Interviews

Daten-Exzellenz mit Künstlicher Intelligenz

Mathias Diener, Geschäftsführer der Uniserv GmbH

Mathias Diener - Innovative 2018

Kurzbiografie:

Mathias Diener ist Geschäftsführer der Uniserv GmbH und verantwortet die Bereiche CDH Solutions und DQ Solutions. Der Diplom-Kaufmann hat seit seinem Unternehmenseintritt im Jahr 2002 maßgeblich den Wandel von Uniserv vom reinen Anbieter von Adressmanagementlösungen hin zu einem international aufgestellten, führenden Experten für das Stammdatenmanagement von Kundendaten vorangetrieben und geprägt, insbesondere mit der Erweiterung des Portfolios um die Lösung Smart Customer MDM mit dem Produkt CDH (Customer Data Hub).

Herr Diener, aus welchem Grund veranstaltet Uniserv alle zwei Jahre die Innovative und warum haben Sie dieses Jahr das Thema Künstliche Intelligenz gewählt?

Auf der Innovative sollen die aktuellen Trends zum Thema Daten und Kundendatenmanagement beleuchtet werden. Da ist es eine logische Konsequenz, auch Künstliche Intelligenz (KI) und Machine Learning (ML) zu thematisieren. Denn kaum eine Technologie beschäftigt Unternehmen im Zusammenhang mit Daten und Kundendatenmanagement momentan so sehr wie intelligente Algorithmen. KI ist vielseitig einsetzbar und eine große Bereicherung für das (Kunden-) Datenmanagement. Sie ist in der Lage, die Customer Journey zu personalisieren und Daten in Echtzeit zur Verfügung zu stellen. Dabei ist KI kein reines Zukunftsthema mehr, in vielen Unternehmen ist sie schon Realität. Die Innovative war dazu gedacht, eine Plattform zum Austausch zu schaffen. Und ebenso sollte sie Unternehmen, die sich vielleicht noch nicht so gut mit dem Thema befasst haben, einen Überblick darüber geben, was alles mit KI möglich ist – aber auch, was es braucht, um KI erfolgreich umzusetzen.

Welche Rolle spielt denn Künstliche Intelligenz für das Datenmanagement? 

Beide Themen stehen in engem Zusammenhang und bedingen sich einander, haben also eine gewisse Wechselseitigkeit. Zum einen kann KI die Qualität von Daten maßgeblich verbessern und das Datenmanagement vereinfachen. Das ist zum Beispiel der Fall, wenn Datenmanagement-Software mit smarten Algorithmen ausgestattet ist. Sie kann dann Fehler in Datensätzen sichtbar machen und diese automatisch bereinigen. Zudem kann KI-basierte Software auch Zusammenhänge und Fakten zwischen unzähligen Datensätzen aus verschiedenen Quellen erkennen, die dem menschlichen Auge vielleicht verborgen bleiben. Im Bereich Kundendaten hilft die Technologie Unternehmen dabei, einen sogenannten Golden Record, also einen bestmöglichen Datensatz zu einem Kunden zu erstellen, erweitert um Bewegungsdaten hin zum Golden Profile. Daraus lassen sich dann einfach Prognosen oder Handlungsempfehlungen ableiten. Denn Vieles, was vorher von Mitarbeitern manuell geleistet werden musste, kann mittels KI nun automatisiert erfolgen 

Auf der anderen Seite brauchen KI-Initiativen aber auch qualitativ hochwertige Daten. Das ist insbesondere der Fall, wenn KI handlungsleitende Prognosen erstellen soll. Geht es etwa darum, dass KI Fragen beantworten soll wie: Was macht den Kauf meines Produktes aus oder wie wird sich das Verhalten meiner Kunden verändern? Damit das System solide Antworten liefern kann, braucht es eine gute Qualität der zugrundeliegenden Daten, seien es Kunden-, Markt- oder Unternehmensdaten. Denn Grundlage jedes KI-Systems sind Datenmengen, anhand derer Systeme trainiert werden. Nach Beendigung der Lernphase kann das System verallgemeinern und auch unbekannte Daten beurteilen. Damit die KI aber nicht falsch lernt und irrtümliche Prognosen erstellt, ist es kritisch, dass die zugrundliegende Datenbasis von hoher Qualität ist. Man spricht in diesem Zusammenhang von Data Preparation. Ohne eine gute Datenbasis kann KI also kaum einen echten Mehrwert liefern. 

