorausgegangenen Dialogen berücksichtigt, deren Relevanzunterschiede erfasst und die womöglich tiefere Bedeutung einzelner Formulierung versteht. Selbst Emotionen der menschlichen Gesprächspartner sollen in Zukunft entschlüsselt und bei der Gestaltung des Dialoges miteinbezogen werden. Die chinesische Firma „emotibot“ etwa verspricht Kundengespräche anhand von akustischen und textlichen „Emotionsmustern“ zu analysieren und daran in Echtzeit die Antworten ihrer Chatbots auszurichten.

Von der Mustererkennung zu menschlichem Verhalten?

Letztlich geht es darum, den zwischenmenschlichen Kommunikationsprozess so weitgehend wie möglich technisch zu simulieren.  Auch wenn auf diesem Feld in den letzten Jahren in kurzer Zeit erhebliche Weiterentwicklungen zu verzeichnen waren, sind wir aktuell von einer gänzlich natürlichen Gesprächsführung mit intelligenten Systemen immer noch ein gutes Stück entfernt. Gleichwohl ist durchaus denkbar, dass einiges von dem, was wir heute als „originär menschlich“ in der Kommunikation betrachten, durch Mustererkennung und maschinelles Lernen für die Technik abbildbar wird.

Die Qualität der Customer Experience mit Chatbots und Sprachassistenten hängt maßgeblich von deren Sprachfähigkeiten und letztlich von deren „Intelligenz“ ab. Entscheidend ist hierbei, den optimalen Ausgleich zu finden, zwischen Automatisierung und Kundenzufriedenheit. Sofern die Systeme in ihrer Leistungsfähigkeit noch beschränkt sind, stellen sie keinen vollfunktionsfähigen Ersatz für ein menschliches Service- oder Sales-Team dar. Gleichwohl können sie bereits jetzt als Ergänzung in der Kundenbearbeitung und perspektivisch der Gestaltung eines reibungslosen Übergangs zu einem erhöhten Automatisierungsgrad dienen, bis hin zur Entwicklung einer letztlich vollständigen Autonomie des Kundendialogs.

:

Der Artikel beruht auf dem Buch von Andreas Wagener Künstliche Intelligenz im Marketing – ein Crashkurs, Haufe, Freiburg, 2019

Mehr zum Thema hier:

Vortrag/Keynote von Prof. Dr. Andreas Wagener: „Ein neues Zeitalter im Marketing: Künstliche Intelligenz, maschinelle Kreativität, virtuelle Realitäten & DNA-Targeting„:

Mehr Informationen zum Thema KI im Marketing finden Sie im Buch von Andreas Wagener Künstliche Intelligenz im Marketing, Haufe, Freiburg, 2023

Mehr zu Themen wie Industrie 4.0, Big Data, Künstliche Intelligenz, Digital Commerce und Digitaler Ökonomie finden Sie auf unserer Newsseite auf XING sowie auf Facebook.

Der Beitrag Wie funktionieren Chatbots und Sprachassistenten? erschien zuerst auf Nerdwärts.de.

Drei Kernbereiche der Marketing Automation

Grundsätzlich ist es möglich, Marketing Automation in drei einzelne Segmente zu unterteilen:

• Marketing Workflow Management,
• Marketing Intelligence und – der vielleicht wichtigste Teil –
• Marketing Dialogue Processing

Marketing Workflow Management

Marketing Workflow Management bezieht sich auf die Automatisierung der internen Marketingprozesse. Dazu gehört beispielsweise die Projektsteuerung im Marketing- und Vertriebsumfeld, also das zuweisen von Arbeitspaketen, die automatisierte Erinnerung und die Überprüfung von zu erreichenden „Milestones“ u.ä. Ebenso zählen dazu die autonome Überwachung der Budgettreue sowie der entsprechende Abgleich mit der Erfolgskontrolle auf Grundlage entsprechender Datensysteme. Auch das Management der Werbemittel und -formate („Advertising Assets“) erfolgt im Rahmen mechanisierter Workflows. Das spielt insbesondere beim Programmatic Advertising eine entscheidende Rolle. Die Steuerung der Auslieferung von Werbemitteln erfolgt heute in aller Regel über einen sogenannten „Adserver“, womit sowohl die entsprechende Hardware als auch die Software umschrieben wird, die für das Management der Werbeausspielung verantwortlich ist. Der Adserver stellt die exakte Auslieferung der vereinbarten „Kontingente“ an Ad-Impressions sicher und bildet dabei auch die Nutzer-spezifische Aussteuerung der Ansprache ab. Ein menschliches Eingreifen bei der Platzierung der Werbeformate ist damit, wenn einmal die Parameter festgelegt wurden, nicht mehr notwendig.

Marketing Intelligence

Marketing Intelligence beschreibt das automatisierte Sammeln und die Auswertung von Userdaten. Darunter fallen sämtliche „im Hintergrund“ ablaufende Tracking- und Targetingmaßnahmen, die Auswertung der Surfhistorie von Nutzern, die Erfassung und Aufbereitung von Öffnungsraten, die Analyse von Stamm- und Kundendaten sowie letztlich die Verknüpfung aller dieser Informationen zu aussagekräftigen Kennzahlen und Reportings im Sinne eines Big- oder Smart-Data-Ansatzes.

Marketing Dialogue Processing

Marketing Dialogue Processing erfasst hingegen das automatisiertes Abwickeln und/oder Steuern des Kundendialogs. Dieser Bereich kann also als eine Automatisierung des Kundenbeziehungsmanagements („Customer Relationship Management“, CRM) verstanden werden. Dazu gehört etwa auch das Sicherstellen eines funktionierenden „Closed Loop Marketings“, bei dem das operative mit dem analytischen CRM verbunden wird: Auf Basis zuvor gesammelter Daten zu aktuellen und potenziellen Kunden sowie zu den von diesen verwendeten Kommunikationskanälen gilt es dabei, die Kundenbedürfnisse sowie Muster im Kundenverhalten zu erkennen und daraus die notwendigen Marketingmaßnahmen abzuleiten, deren Einfluss und Wirkung im Anschluss wiederum untersucht und optimiert werden.

