Fachthemen

Trendstudie Kundendatenmanagement: Nicht den Anschluss verlieren

Künstliche Intelligenz und Machine Learning: Verlieren deutsche Unternehmen (mal wieder) den Anschluss?

Künstliche Intelligenz (KI) und Machine Learning (ML): In den USA investieren die Großunternehmen bereits jetzt Milliardenbeträge in die Entwicklung entsprechender Konzepte und Lösungen. Im vergangenen Herbst sorgte China mit der Verabschiedung einer ambitionierten KI-Strategie für Aufsehen. Bis 2030 will das Land bei Entwicklung und Anwendung dieser Technologie weltweit die Führungsposition übernommen haben. Und Deutschland? 

Glaubt man einer aktuellen Studie von Kantar TNS und dem Zentrum für Europäische Wirtschaftsforschung (ZEW) Mannheim im Auftrag des Bundeswirtschaftsministeriums, so „kommt die deutsche Wirtschaft auf dem Weg ins digitale Zeitalter nur langsam voran.“ Und auch im Bereich der künstlichen Intelligenz hinkt Deutschland im weltweiten Wettbewerb hinterher

Diesen Eindruck bestätigt auch die aktuelle Uniserv-Trendstudie Kundendatenmanagement. Die in diesem Jahr bereits zum dritten Mal durchgeführte Umfrage beschäftigte sich erstmals mit dem Thema Künstliche Intelligenz und Machine Learning. Ernüchterndes Ergebnis: 83 Prozent der Umfrageteilnehmer setzen derzeit noch keine Methoden aus dem Bereichen Künstliche Intelligenz und Machine Learning ein.

Der deutsche Unternehmer: Immer weniger innovativ

Gehörte die deutsche Industrie in den 50er und 60er Jahren des vergangenen Jahrhunderts in vielen Bereichen zu den Pionieren und Vorreitern der technischen Weiterentwicklung, so scheinen die deutschen Unternehmen diese Innovationskraft in den letzten Jahren immer mehr verloren zu haben. Dies gilt insbesondere für den Bereich der Digitalisierung mit seinen bahnbrechenden Veränderungen.

Gerade bei diesem so zukunftsträchtigen Thema scheinen deutsche Unternehmen immer mehr den Anschluss zu verlieren. So schafft es die Firma Siemens in einer Rangliste der fünfzig weltweit innovativsten Unternehmen 2018 von Boston Consulting gerade einmal auf Platz 21. Weitere deutsche Vertreter auf dieser Liste (Position in Klammern) sind BASF (23), Bayer (27), die Allianz (30), Daimler-Benz (33) Adidas (35) und BMW (36). Das erste Technologieunternehmen „made in Germany“ ist SAP auf Position 42. Die Top-10 Ränge belegen – wenig überraschend – die amerikanischen Top-IT-Unternehmen wie Apple, Google, Microsoft sowie die technologischen Vorreiter wie Uber oder Tesla. 

Early Adopters vs. Follower: Was macht mehr Sinn?

Auf der anderen Seite kann man natürlich auch argumentieren, dass es ja gerade bei Innovationen und neuen Trends unter Umständen gar nicht immer ein Vorteil ist, gleich zu Beginn auf den neuen „Innovationszug aufzuspringen“. In der Boston Consulting-Liste schafften es mit Uber und Tesla zwei Unternehmen in die Top 10, die zweifelsohne innovativ sind, deren Geschäftsmodelle ihre Tragfähigkeit jedoch erst noch unter Beweis stellen müssen. Und auch ein etabliertes Unternehmen wie Google ist bei einigen seiner Innovationsprojekte wie dem selbstfahrenden Auto derzeit noch mit einigen „Kinderkrankheiten“ beschäftigt und weit von einem „massentauglichen“ Produkt entfernt, das die etablierten Konzepte herausfordert oder gar überholt. 

Macht es also aus Sicht deutscher Unternehmen vielleicht sogar Sinn, den ersten Hype abzuwarten und den vermeintlichen Vorsprung der anderen dann wieder aufzuholen, indem man sich später eben nicht mit den Anfangsproblemen einer neuen Technologie „herumschlagen“ muss?