KI kann also einerseits dazu eingesetzt werden, die Qualität von Daten zu erhöhen, aber andererseits brauchen gewisse KI-Initiativen auch bereits hochwertige Daten als Lerngrundlage.  

Welchen Beitrag leistet Uniserv neben der Innovative, um das Thema KI voranzutreiben?

Uniserv arbeitet sehr eng mit Lehre und Forschung zusammen und unterstützt in diesem Zusammenhang auch mehrere EU-Projekte. Mit den Start-ups frosha.io und recogn.ai versuchen wir zum Beispiel die Frage zu beantworten, wie Unternehmen aus unstrukturierten oder semi-strukturierten Kundendaten wichtige Erkenntnisse ziehen können. In diesen Projekten werden KI-Technologien eingesetzt, um die Daten aus internen und externen Quellen zu strukturieren, zu klassifizieren und letztlich einer Person zuordnen zu können. Die Zusammenarbeit erfolgt im Rahmen des EU-Innovationsprogramms Data Pitch und verfolgt das Ziel, neue datengetriebene Geschäftsmodelle zu identifizieren. 

Außerdem haben wir mit dem Institut für Angewandte Informatik e.V. an der Universität Leipzig das COBRA-Projekt ins Leben gerufen. Dieses wird vom Bundeswirtschaftsministerium gefördert und verfolgt das Ziel, mittels Machine-Learning-Verfahren automatisiert fehlertolerante Business-Regeln, zum Beispiel zur Erkennung von Daten-Duplikaten zu konfigurieren. 

Wie können Unternehmen durch den Einsatz von KI profitieren?

Wer KI im Kundendatenmanagement einsetzt, ist näher an seinen Kunden. Denn intelligente Algorithmen können hochkomplexe Kundenprofile mit einer 360-Grad-Sicht auf die Zielgruppe erstellen. Auf diese Weise lernen Unternehmen ihre Kunden und ihre Bedürfnisse besser kennen und können ihnen so personalisierte Angebote zukommen lassen. Gleichzeitig schafft KI auch neue Wege der Interaktion. Unternehmen können beispielsweise über Chatbots mit Kunden kommunizieren und ihnen einen Rund-um-die-Uhr Service bieten, anstatt Fragen lediglich über E-Mail oder Telefon zu den Geschäftszeiten zu beantworten. Mit KI lassen sich zudem Prozesse automatisieren. Etwa werden bereits in der Versicherungsbranche Schadensfälle von KI-basierten Systemen, sogenannter Robotics Software Automation, vollständig bearbeitet. 

Doch um überhaupt einen Nutzen aus dem Einsatz von KI zu ziehen, sind qualitativ hochwertige Daten absolut erfolgskritisch. Denn wie bereits erwähnt, ist eine KI anfangs erst einmal wenig smart und muss auf Basis hochwertiger Daten zunächst trainiert werden. Diese Trainingsdaten müssen also unbedingt vollständig, korrekt, aktuell und widerspruchsfrei sein.

Haben Sie ein paar einfache Tipps, mit denen Unternehmen ihre Systeme auf den Einsatz von KI vorbereiten können?

Unternehmen, die planen, KI einzusetzen, sollten zunächst einmal selbst ihre Datenbestände bereinigen. Dazu gehört es, Silos aufzulösen. Alle Daten sollten an einem zentralen Ort zusammengeführt und Dubletten beseitigt werden. Besonders wichtig ist auch, die Datenpflege als einen laufenden und vor allem auch kontinuierlichen Prozess zu verstehen. Es genügt nicht, alle Daten nur einmal qualitätszusichern. Daten können sich ständig verändern, bedenkt man, dass etwa acht Millionen Umzüge oder die Umbenennung von 300 Orts- oder 21.000 Straßennamen pro Jahr erfolgen. Diese Änderungen müssen alle im eigenen System nachgehalten werden. Wer das nicht händisch erledigen will, braucht eine gute technische Datenmanagement-Lösung. 

Vielen Dank für das Gespräch!

Das könnte Sie auch interessieren