Während generative KI nicht zuletzt geeignet ist, die Erstellung von Werbemitteln, von Texten und Bildern, zu vereinfachen, sind für den ersten, vorgelagerten Schritt einer professionellen Mediaplanung zunächst vor allem analytische Kompetenzen gefragt. Klassischerweise werden dafür bestehende Auswertungen wie die Audience-Analysis von Nielsen oder Markt-Media-Studien wie die Allensbacher Markt- und Werbeträgeranalyse durchforstet. KI kann dabei helfen, diese Informationen schnell für spezifische Zwecke aufzubereiten und um weitere Daten zu Marktentwicklungen oder Erkenntnisse aus dem Social Web anzureichern. Dabei ist durchaus Augenmaß und kritische Vorsicht angebracht. Denn selbst wenn in ChatGPT & Co mittlerweile auch Quellen angegeben werden, sind diese Werkzeuge eben keine Suchmaschinen. Der Prozess der Inhaltegenerierung ist aktuell immer noch von der Quellenerzeugung abgekoppelt, d.h. es werden erst nachträglich passende Quellen zum erstellten Content angeführt. Und auch wenn die Systeme mittlerweile deutlich besser geworden sind, besteht immer noch die latente Gefahr des Halluzinierens, wenn der KI keine belastbaren Informationen zu einer Anfrage vorliegen. Demgegenüber ermöglicht die sogenannte Retrieval Augmentation Generation (RAG), die inhaltliche Anreicherung der trainierten Basis der Sprachmodelle mit Daten aus zusätzlichen Quellen. Dies erfolgt entweder über ein gezieltes „Anzapfen“ der entsprechenden Datenbank oder im einfachsten Fall über den Dateiupload, direkt im Nutzer-Interface der KI.

Auf diese Weise schafft man die Voraussetzungen, um verschiedene Szenarien analysieren und durchspielen zu können. Aus Daten vergangener Kampagnen lassen sich Muster ableiten, Prognosen werden möglich, wie Zielgruppen über verschiedene Touchpoints erreichbar sein dürften. Dadurch eröffnet sich die Möglichkeit der flexiblen Planungsanpassung und -auswertung. Die Auswirkungen von Änderungen der Kanäle oder Budgets lassen sich umgehend simulieren. Die Systeme versetzen damit die menschlichen Akteure in die Lage, schnell und präzise auch hochkomplexe Entscheidungssituationen aufzulösen.

KI und die Ausspielung von Werbemitteln

Neben dieser Effizienzsteigerung im Rahmen des traditionellen Prozesses der Mediaplanung, ermöglicht der Einsatz von KI aber auch Produktivitätsgewinne bei der Werbeausspielung und operativen Umsetzung der Mediaplanung. Schon seit geraumer Zeit lassen sich etwa im Rahmen des Programmatic Advertisings, Werbebotschaften in Echtzeit und personalisiert, vor allem basierend auf Daten aus Nutzer-Profilen ausspielen. KI kann dazu genutzt werden, den Prozess der Werbebuchung und -platzierung zu automatisieren, beispielsweise indem vorab Zielerfolgskennziffern definiert werden, die der KI vorgegeben werden. Anschließend füttert man das System mit Informationen zu möglichen Platzierungsoptionen, verfügbaren Kanälen und Werbeformaten sowie den Einschränkungen zur Laufzeit und Budgetierung der Kampagne. Auf dieser Grundlage lernt das System dann mittels „Trial & Error“ eigenständig die optimalen Entscheidungen zu treffen. Es legt fest, welche Formate in welchen Medien zu welchen Zeiten belegt werden sollten und wie das Budget somit ergebnisorientiert zu investieren sind. Dazu wird mathematisch eine Erfolgsfunktion definiert, die sich an den definierten Werbezielen, beispielsweise am maximalen „Return On Investment“ (ROI) der Kampagne, ausrichtet. Die KI korrigiert dann eigenständig den eingeschlagenen Weg der Budgetallokation, das heißt sie übernimmt die Aussteuerung und Optimierung der Werbekampagne – eine Aufgabe, die typischerweise zum Kompetenzbereich eines Mediaplaners gehört.

Selbst-Optimierung der Werbeausspielung

Der amerikanische Motorradproduzent Harley Davidson setzte beispielsweise eine KI auf sein „Media Asset Management“ an. Mit dem Ziel, Sales-Leads zu generieren, platzierte man automatisiert Anzeigen auf Google und Facebook, um Probefahrten zu bewerben. Ein KI-System wertete eigenständig aus den Interessensprofilen der Nutzer oder den verwendeten Suchbegriffen die Wahrscheinlichkeit einer „Conversion“ – also der Anmeldung für einen Probefahrttermin – aus.  Zudem generierte es aus den damit erfolgreich angesprochenen Interessenten „Look-a-like“-Profile – gewissermaßen „Steckbriefe“ – mit denen weitere potenzielle Kunden gesucht werden sollten. Auch die Werbemittel selbst unterzog das System einem entsprechenden Optimierungsprozess. Neben den Faktoren Umfeld und Nutzerverhalten wurde auch die Kombination aus Anzeigentext und Anzeigengestaltung untersucht und stetig auf das Ziel der Leadgenerierung hin verbessert. Somit entstand ein lernendes System, welches eigenständig die Werbemittelgestaltung und -platzierung kontinuierlich optimierte. 

KI in der Mediaplanung: Automatisierung und Skalierung

Inzwischen existieren aber auch Software-Plattformen, die diese Leistungen skaliert – „von der Stange“ – werbungtreibenden Unternehmen zur Verfügung stellen. Anzeigenplatzierungen lassen sich damit standardisiert über verschiedene Kanäle und Websites hinweg überwachen. Die Information über entsprechenden Bewegungen und Verhaltensweisen aktueller und potenzieller Kunden werden an zentraler Stelle zusammengeführt. Damit wird die Grundlage für ein optimiertes Mediamanagement geschaffen und eine ergebnisorientierte Distribution der Werbemittel gewährleistet.

Mithilfe von KI lassen sich enorme Datenmengen in kürzester Zeit verarbeiten. Profil- und Verhaltensdaten werden dabei innerhalb von Millisekunden mit Kontext- und Umgebungsdaten abgeglichen. Auch die Erfolgsmessung, die Kampagnenüberwachung und die Auswertung und Aufbereitung der Ergebnisse kann automatisiert über die Systeme erfolgen.

Datenzugang als Voraussetzung für den Rückgriff auf KI in der Mediaplanung

Voraussetzung dafür ist aber natürlich die entsprechende Datenbasis und der Zugang zu den Kunden-„Touchpoints“. Bei allen technischen Möglichkeiten verkörpert dies derzeit sicherlich das Nadelöhr bei der automatisierten Mediasteuerung durch KI. Auch hier können lernende Systeme zwar helfen, die blinden Flecken in der Customer Journey zu minimieren, die durch Datenschutzanforderungen oder technische Hürden zwischen einzelnen Mediengattungen und Kanälen entstehen. So lassen sich Lücken in der Surfhistorie oder in der demografischen Datenbasis auch hier durch Prognosen und Mustervervollständigungen schließen. Diese Fähigkeiten bleiben aber aktuell meist auf Akteure beschränkt, die ein umfassendes DSGVO-konformes Nutzer-Tracking gewährleisten können, also meist nur jene, die auf Basis von Registrierungen Verhaltensweisen an eine User-ID knüpfen können. In der Regel sind das jedoch nur die großen Plattformbetreiber wie etwa Google, Meta oder Amazon. Für Werbungtreibende stellt sich damit meist die Frage, ob sie bereit sind, für die Realisierung ihre Echtzeit-Mediastrategie Teil dieser Ökosysteme zu werden oder stattdessen auf Granularität und damit Präzision in der Kundenansprache zu verzichten. 

Agents und die Rolle des Menschen

Perspektivisch dürfte die Entwicklung, hin zu noch mehr Automation, weiter an Fahrt aufnehmen. Bereits heute schon wird intensiv über sogenannte „Agents“ diskutiert, autonom agierende Einzelsysteme, die nicht nur die Werbeausspielung und Auswertung, sondern weitere, auch vorgelagerte Phasen des Mediaplanungsprozesses eigenständig abdecken und die einzelnen Schritte, abgestimmt auf die individuellen Bedürfnisse des Anwenders, miteinander verzahnen. Der menschliche Arbeitsaufwand ließe sich damit zweifelsohne noch weiter reduzieren.

Allerdings sollte bei aller Begeisterung für die Technologie und dem Wissen um deren Leistungsfähigkeit auch Augenmaß bei der zukünftigen Implementierung gewahrt bleiben: KI und maschinelles Lernen beruhen meistens auf der Berechnung von Wahrscheinlichkeiten, auf Mustererkennungen und der Ableitung von Prognosen. Es liegt dabei in der Natur der Sache, dass Außergewöhnliches, Lösungen, die nicht den erlernten Normen entsprechen, von den KI-Systemen oft nicht berücksichtigt oder erkannt werden. Genau das aber, aus der Masse und dem Erwartbaren herauszustechen, dürfte oft gerade im Marketing und in der Mediaplanung den entscheidenden Erfolgsfaktor verkörpern.

Wie bei allen Anwendungsfeldern von KI gilt somit auch hier: die besten Lösungen ergeben sich aus der durchdachten Kombination, nämlich dann, wenn die Effizienz der intelligenten Systeme auf menschliche Erfahrung und Intuition trifft: Die Daseinsberechtigung von KI besteht darin, unsere Arbeit zu unterstützen und besser zu machen. Das Heft des Handelns und die finale Entscheidungskompetenz sollten wir uns von ihr nicht aus der Hand nehmen lassen.

Der Text ist ein Auszug des Beitrages Künstliche Intelligenz (KI) im Marketing –
mit maschinellem Lernen den Kundendialog aus dem Band Die 10 wichtigsten Zukunftsthemen im Marketing, herausgegeben von Marcus Stumpf (Vahlen, 2025, ISBN 978-3-8006-7782-5)

Mehr zum Thema: Vortrag/Keynote von Prof. Dr. Andreas Wagener: „Von Cyborgs und Digitalen Lebewesen: Wie generative KI&VR menschliches Leben (und Sterben) verändern“:

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.

Empfohlene Literatur

Der Beitrag KI in der Mediaplanung – die analytische und operative Effizienz intelligenter Systeme erschien zuerst auf Nerdwärts.de.

Vom Anbau über die Produktion bis hin zur Vermarktung: Die Integration von KI versetzt die Akteure der Weinbranche in die Lage, ihre Produktqualität zu steigern, betriebliche Effizienzen zu erhöhen und insgesamt präzisere Entscheidungen treffen. Im Folgenden werfen wir einen detaillierten Blick auf konkrete Anwendungsbeispiele:

KI im Weinberg

Bereits im Weinberg wird auf KI und Verfahren des maschinellen Lernens zurückgegriffen.  Unternehmen wie VitiBot oder VineView nutzen maschinelles Lernen und Sensortechnologie, um Weinberge effizienter zu bewirtschaften. Drohnen und Bodenroboter, ausgestattet mit multispektralen Kameras, erfassen Echtzeitdaten zu Bodenfeuchtigkeit, Nährstoffgehalt und Pflanzenstress. Diese werden genutzt, um Vorhersagen zu Bewässerungsbedarf, Schädlingsbefall oder über den optimalen Erntezeitpunkt zu treffen.

