KI und Sprachassistenten: Brückentechniken mit Pferdefuß

Der Paradigmenwechsel ereignete sich im Mai 2018: Google stellte mit Google Duplex erstmals einen halbwegs funktionierenden Agenten vor. Auf der I/O-Konferenz ließ Google-CEO Sundar Pichai eine künstliche Intelligenz einen Frisörtermin buchen.

Pichai gab als Grund für die Programmierung von Duplex an, bislang unzugängliche Gebiete für Agenten erschließen zu wollen: Tatsächlich sind in Deutschland je nach Branche zwischen der knappen Hälfte und einem Neuntel der Unternehmen nicht über das Internet erreichbar (bei Kleinunternehmen sind es 44 Prozent. In den USA sind gar 60 Prozent aller kleineren Unternehmen ohne eine Homepage, über die ein Onlinekontakt möglich ist. Also bleiben Sprache und das Telefon als Brückentechnologie übrig, um einen Assistenten etwa Buchungen bei einem Unternehmen ohne Onlineschnittstelle vornehmen zu lassen.


Google will also die Reichweite und das Leistungsportfolio von Agenten ausbauen - sie sollen auch Aufgaben ausführen können, für die es keine Onlineschnittstelle gibt. Das würde sie deutlich mächtiger machen. Man sollte sich als Marke aber jetzt schon auf das Zeitalter der virtuellen Agenten einstellen - denn allmählich dringen die Siris, Alexas und auch Duplexe tatsächlich in unseren Alltag vor.

Im Hintergrund ist man hier schon weiter: Schon seit 2016 optimieren namhafte Agenturen für Agentenlösungen. So berichtete iBusiness bereits 2016 über Agenten-Optimierung als Brot- und Buttergeschäft: "Wir optimieren hier täglich operativ für eine zukünftige Technologie", sagte Siwen Zhang , Director Owned Media bei Explido iProspect    - und meinte die Aufbereitung von Webseiten und Services für intelligente Web-Assistenten wie Siri, Google Now und Co.. Agenten sind also schon lange im Agentur-Tagesgeschäft angekommen, bevor sie überhaupt Mainstream unter den Nutzern geworden sind.

Kein Freund neben meinem Bett

Gegenwärtig sind Google Duplex, Apples Siri   , Amazon Alexa  , Microsofts Cortana   und ihre Kollegen allerdings vor allem Agenten ihrer Häuser: Sie vertreten Google, Apple, Amazon und Microsoft, damit unsereins deren Services einfacher in Anspruch nehmen kann. Sie sind nicht unabhängig von ihren Schöpfern - geschweige denn, dass sie uns - den Nutzern - persönlich dienen. Und weil wir alle wissen, dass niemand zwei Herren dienen kann (auch kein Agent) wissen wir auch: Sie dienen ausschließlich ihren Schöpfern. Und denen bringen wir mal mehr, mal weniger Vertrauen entgegen. Meistens weniger. In Zeiten der DSGVO tendenziell weniger.



Denn es ist ein prinzipieller Unterschied, ob ich meinen eigenen persönlichen Agenten dadurch schule, indem ich ihm Zugriff auf meine persönlichsten Daten gewähre. Oder ob ich einen Butler von einem Unternehmen engagiere, der für dieses in meiner Wohnung herumschnüffelt, damit mir der Vertreter dieses Unternehmens am Ende irgendetwas verkaufen kann. Um im Bild zu bleiben: Die meine Gewohnheiten erschnüffelnden Targeting-Maschinen dienen ja auch nicht mir, sondern den Programmatic-Plattformen, den Website-Betreibern und zuletzt den Advertisern, damit mir diese (zumeist auch noch unpassende) Werbung anzeigen können.

Erst wenn es Agenten-Software gibt, die man unabhängig von den großen Monopolen einsetzen kann, werden Agenten ihren Siegeszug antreten. Das wird dann ein Agent sein, der zwar käuflich war, aber dann ausschließlich für mich arbeitet. Nicht Googles Agent. Sondern mein Agent.