Closed Loop & CRM

Durch diese fortwährende Verknüpfung von analytischer und operativer Tätigkeit entsteht ein geschlossener Regelkreis, dessen inhaltliche Bestandteile Modulcharakter aufweisen und dessen Abläufe sich automatisieren lassen. Im eMail-Marketing ist es zum Beispiel möglich, aufgrund der zuvor bekundeten Themeninteressen eines Nutzers – etwa weil sich dieser bestimmte Inhalte oder Produkte angesehen hat – individualisierte eMail-Newsletter automatisiert, also ohne, dass dabei noch das Eingreifen eines menschlichen Redakteurs vonnöten wäre, zu erstellen.

Messbarkeit der Resonanz

Die Reaktionen der jeweiligen Nutzer auf diese Aussendung lassen sich wiederum messen. Dabei werden unter anderem Antworten auf folgende Fragen gesucht: „Wurde die zugestellte eMail durch den Empfänger geöffnet?“, „Wenn ja, auf welche Inhalte wurde geklickt?“, „Was hat ihn also besonders interessiert?“ und „Wie ist der Adressat dann weiter verfahren?“. Die daraus ableitbaren Maßnahmen lassen sich im Vorfeld „programmieren“. So ist es möglich, allen Empfängern, die die eMail nicht geöffnet haben, automatisiert nach einer gewissen Karenzzeit die Nachricht erneut zuzustellen. Erfolgt dann immer noch keine Reaktion, so muss ggf. eine neue inhaltliche Ausrichtung erfolgen. Die „Öffner“ hingegen werden hinsichtlich ihres Nutzungsverhaltens unter die Lupe genommen: Ziel ist es, hier möglichst wenig Anschlussverluste zu erleiden, also die Nutzer dazu zu bewegen, den weiterführenden Klick auf die dargebotenen Inhalte zu tätigen. Auch diese Verhaltensweise fließt mechanisiert in die Ausgestaltung der kommenden Aussendungen ein.

Vernetzung der Einzelsysteme

Wurden in der eMail zum Beispiel Produkte eines Onlineshops angepriesen, so ist dann entscheidend, ob es in der Folge zu einem Abschluss kam. Ist dies der Fall, so kann eine Verknüpfung der Kommunikationsdaten mit den Sales- und Adressdaten stattfinden, die sich IT-seitig in einer Verknüpfung von eMail-Marketingsystem, CRM-System sowie der Buchhaltungs- und ERP-Software widerspiegelt. In einem intelligenten, geschlossenen Marketing-Loop werden in einer nächsten Runde dem Kunden dazu passende, womöglich komplementäre Angebote zu seiner letzten Transaktion automatisiert unterbreitet, deren Erfolg wieder entsprechend überprüft wird. Im Idealfall entsteht somit ein Kreislauf, der sich selbst optimiert und steuert.

Lead Generation & Lead Management mit Marketing Automation

Anwendung findet dieses Prinzip auch im „Lead Management“, dem Management von Verkaufs- und Kundenkontakten. Der Begriff „Lead“ (zu Deutsch „Spur“) steht dabei für einen qualifizierten Datensatz zu potenziellen Kunden, die sich aufgrund eines an spezifischen Themen gezeigten Interesses als vielversprechender Verkaufskontakt identifiziert haben. Klassischerweise erfolgt die Generierung von Leads über sogenannte „Whitepaper“, qualitativ hochwertige „Fachartikel“, die sich der Lösung eines spezifischen Einkäuferproblems widmen, jedoch nicht von einer entsprechenden Redaktion eines unabhängigen Mediums, sondern von den Anbietern derartiger Lösungen bereitgestellt werden.

Köder für Registrierung, verschiedene Leadlevel

Diese Inhalte platziert man im Netz, um sie gewissermaßen als „Köder“ auszulegen. Der Zugriff ist meist nur nach vorheriger Registrierung möglich, so dass die Anbieter auf diese Weise an die Kontaktdaten der Interessenten gelangen. Statt eines Whitepapers werden auch Webinare, Gruppenzugänge in Social Media oder traditionelle Messen für Lead Generierung genutzt. Lead Management umfasst dabei den gesamten Prozess der Lead Generierung und des „Lead Nurturings“, der Pflege und Weiterentwicklung von Leads zu qualifizierten Kontakten, je nach Qualifizierungsgrad und daraus abgeleiteter Abschlusswahrscheinlichkeit zu „Marketing Qualified“, „Sales Qualified“ und „Sales Accepted“ Leads.

Mechanisierung der Kundengewinnung mit Marketing Automation

Auch dieser Prozess lässt sich bis zur Übergabe (und nicht selten auch darüber hinaus) der zu Kunden umgewandelten Kontakte an das CRM-System fast vollständig automatisieren. Dabei wird stets auf Basis des Status‘ des jeweiligen Interessenten, seiner aufgezeichneten Reaktionen zu den jeweiligen Stufen der Kontaktanbahnung und seiner ermittelten Budgetausstattung und -befugnis der nächste, „maßgeschneiderte“ Kommunikationsschritt festgelegt. Nicht nur die Wahl der Kommunikationsmaßnahmen, auch konkrete – und nicht selten automatisierte – Handlungsanweisungen zu Art und Intensität der Betreuung durch den Vertrieb bemessen sich hieran. Auf diese Weise ließe sich letztlich die gesamte Steuerung der Kundengewinnung sowie von Marketing und Vertrieb in diesem Bereich mechanisieren.

Chat Bots als neues Form der Marketing Automation

Die fortschreitende Entwicklung in der Digitalisierung und die damit steigende Kompetenz im Umgang mit Daten führt zu zunehmend intelligenteren Kommunikationsautomatismen. Immer öfter werden heute grundlegende Aufgaben des Kundendialogs auf sogenannte „Chat Bots“ ausgelagert, digitale Dialogsysteme, über die sich in natürlicher Sprache kommunizieren lässt. Meist erscheinen diese in Form eines klassischen „Messengers“ wie WhatsApp oder der Chatversion von Facebook („Facebook Messenger“) und bestehen aus einer simplen Textmaske, die für die Nutzereingaben und die systemseitigen, computergenerierten Antworten genutzt wird. Grundsätzlich sind aber auch Anwendungen für das gesprochene Wort denkbar, vergleichbar mit Apples Sprachsteuerungsfunktion „Siri“ oder den autonomen Haushaltslösungen „Amazon Alexa“ oder „Google Home“, mit denen man tatsächlich schon nahezu „richtige Gespräche“ führen kann.