Auch die Verbreitung von Krankheiten wie Mehltau lässt sich frühzeitig erkennen. Sensornetzwerke im Weinberg sind in der Lage, mikroklimatische Daten zu erfassen, während KI die Wahrscheinlichkeit eines Ausbruchs berechnet und entsprechende Maßnahmen vorschlägt. Dies spart nicht nur Kosten, sondern führt durch den reduzierten Einsatz von Pflanzenschutzmitteln auch zu Nachhaltigkeitseffekten. Ebenso lassen sich lokale Hagelprognosen durch die erfassten Daten ableiten, wodurch rechtzeitig entsprechende Schutzmaßnahmen eingeleitet werden können.

Das durch das Bundeslandwirtschaftsministerium geförderte Projekt KI-iREPro („Künstliche Intelligenz für innovative Ertragsprognose bei Reben“) zielt darauf ab, ertragsrelevante Merkmale direkt im Weinberg zu erfassen und mittels Methoden des maschinellen Lernens präzise Ertragsprognosen zu erstellen. Dazu werden Daten zu Traubenanzahl, -größe und -gewicht gesammelt und analysiert, um den optimalen Lesezeitpunkt zu bestimmen und die Weinleselogistik effizient zu planen. Ziel ist neben einer verbesserten Weinqualität auch die ressourcenschonende Bewirtschaftung.

KI in der Weinproduktion

Auch im Weinkeller, bei der Weinbereitung, wird inzwischen immer öfter auf KI zurückgegriffen: Schon geringe Schwankungen im Gärprozess können die Qualität des Weins nachhaltig beeinflussen. Mittels Sensoren in den Gärtanks lassen sich Temperatur, pH-Wert und Zuckerabbau überwachen. Unerwünschte Entwicklungen, wie Unterbrechungen des Fermentationsprozesses oder ungewollte Oxidationen lassen sich damit frühzeitig abpassen. Anbieter wie WineGrid leiten aus den gesammelten und aus in der Vergangenheit aggregierten Daten mittels KI Handlungsempfehlungen ab und ermöglichen auf diese Weise ein „Smart Monitoring“ der Weinproduktion.

Noch einen Schritt weiter geht das kalifornische Startup Tastry, das maschinelles Lernen einsetzt, um die chemische Analyse der Weine mit Daten zu Kundenpräferenzen zu verknüpfen. Die KI gibt daraufhin Hinweise, wann Temperatur oder Gärzeit angepasst werden sollten, um den angestrebten Geschmacksprofilen zu entsprechen.

KI im Weinmarketing und der Absatzsteuerung

Die Digitalisierung des Marketings hat natürlich auch schon seit längerem die Weinbranche erfasst. Die Analyse von Konsumentenpräferenzen, personalisierte Empfehlungen auf Basis von Kundenverhalten und Kaufhistorien, wie auch Verfahren des „Next-Best-Offer“-Marketings sind langerprobte Ansätze, die auch im Weinmarketing zum Tragen kommen. Die skizzierten Anwendungsfälle in der Weinbereitung lassen sich dabei mit erfassten Geschmacksprofilen und -präferenzen der Kunden verknüpfen, um perspektivisch auch die Herstellung „individualisierten“ Weins zu ermöglichen.

Ansätze wie der oben beschriebene von Tastry oder auch des BMEL-Projektes PINOT (Projekt zur Entwicklung einer Künstlichen Intelligenz für oenologische Technologie), eröffnen neue Möglichkeiten für das Absatzmarketing. Ziel von PINOT ist die Entwicklung eines Aromadetektors, einer „künstlichen Nase“ für Weinbau und Handel. Mittels KI lassen sich die sensorischen Geschmacksprofile der Weine in natürliche Sprache übersetzen. Auf diese Weise entstehen für den Konsumenten verständliche Weinbeschreibungen, welche die Einkaufsentscheidungen erleichtern sollen. Gewissermaßen ließe sich damit also ein „künstlicher Sommelier“ erschaffen. In Kombination mit dem Rückgriff auf generative KI wären damit weitere Hilfestellungen für den Kunden denkbar, etwa passende Speiseempfehlungen oder aggregierte und aus den Datenmustern abgeleitete Angaben zur optimalen Reifezeit eines Weines.

KI im Weinbau: noch viel Potenzial

Trotz der zahlreichen Anwendungsbeispiele ist der Einsatz von KI im Weinbau, verglichen mit anderen Branchen, noch als eher unterentwickelt zu bezeichnen. Obwohl einige „Leuchtturmprojekte“ existieren, wird das Potenzial in der Breite noch nicht ausgeschöpft. Das liegt sicherlich nicht zuletzt auch an der Fragmentierung der Branche, mit vielen kleinen Betrieben. Gerade aber die stetig geringer werdenden Hürden bei der Nutzung insbesondere generativer KI dürften dazu beitragen, dass findige Marktakteure schnell diese Vorteile für sich zu nutzen lernen.

Mehr zum Thema KI: Vortrag/Keynote von Prof. Dr. Andreas Wagener: „Von Cyborgs und Digitalen Lebewesen: Wie generative KI&VR menschliches Leben (und Sterben) verändern“:

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 KI im Weinbau: Anbau, Weinbereitung und Marketing erschien zuerst auf Nerdwärts.de.

Die technologischen Innovationen auf diesem Gebiet reichen von der Erweiterung klassischer Fahrgeschäfte durch Virtual Reality (VR) bis hin zu gänzlichen neuen „Standalone“-Attraktionen. Aber auch Augmented Reality (AR) sowie die Digitalisierung hinter den Kulissen spielen eine Rolle.

Erweiterung klassischer Fahrgeschäfte mit VR

Einer der Vorreiter dieser Entwicklung hierzulande ist der Europa-Park in Rust. Schon seit längerem kann man durch ein zusätzlich zum Parkeintritt zu entrichtendes Entgelt beispielsweise den „Alpenexpress“ oder den „Eurosat“ mit VR-Brille befahren. Dazu werden im hinteren Teil der beiden Achterbahnen exklusive Sitzreihen reserviert. Während man also physisch die Fahrt mit allen ihren Kurven und Rucklern „erspürt“, erlebt man visuell eine darauf abgestimmte, alternative virtuelle Realität. Dabei kann man aus verschiedenen Programmen die gewünschte virtuelle Umgebung wählen – etwa Szenarien aus der Science-Fiction oder dem Fantasy-Universum. Auf diese Weise hat man nicht nur das bestehende Konzept modernisiert, sondern es werden auch zusätzliche Zielgruppen je Attraktionen angesprochen.

Standalone VR Attraktionen

Daneben setzen Vergnügungsparks zunehmend auf Standalone VR Erlebnisse, die unabhängig von physischen Fahrgeschäften funktionieren. Mit „YULLBE“ hat der Europa-Park ein VR-Erlebnis geschaffen, das sich durch zwei Modi auszeichnet: YULLBE PRO: Eine 30-minütige, tief immersive Erfahrung, bei der Besucher mit VR-Headsets und Sensoren ausgestattet werden, um eine Geschichte interaktiv zu erleben. Und YULLBE GO: Ein kürzeres, flexibleres VR-Erlebnis, das einen niedrigeren Einstiegspunkt bietet und insbesondere für Familien und Erstnutzer attraktiv ist. Die simulierten Spielumgebungen umfassen beispielsweise ein an Lara-Croft angelegtes Action-Adventure oder das wohl ursprünglich für einen YOULLBE-Ableger im Miniatur-Wunderland Hamburg konzipiertes Szenario, dass die Spieler und deren Umwelt entsprechend „schrumpfen“ lässt.

Gamification und AR-Integration

Neben diesen reinen VR-Angeboten werden aber auch Augmented Reality und Gamification zunehmend genutzt, um das Besuchererlebnis über die gesamte Aufenthaltsdauer hinweg zu verbessern. Die mobile App des Europa-Parks integriert AR-gestützte Spiele, die Wartezeiten interaktiv gestalten. Darüber hinaus gibt es dort News-Feeds zu den Wartezeiten an den einzelnen Attraktionen. Auch beinhaltet die App die Option des „Virtuellen Anstehens“, während man sich in Wahrheit die Zeit in einem der Cafés vertreibt.

Digitalisierung hinter den Kulissen

Damit diese Funktionen in die „Frontend“-App des Parks einfließen können, werden im Hintergrund entsprechende Digitale Tools genutzt, um die Besucherströme in Echtzeit zu analysieren. Dies hilft nicht nur die Wartezeiten zu minimieren, sondern auch die vorhandenen Ressourcen effizient einzusetzen und die Besucherzufriedenheit zu steigern.

Schließlich spielt Digitalisierung auch eine große Rolle bei der Entwicklung der Attraktionen. Der Europa-Park nutzt VR-Simulationen,Virtuelle Prototypen, um neue Attraktionen zu planen und zu testen, bevor meist sehr aufwändige physische Realisierung folgt. Designer und Ingenieure können virtuelle Modelle testen und optimieren, was die Planungs- und Bauzeit verkürzt.

Wirtschaftliche Auswirkungen

Während das Thema VR und auch die damit verbundene Diskussion um ein wie auch immer beschaffenes Metaverse ansonsten nur scheinbar langsam vorankommt, nehmen Vergnügungsparks bei der Etablierung der Technologie eine Vorreiterrolle ein. Die Vorteile für den Rückgriff auf VR liegen dabei auf der Hand: Bestehende Attraktionen können aufgewertet werden, die Innovationscharakter der Marke gestärkt, was sich auch positiv auf die Kundenbindung auswirken dürfte. Die Betreiber stellen zudem neue Attraktionen bereit, ohne dafür die mitunter knappen räumlichen Kapazitäten zu belasten. Zudem scheinen die Parkbesucher die zusätzlich zu den Eintrittspreisen fälligen Kosten zu akzeptieren. Dadurch entstehende neue Umsatzströme. Und es ist möglich neue, zusätzliche Zielgruppen auf diese Weise anzusprechen. Gemeinsam mit den Möglichkeiten, die Digitalisierung auf der Prozessebene bietet – Optimierung der Besucherströme, zusätzliche Services, Rückfluss in die Innovations- und Entwicklungsprozesse – ergeben sich dadurch zusätzliche Potenziale für die Parkbetreiber. Perspektivisch ist dabei vor allem auch noch eine tiefergehende Personalisierung und Individualisierung des Freizeiterlebnisses zu erwarten.

Mehr zum Thema: Vortrag/Keynote von Prof. Dr. Andreas Wagener: „Von Cyborgs und Digitalen Lebewesen: Wie generative KI&VR menschliches Leben (und Sterben) verändern“:

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 VR und andere digitale Technologien den Vergnügungspark von morgen formen erschien zuerst auf Nerdwärts.de.

Welche Probleme kann KI im Loyalty Marketing lösen?

Traditionelle Kundenbindungsprogramme stoßen immer häufiger an ihre Grenzen. Sie sind oft unpersönlich, unflexibel und schaffen es nicht, die richtige Zielgruppe mit den passenden Angeboten anzusprechen. Der Einsatz von KI kann hier Abhilfe schaffen:

1. Personalisierung auf einem neuen Level: Kunden sind heute daran gewöhnt, personalisierte Erlebnisse zu erhalten – denken wir nur an Netflix-Empfehlungen oder Spotify-Playlists. Viele Loyalty-Programme hingegen sind noch recht starr und allgemein gehalten. KI ermöglicht eine tiefere Analyse des Kundenverhaltens und kann daraus individuelle Anreize ableiten. Durch maschinelles Lernen können Muster in den Kundenpräferenzen erkannt und individuell zugeschnittene Belohnungen oder Vorschläge generiert werden.
2. Vorhersage des Kundenverhaltens: Ein großes Problem vieler Treueprogramme ist es, rechtzeitig zu erkennen, welche Kunden drohen, abzuspringen. KI-Algorithmen können solche Risikofaktoren frühzeitig erkennen und automatisch personalisierte Kampagnen zur Kundenrückgewinnung starten. Dadurch lassen sich wertvolle Kundenbeziehungen retten, bevor der Schaden entsteht.
3. Effizienz in der Kommunikation: Viele Kundenbindungsprogramme sind durch eine Flut von unkoordinierten und oft irrelevanten E-Mails geprägt. KI kann helfen, die ideale Zeit, den bevorzugten Kommunikationskanal und die für den Kunden relevantesten Inhalte zu identifizieren, um eine präzisere und angenehmere Kundenansprache zu ermöglichen.