Doch ob es die Brückentechnik 'Sprachassistent eines Herstellers', die Brückentechnik 'Agent eines Herstellers' oder ein wirklich unabhängiger persönlicher Agent ist: Marketingexperten müssen sich darauf einstellen, künftig über das digitale Vorzimmer samt Assistent oder Agent mit ihren Nutzern zu kommunizieren. Diese Trends bestimmen dabei, wie Marketing im Voice-Umfeld künftig aussieht.

Trend eins: Tonalitäts-Targeting

Es ist im Grunde nur eine Frage der Zeit, bis Sprachagenten eine einzigartige Fähigkeit instrumentieren, die anderen Eingabemedien abgeht: Sie können Stimmungen anhand der Tonalität in der Stimme erkennen: Wenn jemand also nach einem Ort in der Toskana fragt, kann eine ausgefeilte Spracherkennung den Unterschied zwischen dem reinen Interesse nach Information und einem in der Stimme liegenden Begehren erkennen. Entsprechend kann das Gerät rein lexikalische Informationen ausspielen oder aber mit dem Hinweis auf ein kompetentes Reisebüro antworten. Auch ein Stimmungs-Targeting wäre denkbar, bei dem Freude, Angst oder Verunsicherung identifiziert und mit entsprechenden Werbeanzeigen versehen werden.

Trend zwei: Verschärftes Privatsphäre-Empfinden

Die Interaktion mit einem per Spracheingabe gesteuerten Gerät findet unter deutlich intimeren Rahmenbedingungen statt, als die Texteingabe über ein Keyboard: Das beginnt schon mit der Scham, die Menschen empfinden, wenn man ihnen im öffentlichen Kontext dabei zuhört, wie sie bloß telefonieren. Bei Sprachsteuerung kommt für Professor Dr. Ralph Sonntag , Hochschullehrer an der Hochschule für Technik und Wirtschaft Dresden   noch ein Faktor hinzu: "Tippt man etwas ein - etwa als E-Mail - ist man sich eher bewusst, dass diese Worte festgeschrieben und permanent sind - sie haben etwas Offizielles. Gesprochene Sprache dagegen ordnet man als Nutzer eher in die Privatsphäre ein." Genau diese Wahrnehmung der Nutzer müssen Advertiser respektieren: Werbung auf dem Sprachassistenten ist eine stärkere Invasion der Privatsphäre als ein Banner auf dem Rechner. Daher sollte Marketing in Sprachassistenten über die klassische Bewerbung eines Produktes hinausgehen und Mehrwert bieten:

Trend drei: Content-Marketing in Skills

Marketing in Sprachagenten funktioniert vor allem als Mehrwert - als Content-Marketing: Wer Waschmaschinen verkaufen will, sollte keinen sprachgesteuerten Shop programmieren, sondern eher eine Service-App rund um Fragen und Tricks zu Reinigung und Reparatur gestalten oder vielleicht noch einen Konfigurator entwickeln, der dem Nutzer erlaubt, die perfekte Maschine für sein Heim zu finden (Maße? Einbaufähig? Unterbaufähig? Trockner? Mindest-Energiespareffizienz? Höchstpreis? Kapazität?).

Trend vier: Offene vs. geschlossene Ökosysteme

Die Gretchenfrage der Sprachassistenz wird sein, ob und wie weit ein Anbieter ein System hermetisch halten will. Tatsächlich profitieren in dynamischen, von ständiger Innovation geprägten Geschäftsfeldern alle Beteiligten von einer Datenpolitik des heruntergelassenen Visiers: Wer Einsichten offenlegt und wiederum Daten anderer Anbieter nutzt, erschafft bessere Sprachassistenzen. Das ist ein Faktum: Denn je mehr Daten einer künstlichen Intelligenz zur Verfügung stehen, desto präziser und verständiger wird sie. Große Konzerne wie Amazon oder Google werden zu Besitzern enormer Datenmengen und es liegt in ihrer Hand, ob sie diese teilen wollen. Doch Daten teilen, bedeutet Macht teilen: Je mehr Kommunikation und E-Commerce in Sprachassistenten stattfinden, desto größer wird das Marketing-Machtgefälle zwischen den Großen - die eigene Daten besitzen - und den Kleinen. Da werden die Amazons sein, die wissen, wer die Kunden sind, was sie kaufen, schauen, hören, wo sie wohnen und welche Form der Lieferung sie bevorzugen - und die große Mehrheit der wenig Wissenden mit mageren oder ganz ohne Kundendaten.