Digitale Assistenten im Kundenkontakt

Die US-Modekette „Macy’s“ bietet ihren Kunden den digitalen Assistenten „Macy’s On Call“ an, der dabei helfen soll, sich im Laden vor Ort zurechtzufinden. Der Bot versteht auch „unstrukturierte“ Textanfragen, wie „Wo finde ich Schuhe?“, und liefert daraufhin die korrekte Antwort. Ein anderes Anwendungsbeispiel stellt „Lisa“, der „Learning Intelligent Sales Agent“, des deutschen Unternehmens „The Saas Co.“ dar. Dieser soll die Arbeit im Vertrieb intelligent unterstützen, indem bestimmte wiederkehrende Sales-Tätigkeiten automatisiert abgebildet werden. Wird ein Kunde durch einen Verkäufer kontaktiert, setzt dieser den Bot als Nebenempfänger in seiner Antwortmail auf „cc:“. Die dahinterliegende Software analysiert dann im Hintergrund die daraufhin eingehenden eMails und ordnet diese automatisch nach positiven und negativen Antworten oder Abwesenheiten. Des Weiteren soll „Lisa“ adäquate Antworten im Kundendialog vorformulieren und eigenständig relevante Informationen für den Gesprächspartner zusammenstellen können.

Chatbots als Vorläufer Künstlicher Intelligenz

Immer öfter sind diese Bots in der Lage, aus vorausgegangenen Aktionen sowie aus den damit verknüpften Daten zu „lernen“ und dürfen damit getrost als Vorläufer „Künstlicher Intelligenz“ beschrieben werden. Gerade diesem Feld wird heutzutage eine besondere Aufmerksamkeit geschenkt, so dass hier in den nächsten Jahren von erheblichen Entwicklungssprüngen in der Marketing Automation ausgegangen werden kann.

Der Beitrag ist ein Exzerpt aus:
Wagener, Andreas (2018): Marketing 4.0 In: Wolff, Dietmar / Göbel, Richard (Hrsg.). Digitalisierung: Segen oder Fluch. Wie die Digitalisierung unsere Lebens- und Arbeitswelt verändert, http://www.springer.com/de/book/9783662548400

Mehr zum Thema Künstliche Intelligenz & Chatbots hier:

Prof. Dr. Andreas Wagener. Professur für Digitales Marketing: eCommerce & Social Media, Hochschule Hof

Industrie 4.0, Datenökonomie und Künstliche Intelligenz: Wie Daten und Algorithmen Wirtschaft und Gesellschaft verändern:

Mehr zu Themen wie Industrie 4.0, Big Data, Künstliche Intelligenz, Digital Commerce und Digitaler Ökonomie finden Sie auf unserer Newsseite auf XING sowie auf Facebook.

Der Beitrag Marketing Automation & Lead Generation erschien zuerst auf Nerdwärts.de.

Künstliche Intelligenz in aller Munde

Kaum eine Diskussion um die Zukunft der Digitalisierung kommt in jüngster Zeit ohne den Begriff der „Künstlichen Intelligenz“ („KI“) aus. Dahinter verbirgt sich in der Regel die Fähigkeit autonomer digitaler Systeme, Muster und Logiken zu erkennen (etwa in Texten oder Bildern), auf dieser Basis eigenständig Entscheidungen zu treffen und aus den daraus resultierenden Aktionen selbsttätig Verbesserungen abzuleiten, also de facto – zu lernen.

Medienunternehmen und Künstliche Intelligenz

Gerade auch für Medienunternehmen ergeben sich daraus neue Szenarien: sei es, dass Inhalte per lernendem Algorithmus personalisiert und maßgeschneidert an den Nutzer ausgeliefert werden oder dass Chatbots – oder deren Hardware-gewordene Version in Form von Amazons „Echo“ und dem Sprachassistenten „Google Home“ – die bisherige meist eher einseitige mediale Informationsvermittlung in einen Dialog wandeln. Die branchenspezifischen Spielregeln könnten sich jedenfalls – wieder mal – nachhaltig ändern. In erster Linie dürfte es dabei um eine Verbesserung oder Erweiterung des medialen Angebots gehen. Aber Künstliche Intelligenz wird auch zunehmend die Prozesse in Herstellung und Vertrieb beeinflussen, indem entsprechende Systeme immer mehr Tätigkeiten automatisiert übernehmen. Auch bei der Preisgestaltung – Stichwort „Dynamic Pricing“ – kommt KI zunehmend zum Einsatz und reduziert damit den menschlichen Anteil an der Entscheidungsfindung.

„Buzzword-Hochzeit“? Blockchain & Künstliche Intelligenz

Besonders spannend wird es jedoch, wenn Künstliche Intelligenz mit einem anderen „Buzzword-Thema“ zusammenwächst – der Blockchain. Der Technologie, die der lückenfreien Abbildung der Transaktionen etwa bei der Kryptowährung Bitcoin dient, wird ja nun seit geraumer Zeit ein erhebliches „Disruptionspotenzial“ zugesprochen. Im Gegensatz zu einer herkömmlichen Datenbank, die Informationen an einer zentralen Stelle verwaltet, werden die Daten über die Blockchain „distribuiert“, also das Abbild der vorgenommenen Transaktionen an alle Netzwerkteilnehmer verteilt. Damit sind sämtliche Vorgänge lückenlos gespeichert und für jeden einsehbar.

Blockchain im Programmatic Advertising

In den USA findet dies bereits im Daten getriebenen Marketing, beim „Programmatic Advertising“, Anwendung. Hier versuchen erste Anbieter dezentral und automatisiert Werbeflächen zu vermarkten. Damit ist es grundsätzlich möglich, das bisher zentralistisch organisierte Marktsystem aufzubrechen: Die Transaktionsinformationen werden in einer Blockchain gespeichert und Pricing und Bietverhalten autonom über lernende digitale Systeme abgewickelt.

Digitale Medien und Blockchain

Analog lässt sich dieses Prinzip auf „Paid Content“-Strategien übertragen. Vorreiter ist hier aktuell die Musikbranche. Einzelne Musikdateien oder sogar bloß Teile davon, etwa ein Gitarren-Riff oder eine „bassline“, werden dezentral für verschiedene Zielgruppen – Endverbraucher, Rechteverwerter, kommerzielle Nutzer – feilgeboten. Die Blockchain ermöglicht auch hier die Transaktionsdokumentation und erlaubt sogar ein dezentrales Rechtemanagement. Über lernende Algorithmen kann man die Angebotsanalyse und den Marktmechanismus abbilden. Diese Prinzipien ließen sich sicherlich auch auf weitere Segmente der Medienbranche übertragen.