Neue Ansätze im Loyalty Marketing durch KI

Daneben können durch den Rückgriff auf KI auch neue Wege auf dem Gebiet des Loyalty Marketings beschritten werden:

1. Hyperpersonalisierte Loyalty-Programme: Mithilfe von KI lassen sich nicht nur demographische Daten, sondern auch Echtzeit-Interaktionen und Kontextinformationen nutzen, um Kunden individuelle Treueangebote zu unterbreiten. Das bedeutet, dass der Kunde genau im richtigen Moment einen Vorteil angeboten bekommt – beispielsweise ein Rabatt für ein Produkt, welches er sich kürzlich angeschaut hat.
2. Gamification auf Basis von Verhaltensdaten: KI kann dazu beitragen, Loyalty-Programme spielerischer zu gestalten. Anstatt immer nur Punkte zu sammeln, können Kunden durch KI-basierte Mechanismen kleine Herausforderungen oder Spiele angeboten bekommen, die auf ihren persönlichen Interessen basieren. Das steigert das Engagement und die emotionale Bindung zur Marke.
3. KI-gestützte Chatbots für Kundeninteraktion: Chatbots, die durch maschinelles Lernen trainiert wurden, können personalisierte Empfehlungen aussprechen und dem Kunden dabei helfen, Belohnungen oder Rabatte zu nutzen. Dadurch wird die Nutzererfahrung stark verbessert, und der Zugang zu Treuevorteilen erleichtert.

KI-basiertes Loyalty Marketing in der Praxis

Um die Möglichkeiten der KI im Loyalty Marketing greifbar zu machen, werfen wir nun einen Blick auf drei innovative Beispiele aus der Praxis:

Fazit: KI als Gamechanger im Loyalty Marketing

Der Einsatz von KI im Loyalty Marketing bietet zahlreiche Möglichkeiten, um Kunden besser verstehen zu können und gezielt anzusprechen. KI kann helfen, die Markenbindung zu stärken. Personalisierte Programme, vorausschauende Analysen und spielerische Ansätze helfen Unternehmen dabei, ihren Kunden echte Mehrwerte zu bieten – zur richtigen Zeit und am richtigen Ort.

Mehr zum Thema KI: Vortrag/Keynote von Prof. Dr. Andreas Wagener: „Von Cyborgs und Digitalen Lebewesen: Wie generative KI&VR menschliches Leben (und Sterben) verändern“:

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.

Empfohlene Literatur

Der Beitrag Wie KI das Loyalty Marketing verändert erschien zuerst auf Nerdwärts.de.

Mit den beiden Begriffen „Cyborgs“ und „Zentauren“ werden unterschiedliche Nutzungsweisen von Künstlicher Intelligenz im Arbeitsalltag umschrieben. Damit lassen sich spezifische Arbeitsstrategien kategorisieren, die jeweils beschreiben, wie KI in der operativen Tätigkeit integriert wird. Ziel ist es, diese unterschiedlichen Herangehensweisen dann hinsichtlich ihrer Effizienz und Effektivität zu analysieren.

Diese Klassifizierung geht zurück auf eine Studie der Harvard Business School in Zusammenarbeit mit der Boston Consulting Group (BCG) aus dem letzten Jahr, die untersuchte, wie unterschiedlich Künstliche Intelligenz von Mitarbeitern eingesetzt wird und welche Formen der Zusammenarbeit am erfolgversprechendsten erscheinen.

Ausgangspunkt: Metriken in der Consulting-Branche

Zweifelssohne kam den Autoren der Studie dabei die schon lange betriebene „Metrisierung“ von Arbeitserfolgen in der Consulting-Branche entgegen. In großen Beratungsgesellschaften wird oft auf das berühmt-berüchtigte, meist alle zwei Jahre stattfindenden „Up-or-Out“-Karrieremodell zurückgegriffen, wonach Berater, welche innerhalb festgelegter Zeiträume nicht die nächste Karrierestufe erreicht haben, das Unternehmen verlassen müssen. Auf diese Weise soll die Motivation und der permanente Kompetenzzuwachs der Mitarbeiter sichergestellt werden. Nicht zuletzt, um hier eine transparente Entscheidungsgrundlage schaffen zu können, wird daraus meist ein detailliertes Messystem errichtet, das Vergleiche zwischen den Mitarbeitern, aber auch mit zurückliegenden Leistungen ermöglicht.

Untersucht wurde nun, auf welche Art und Weise typische Instrumente der (generativen) KI verschiedene Mitarbeiter für Arbeitsaufgaben genutzt worden – und wie erfolgreich und effizient diese jeweils damit waren. Dabei kristallisierten sich zwei Phänotypen für die Integration von Künstlicher Intelligenz heraus: einerseits die der „Zentauren“ und andererseits jene der „Cyborgs„. Beide beschreiben jeweils zwei grundsätzliche Verhaltensweisen zur Anwendung von generativer KI im Arbeitsalltag. Während der Begriff der Zentauren sich auf das Mischwesen der griechischen Mythologie bezieht, bezeichnet das Kofferwort Cyborg, geformt aus den englischen „cybernetic“ und „organism“, meist Menschen, mit technisch angereicherten oder veränderten Körpern. Während der Zentaur – deutlich sichtbar voneinander abgegrenzt – einen menschlichen Oberkörper mit einem Pferderumpf aufweist, können die Veränderungen des Cyborgs potenziell an allen Stellen des Körpers erfolgen.

Zentauren und Cyborgs: Zwei Modelle der KI-Integration

Dieser Unterschied in der Genese der Beiden Mischwesen wird nun für die Beschreibung unterschiedlicher Herangehensweisen bei der Verwendung von KI herangezogen:

Cyborgs integrieren ihren Aufgabenablauf vollständig und interagieren permanent mit der Technologie. Sie delegieren nicht einfach nur Aufgaben, sondern verflechten ihre Aktivität intensiv mit der KI. Die Künstliche Intelligenz übernimmt dabei die Rolle des Kompetenzträgers, der das spezifische Know-How hat und durch die Arbeitskraft „angezapft“ wird.

Zentauren entscheiden hingegen situativ, welche Aktivitäten sie delegieren oder selbst übernehmen auf der Grundlage der jeweiligen Stärken und Fähigkeiten. Der einzelne wägt also ab, was er selbst in der Lage ist, einzubringen und an welchen Stellen sinnvollerweise auf die KI zurückgegriffen wird. Es gibt keine vollumfängliche Verschmelzung. Mitarbeiter, die dieser Kategorie zuzurechnen sind, versuchen stets bei der Evaluation und Auswahl der Optionen im „Sattel“ zu bleiben. KI ist demnach in diesem Fall eher Assistent und Sparringspartner. Das Know-How wird eher beim Menschen verankert, Ideen werden durch Feedback der KI „gespiegelt“.

Wer ist erfolgreicher – Cyborgs oder Zentauren?

Bei der Beurteilung der erbrachten Leistungen zeigte sich, dass Berater, die standardmäßig generative KI einsetzten – also die „Cyborgs“ -, sich grundsätzlich bei klassischen (standardisierten) Beratungsaufgaben als erfolgreicher und effizienter erwiesen. Sie waren also etwa schneller bei Berechnungen von Kennzahlen oder wenn es galt, Excel-Sheets zu befüllen und zu analysieren.

Aber obwohl dieser Vorsprung für den überwiegenden Teil der Beratertätigkeiten nachgewiesen werden konnte: Bei Aufgaben außerhalb des klassischen Leistungsspektrums, sofern Informationen jenseits reiner zahlenbasierter oder analytischer Prozesse verarbeitet werden mussten, waren die Zentauren erfolgreicher, also wenn es insbesondere galt, mittels Kreativität Probleme zu lösen.

Sind Zentauren kreativer und innovativer?

Das mag als ein Fingerzeig zu interpretieren sein, wie wir grundsätzlich auf generative KI im Arbeitsalltag zurückgreifen sollten: Ohne Zweifel bestehen durch den Rückgriff auf in vielen Situationen Chance für Effizienzgewinne, für schnelleres, auch effektiveres Arbeiten. Gleichwohl tendieren die zugrundeliegenden Modelle oft dazu, sich an einem Art Durchschnitt zu orientieren. Sie basieren auf Wahrscheinlichkeiten und Passgenauigkeiten, die sie aus den gesammelten Daten berechnen. Sie favorisieren damit oft vermeintlich populäres und nicht unbedingt außergewöhnliches. Brillantes ist somit eher selten zu erwarten, stattdessen besteht die Gefahr von Qualitätseinbußen durch die Produktion von „Einheitsbrei“.

Vermutlich liegt die optimale Lösung in der Mitte, zwischen den Verhaltensweisen der beiden Grundtypen der Zentauren und Cyborgs. Generative KI kann gerade in der Schreibtischarbeit ein probates Mittel zur Effizienzsteigerung sein. Es besteht aber offensichtlich ein Trade-Off zu Kreativität und Innovation. Natürlich lassen sich die Gefahren des Mittelmaßes durch ein überlegteres und iteratives Prompting reduzieren.  Aber in der Konsequenz bedeutet das, dass man in der Lage sein muss, erkennen zu können, wann situatives Abweichen von der Norm richtig und angebracht ist. Dies setzt jedoch eine tiefere Vertrautheit mit der Technik und eine ausreichende fachliche Kompetenz voraus, die erst erworben werden muss. Wenn aber gleich zu Beginn eine zu starke Verlagerung von Kompetenz auf die KI erfolgt, dürfte es schwer sein, ausreichende Fähigkeiten zur Beurteilung der Leistungsfähigkeit der Systeme überhaupt zu erwerben.

Wie und wo sollen die notwendigen Kompetenzen erworben werden?

Folglich ist eine stufenweise Herangehensweise erforderlich, die durch den Einzelnen zu erlernen ist. Die Frage drängt sich dann natürlich auf, wann und wo das passieren soll. In der Schule? In der Berufsausbildung, an der Hochschule? Oder „on-the-job“, im Beruf? Bisher stehen wir bestenfalls am Anfang dieser Diskussion, die wir jedoch dringend führen sollten.

Mehr zum Thema: Vortrag/Keynote von Prof. Dr. Andreas Wagener: „Von Cyborgs und Digitalen Lebewesen: Wie generative KI&VR menschliches Leben (und Sterben) verändern“:

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.

Empfohlene Buecher zu diesem Thema

Der Beitrag Von Zentauren und Cyborgs: wie wir KI in den Arbeitsalltag integrieren erschien zuerst auf Nerdwärts.de.

Allerorten diskutieren wir derzeit, was Künstliche Intelligenz (KI) für die Bildung und unseren Kompetenzerwerb bedeutet. Das Aufkommen insbesondere von generativer KI verändert zweifelsohne auch die Erwartungen am Arbeitsmarkt. Dabei rückt die grundsätzliche Frage ins Zentrum des Interesses, welche Fähigkeiten und Fertigkeiten in Zukunft relevant sein werden und wie (und wo) sich diese am sinnvollsten vermitteln ließen.