Trend fünf: Daten als Währung

Wird der Zugriff auf Daten von den Betreibern der Ökosysteme geregelt, kommen Advertiser in Zugzwang: Sie müssen marketingrelevante Daten kaufen, Allianzen bilden oder nach den Regeln der Ökosytembetreiber spielen. Das Monitoring der Konkurrenz wird ein vitaler Faktor in einem hochsensiblen Optimierungsumfeld wie den sprachgesteuerten Agentenlösungen: "Wieso hat ein Agent bei meinem Mitbewerber gebucht und nicht bei mir? Welche Gebote gibt mein Konkurrent über Schnittstellen ab?", sind für Christoph Kappes, Geschäftsführer des Beratungsunternehmens Fructus   bedeutende Fragen: "Doch bei der Beantwortung kommen Netzeffekte und Konzentrationen ins Spiel: Über Suchtrends etwa hat Google die Informationshoheit. Die haben es dann in der Hand, einen kostenpflichtigen Service aufzuziehen oder Partner zu bevorzugen."

Trend sechs: Multivariates Targeting

Sprachinterfaces - wie etwa eine Smart-Home-Lösung - decken vollkommen neue Interaktionen des Nutzers mit seiner Umwelt ab: Erwischt man an einem PC den Nutzer meist im Kontext des Jobs plus etwas privater Nutzung und auf dem Smartphone umfassend, aber vor allem in kommunikativen Umfeldern, so weiß ein smarter Lautsprecher unendlich viel über den Nutzer: Was er hört, sieht, wie warm er gerne seine Heizung hat, denkbar ist sogar, dass seine Stimme ihm Aufschluss über Launen und Gefühle gibt. Die großen Konzerne wissen, welches Potenzial hier liegt. So reichte Apple   schon 2014 ein Patent für ein Stimmungs-Targeting ein - dabei sollen verschiedene Faktoren bestimmen, welche Laune der Nutzer hat: Herzfrequenz, Blutdruck, Höhe der Stimme, Interaktionen in sozialen Netzwerken oder gehörte Musik. Danach schlagen Algorithmen Produkte vor, die zur Stimmung des Nutzers passen. Targeting wird auf mehr basieren als Klickverhalten, es wird deutlich mehr Faktoren verwenden, die Komplexität steigt.

Trend sieben: Prädiktives Targeting

Die Vernetzung der Interfaces und Geräte untereinander steigt mit dem Internet der Dinge stark an. Daraus ergeben sich auch neue Dimensionen für die Vorhersage von Verhalten: Agenten werden Nutzern immer mehr vorausschauende Angebote machen - Googles Assistant mahnt seine Nutzer schon heute zu eiligem Aufbrechen, wenn er merkt, ein Termin steht an, aber die Verkehrslage ist schwierig. In solche prädiktiven Kontexte wird immer mehr prädiktive Werbung integriert werden, deren Voraussicht neue Level erreicht. Google könnte etwa eine Mitfahrzentrale bewerben, wenn der Nutzer zu einem Termin muss, aber die Bahnen wegen einer technischen Störung nicht fahren: Mehr Individualität, mehr Echtzeit zieht ins Targeting ein - vor allem auch mehr Service und echter Mehrwert.

Trend acht: Pluralismus der Ansprache

Schon innerhalb der eigenen Wohnung wird es in der Zukunft einen Pluralismus an Voice-Interfaces geben: Der smarte Lautsprecher, der smarte Fernseher, das Smartphone, der PC, die IoT-Geräte - sie alle haben unterschiedliche Betriebssysteme mit verschiedenen sprachsteuerbaren Agenten. Weiter geht es im Auto, das wiederum einen anderen Sprachagenten bietet. Der Markt kann, agieren alle Akteure aktiv, ein hochfragmentierter Markt werden. Die Zahl der Situationen, in denen Marken den Nutzer via Sprachinterfaces erreichen können, wächst enorm. Botschaften können den Nutzer auf zahlreichen Geräten erreichen und erlauben eine viel präzisere Aussteuerung der Botschaft passend zum Kontext: Eine orchestrierte Kampagne wird enorm komplex.