Zum Thema im Detail: Blockchain in der Musik- und Medienindustrie

Blockchain, Smart Contracts und Künstliche Intelligenz als „Game Changer“

Die Blockchain und die damit verbundene automatische Exekutierung von Verträgen via „Smart Contracts“ – könnte im Zusammenspiel mit Künstlicher Intelligenz tatsächlich zum „Game Changer“ werden – nicht nur im Bereich der Medien. Vielleicht bedarf es gerade dieser Kombination, um den einzelnen Technologie tatsächlich im ökonomischen Alltag zu verankern.

Mehr zu Themen wie Industrie 4.0, Big Data, Künstliche Intelligenz, Digital Commerce und Digitaler Ökonomie finden Sie auf unserer Newsseite auf XING sowie auf Facebook.

Der Beitrag Künstliche Intelligenz & Blockchain: Chance für die Medienbranche? erschien zuerst auf Nerdwärts.de.

Die Digitalisierung verändert unser Leben maßgeblich. Gewinnen Roboter und Computer die Oberhand oder leiten sich daraus nie dagewesene Chancen ab? Ist das menschliche „Tuning“ zu „Cyborgs“ die Antwort auf die Herausforderungen der Technisierung durch Daten, Algorithmen und Künstliche Intelligenz?

Kaum eine Diskussion um Wohl und Wehe der Digitalisierung kommt in jüngster Zeit ohne den Begriff der „Künstlichen Intelligenz“ („KI“) aus. Allerlei mögliche Szenarien werden zur Erfassung dieses Phänomens bemüht, von autonom agierenden digitalen „Chatbots“ – wie sie heute schon in sozialen Netzwerken oder als Hardware-gewordene Version in Form von Amazons „Echo“ und dem Sprachassistenten „Google Home“ Wirklichkeit sind – bis hin zur Herrschaft der Maschinen und der vollständigen Vernichtung der Menschheit.

Und was ist wirklich „Künstliche Intelligenz“?

In Wahrheit tun wir uns jedoch schwer, die tatsächliche Tragweite und Bedeutung dieser Entwicklung zu erfassen. Das liegt unter anderem daran, dass es sich bereits als schwierig erweist, ein einheitliches Verständnis von Intelligenz überhaupt zu finden. Auch eine einheitliche Definition von „Künstlicher Intelligenz“ gibt es nicht. Allerdings besteht weitgehend Einigkeit über bestimmte beschreibende Merkmale. Dazu gehören etwa die Fähigkeit, Muster und Logiken zu erkennen (etwa in Texten oder Bildern), Voraussagungen auf dieser Basis abzugeben und über geschriebene oder gesprochene Worte kommunizieren zu können. Als maßgeblich gilt jedoch die Fertigkeit zu lernen, also aus vorausgegangenen Tätigkeiten eigenständig Verbesserungen abzuleiten und autonom Kriterien zur Beurteilung von Sachverhalten aufzustellen.

Vom Automatismus der Chatbots zu „echter“ Intelligenz

Die meisten Chatbots erfüllen zumindest diese letzten Eigenschaften in der Regel nicht. Als klassisches Beispiel wird hingegen oft Googles Alpha Go angeführt, die Künstliche Intelligenz, die es geschafft hat, beim asiatischen Brettspiel „Go“ den Großmeister Lee Sedol zu bezwingen. Nun gab es in der Vergangenheit bereits mit Deep Blue einen Computer, der beim Schach den Weltmeister Gari Kasparow in die Knie zwang. Go unterscheidet sich jedoch wesentlich von Schach; es gilt als hochkompliziert und bislang als kaum für eine Computersimulation programmierbar. Anders als bei Schachsimulationen hat die KI von Google neue Spielzüge selbst gefunden und Zugkombinationen entwickelt, die man bei menschlichen Spielern so zuvor noch nie gesehen hatte. Diese maschinell erbrachte „Geistesleistung“ gilt gemeinhin als Beleg für eine Künstliche Intelligenz.

Künstliche Kreativität

Gerade diesem Feld wird derzeit eine besondere Aufmerksamkeit geschenkt, so dass hier in den nächsten Jahren von erheblichen Entwicklungssprüngen ausgegangen werden kann. Künstliche Intelligenzen werden heute bereits, aufgrund ihrer Fähigkeit, eigenständig logische Zusammenhänge zu erkennen, eingesetzt, um auf dieser Basis Entscheidungen zu treffen – ohne dass es noch eines menschlichen Eingreifens bedürfte. Selbst kreative Leistungen werden durch KI erbracht. Google etwa lässt sein lernendes System „Magenta“ Kunstwerke erstellen, sogar die Komposition von Musik oder auch das eigenständige Verfassen von Prosa wurden bereits erfolgreich erprobt.

Intelligente Robotik und selbststeuernde Drohnen

Die Firma Boston Dynamics stellt Roboter her, die Menschen in verschiedenen Situationen zur Hand gehen. Sie können im Haushalt helfen, räumen die Geschirrspülmaschine ein und schaffen es dabei, ein Glas von einer leeren Bierdose zu unterscheiden – in der Gewissheit, dass letztere nicht in den Abwasch gehört, sondern zielsicher in den Mülleimer zu sortieren ist. Diese Systeme agieren völlig unabhängig von einer menschlichen Steuerung und wirken dabei eher wie ein intelligentes mechanisches Haustier. In der Industrie sind Roboter schon lange im Einsatz, um verlässlich sich wiederholende Aufgaben zu erfüllen, nun werden diese jedoch immer mehr mit einem eigenen Handlungs- und Entscheidungsrahmen ausgestattet. Darunter können unterstützende Tätigkeiten fallen, wie etwa ein Paket von A nach B zu bringen oder bestimmte Sortierungs- und Erfassungsarbeiten zu übernehmen. Es gibt inzwischen auch schon selbst steuernde Drohnen, die eigenständig die Bestandsaufnahme des Inventars in einer Lagerhalle übernehmen. Inzwischen werden Künstliche Intelligenzen sogar als Führungskräfte eingesetzt. Hitachi greift in der Logistik auf eine KI zurück, die den Mitarbeitern Handlungsanweisungen gibt, etwa für die Pack- oder Lieferreihenfolge.