Als Hochschullehrer bin ich tagtäglich damit konfrontiert: Als Professor für Digitales Marketing gehört es zu meinen täglichen Aufgaben, bei den ständig neu entstehenden Tools auf dem Laufenden zu bleiben, um die Aktualität meiner Lehrinhalte sicherzustellen. Natürlich nutze ich regelmäßig ChatGPT um mir Textideen zu generieren, Deepl.com ist mein steter Begleiter bei Übersetzungen, und fertige Texte jage ich immer mal wieder durch Rephraser-Tools, um mein Geschriebenes nochmal stilistisch zu hinterfragen. Definitiv hat generative KI meine tägliche Arbeit produktiver gemacht.

KI Kompetenzen an Schulen und Hochschulen

Natürlich nutzen auch meine Studenten diese und andere Werkzeuge regelmäßig. Aber wie sieht hier der richtige Umgang damit aus? Die Bildungsinstitutionen hierzulande haben dazu ein ambivalentes Verhältnis: Einerseits sieht man viele Gefahren: wie kann man noch sicher sein, dass die Haus- oder Bachelorarbeit noch vom Kandidaten selbst geschrieben wurde? Was passiert, wenn KI-Halluzinationen Eingang in Forschungsergebnisse finden? Und lernen unsere Kinder überhaupt noch etwas, wenn die Hausaufgabe zur Englisch-Übersetzung spielerisch leicht an eine Übersetzungs-KI delegiert werden kann?  Andererseits will keiner als digitaler Bremser oder „Zukunftsverweigerer“ dastehen – diese Stigmatisierung kennt man noch aus früheren Phasen der digitalen Transformation („Willst Du Teil des Problems oder Teil der Lösung sein?“). Und natürlich lassen sich immer wieder Vorteile jenseits von Produktivitätsgewinnen anführen: Kann KI nicht auch für mehr Bildungsgerechtigkeit sorgen („Ein eigener KI-Tutor für jeden!“), frühzeitig Potenziale und Schwächen von Schülern entdecken und entsprechende individualisierte Maßnahmen einleiten? 

„Wir sollten die Technologie nicht verteufeln, sondern müssen lernen damit umzugehen“ – kann als weitgehend akzeptierter Minimalkonsens abgeleitet werden. Aber wie und wo soll dieses Wissen (und von wem) vermittelt werden? Schon in der Schule? Sogar bereits in der Grundschule? Oder erst in der Berufsausbildung beziehungsweise im Studium? Oder sollte man die Verantwortung bei den Arbeitgebern in der betrieblichen Weiterbildung ansiedeln? Dabei ist allerdings in vielen Fällen zweifelhaft, ob dieses Know-How bei denjenigen, die „operativ“ ausbilden, überhaupt vorhanden ist. Bis vor kurzem hatten Lehrer hier bei uns in Bayern noch nicht mal einen Dienstcomputer. Der Lehrplan sieht teilweise zwar eine Beschäftigung mit den Gefahren der sozialen Medien oder Cyber-Mobbing vor. Aber beispielsweise verfügte der (noch eher junge) Lehrer meines Sohnes in der achten Klasse, der letztes Jahr diese Inhalte zu vermitteln hatte, selbst noch nicht mal über einen Social-Media-Account. Es erscheint schwer vorstellbar, dass mit diesem Personal die Vermittlung von KI-Kompetenzen erfolgen kann. Ein ähnliches Bild dürfte sich an den Berufsschulen zeigen, und auch in der Hochschulbildung haben manche in dieser Hinsicht sicherlich noch einen langen Weg vor sich.

Welches sind die richtigen KI Kompetenzen?

Aber es wäre zu einfach, allein dem Lehrpersonal die Schuld für die Defizite in der digitalen Bildung anzulasten. Das liegt auch an verfehlten Strategien und Zielvorstellungen der Politik. Immer noch scheint digitale Bildung an den Schulen überwiegend als ein Problem der Geräteinfrastruktur verstanden zu werden. Als ob sich digitale Kompetenzen automatisch aufbauen würden, wenn man nur genug Endgeräte bereitstellt. Und vor nicht allzu langer Zeit wurde die inzwischen ehemalige Staatsministerin für Digitalisierung, Dorothee Bär (CSU) nicht müde, allerorten zu betonen, wie wichtige der Erwerb von Programmierkenntnissen bereits in der Schule sei, um den Herausforderungen der Digitalisierung begegnen zu können. Dabei war damals schon absehbar, dass ein Großteil des Programmier-Know-Hows durch KI abgedeckt werden könnte. Heute sprechen Größen der Digitalwirtschaft wie der NVIDIA-CEO Jensen Huang bereits vom baldigen „Tod“ des Programmierens aufgrund der zunehmenden Leistungsfähigkeit von KI.

Ich erinnere mich noch gut an Diskussionen, als ich 1991 nach der Schule eine Banklehre begann. Damals ging es um die Belegung eines Schreibmaschine-Kurses. Obwohl es natürlich schon Computer gab, wurde ernsthaft darüber gestritten, ob man das Maschineschreiben nun eher auf den damals modernen elektrischen oder besser auf den herkömmlichen mechanischen Maschinen erlernen sollte. Als Killerargument für die mechanische Variante wurde deren härterer Anschlag ins Feld geführt, da man ja auf den einfacher zu bedienen elektrischen Schreibmaschinen dann auch zurechtkäme, was umgekehrt eben nicht der Fall sei. Angesichts der Entwicklung in den letzten 35 Jahren mutet diese Diskussion heute sehr komisch an, ging es hier doch um die Vermittlung von rückblickend völlig unnötigen Kompetenzen. Diese Erkenntnis erschien damals aber eben nicht so offensichtlich, wie das heute ist. Die Frage stellt sich, ob es sich mit Kompetenzen, die wir an eine KI delegieren können, in Zukunft ähnlich verhält. Warum sich selbst mit Schreiben abgeben, wenn es eine Künstliche Intelligenz besser kann?

Gar nichts mehr lernen ist auch keine Lösung

Brauchen wir dann also gar nichts mehr zu lernen? Werden sämtliche kognitiv und intellektuell fordernden, alle kreativen Leistungen in Zukunft durch KI erbracht?  Aus humanistischer Perspektive möchte man solchen Schlussfolgerungen ein deutliches „hoffentlich nicht“ entgegenschleudern. Wir würden uns wohl auf diese Weise dem Kern unserer Menschlichkeit entledigen, im Gleichschritt einhergehend mit der Realisierung aller erdenklichen Technik-Dystopien vor denen uns Science-Fiction-Autoren schon immer gewarnt haben.

Fakt ist aber, dass wir alle, insbesondere – wenn auch nicht allein – die jüngeren Generationen zunehmend selbstverständlich auf Werkzeuge der generativen KI zurückgreifen. Das ist hinsichtlich der Kompetenzvermittlung erstmal eine gute Nachricht. Denn kein Ansatz dürfte hierbei erfolgreicher sein als ständiges Ausprobieren und Neujustieren.

Aber genau hier liegt auch ein Kernproblem des Wissensaufbaus im Kontext von generativer KI: Wie beurteilen wir, ob das, was wir mit diesen Instrumenten erzeugen, gut ist oder nicht? ChatGPT und Co eignen sich hervorragend, um die eigene Kreativität und Produktivität zu befeuern. Aber um diese Werkzeuge wirklich erfolgreich und gewinnbringend zu nutzen, muss ich in der Lage sein, deren Ergebnisse einzuordnen und zu bewerten. Dazu brauche ich ein bestimmbares Ziel vor Augen, das sich an definierten Qualitätskriterien orientiert. Nur wenn ich beurteilen kann, dass ein von der KI ausgespucktes Ergebnis Verbesserung benötigt, kann ich mein Prompting justieren, um so schrittweise zu einem Optimum zu gelangen. Anders ausgedrückt: Die KI kann zwar ohne weiteres halbwegs passabel Texte schreiben, aber um wirklich gute Texte zu erhalten, muss ich selbst in der Lage sein, wirklich gut zu schreiben. Das ist eine Kernkompetenz zur Nutzung von ChatGPT und anderen Inhaltegeneratoren. Nur auf Basis dieser Fähigkeit kann ich das System in meine gewünschte Richtung steuern. Bin ich nicht dazu in der Lage, produziert die KI eben meist nur Mittelmaß.

Generative KI: Falsche Anwendung führt zu Mittelmäßigkeit

Das erlebe ich immer wieder bei meinen Studenten. Mittlerweile habe ich eine ganz gute Trefferquote, auch ohne technische Hilfsmittel, KI-erstellte Inhalte zu identifizieren. Ich ermutige zwar ausdrücklich, auf generative KI zurückzugreifen, weise aber auch auf die beschriebenen Risiken hin. Daher bekomme ich auch in aller Regel ehrliche Antworten, wenn ich danach frage, ob bei der Erschaffung eines Inhaltes ChatGPT verwendet worden ist. Diese Ergebnisse genügen meistens formalen Anforderungen, lesen sich durchaus flüssig. Aber Außergewöhnliches, gar brillantes, findet sich darunter so gut wie nie.

Der Grund hierfür liegt in der Beschaffenheit der großen Sprachmodelle. Vereinfacht ausgedrückt berechnen diese stets Wahrscheinlichkeiten für Passgenauigkeiten von Textversatzstücken. Trainiert mittels unzähliger Textvorlagen, werden typische Sprachmuster gesucht und angewendet. Das muss zwangsläufig zu – zunächst im neutralen Sinne – durchschnittlichen Ergebnissen führen, sofern man nicht durch spezifisches Prompting diesem Drang der Systeme gezielt entgegenwirkt. Diese zentrale Fähigkeit bei der Nutzung von generativer KI kann jedoch nur erwerben, wer gelernt hat, verschiedene Qualitäten beim geschriebenen Wort zu unterscheiden – also: wer viel gelesen hat und gelernt hat, gut zu schreiben. 

Ich bin hoffentlich (!!!) weit davon entfernt ein Bildungs-Konservativer zu sein oder ein elitäres Bildungsideal zu vertreten. Aber tatsächlich scheinen es diese klassischen Tugenden zu sein, die demnach maßgeblich sind für eine sinnvolle Nutzung von Werkzeugen der generativen KI.

KI Kompetenzen und Deskilling

Dann allerdings stellt sich die Frage, wie und wo diese zu vermitteln sind. Wenn man Schwierigkeiten hat, selbst Texte zu verfassen, ist es verführerisch, auf ChatGPT & Co zurückzugreifen. Wer das regelmäßig tut, bevor diese grundlegenden Sprachkompetenzen erworben worden sind, wird es allerdings nie zu einer vollendeten Kunstfertigkeit auf diesem Gebiet bringen – weder sprachlich noch bei der Anwendung generativer KI.

Befinden wir uns also wirklich auf dem Weg zu einer „Idiokratie“, weil uns durch dieses „Deskilling“ ein gesellschaftlicher Wissenskollaps droht? Wenn diese vorgelagerten sprachlichen Fähigkeiten nicht mehr flächendeckend vermittelt würden, wenn dann in der Folge Mittelmaß nicht mehr als solches erkannt werden könnte, sondern sich stattdessen als maßgebender Standard etabliert, dann spräche das zumindest für eine gesellschaftsübergreifende Degeneration.

OK, ich gebe zu, das klingt jetzt wirklich nach einem klassischen konservativen, pessimistischen Menschen- und Gesellschaftsbild, liegt vielleicht am zunehmenden Alter.

