ki-publisher

Zwischen Hype und Realität: Künstliche Intelligenz im Marketing

Das Potenzial von Künstlicher Intelligenz (KI) für die globale Wirtschaft ist enorm. Laut dem diesjährigen “AI Index Report” des renommierten Stanford Institute for Human-Centered Artificial Intelligence (HAI) stiegen die weltweiten Gesamtinvestitionen in KI 2020 im Vergleich zum Vorjahr um 40 % auf insgesamt 67,9 Mrd. USD. Auch das McKinsey Global Institute (MGI) prognostiziert, dass alleine der Einsatz von KI zu einem durchschnittlichen Anstieg des weltweiten Bruttoinlandsproduktes um 1,2 Prozent pro Jahr bis 2030 führen würde. KI übertreffe damit den jährlichen Wachstumseffekt, den beispielsweise die Dampfmaschine (0,3 Prozentpunkte) verursachte.  

Weil das allgemeine Potential von KI für die Wirtschaft gemeinhin anerkannt ist, liegt die Annahme nah, dass KI-Technologien innerhalb von Unternehmen möglichst breit eingesetzt würden – so auch im Marketing. Hier finden beispielsweise bereits heute die KI-basierten Softwarelösung im Bereich der Natural Language Generation (NLG) von Retresco Anwendung. Sie unterstützen u.a. Content Abteilungen und Redaktionen bei der automatisierten Erstellung von Werbe- und journalistischen Texten unterstützen. Eine Übersicht zu den spannendsten Use Cases von Retresco in unterschiedlichsten Branchen finden Sie hier. Darüber hinaus kommen KI-Technologien im Marketing u.a. bei der Social Media Optimierung sowie der Kampagnenaussteuerung- und deren Perfomance Management zum Einsatz. 

 

KI im Marketing: Überzeugender Nutzen, zögerliche Anwendung

 

Eine aktuelle Studie der Marketingwissenschaftlerin Prof. Dr. Claudia Bünte, die unter anderem auch Interviewmaterial von Retresco berücksichtigt, gibt nun einen spannenden Einblick darin, wie weit die Nutzung von KI im Marketing von Unternehmen in Deutschland, Österreich und Schweiz tatsächlich verbreitet ist – mit einem spannenden Ergebnis, das neben interessanten Entwicklungen auch auf strukturelle Herausforderungen hinweist. Demnach attestierten circa 93 Prozent der Befragten, dass KI bereits heute schon wichtig für das Marketing sei, jedoch nutzen lediglich 28 Prozent der Expertinnen und Experten nach eigenen Angaben KI überhaupt in ihrer eigenen Marketing-Arbeit (Bünte, 2021, 33f.). Für die Studie wurden 124 Marketing- und Werbefachleute in Deutschland, Österreich und der Schweiz befragt. Dabei wurde der Begriff Künstliche Intelligenz verstanden als “jedes Algorithmus-basierte System, (…) das lernt – egal ob mit menschlicher Unterstützung oder selbstständig” (Bünte, 2021, 32). 

 

Success Roadmap: KI-Projekte zum Erfolg führen

 

Die Studie macht damit auf eine grundlegende Herausforderung aufmerksam, vor denen Unternehmen beim Einsatz von KI-Technologie stehen: Obwohl der Nutzen von KI durchaus positiv bewertet wird, nutzen nur verhältnismäßig wenige Marketingabteilung KI-Software. Doch wie lässt sich diese Diskrepanz überwinden? Wie können Unternehmen KI-Projekte optimal implementieren und erfolgreich umsetzen? Fragen wie diese offenbaren sich auch bei der Planung von Projekten im Bereich der KI-basierten Sprachtechnologien wie Natural Language Generation. Die folgende „NLG Success Roadmap“ soll daher einen kurzen Überblick über verschiedene Prozessschritte bei der Konzeption und Implementierung von NLG-Projekten vermitteln. Dabei sind konzeptuelle Aspekte ebenso relevant wie wirtschaftliche und technische Kriterien: Neben der Zielbestimmung und der Definition von konkreten KPIs, sollte beispielsweise auch geklärt werden, in welcher Form Daten vorliegen und in welcher Form die automatisch generierten Texte letztlich ausgespielt werden sollen. Wie gehen Entscheiderinnen & Entscheider also bei der strategischen Planung von NLG-Projekten am besten vor? Ideen und Impulse liefert die „NLG Success Roadmap“. 

 

 

NLG-Success-Roadmap_rtr

SCHRITT 1 – ANALYSIEREN: ERMITTLUNG & DOKUMENTATION DES IST-ZUSTANDS  

Welche Prozesse, in denen die Erstellung von Text eine Rolle spielt – z.B. die Erstellung von Reportings, regulatorischen Berichten oder Formate für die Kundenkommunikation –, funktionieren aktuell gut, welche nicht? Wo gibt es Verbesserungspotenziale?  

  

SCHRITT 2 – IDENTIFIZIEREN:  IDENTIFIKATION VON POTENZIELLEN ANWENDUNGSBEREICHEN FÜR NLG  

Wo kann die automatische Erstellung von Text Prozesse effizienter gestalten? Existieren dort genügend Daten? Tipp: Am besten mit einfachen und übersichtlichen Szenarien starten, die ein klares Ziel und Resultat haben.   

  

SCHRITT 3 – REALISIEREN: KONZEPTION & UMSETZUNG EINES NLG BUSINESS CASE  

Welche finanziellen und strategischen Ziele des NLG-Projekts lassen sich setzen? Wie bzw. an welchen KPIs lassen sich diese messen? Welchen Nutzen, Aufwendungen und Risiken sind mit dem NLG-Projekt verbunden? Ist das NLG-Projekt überhaupt technisch umsetzbar (POC)?   

  

SCHRITT 4 – EVALUIEREN:  MESSUNG VON KPIS  

Wie lassen sich die in Schritt 3 definierten KPIs messen? Wer ist für das Monitoring verantwortlich? Werden die im Vorfeld definierten KPIs erreicht?   

 
SCHRITT 5 – SKALIEREN: HORIZONTALISIERUNG DES NLG-PROJEKTS  

Welche weiteren – und womöglich – komplexeren Geschäftsprozesse kann NLG effizienter gestalten?  

  

Die oben genannten Aspekte verdeutlichen, dass der Einsatz von neuesten KI-Technologien wie Natural Language Generation nicht nur technische, sondern auch betriebswirtschaftliche Prozesse beeinflusst. Gerade in diesem Wechselspiel können disruptive Technologien wie Natural Language Generation ihr größtes Potenzial entfalten. Die NLG Success Roadmap gibt erste Tipps und stellt für Entscheide in Unternehmen eine Art Wegleitung dar, wie der eigene KI-Pilot gelingen kann.

 

Sie möchten wissen, ob Textautomatisierung auch in Ihrem Unternehmen umsetzbar ist? Dann beraten wir Sie gern. In einem persönlichen Gespräch besprechen wir individuelle Umsetzungsszenarien und entwickeln so eine maßgeschneiderte Lösung für Sie – wenden Sie sich gerne an kontakt@retresco.de 

  

 

Über Retresco 

Retresco befähigt Unternehmen zur automatisierten Erstellung von hochwertigen Texten auf der Basis von Daten. Als Pionier im Bereich der KI-basierten Sprachtechnologien entwickelt das Berliner Tech-Unternehmen seit 2008 branchenübergreifende Lösungen zur effizienten und zukunftsfähigen Gestaltung von Geschäftsprozessen.