Autonome Roboter in der militärischen Nutzung

Eigentlich lag jedoch der Ursprung dieser intelligenten Roboter in der militärischen Nutzung. Als Lastenträger steuern sie sich heute bereits selbst und finden eigenhändig den Weg zum vorgegebenen Ziel, auch durch unwegsames Gelände. Im Kampfeinsatz müssen diese Roboter jedoch auch tiefergreifende Entscheidungen treffen. Als autonome Kriegssysteme werden sie inzwischen mit Waffen ausgestattet und könnten in naher Zukunft selbstständig über deren Einsatz befinden. Laut einem Arbeitspapier der US-Army will diese bis spätestens zum Jahr 2030 auf derartige autonome Systeme zur Kriegsführung zurückgreifen. Die Entscheidung über Leben und Tod wäre also dann vollständig in der Hand von Maschinen.

„Singularität“: Science Fiction oder konkrete Bedrohung?

Was wie ein klassisches Narrativ aus der Science Fiction klingt, ist damit heute greifbar nah. Ohne Zweifel drängen sich an dieser Stelle Bilder aus den Kino-Blockbustern „Terminator“ oder „Matrix“ auf, deren Geschichte darum kreist, dass in einer fernen Zukunft die Maschinen die Macht über die Menschheit ergriffen haben und diese wahlweise eliminieren (Terminator) oder unterwerfen und ausbeuten (Matrix). In der akademischen Diskussion versucht man diese Thematik mit der Frage nach der sogenannten „Singularität“ Herr zu werden. Damit wird der Zeitpunkt definiert, an dem die Maschinen und Künstliche Intelligenzen uns Menschen in der Leistungsfähigkeit, insbesondere kognitiv überholt haben werden. Es besteht dabei Uneinigkeit darüber, ob das nun eine Bedrohung oder einen Segen für die Menschheit darstellt. Auch die Frage, was wir Menschen dann mit unserer ganzen Freizeit anfangen, wenn die Maschinen uns alle Arbeit abgenommen haben, wird in diesem Kontext diskutiert, etwa im Rahmen der Überlegungen zu einem „bedingungslosen Grundeinkommen“, das vielen nach Eintritt der Singularität als unvermeidlich erscheint. Denn wenn bei der zunehmenden Intelligenz von Maschinen und Robotern diesen zunehmend mehr Arbeit übertragen wird – schlichtweg weil sie viele Tätigkeiten besser als ein Mensch erfüllen können – so bleibt letztlich immer weniger für den Menschen zu tun. Die Folgen wären weitreichende Arbeitslosigkeit und gähnende Langeweile aller Orten. Das allein stellt, auch ohne Weltuntergangsszenarien, bereits zweifelslos eine große gesellschaftliche Herausforderung dar.

Cyborgs & Kognitiver Transhumanismus

Damit rückt ein anderes, ebenfalls der Science Fiction entlehntes Szenario in den Fokus: Eine Möglichkeit wäre, die Errungenschaften der Digitalisierung zu nutzen, um den Menschen als solchen zu „verbessern“ und auf diese Weise den sich entwickelnden Maschinen entgegenzustellen. Im Prinzip bedeutet dies eine Verschmelzung von Mensch und Technik – die Schaffung von „Cyborgs“. Auch wenn manchem dabei zunächst das Bild von mit ihren Smartphones verwachsen scheinende Teenager in den Kopf kommen mag: Tatsächlich gibt es heute bereits Menschen, die sich Chips einpflanzen lassen, um ihre Fähigkeiten zu erweitern. Manche tragen Magnete unter der Haut, um einen weiteren Sinn zu gewinnen – die Fingerspitzen vibrieren, wenn man sich einem elektromagnetischen Feld nähert – andere implantieren sich RFID-Chips, mit denen eine Authentifizierung in Schließsystemen vorgenommen werden kann, zum Beispiel um einen Kopierer „freizuschalten“.

„Pimp my Brain!“: Blended Intelligence als Antwort auf die Intelligenz der Maschinen

Neben diesem eher profanen menschlichen „Tuning“ rückt zunehmend das Phänomen der „Blended Intelligence“ in den Vordergrund, welches auf die Erweiterung der kognitiven menschlichen Fähigkeiten zielt. Das menschliche Gehirn ist schon länger im Visier der einschlägigen Forschung. Bereits heute werden Epilepsie-Patienten mit einem „Gehirnschrittmacher“ ausgestattet. Die EU hat 2015 eine Milliarde Euro in das „Human Brain Project“ investiert, mit dem Ziel, einzelne Bereiche des menschlichen Gehirns durch künstliche Bestandteile wie Computerchips zu ersetzen, um auf diese Weise Krankheiten wie Parkinson zu heilen. Die Möglichkeiten sind damit jedoch nicht auf medizinische Anwendungen allein beschränkt. Das Gehirn gilt vielen als die ultimative „Schnittstelle“ der Zukunft. Eine Umfrage des Bundesforschungsministeriums im Jahr 2015 ergab, dass 51% der Deutschen sich vorstellen könnten, sich Implantate ins Gehirn einsetzen zu lassen, wenn diese zur „Steigerung der geistigen Fähigkeiten“ beitrügen, also etwa um die Konzentration oder die Gedächtnisleistung zu verbessern. Auch die Steuerung von externen Geräten und Computern, die bisher noch klassischer Eingabegeräte wie Tastatur oder PC-Maus bedürfen, soll in Zukunft direkt über das Gehirn erfolgen. Tatsächlich gibt es aktuell schon vielversprechende Versuche, die Erfassung der Gehirnströme zur Steuerung von Flug-Drohnen zu nutzen. Auch simple Gedankenübertragung von einem Menschen auf den anderen – die Übermittlung der Worte „ja“ und „nein“ – ist über die Codierung der Gehirnströme bereits erfolgreich durchgeführt worden.

Gehirnprothesen & Implantate für Gedanken?