Also, dann jetzt das konstruktive Fazit:

Künstliche Intelligenz ist zweifelsohne eine großartige technologische Errungenschaft, sie wird mit Sicherheit unser Leben positiv beeinflussen. Wie immer bei bahnbrechenden Innovationen, weisen diese natürlich auch Schattenseiten auf. Es liegt aber an uns, die Anwendungsumgebungen zu gestalten. Für die zielgerichtete und sinnstiftende Nutzung insbesondere von generativer KI brauchen wir spezifische Kompetenzen. Interessanterweise sind das in diesem Fall klassische humanistische Fähigkeiten. Nur wenn wir diese beherrschen, beherrschen wir die KI – und nicht umgekehrt.

Mehr noch als bei allen anderen Phasen der digitalen Transformation kommt es hier auf die Findung und Gestaltung der „richtigen“ und „verantwortungsvolle“ Anwendungsprozesse an.  Dazu müssen wir unser Bildungskonzepte nicht komplett über den Haufen werfen, sehr wohl aber intensiv nachbessern. Wir müssen frühzeitig ein Verständnis von Algorithmen nahebringen, am besten schon beginnend in der Grundschule (ja, das geht). Dazu sollten solche Themen selbstverständlicher Gegenstand der Lehrerausbildung sein, aber auch auf die vielbemühten Quereinsteiger kann man hier zurückgreifen (mit weit weniger Schmerzen als in Fächern wie Deutsch oder Mathematik).

An der Hochschule und auch sonst wo bedarf es punktuell einer Anpassung der Prüfungsleistung, aber auch das ist keine unüberwindbare Hürde. Beispielsweise könnte man sich von rein Lehrbuchwissen-befüllten Bachelor- und Masterarbeiten verabschieden und stattdessen empirische Ansätze zu Pflichtbestandteilen erklären, die sich deutlich schwerer durch KI simulieren lassen, gegebenenfalls flankiert durch eine „Verteidigung“ der Arbeit.

Und auch die Vermittlung der richtigen Anwendungskompetenz von generativer KI etabliert sich bereits jetzt allmählich. Richtiges Prompting ist anstrengend und zeitaufwändig (was oft unterschätzt wird). Es setzt neben den sprachlichen Kompetenzen auch weitere Fähigkeiten in der digitalen Anwendung voraus.

Am besten erschließt man sich diese durch permanentes Anwenden, Ausprobieren und Hinterfragen der Ergebnisse – das gilt sowohl für die Lernenden als auch für die Lehrenden.

Und da gibt es keine Ausreden.

TL; DR? Hier der Artikel als Deepdive-Podcast:

Mehr zum Thema: Vortrag/Keynote von Prof. Dr. Andreas Wagener: „Von Cyborgs und Digitalen Lebewesen: Wie generative KI&VR menschliches Leben (und Sterben) verändern“:

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.

Empfohlene Buecher zu diesem Thema

Der Beitrag Macht KI uns dümmer oder klüger? Welche Kompetenzen werden wir in Zukunft noch brauchen, und wie vermitteln wir diese? erschien zuerst auf Nerdwärts.de.

Entwicklungssprung im Marketing durch generative KI

Die aktuelle Leistungsfähigkeit der generativen KI geht allerdings längst deutlich über diese Aspekte hinaus. Dabei kann auf vorhergegangene Entwicklungen im Bereich des Marketings zurückgegriffen werden. Schon lange sprechen wir bei der Digitalisierung von Werbe- und Vertriebsaktivitäten von „Marketingautomation“, wenn Abläufe durch ein technisches System koordiniert werden. Sofern sich nun aber nicht nur die zugrundeliegenden Abwicklungsprozesse, sondern auch die Erstellung der zu platzierenden Inhalte und Werbebotschaften autonom gestalten lässt, führt die Kombination dieser beiden Elemente unweigerlich zu einem Entwicklungssprung im Marketing.

Generative KI im Marketing – auch vor ChatGPT bereits etabliert

Bereits lange vor dem aktuellen Hype gab es Anwendungen, die eigenständig Texte in Werbemittel integrierten und dann automatisierte A/B-Testings durchführten: Ausgerichtet an zuvor – menschlich –  festgelegten Kennzahlen, wie etwa einer „Ziel-Conversion-Rate“, kann so autonom die optimale Kombination aus verschiedenen Motiven und Platzierungen, „iterativ“, durch „trial & error“, ermittelt werden (etwa persado.com). Die inzwischen deutlich angestiegene Qualität der erzeugten Inhalte versetzt Werbetreibende damit in die Lage, diese aufwändigen Prozesse nun komplett an die KI auszulagern.

Generative KI bei Design und Musik

Neben Text und Bild lassen sich inzwischen ebenso gesprochenes Wort und Musik „synthetisch“ durch KI erzeugen. Beathoven.ai „komponiert“ beispielsweise, anhand der Vorgaben des Anwenders, die instrumentale Untermalung eines Produkt- oder Unternehmensvideos. Dabei lassen sich verschiedene Musikrichtungen und Stilelemente auswählen, die den Gestaltungsrahmen der KI vorgeben. Andere Tools erstellen Designvorlagen allein anhand von Texteingaben. Auch hier kann man ohne tiefgehendes Design-KnowHow, mit einer kurzen Beschreibung der Produktplatte des eigenen Unternehmens oder dem verfolgten Kommunikationsziel, dem System entsprechende Arbeitsaufträge erteilen. Mögliche Anwendungsbereiche sind etwa Präsentationen (Gamma.App) oder auch ganze Websites und Userinterfaces (Uizard.ai). 

Gamechanger generative KI

Ohne Frage wird generative KI das Marketing ganz grundsätzlich verändern. Dies ist keine gewagte Prognose, sondern im Moment bereits an vielen Stellen deutlich sichtbar. Automatisierungen, auch in klassischen kreativen Bereichen, werden zunehmen. Das birgt nicht nur Chancen, sondern dürfte viele vor Herausforderungen stellen – und dabei auch so manchen überfordern. Aber bei aller Skepsis, die ohne Zweifel angesichts dieser bevorstehenden Verwerfungen durchaus begründet ist: Vertrieb, Marketing und Kommunikationsabteilungen müssen sich optimistisch und aktiv gestaltend mit den Konsequenzen auseinandersetzen.

Denn: Wenn Sie es in Ihrem Unternehmen nicht tun, macht es bestimmt Ihre Konkurrenz.

Mehr zum Thema: Vortrag/Keynote von Prof. Dr. Andreas Wagener: „Künstliche Intelligenz im Marketing: Künstliche Kreativität, VR & 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.

Empfohlene Literatur

Der Beitrag Was generative KI wie ChatGPT & Co. tatsächlich für das Marketing bedeutet erschien zuerst auf Nerdwärts.de.

Gemäß einer als für den deutschen Markt repräsentativ deklarierten Studie von Deloitte können 55% der Befragten sich grundsätzlich vorstellen, Güter im Metaverse zu erwerben. Da der Begriff des Metaverse noch nicht abschließend geklärt ist – eine Einordnung zu den verschiedenen Begriffsdimensionen und Erscheinungsformen findet sich hier – erscheint diese Zahl doch erstaunlich hoch. Diese legt nahe, dass sich Unternehmen, die neue Absatzkanäle suchen oder sicherstellen wollen, dass Sie bei diesem Trendthema nicht abgehängt werden, mit eingehender dem Thema des „V-Commerce“ befassen müssen. Dieser Beitrag versucht daher die bisherigen Ansätze zu erfassen und zu bewerten.

Im Prinzip lassen sich die Commerce-Aktivitäten im Metaverse-Kontext – wir folgen einem breiteren Ansatz – in drei Kategorien untergliedern

1. Virtuelle Verkaufsflächen
2. Die Kombination von virtueller und physischer Sphäre
3. Die Erschaffung eigener Welten zur Kundenbindung und Markenbildung

Diese sollen im Folgenden jeweils kurz beschrieben und erläutert werden:

1. Metaverse im eCommerce nutzen: Virtuelle Verkaufsflächen

In der Tat bieten virtuelle Welten wie The Sandbox oder Decentraland den Kauf von „Immobilien“ in ihrer Sphäre an, die als Verkaufsflächen genutzt werden können, wobei die Preise sich – wie in der physischen Welt – streng nach marktwirtschaftlichen Kriterien bemessen und, je nach Lage, nicht selten in die Millionen gehen. Samsung hat seine Verkaufsfiliale in Manhattan in Decentraland nachgebaut, die mit dem Nutzeravatar virtuell besucht werden kann und die Metaverse-Plattform CEEK hat am Beispiel H&M die Studie eines „begehbaren“ Stores errichtet, in dem potenzielle Kunden die Ware in Augenschein nehmen und erwerben können. Auch ganze Malls sollen im virtuellen Raum entstehen, die einer Vielzahl von Geschäften an zentralisierter Stelle Platz bieten. Daneben gibt es Ansätze, die losgelöst von bestehenden Plattformen existieren sollen, sich aber auch leicht zu einem späteren Zeitpunkt auf diesen integrieren lassen, wie etwa der „virtual in-person pop-up Crib-Store“ der Firma Babylist, die dort Kinderwagen und Babyausstattung feil bietet. Dabei steht selten nur ein Abbild eines physischen Ladengeschäfts im Mittelpunkt der Konzepte. Meist können auch virtuelle Produkte oder Ergänzungen zum bestehenden analogen Programm erworben werden. Des Weiteren dienen die Auftritte der Vermittlung weiterführender marken- und produktbezogener Inhalte sowie der Durchführung von Verkaufsaktionen und Events.

Shopping im Facebook-Metaverse?

Doch auch denjenigen, die derartige Investitionen scheuen, eröffnen sich Perspektiven, um am Handel im Metaverse zu partizipieren. Denn ebenso die Plattformbetreiber selbst denken an den Aufbau von Retailstrukturen – analog der bekannten Funktionsweise der App-Ökonomie. Meta etwa plant als Intermediär den Vertrieb von virtuellen und physischen Produkten zu organisieren und von den Anbietern und „Creators“ entsprechende Provisionen (25% auf der eigenen VR-Plattform Horizon) aus den Verkäufen zu erheben. Relevant in diesem Kontext ist ein Facebook-Patent aus dem Jahr 2019. Demnach beabsichtigt Meta, Angebote in virtuellen Shops zu personalisieren – maßgeschneidert zum individuellem Nutzerprofil. Analog den programmatischen Werbeverkaufssystemen bei klassischen Facebook-Anzeigen könnten Werbetreibende über ein normiertes Interface Gebote für die Ausspielung ihrer Produkte festlegen und die anvisierten Zielgruppen anhand hinterlegbarer Merkmale zusätzlich targetieren. Damit wäre Meta in der Lage, sein bisheriges Erfolgskonzept auch für das Shopping im Metaverse fortzuschreiben.