Sollte diese Denkweise tatsächlich in den Köpfen einiger Chefs deutscher Unternehmen „umher geistern“, ist die derzeitige Lage noch brisanter als angenommen. 
Denn auch wenn es in manchen Bereichen der Digitalisierung noch „room for improvement“ gibt, sind künstliche Intelligenz und Machine Learning schon lange keine Zukunftsmusik mehr, sondern werden schon heute in vielen Anwendungsbereichen eingesetzt.

Softwareprogramme übernehmen immer häufiger bisher manuell durchgeführte Arbeiten, Chatbots unterstützen beim Kundendienst und Predictive Analytics-Verfahren sind im Bereich Marketing und Vertrieb fest etabliert. Sie liefern auf der Grundlage historischer Daten Prognosen über das zukünftige Kaufverhalten der Kunden und unterstützen den Anbieter dabei, sich als kompetenter Begleiter auf der Customer Journey des Kunden zu etablieren. Dazu werten sie die Spuren aus, die der (digitale) Kunde heute online und offline hinterlässt und liefern damit die Grundlage für eine individualisierte Kundenansprache.

Wer zu spät kommt, den bestraft … der Wettbewerber

Wer also heute in deutschen Unternehmen glaubt, er könne sich noch Zeit lassen, um sich intensiver mit den Themen Künstliche Intelligenz und Machine Learning zu beschäftigen, der irrt gewaltig. „The Future is Now!“ – dieser Aufruf gilt insbesondere für diese Bereiche der Digitalisierung und sollte deshalb als Weckruf verstanden werden. Wer sich heute nicht mit diesen Themen beschäftigt, wird es morgen nicht nur nicht auf die vorderen Plätze von Innovationsranglisten schaffen, er wird komplett vom Markt verschwunden sein: Nixdorf oder Quelle – Beispiele aus der Vergangenheit für Unternehmen, die die Zeichen der Zeit und die damit verbundenen neuen Technologien nicht erkannt haben, gibt es viele.
Doch es gibt auch Positives zu vermelden: Wie die Ergebnisse der eingangs genannten Trendstudie Kundendatenmanagement 2018 unterstreichen, erachten die befragten deutschen Unternehmen Künstliche Intelligenz und Machine Learning zumindest zukünftig als relevant. 72 Prozent aller Umfrageteilnehmer gehen davon aus, dass KI und ML in Zukunft eine wichtige Rolle einnehmen werden. Nach konkreten Anwendungsszenarien im Marketing, Vertrieb und Service gefragt, sagen 89 Prozent: KI wird besonders bei der Planung von Marketingkampagnen eine große Rolle spielen. 87 Prozent meinen, dass KI vor allem für die Analyse des Kundenverhaltens und der Kundenloyalität wichtig wird. Dahinter folgt die Automatisierung manueller Aktivitäten mit 67 Prozent.

Defizite – auch dies zeigen die Ergebnisse der Trendstudie – gibt es derzeit noch beim Knowhow und Beherrschen der Komplexität des Themas. Allerdings haben es deutsche Unternehmen auch in der Vergangenheit verstanden, diese Defizite zu beseitigen und sich im internationalen Wettbewerb erfolgreich zu behaupten.

Ohne qualitativ hochwertige Daten keine (Künstliche) Intelligenz

Voraussetzung für den Einsatz von KI und ML gerade im Bereich der vorausschauenden Analyse und Planung sind allerdings qualitativ hochwertige Daten. Denn auf Grundlage dieser Daten erlernen KI-/ML-Systeme ihre Fähigkeit, Prognosen zu erstellen. Sind die Daten falsch oder unvollständig, lernt auch das System das Falsche und erstellt damit irrtümliche Prognosen.
Qualitativ hochwertige Daten und der Einsatz moderner KI-/ML-Methoden: das „Ying und Yang“ für zukünftigen Unternehmenserfolg.
Weitere Informationen zum Zusammenhang zwischen Datenqualität und KI/ML liefert der Blogbeitrag „Turn Big Data into Smart Data“.