Ein Haupttreiber dieser Entwicklungen ist die „DARPA“, gewissermaßen der akademische Arm des US-Militärs. Um kriegsversehrte Veteranen zu unterstützen hat diese maßgeblich zu den Erfolgen auf dem Gebiet der Prothesenentwicklung beigetragen. Jedoch sind Kriegsverletzungen nicht immer auf den Verlust eines Armes oder Beines beschränkt – auch solche künstlichen Extremitäten lassen sich inzwischen recht filigran „neurologisch“ steuern – die Folgen von Kampfeinsätzen sind allzu oft auch psychischer Natur. Und auch hierfür versucht man Behandlungsmöglichkeiten bereitzustellen. Selbst Gedächtnisverlust soll in Zukunft mit entsprechenden Implantaten therapiert bzw. sollen die Erinnerungen wieder im Gehirn rekonstruiert werden. Das setzte allerdings voraus, dass diese bereits vor dem Kampfeinsatz „abgespeichert“ worden sein müssten. Aus heutiger Sicht ist das noch schwer vorstellbar. Aber tatsächlich ruht ein gewichtiger Fokus der Forschung auf diesem Bereich.

Moralische Fragen: Die Macht der Algorithmen

Künstliche Intelligenz und die „transhumanistische“ Vision vom technisierten Menschen und der digitalen Erweiterung seiner geistigen Fähigkeiten zur „Blended Intelligence“ überlagern sich in einigen Bereichen. Moralische Fragen drängen sich bei beiden Entwicklungsrichtungen auf, und wie bei jeder technischen Innovation liegen Nutzen und Schrecken jeweils nah beieinander. Wir lesen und hören heute viel davon, wie man Daten und Algorithmen nutzen kann, um Menschen zu manipulieren, auch um sie hinsichtlich ihrer Stimmabgabe bei eigentlich demokratischen Wahlen zu beeinflussen. Welche Rolle kommt dann hierbei Künstlicher Intelligenz zu? Auch wenn diese in der Lage ist, eigenständig hinzuzulernen, stellt sich die Frage, auf Grundlage welches Wertesystems diese ihre Entscheidungen trifft. Die EU fordert ein Recht auf Auskunft für ihre Bürger, wenn Algorithmen bei einer Entscheidung – etwa bei der Zuordnung zu einem Versicherungstarif – im Spiel waren. Die Faktoren dieser Entscheidungsfindung müssen offengelegt und für den Betroffenen transparent gemacht werden. Bei Künstlicher Intelligenz gestaltet sich das in der Realität oft schwierig. Denn diese hat sich ja meist ihre Prüf-Kriterien selbst erarbeitet, so dass es selbst den Entwicklern von KI mitunter schwerfällt, die Gründe für eine Entscheidung nachzuvollziehen.

Kann man Menschen „hacken“?

Für Künstliche Intelligenz wie auch für das menschliche „kognitive Upgrade“, des „Cyborgs“, erweist sich die Möglichkeit eines Eingriffs von außen als problematisch. Wenn es möglich ist, Erinnerungen zu speichern und zu einem späteren Zeitpunkt wiedereinzusetzen, kann man dann diese auch abändern oder manipulieren? Erinnert man sich dann tatsächlich an das, was gewesen ist oder an etwas, was andere einen glauben lassen wollen? Für die Psychotherapie ergäben sich daraus völlig neue Möglichkeiten, allerdings liegt das Gefahrenpotenzial ebenso auf der Hand. Kann man dann einen Menschen „hacken“? Und können wir es uns auf der anderen Seite überhaupt noch leisten, uns nicht technisch aufzurüsten? Aber wo liegen dann noch die Unterschiede zwischen Mensch und Maschine?

Noch ist unklar, wie weit die Entwicklung tatsächlich reichen wird. Aber unbestreitbar ist: Nicht nur die Welt, in der wir leben, auch der Mensch selbst wird sich durch die Digitalisierung grundsätzlich verändern. Mit ihren Smartphones scheinbar verwachsene Teenager werden uns in der nun schon sehr nahen Zukunft der „Blended Intelligence“ bald wie ein Anachronismus vorkommen.

Mehr zum Thema:

Mehr zum Thema Cyborgs:

Prof. Dr. Andreas Wagener. Professur für Digitales Marketing: eCommerce & Social Media, Hochschule Hof
„Cyborg Economy Reloaded: Vom Cyborg zum Psyborg – wie die Digitalisierung das menschliche Bewusstsein, unsere Psyche sowie unsere intellektuellen Fähigkeiten verändert“ (Vortrag an der Hochschule Hof am 18.11.2015 im Rahmen der Ringvorlesung „Digitalisierung, Industrie 4.0 & das Internet der Dinge“ der Fakultät Wirtschaft an der Hochschule Hof.) #profwag

Mehr zum Thema Künstliche Intelligenz:

Prof. Dr. Andreas Wagener. Professur für Digitales Marketing: eCommerce & Social Media, Hochschule Hof
„Industrie 4.0, Datenökonomie und Künstliche Intelligenz: Wie Daten und Algorithmen Wirtschaft und Gesellschaft verändern“ (Vortrag an der Hochschule Hof am 26.10.2016 im Rahmen der Vortragsreihe „Digitale Wirtschaft, Industrie 4.0 und das ‚Internet der Dinge‘“ der Fakultät Wirtschaft der Hochschule Hof.) #profwag

Mehr zu Themen wie Industrie 4.0, Big Data, Künstliche Intelligenz, Digital Commerce und Digitaler Ökonomie finden Sie auf unserer Newsseite auf XING sowie auf Facebook.

Der Beitrag Blended Intelligence – Pimp my Brain! Die Verschmelzung von natürlicher und künstlicher Intelligenz erschien zuerst auf Nerdwärts.de.

Hochschule Hof Vortragsreihe „Digitale Ökonomie, Industrie 4.0 & das Internet der Dinge“, 2016

Wie im Vorjahr ist es das Ziel der Veranstaltungsreihe, für das Thema der Digitalisierung zu sensibilisieren und einen Beitrag zur Etablierung einer gesellschaftlichen Diskussion zu leisten. Betrachtet man die hierzulande immer noch sehr häufig zu Tage tretende Abwehrhaltung, die sich oft in einer gewissen Indifferenz gegenüber den wirtschaftlichen, aber auch politisch und gesellschaftlichen Auswirkungen, Chancen und Risiken zeigt, so scheint dies dringend angeraten. Viel zu oft werden lediglich die potenziellen Gefahren einer zunehmenden Digitalisierung beschrieben. Die Potenziale hingegen werden nicht selten immer noch, auch in Unternehmen, ignoriert oder zumindest nicht erkannt.