2. Das Metaverse als Kombination von virtueller und physischer Sphäre

Ein Produkt, das in beiden Sphären nutzbar wäre, würde einen weiteren Schritt in der Realisierung der Zielvisionen eines „echten“ Metaversums beschreiben. Die Möglichkeit, digitale Abbilder von analogen Produkten zu erzeugen, eröffnet neue Formen der Angebotskombination aus physischen und virtuellen Elementen. Insbesondere im Fashionumfeld bietet sich dies als verkaufsstrategische Vorgehensweise an. Der Modekonzern Zara hat 2022 eine „Metakollektion“ auf den Markt gebracht, deren Teile sowohl im „physischen“ Umfeld als auch im Zepeto-Metaverse getragen werden können. Die Linie umfasst sowohl Textilien als auch Kosmetikprodukte. Ähnliche Ansätze sind bei Balenciaga und Gucci zu verzeichnen. Balenciaga kooperierte dabei mit Fortnite und ermöglichte die Ausstattung der Fortnite-Avatare mit Balenciaga-Mode gegen die Bezahlung in der Plattformwährung V-Bucks. Nutzer, die in ihrem neu erworbenen Outfit spielten, konnten Fotos ihrer Charaktere einsenden, die dann auf virtuellen Plakatwänden in Fortnite zu sehen waren – gewissermaßen als Testimonial. Dabei blieb die Nutzererfahrung nicht auf das rein virtuelle beschränkt. Auf dem „echten“ Times Square bewarb Balenciaga die Aktion mit den virtuellen Protagonisten seiner Kampagne und führte die physische Kundschaft zu seinem „Bricks&Mortar“-Store in New York, wo das physische Abbild der Kollektion erworben werden konnte. Gucci hat eine limitierte Handtaschen-Kollektion aufgelegt, die auf der Roblox-Plattform sowie in der physischen Realität zeitlich eng begrenzt erworben werden konnte. Dabei waren die virtuellen Versionen mitunter teurer als jene im Analogen, im Falle etwa der „Dionysus“-Tasche USD 4.115 gegenüber USD 3.400. Denjenigen, denen es gelang, eine der wenigen digitalen Taschen zu erwerben, dürften sich zwar über potenziell höhere Wiederverkaufswerte freuen. Dennoch ist die Nutzung der Tasche allein auf Roblox beschränkt, es handelt sich dabei auch nicht um ein NFT: Die Eigentumsfestschreibung erfolgte nicht auf einer Blockchain, sondern lediglich zentral im Roblox-Interface.

NFTs als Treiber des V-Commerce im Metaverse?

Auch wenn diese Aktivitäten derzeit natürlich noch stark auf das Branding großer Modemarken gerichtet sind, eröffnet die Verknüpfung von virtuellen und physischen Produkten, zweifelsohne neue Perspektiven für den Handel. Insbesondere auch kleinere Unternehmen könnten dies als kostengünstigen Ansatz für sich nutzbar machen. Dezentralisierung durch DLT und NFT wird immer auch mit Demokratisierung verbunden und im Schatten der beschriebenen Entwicklungen haben auch zahlreiche kleinere Unternehmen und einzelne, unabhängige Designer sich auf diesen Märkten positioniert. Die Eintrittsbarrieren für den NFT- Fashion-Markt sind schließlich eher niedrig, und auch mit geringen finanziellen Mitteln ist es möglich, eine virtuelle Modekollektion zu kreieren und feilzubieten. Der Brückenschlag in die physische Welt lässt sich daraus dann deutlich leichter vollziehen. Die junge Modemarke Vollebak verkauft Kleidung via NFTs in ihrem virtuellen Geschäft auf der Metaverse-Plattform Decentraland. Gegen Aufpreis lässt sich auch eine physische Version erwerben und der digitale „Direct-to-Avatar“ -Vertriebsweg wird damit bei Bedarf zu einem „Production-on-Demand“-Kanal weiterentwickelt, was die Investitionsrisiken klassischer, „analoger“ Prozesse minimiert. Dabei lässt sich über AR (s.o.) auch eine virtuelle Anprobe simulieren, und aus dem „Try-before-buy“ wird zusätzlich ein „Try-before-Prodcution“.

Ferner lassen sich auf diese Weise aber auch ausschließlich virtuell existierende Produkte mit der physischen Welt verweben. Auf der eCommerce-Plattform Spatialport können einzigartige Luxusuhren als virtuelle Güter erworben werden, deren Hauptzweck darin besteht, ein Foto des Besitzers über AR mit der erworbenen Uhr am Handgelenk digital „anzureichern“ und dieses dann beispielsweise über Social Media zu verbreiten. Die Rechte an dem exklusiven Gut werden über ein NFT fixiert. Der Startpreis für jede Uhr lag bei etwa USD300 (0,1 ETH zum damaligen Kurs).

Kombinationen aus virtuellen und physischen Produktangeboten

Aber auch aus anderen Bereichen, jenseits des Fashionsegments ist es möglich, Kombinationen aus virtuellen und physischen Produktangeboten zu kreieren: Das NFT-Projekt Aisthisi vermarktet Olivenöl in Verbindung mit digitaler Kunst. Wer ein NFT-Werk der partizipierenden Künstler erwirbt, erhält damit auch ein Anrecht auf ein physisches Gut – in diesem Fall eine Flasche Olivenöl. Diese ist mit einem Etikett des jeweiligen Kunstwerks versehen. Das NFT ist nach Erhalt der physischen Ware wieder frei handelbar. Im Prinzip kann diese Form der „Handelssymbiose“ auch auf andere Produktkombinationen übertragen werden. Damit ließe sich ebenso für KMU und Einzelunternehmen eine werthaltige Strategie zur Absatzförderung verfolgen, ohne große institutionelle Hürden. Der Konsumentennutzen ist dabei nicht auf eine einzelne Eigenschaft reduziert, sondern erschließt sich aus einer Mehrzahl von möglichen Kaufmotiven, etwa der Verknüpfung von Konsum- und Investitionsgut.

3. Die Erschaffung eigener Welten zur Kundenbindung und Markenbildung

Eine weitere Handlungsoption besteht in der Nutzung des Metaverses für Kundenbindung und Markenbildung im Rahmen eigener „Sub-Welten“. Wie beschrieben, erlauben viele Metaverse-Plattformen eigene Repräsentanzen. Vielleicht die bislang konsequenteste Nutzbarmachung dieses Ansatzes ist Nike auf Roblox mit seiner umfangreichen Adaption eines „markenbasierten Themenparks“, dem „Nikeland“ gelungen. Der Zugang dazu ist nach dem Roblox-Login kostenlos. Eine Vielzahl von Spielen sind frei nutzbar. Entsprechend der CSR-Strategie von Nike und im Einklang mit dem Markenkern, soll dies junge Nutzer dazu ermutigen, an immersiven Fitnesserlebnissen teilzuhaben. AR-Technologie wird genutzt, um das virtuelle Erlebnis in die physische Welt zu übertragen und soll dabei helfen Zugangsbarrieren abzubauen. Dies bildet den Rahmen, um auch weitere Markenbotschaften sowie Neuigkeiten aus der Produktpalette zu transportieren und Produkt-Showrooms zu präsentieren. Die Spiel-Avatare können virtuell mit bekannten Nike-Produkten ausgestattet werden. Ferner findet Cross-Promotion mit von Nike gesponserten Sportlern statt, die dort auftreten und auch eigene Kollektionen bewerben. 2022 „trainierte“ beispielsweise NBA-Star LeBron James auf dem Nikeland-Basketballfeld Avatare, die während des Events und danach virtuelle Produkte gewinnen konnten . Umgekehrt gibt es auch in der physischen Sphäre eine Entsprechung des Nikelands in Nike‘s New Yorker Flagship Store. Im dortigen Kinderbereich können AR-Anwendungen genutzt werden, etwa über Snapchat-Linsen, um das virtuelle Spielerlebnis aus dem rein digitalen Nikeland in eine physische, virtuell angereicherte Umgebung zu verlagern.

Laut Nike konnten bis zum ersten Quartal 2022 bereits fast 7 Mio. Besucher in Nikeland verzeichnet werden. Daraus resultierte angeblich auch ein nennenswerter Beitrag zum aktuellen Umsatzwachstum. Selbst wenn der Aufwand, der für eine derartige erfolgreiche Umsetzung unzweifelhaft sehr hoch und insofern sowie angesichts der bestehenden Markenstärke von Nike nur schwer kopierbar ist, zeigt sich doch, dass das Metaverse und die Verknüpfung von virtueller und physischer Welt durchaus geeignet sein können, um ein gezieltes Branding, Kundenbindung und ein markengerechtes Absatzmarketing zu betreiben.

Erfolgsfaktoren und Handlungsempfehlungen im Metaverse

Ohne Zweifel sind wir von der Zielvision eines „parallelen“, ubiquitären Metaversums noch weit entfernt. Gleichwohl wäre es aus unternehmerischer Sicht fahrlässig, die hochdynamische Entwicklung und die damit einhergehenden Investitionen in den Markt zu ignorieren. Je nach Branche mögen die Chancen und Risiken eines Engagements womöglich sehr unterschiedlich sein. Und auch der fehlende gemeinsame terminologische Nenner erschwert die Findung der angemessenen strategischen Herangehensweise. Zu warten, bis eines Tages tatsächlich ein untrennbares Verwachsen der virtuellen und physischen Sphäre vollzogen ist, wie es in den Science-Fiction-Romanen und Filmen beschrieben wird, wäre allerdings kurzsichtig und würde die Veränderungen, die bereits heute an den Märkten vollzogen sind, ignorieren. Es ist nicht zu bestreiten, dass zumindest auf den zweidimensionalen virtuellen Plattformen bereits ein neuer Marktkosmos entstanden ist. Eine Reduzierung der Thematik auf Welten, die sich zwingend nur mit VR-Brillen besuchen lassen, würde die anvisierbare Zielgruppe nur unnötig verengen. Anders als sonst in der Digitalökonomie, etwa bei Suchmaschinen und eCommerce-Plattformen sowie in den Sozialen Medien, ist der Markt aktuell noch sehr fragmentiert, der „Kuchen“ noch nicht verteilt. Statt einer zentralen Anlaufstelle für alles was unter dem Begriff Metaverse subsumiert wird, gibt es verschiedene Anbieter, auf verschiedenen Ebenen, die unterschiedliche Teilleistungen erbringen. Umso wichtiger ist es aus Unternehmenssicht, die richtige Plattform zu finden, die einerseits am besten zu den eigenen Zielen und Produkten passt, andererseits aber auch genügend Reichweite verspricht. Selbst wenn im Moment Fortnite das vielleicht am besten entwickelte System im virtuellen Raum besitzt, ist es für die meisten Unternehmen, jenseits der großen Marken, illusorisch, hier einen marktfähigen Ansatzpunkt zu finden. Auf Minecraft oder Roblox hingegen bieten sich womöglich ebenso kleineren Anbietern Chancen aufgrund ihrer dezentraleren Konzeptionen, die auch die Nutzerschaft als kreative Kraft von Beginn an miteinbezogen haben.

Blockchain und DLT eigentlich nicht notwendig

Auch wenn NFTs in aller Munde sind, zeigt sich doch in der Praxis, dass viele erfolgreiche Adaptionen virtueller Güter sehr gut ohne die aufwändige und derzeit noch wenig nachhaltige DLT ausgekommen sind. Daher gilt hier: nur dort, wo es wirklich notwendig ist, wo anbieterunabhängige Wertanlagen geschaffen werden sollen, deren Rückverfolgung zu den Voreigentümern und „Kreatoren“ wirklich einen „Mehrwert“ versprechen, macht es Sinn, auf Blockchain und Tokens zurückzugreifen. Gleichwohl bietet gerade dieses Umfeld erhebliche Chancen für einzelne Künstler und Designer, für kleinere Unternehmen, die hier, wie gezeigt, ohne größeres Investitionsrisiko Produkte unter Marktbedingungen testen oder Wege zu gänzlich neuen Märkten beschreiten können.