Trend neun: Sprachwerbung in Sprachassistenten

In Amazons Echo ist Audiowerbung nur innerhalb von Podcasts gestattet. Diese restriktive Politik ist ein Markenzeichen Amazons, muss aber nicht zwingend genau so in anderen Sprachassistenten wie etwa Googles Home-Ökosystem   praktiziert werden. Und es wird darüber hinaus noch viele weitere Sprachinterfaces geben, unabhängig von den großen Webkonzernen, die Ads zulassen. Und wer sich hier als Advertiser betätigen will, sollte berücksichtigen, dass die Werbung in Audio-Kontexten anderen Gesetzen gehorcht als reguläre Werbung.

Eigenschaften von Sprachassistenten-Werbung und ihr Effekt auf den Nutzer
Hohe Erfolgsaussicht	Hoher Frustrationsfaktor
Einheitliches Audiodesign: Gleiche Stimme wie Alexa (möglich mit Online-Voice-Generatoren), keine Musik, Kürze - (Update: Hat einen Nachteil. Laut Amazons Richtlinien   ist das nicht erlaubt).	Aufdringliche, verfremdende Tonalität: Musik, andere Stimme, unnötige Länge und/oder Audioelemente
Frequency Capping: Der Nutzer bekommt die Markenwerbung nur sporadisch zu hören	Dampf-Marketing: Der Nutzer hört ständig Spots der gleichen Marke
Branding-Ausrichtung: Marke positioniert sich als kompetente Autorität	Falsche Positionierung im Funnel: Performance/Abverkauf
Anschlussfähigkeit geschieht über Etablierung eines Keywords: Eine starke Marke/ ein einprägsamer Produktname machen das Produkt außerhalb des Agenten auffindbar	Anschlussfähigkeit geschieht über die Nennung von Links/CTAs - Amazon erlaubt Weiterleitungen nicht, deswegen wäre der Medienbruch zu stark
Werbefinanzierter Service: Die Ad kommuniziert, dass hier eine Leistung von einem Advertiser bezahlt wird (Content-Marketing)	Konkrete Verkaufsabsicht: Die Werbung ist einfach nur Werbung (Native Advertising)
Kontextgetargetet: Korrespondiert mit Thema der Suchanfrage (Schirmwerbung in Wetter-Skill)	Dekontextualisiert: Inventar wird mit beliebiger Werbung bestückt (Geländewagenwerbung in Rezepte-Anwendung)
Somit erscheint es als Königsweg, Advertising auf Alexa im Rahmen von Content-Skills - insbesondere dem Podcast zu betreiben. Das ist nicht nur richtlinienkonform, sondern entspricht auch allen anderen vorgenannten Kriterien automatisch. Selbst ein Unterbrecher-/Verfremdungseffekt durch die Werbung existiert nicht, da man als Hörer Werbeformate in radioähnlichen Programmen kulturell gewöhnt ist. (Wie Podcast und deren Monetarisierung funktionieren und was sie kosten, hat übrigens die iBusiness-Analyse detailliert aufgezeigt).

Trend zehn: Markenaufbau und eigene Kundenbeziehung

Sprachassistenten sind für Datenkraken wie Amazon ein weiterer Mosaikstein beim Aufbau geschlossener Ökosysteme - in ihnen werden nur Marken und Produkte mit Alleinstellungsmerkmalen dauerhaft existieren können - wenn überhaupt. Deswegen ist die crossmediale Ansprache unabdingbar, will man sich nicht den Gatekeepern der GAFA-Konzerne ausliefern.

Denn Alexa und Duplex, Cortana und Siri arbeiten nicht nur nicht für den Nutzer. Sie arbeiten auch nicht für Werbetreibende und Marken. Sie sind ausschließlich Agenten ihrer GAFA-Herren.