Die Veranstaltungen finden im Zeitraum von Oktober bis Dezember 2016 an der Hochschule Hof statt (REHAU Audimax, B023). Die Vorträge werden aufgezeichnet und können, ebenso wie weitere Unterlagen, sofern zur Verfügung gestellt, nach Veröffentlichung an dieser Stelle aufgerufen werden.

Zum Programm:

26.10.2016 Industrie 4.0, Datenökonomie und Künstliche Intelligenz: Wie Daten und Algorithmen Wirtschaft und Gesellschaft verändern

Prof. Dr. Andreas Wagener, Hochschule Hof

Beschreibung:
Der Einsatz Künstlicher Intelligenz bestimmt bereits heute schon unseren Alltag, oft ohne dass wir dies bemerken. Dieser Trend dürfte in der nahen Zukunft noch deutlich zunehmen. Daten und Algorithmen – und damit Computer, Maschinen und Roboter – werden die Bedingungen des unternehmerischen Erfolges wie auch das gesellschaftliche Miteinander maßgeblich bestimmen. Welche Chancen und welche Risiken leiten sich daraus ab? Und wie stellen wir die Weichen dafür richtig?

Zur Aufzeichnung des Vortrages:

02.11.2016 Wie Deep Learning Smartphone und Smart Home wirklich smart macht

Prof. Dr. René Peinl, Hochschule Hof

Beschreibung:
Das Smartphone hat den klassischen PC als digitales Arbeitsgerät vielfach abgelöst, weil es immer dabei und schnell einsatzbereit ist. In der täglichen Anwendung zeigt sich aber schnell, dass der Begriff „smart“ noch lange nicht wörtlich zu nehmen ist. Die Nachfolger von Siri, Cortana und Co werden das aber ändern, indem sie mittels Deep Learning Algorithmen ihr einprogrammiertes „Wissen“ selbständig erweitern und dadurch den Anwender bei immer mehr Aufgaben direkt unterstützen können, anstatt auf Webseiten mit möglichen Hilfestellungen verweisen zu müssen. Dadurch können Fotos selbständig kategorisiert, Dialoge zwischen Mensch und Maschine geführt und Anwesenheit zuhause mit guter Wahrscheinlichkeit vorhergesagt werden. Mit diesen Basisfähigkeiten lassen sich durch Kombination eine Vielzahl hilfreicher Anwendungen entwickeln, die im Smart Home beim Energiesparen helfen und gleichzeitig den Komfort verbessern, den Rasen mähen und wässern oder Rezepte vorschlagen, die den individuellen Geschmack, den Inhalt des Kühlschranks und den Nährstoffbedarf für die körperliche Fitness berücksichtigen. Wer wissen will was geht und wie es funktioniert, kommt zu diesem Vortrag.

Die Präsentationsfolien zum Vortrag gibt es hier.

Zur Aufzeichnung des Vortrages:

09.11. Digitalisierung für den Mittelstand: Trends in Produktion und Logistik 2017

Prof. Dr. Chris Schmiech, Hochschule Hof

Beschreibung:
Die Begriffe „Industrie 4.0“ und „Digitalisierung“ und deren grundlegende Chancen und Herausforderungen sind nun in den Köpfen des Managements mittelständischer Unternehmen weitgehend präsent. Weniger konkret sind jedoch noch die Pläne einer möglichen Herangehensweise bzw. Implementierung. Dies gilt insbesondere vor dem Hintergrund einer dynamischen technologischen Entwicklung. Welche technologischen Entwicklungen bringen das nächste Jahr? Welche Trends zeichnen sich ab? Was sind mögliche Bausteine einer „digitalen Agenda“?

Zur Aufzeichnung des Vortrages:

23.11. Nutze Deine Daten! Jetzt!

Dr. Georg Jung, iisys und Matthias Nagel, Simba n³

Beschreibung:
Einige Unternehmen haben es besonders gut verstanden, aus Daten der kompletten Wertschöpfungskette maximalen unternehmerischen Nutzen zu ziehen. So liefern E-Commerce-Unternehmen die Blaupausen dafür, wie das durch Internet und soziale Medien geänderte Kundenverhalten in neuen digitalen Geschäftsmodellen berücksichtigt werden kann. Anhand verschiedener Praxiseispiele wird gezeigt, dass dies auch im produzierenden Mittelstand anwendbar ist und wie damit Unternehmen zusätzlich zu einer umfassenden Nutzung der im Unternehmen vorhandenen Informationen auch Daten aus Internet und sozialen Medien gewinnbringend einbeziehen können. So konnte ein Netzbetreiber durch Data Science die digitale Transformation seines Kernprozesses „Potentialmanagement“ lösen und damit gleichzeitig auch die Beschaffungsprozesse optimieren. Ein weiteres Beispiel ist eine automatisierte Informationsbeschaffung zum Artikel-Bedarf von Automobilherstellern (Welche Artikel? Wann? An welchem Ort? und Wie?) und der Weiterverarbeitung durch einen Zulieferer, wodurch aufwändige manuelle Prozesse abgelöst werden konnten. Solche digitalen Unternehmen sind damit Ideengeber für den Mittelstand und „klassische“ Industriebetriebe.

Die Präsentationsfolien zum Vortrag gibt es hier.

Zur Aufzeichnung des Vortrages:

Teil 1:

Teil 2:

30.11. Open Hardware – Eine treibende Kraft hinter dem Internet der Dinge

Prof. Michael Zöllner, Hochschule Hof

Beschreibung:
Aktuelle Innovationen im Internet der Dinge (IoT), beim 3D Druck und in der Virtual Reality – den sogenannten Emerging Technologies – entwickeln sich oft aus klugen Ideen von kreativen Köpfen der Open Hardware Community. Diese Projekte werden derzeit gern von IT Konzernen wie Facebook, Microsoft und Google für hohe Summen aufgekauft und in das eigene Produktportfolio integriert. Andere bleiben jedoch erfolgreich unabhängig und der Community treu. Dieser Vortrag stellt eine Reihe von wegweisenden Open Hardware Projekten vor, zeigt deren Entwicklung und Finanzierung (z.B. Crowdfunding) auf und erklärt deren Bedeutung für die Digitalisierung, die Industrie 4.0 und die Gesellschaft. In einem praktischen Teil wird das Publikum einige dieser neuen Technologien selbst ausprobieren und damit experimentieren können.