Die richtige Kommunikation im Metaverse

Auch hinsichtlich der Kanäle zur Kommunikation über die jeweiligen Tätigkeiten gilt es abzuwägen: Roblox, Minecraft oder Fortnite und auch andere, eigenständige Open-World-Games sind über „Let’s Plays“ von einschlägigen Influencern, auf Twitch oder Youtube gut kommunikativ verankert. Ebenso erreichen Youtube-Kanäle, die sich allein mit Neuigkeiten zu einzelnen Gaming-Plattformen beschäftigen, mitunter erstaunliche Reichweiten. Daneben bietet das Sponsoring von eSports in diesen Umfeldern eine Handlungsoption für eine zielgerichtete kommunikative Begleitung der Aktivitäten. Während für diesen Kontext also ein eingeführter Instrumentenkasten existiert, erscheint die Kommunikation jenseits der Gamingwelt noch als Stückwerk. Für alles, was sich dem Metaverse im engeren Sinne widmet – NFTs, Web3 und alle weiteren DLT-basierten Betätigungsfelder – hat sich Discord als „Verlautbarungskanal“ sowie zur Community-Organisation etabliert, was entsprechend Berücksichtigung in der Kommunikationsstrategie finden sollte. Wie schon beschrieben, eröffnen die virtuellen Welten, deren Zugang ja meist nur durch Registrierung und die damit verbundene ausdrückliche Zustimmung zu wie auch immer gearteten Datenschutzvereinbarungen möglich ist, umfangreiche Personalisierungsoptionen. Auch wenn man als Werbungtreibender nur auf bestehende Plattformen zurückgreift, bieten sich hier tiefgreifende Ansatzpunkte. Als Beispiel kann auch hier Fortnite mit seinen zahlreichen Markenkooperationen angeführt werden: Das Manga-Franchise Naruto ermöglicht den Nutzern spezifische Ausstattungsgegenstände in Fortnite zu erspielen. Für die Teilnahme an diesen zusätzlichen „Challenges“ ist jedoch eine weitere Registrierung notwendig. Somit hat das Engagement der Marke nicht nur einen Brandingeffekt, sondern dient ebenso dem massenhaften Datenmining unter den Millionen Fortnite-Spielern. Das Onboarding läuft dabei einfach und friktionsfrei, per einfachem Click werden die bereits im Stammspiel hinterlegten Daten übernommen.

Gelten im Metaverse andere soziale Regeln?

Im Kontext der Kommunikation ist ferner zu beachten, dass im Metaverse womöglich andere Regeln und Verhaltenskodizes gelten könnten. Meta hat bereits Vorkehrungen getroffen, um virtueller sexueller Belästigung vorzubeugen. So sollen sich Avatare im Virtuellen nur bis auf einen festgelegten Mindestabstand nähern können. Auch was als rechtmäßiges oder strafbares Handeln im virtuellen Metaverse zu verstehen ist, müsse (noch) verhandelt werden, wird insbesondere aus den USA gefordert. Tendenziell dürfte das Metaverse damit vermutlich eher „woke“ und weniger anarchische Spielwiese für das Ausleben ungezügelter Freiheiten sein. Der oft modernistische Gestus der aktuellen Diskussion kann aber auch als leistungsfähiges Vehikel für bestimmte aktuelle Themen genutzt werden: Nachhaltigkeit und ebenso soziale Anliegen, wie sie z.B. NIKE mit seinem Nikeland verfolgt, lassen sich, sofern einige Grundregeln der CSR befolgt werden, derzeit vermutlich gut und glaubhaft in diesem Kontext transportieren.

Erfolgssteuerung der Metaverse-Aktivitäten

Schließlich sollte das Engagement in einem wie auch immer gearteten Metaverse entsprechend gesteuert und auf Erfolgswirksamkeit überprüft werden. Womöglich unterscheiden sich jedoch die erfolgsrelevanten Metriken von den bisher im Digitalen Marketing erprobten Kennzahlen wie „Likes“, „Shares“ und „Conversions“. Das Metaverse ermöglicht neue Formen des „Engagements“, die sich auch im Monitoring und Controlling jenseits reiner Absatzzahlen widerspiegeln sollten. Dazu zählen etwa die Messung des Community Engagements im entsprechenden Discord-Stream, der „Share of Voice“ der Postings in einschlägigen virtuellen wie auch traditionellen digitalen Communities sowie die Ermittlung der erfolgreichen zugrundeliegenden Content-Arten. Ebenso kann die Auswertung der öffentlich geführten Chats in den jeweiligen Welten im Rahmen eines semantischen „Conversation Minings“ werthaltige verhaltensökonomische Einblicke gewähren. Und auch die Verbreitung virtueller Güter bietet Ansatzpunkte für die Kennzahlenerhebung und -steuerung. Deren „Marktdurchdringung“ lässt sich erheben, indem der Absatz je Nutzer und die Nutzerzahlen insgesamt gegenübergestellt werden. Und in Bezug auf NFTs dürften der Verkauf über Zweitmärkte – jeweils geld- und stückbewertet – sowie die entsprechende Preisentwicklung zu wichtigen Indikatoren werden.

All dies weist daraufhin, dass Marketing und Vertrieb im Metaverse angesichts dieser neuen Anforderungen auch angepasste oder neue Strukturen und Prozesse benötigen. Für alle potenziellen Marktteilnehmer gleichermaßen – groß wie klein – gilt daher: halbherzige Vorstöße dürften kaum Erfolg versprechen.

Ist das Metaverse nur ein Hype?

Immer wieder werden Zweifel daran geäußert, ob dem Metaverse wirkliche eine nachhaltige Entwicklung beschieden ist oder ob die aktuelle Diskussion und die daraus erzeugte Aufmerksamkeit nicht bloß ein „Hype“ ohne wirkliches Fundament seien. Zunächst scheint es aus heutiger Sicht sehr unwahrscheinlich, dass tatsächlich ein ubiquitäres, die Standardschranken einzelner Plattformen überwindendes Netz entstehen könnte, das virtuelle und physische Welt immersiv vereint. Treiber hinter den Entwicklungen sind bereits am Markt etablierte Unternehmen mit autarken ökonomischen Interessen. Ein Monopolisierungssog – bei dem natürlich fraglich ist, ob dieser überhaupt wünschenswert wäre – zeichnet sich ebenso wenig ab wie eine breite Kooperation der Wettbewerber. Insofern dürfte die Vision eines distribuierten Web3, welches auch die Verfügungsmacht in einem solchen Netz dezentralisieren würde, nur schwer zu realisieren sein. Vor allem aber scheint es schwer vorstellbar, dass man als Mensch aus Fleisch und Blut tatsächlich große Teile seines Alltags in der Virtualität verbringen möchte, bei allem Spaß, den das punktuell bereiten mag. Worin bestünde der Nutzenzuwachs dadurch? Wer den namensgebenden Roman Stephenson’s heute, mehr als 30 Jahre nach Erscheinen, liest, dem dürfte auffallen, wie nah die dort skizzierte Version des Metaversums an den aktuellen Vorstellungen und Konzepten dazu liegt. Bereits damals beschrieb Stephenson die Verwendung virtueller Markenartikel und digitaler Mode durch individualisierte Avatare, in allen ihren Ausprägungen und Konsequenzen – übrigens nicht als erstrebenswert erscheinende Zielvision, sondern als Dystopie. Umso erstaunlicher ist es, dass das Werk als eine Art Blaupause für die Verschmelzung von physischer und virtueller Welt betrachtet wird.

Allerdings wäre es nicht das erste Mal, dass wir auf gelernte und tradierte Denkmuster als Erklärungsmodell zukünftiger Entwicklungen zurückgreifen – und damit zu falschen Schlüssen gelangen. Auch das WWW, die sozialen Medien und die Digitalisierung als solches wurden bereits in der Vergangenheit mit zahlreichen falschen Prognosen bedacht. Warum sollte es diesmal anders sein?

Budgets follow Eyeballs – auch im Metaverse

Vieles deutet daraufhin, dass wir uns zur Beurteilung der Marktchancen nicht auf enge definitorische Zielkorridore oder prosaische Zukunftsbeschreibungen verlassen sollten. Der technische Fortschritt bei den Endgeräten, den VR-Brillen, lässt sich ebenso wenig linear vorausbestimmen wie die Adaptionsbereitschaft jüngerer Generationen oder auch die Auswirkungen externer Faktoren, wie den Klimawandel, geopolitische Krisen oder eine Pandemie.

Insofern erweist sich der pragmatische Blick auf das bereits erreichte und realisierte womöglich als die vielversprechendere Herangehensweise. Tatsache ist nun mal, dass viele Menschen, in erster Linie jüngere, vielleicht nicht ihren kompletten Alltag, aber doch einen erklecklichen Teil ihrer Zeit bereits jetzt in nicht-physischen Welten verbringen. „Budgets follow Eyeballs“ ist ein bewährtes Diktum der Digitalwirtschaft, und in der Tat überschreiten die Investitionen in Verbindung mit einem wie auch immer gearteten Metaverse bereits jetzt jene in die „Schlüsseltechnologie“ KI.

Das Metaverse als Ausdruck einer sich wandelnden Gesellschaft?

Dass Menschen bereit sind, für nicht-materielle Sachgüter, die in der physischen Sphäre eigentlich keinen Wert besitzen, Geld auszugeben – auch jenseits der gehypten BoredApeYachtclub- und Cryptopunk-NFTs, kann ebenfalls als Fingerzeig für eine gesellschaftliche Entwicklung außerhalb erwarteter Muster gelten. Wer tiefer in die beschriebenen Welten eintaucht, wird schnell feststellen, dass dem eigentlich vielstrapazierten Begriff der „Identität“ im Virtuellen eine besondere Adaption zu Teil wird: Der Wille zur persönlichen Abgrenzung und Individualität ist hier als realisiertes Massenphänomen zu beobachten. Die virtuelle Sphäre hat sich bereits zu einer Projektionsfläche für Wünsche, Werte und Haltungen entwickelt, die über die Möglichkeiten in der analogen Realität deutlich hinausgehen – und wofür die Nutzer und Nutzerinnen auch bereits heute bereit sind, zu bezahlen. Das allein kann schon als Vorbote einer sich verändernden Lebenswirklichkeit begriffen werden. Letztlich ist das „Metaverse“ nur ein Symbol dieses Wandels.

Mehr zum Thema: Vortrag/Keynote von Prof. Dr. Andreas Wagener: „Künstliche Intelligenz im Marketing: Künstliche Kreativität, VR & 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 Virtual Commerce im Metaverse erschien zuerst auf Nerdwärts.de.

Indem anhand der Struktur der Kunden, ihrer Verhaltensweisen und unter Berücksichtigung anderer Faktoren, wie der Ausgestaltung der Akquisekanäle, spezifische Muster ermittelt werden, lassen sich im Abgleich mit diesen im Rahmen von Unsupervised-Learning-Verfahren „Kündiger-Cluster“ erstellen und darauf aufbauend Kündigungswahrscheinlichkeiten im Wege des Supervised-Learning kalkulieren. Die dafür notwendigen Informationen können beispielsweise auch aus dem Lead Management sowie aus den im Rahmen des Kundenservice erhobenen Daten abgeleitet werden. Zumindest bei großen Kundenbeständen ist es möglich, auf diese Weise womöglich Zusammenhänge zu identifizieren, die in der operativen Arbeit sonst nicht augenfällig waren. Vertrieb und Marketing werden damit in die Lage versetzt, frühzeitig, idealerweise bevor der Kunde selbst eine Kündigung ausspricht, entsprechende Gegenmaßnahmen einzuleiten.