Zur Aufzeichnung des Vortrages:

07.12. Sozialwirtschaft 4.0, Wie geht eine wenig IT-konforme Branche mit der Digitalisierung um? Besondere Herausforderungen und Chancen

Prof. Dr. Dietmar Wolff, Hochschule Hof

Beschreibung:
Die Sozialwirtschaft gilt hinsichtlich der Durchdringung mit IT eher als konservativ, der Dienst am Menschen wird immer wieder in den Vordergrund gestellt. Vor diesem Hintergrund stellt sich die Frage, was die Umwälzungen der Digitalisierung in anderen Branchen und die Erkenntnisse daraus für die Sozialwirtschaft bedeuten? Es wird ein Definitionsversuch für Sozialwirtschaft 4.0 bzw. die Digitale Transformation in der Sozialwirtschaft unternommen, die Chancen und Gefahren dabei für diese Branche betrachtet und daraus Handlungsempfehlungen für Einrichtungen und Verbände der Sozialwirtschaft, Politik und Verwaltung sowie die Softwareanbieter von Branchenlösungen abgeleitet.

Zur Aufzeichnung des Vortrages:

Die Informationen zur letztjährigen Veranstaltung, inklusive der Präsentation und Aufzeichnungen finden Sie hier.

Mehr zu Themen wie Industrie 4.0, Big Data, Künstliche Intelligenz, Digital Commerce und Digitaler Ökonomie finden Sie auf unserer Newsseite auf XING sowie auf Facebook.

Der Beitrag Vortragsreihe „Digitale Wirtschaft, Industrie 4.0 und das ‚Internet der Dinge‘“ erschien zuerst auf Nerdwärts.de.

Das Thema „Künstliche Intelligenz“  ist derzeit in aller Munde. Vor allem die großen Technologie-Unternehmen aus den USA, wie Google, Facebook und Amazon arbeiten derzeit fieberhaft an neuen Anwendungen auf diesem Feld. Microsoft hat vor einigen Wochen ein neues AI-Experiment mit seiner automatischen Bilderkennungssoftware, dem CaptionBot, begonnen. Über die frei zugängliche Website ist es jedermann möglich, Fotos hochzuladen, die dann umgehend analysiert werden. Auf dieser Grundlage versucht die Artifizielle Intelligenz des Systems, die abgebildeten Inhalte und Motive zu benennen. Das führt mitunter zu äußerst denk- und merkwürdigen Ergebnissen.

Microsoft Bilderkennung: Captionbot

Microsoft hatte sich bereits vor einigen Wochen mit seinem AI-Bot „Tay“ gewaltig in die Nesseln gesetzt, als sich der „selbstlernende“ Algorithmus in kürzester Zeit durch entsprechendes Anfüttern der trollenden Community von einer freundlichen Smalltalk-Plaudertasche in einen handfesten und hasserfüllt geifernden Nazi entwickelte – was Microsoft bereits nach kurzer Zeit zwang, den Bot vom Netz zu nehmen.

Mit seinem CaptionBot beschreitet Microsoft erneut das schwierige Pflaster der „Artifiziellen Intelligenz“. Nutzer können auf www.captionbot.ai ein Foto aus ihrem eigenen Fundus hochladen und analysieren lassen. Nach meist nur wenigen Sekunden meldet sich der Bot mit dem Ergebnis, der Beschreibung des bereitgestellten Bildes, zurück. Der User wird dabei nicht nur als Übermittler des „Übungsmaterials“ eingespannt, sondern zudem aufgefordert, die Resultate per Click und „Sternvergabe“ zu bewerten. Diese Rückmeldungen fließen in die Fütterung des Algorithmus‘ ein, der sich auf diese Weise selbst verbessern, also auf Grundlage der Nutzerfeedbacks hinzulernen soll.

Das funktioniert teilweise ganz gut, wie die beiden folgenden Beispiele zeigen…

…und manchmal weniger gut, wie bei unserem Bild zum „Urban Gardening“ in Berlin:

Spaßeshalber haben wir mal unser Logo durch den Bot gejagt – das Nerdwärts.de-Logo wird als Gruppe von Bäumen erkannt – naja.

Interessant auch das Ergebnis für mein Social Media Profilfoto: Immerhin vermutet CaptionBot richtigerweise mich als Motiv. Angeblich sehe ich aber zu 54% so aus wie der britische Late-Night-Talker John Oliver – ich bin mir noch nicht sicher, ob ich mich da geschmeichelt fühlen soll…

Andere Nutzer durften sich über noch extremere Ergebnisse freuen:

#captionbot thinks Michelle Obama is a cell phone. pic.twitter.com/FtC6tP6Ben

— David Sim (@davidsim) 14. April 2016

Auch das legendäre „blaue“ Kleid, das es zu Beginn des Jahres zum viralen Hit schaffte bereitet dem CaptionBot erhebliche Probleme:

I was hoping to get a definite answer from https://t.co/b5DYRwRxWz but it’s raised a lot more questions pic.twitter.com/WVz4gC9kLi — Paul Curry (@cr3) 14. April 2016

…fairerweise sollten man von AI allerdings auch nicht erwarten, dass sie Dinge versteht, die zu begreifen uns Menschen schon Probleme bereiten…

captionbot.ai nailed it pic.twitter.com/BROvlNbgIT

— Jeff Atwood (@codinghorror) 13. April 2016

Künstliche Intelligenz: Potenzial und Grenzen

Das Beispiel des CaptionBot zeigt, dass Künstliche Intelligenz einerseits, trotz der beschriebenen Mängel, schon recht weit ist. Andererseits wird hieran auch deutlich, wo die Limitierungen und damit auch die vieldiskutierten Gefahren von AI liegen. Wenn Künstliche Intelligenz zur Entscheidungsfindung herangezogen wird, etwa in Fragen der Kreditwürdigkeit oder bei der Unterstützung der Personenfahndung, so müssen derartige Ausfälle absolut ausgeschlossen sein. Geschieht dies nicht, ist digitale Diskriminierung zwangsläufig die Folge.

Der Beitrag Künstliche Intelligenz: AI und ihre Tücken – Bilderkennung mit Microsofts CaptionBot erschien zuerst auf Nerdwärts.de.