Vorausgehen sollte diesem Prozess allerdings auch eine Analyse der Frage, welche Kunden es tatsächlich wert sind, sie zu halten, und welche konkreten Maßnahmen in welchen Fällen gerechtfertigt sind. Hier spielen Customer-Lifetime-Value-Betrachtungen eine wichtige Rolle, die auch die kumulierten Deckungsbeiträge je Kunde berücksichtigen. Während in vielen Fällen in der Praxis – wenn überhaupt – dabei meist nur ein Durchschnittswert über alle Kunden zugrunde gelegt wird, könnte der Einsatz von intelligenten Systemen auch zu einer feineren Granulierung führen, die im Idealfall sogar eine kundenpersonalisierte Herangehensweise erlaubt, also für jeden potenziellen Kündiger individuell Kundenwerte berechnet, die dann jeweils darauf abgestimmte Gegenmaßnahmen auslösen.

Churn Management und Rückgewinnungsmanagement

Sollte die Kündigung doch bereits erfolgt sein, setzt das Rückgewinnungsmanagement ein, um Kunden zu reaktivieren oder von der Rücknahme der Kündigung überzeugen zu können. Je nach ermitteltem Kündigertyp lassen sich auch hier wieder spezifische Angebote unterbreiten, die jeweils die höchste Wahrscheinlichkeit einer Fortführung der Kundenbeziehung aufweisen.

Kündigungsursachen analysieren Voraussetzung zielgerichteter Halte- und Rückgewinnungsmaßnahmen ist die Kenntnis und das Verständnis der Kündigungsgründe. Die Ursachen einer Kündigung sind nicht selten vielschichtig, die Trennung zwischen Auslöser und Ursache ist oft schwierig und auch mit hohem Aufwand, wie späteren Telefonbefragungen, daher nicht immer exakt zu bestimmen. Auch hier können Methoden des maschinellen Lernens hilfreich sein, um typisierte Muster oder ein komplexes Zusammenspiel verschiedener Faktoren zu erfassen. Preissensibilitäten je Kunde lassen sich dabei ebenso berücksichtigen wie lange Bearbeitungszeiten oder eine womöglich missglückte schriftliche oder mündliche Servicekommunikation, die unter anderem im Rahmen einer Sentiment-Analyse ausgewertet wird.

Trennung von Problemkunden

Kündigungen müssen allerdings auch nicht immer durch den Kunden erfolgen, auch das Unternehmen selbst hat womöglich Gründe, diese auszusprechen. Von Kunden, die mehr Kosten als Erlöse verursachen, sollte man sich in aller Regel trennen, sofern nicht andere, langfristigere Gründe, wie Prestige oder Stakeholder-Pflege, dagegensprechen. Gerade bei einer umfangreichen Kundenbasis erweist sich die Identifizierung von solchen „Problemkunden“ manchmal als schwierig. Dies gilt insbesondere dann, wenn weitere komplexe Zusammenhänge wie auch zukunftsgerichtete Faktoren, jenseits bloßer kurzfristiger Ertragsbetrachtungen, ein derartiges Verdikt beeinflussen können.

Typische Fälle hierfür finden sich im Finanzbereich, bei Versicherungen und Banken, wenn es gilt, Risikobewertungen für den Eintritt von Schadensfällen oder Kreditausfällen abzugeben. Schon seit geraumer Zeit setzt man in diesem Bereich auf statistische Analysen, Mustererkennungen und Clusterbildungen. Die Weiterentwicklung dieser Methoden durch den systematischen Einsatz maschinellen Lernens dürfte inzwischen weit verbreitet sein. Wie immer steht und fällt die Qualität solcher, ja auch gesellschaftlich sensibler, Entscheidungen stets mit der Quantität und Güte der zugrunde gelegten Daten.

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

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

Weitere Informationen zum Thema „KI im Marketing“ finden Sie hier:

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

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.

Empfohlene Literatur

Der Beitrag Churn Management und Kundenrückgewinnung mit KI erschien zuerst auf Nerdwärts.de.

Auch wenn es viele eigentlich nicht mehr hören können: Künstliche Intelligenz und Maschinelles Lernen prägen nach wie vor die öffentliche Diskussion. Zweifelsohne ist darunter auch viel „Buzzword Bingo“ zu finden – man gewinnt ja den Eindruck, dass inzwischen jeder neue Toaster künstlich intelligent ist. Auf der anderen Seite wird das Thema oft als sehr abstrakt begriffen, „echte“ KI erscheint dann noch als wenig konkret und eher als vage „Zukunftsoption“.

Jedoch lohnt hier ein tiefergehender Blick. Auch wenn es uns oft nicht bewusst ist: Gerade im Marketing ist KI bereits allgegenwärtig – jedenfalls dann, wenn wir dem allgemeinen Branchenverständnis folgen, wonach wir hierunter die Fähigkeit von Systemen verstehen, eigenständig auch komplexe Aktionen auszuführen und aus deren Ergebnissen „hinzuzulernen“. Ziel ist es, ähnlich wie beim menschlichen Lernen, ausgerichtet an den „gewonnenen Erkenntnissen“, die eigene Verfahrensweise sowie die erzielten Ergebnisse zu optimieren.

KI im Marketing-Alltag

Bereits die simple Kundenkommunikation in den Sozialen Medien oder über Suchmaschinen kommt heute ohne ein Verständnis für die autonomen Lernfähigkeiten dieser Systeme nicht mehr aus, sei es, um mittels Optimierungsmaßnahmen den Algorithmus „auszutricksen“ oder um Werbebuchungen auf diesen Plattformen effektiv umzusetzen. Gerade bei Google wird die Relevanz von KI offensichtlich: Als Kunde ist es möglich, nahezu den kompletten Prozess der Anzeigenschaltung von der Werbemittelgestaltung („Dynamic“ oder „Responsive“ Ads) bis hin sogar zur Preisbildung („Smartbidding“) dem System zu überlassen, mit dem Versprechen, dass diese Faktoren im Zusammenspiel dann automatisch optimiert würden (aus Kundensicht, behauptet Google).

Aber auch im Kernbereich des klassischen B2B-Marketings, dem ja meist eine verzögerte Adaptionsfähigkeit attestiert wird, finden sich inzwischen zahlreiche Einsatzmöglichkeiten für KI. Diese eröffnen sich überall da, wo entweder komplexe Aufgaben zu lösen sind oder ein hoher Grad an Automation möglich ist.  

Kundenmanagement mit KI

Dies beginnt bereits mit der automatischen Kundensegmentierung und dem daraus abgeleiteten individuellen Kundenmanagement. KI-Verfahren sind in der Lage, Musterzusammenhänge zu erkennen, die sich dem menschlichen Betrachter womöglich nicht auf den flüchtigen Blick erschließen. Solche Vorgehensweisen bieten sich etwa für die Ermittlung von Kundenclustern – jenseits der ebenso klassischen wie meist genauso auch ungenügenden Aufteilung nach Umsatz in A-B-C-Kunden – an. Dabei sucht das KI-System eigenständig in der Kundendatenback nach Gemeinsamkeiten (sogenanntes „Unsupervised Learning“), jenseits oder zusätzlich zu Merkmalen wie Umsatz, Branche oder Standort, um daraus Gruppen für die gezielte Ansprache zu ermitteln. Im Wege des (Programmatic) Account Based Marketings kann sogar jeder einzelne Kunde, jeder einzelne Ansprechpartner in einem Unternehmen automatisiert mit einer auf seine individuellen Bedürfnisse zugeschnittenen Kampagne bedacht werden. Auch hier wird aus „Erfahrungen gelernt“: Erfolgreiche Ansprachen aus vergleichbaren Situationen lassen sich auf ähnliche Kundenaccounts übertragen.

Desweiteren bietet das Lead Management, insbesondere auch die Leadgenerierung, ein großes Potenzial für den Einsatz von KI-Verfahren im B2B-Marketing. Dabei geht es meist um die Analyse und Aufbereitung der einzelnen Customer-Touchpoints. KI ermöglicht die automatisierte Identifizierung und Profilierung potenzieller Kunden, die dann entsprechend ihrer spezifischen „Transaktionsreife“ gezielt angesprochen werden können. Dabei ist insbesondere auch eine autonome Conversion-Optimierung denkbar. Die Systeme berechnen dazu die Wahrscheinlichkeit der Zugehörigkeit zu einem bestimmten Interessenten- oder Kundentyp sowie die statistische Kaufbereitschaft in einer spezifischen Nutzungssituation. Daraus lassen sich dann die Wirkungszusammenhänge exakt numerisch bestimmen, was eine lückenlose Zurechnung der einzelnen Maßnahmen und die Messung ihrer Effektivität ermöglicht. Als Anregung für den B2B-bereich kann hierbei das Beispiel des Motorradbauers Harley-Davidson angeführt werden, der ein derartiges Verfahren mit dem Ziel einsetzte, möglichst viele Termine für Probefahrten zu vereinbaren, um auf diese Weise Sales-Leads zu generieren. Eine KI kombinierte dabei verschiedene Werbemittel mit verschiedenen Social-Media-Kanälen und optimierte, mittels „Trial & Error“, eigenständig diese Faktoren mit dem Ziel einer möglichst hohen Anzahl an Terminvereinbarungen, wozu sich die Interessenten registrieren mussten.

KI im Verkauf und in der Kundenkommunikation

Ferner eignet sich der Einsatz intelligenter Verfahren auch für den Bereich der „Sales Analytics“ und die Auswertung der direkten Kundenkommunikation. Dabei spielt es inzwischen kaum noch eine Rolle, ob es sich dabei um geschriebenes oder gesprochenes Wort handelt. Anfragen über die Website oder Kunden-Emails lassen sich ebenso wie Telefongespräche klassifizieren, nach spezifischen Themen auswerten und für die gezielte Weiterbearbeitung aufbereiten. Selbst die Analyse von Kundengesprächen ist in Echtzeit möglich. Verschiedene Anbieter stellen auf diese Weise sogar ein „Real-Time-Coaching“ für den Verkauf und den Kundenservice zur Verfügung. Dabei analysiert die Software u.a. die Sprechgeschwindigkeit und die Stimmlage der Kommunikationsbeteiligten und gibt während des Gesprächs per Bildschirmnachricht Feedback.  Auch hier liegen intelligente Verfahren des Maschinellen Lernens zugrunde, die über die Erkennung typischer Muster, auch im persönlicherem und individuell aufwändigerem B2B-Bereich autonome Marketingmaßnahmen ermöglichen.

Insgesamt beschreibt dies nur einen kleinen Ausschnitt möglicher Einsatzfelder von KI im Marketing. Viel diskutiert werden in diesem Kontext auch zunehmend kreative Leistungen wie etwa die automatische Erzeugung von Marketing-Texten oder ganzer Werbematerialien durch intelligente Systeme. Schon länger kommen selbsttätig lernende Systeme bei der personalisierten und verhaltensbasierten Werbeausspielung im Rahmen des Programmatic Advertisings zum Einsatz. Und selbst im Influencer Marketing zeichnet sich ein immer stärkerer Rückgriff auf KI ab, sei es bei der Identifizierung „passender“ Multiplikatoren oder sogar der Etablierung rein „virtueller Influencer“ – bestehend nur aus Bits und Bytes. Dabei führt gerade die zunehmende Etablierung von KI und maschinellem Lernen dazu, dass sich solche, eigentlich bisher meist exklusiv dem B2C-Bereich vorbehaltenen Handlungsfelder, nun auch für das B2B-Marketing erschließen lassen.

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

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.

Empfohlene Literatur

Der Beitrag KI im B2B-Marketing erschien zuerst auf Nerdwärts.de.