Drei KI-Trends von übermorgen, die das Marketing wirklich verändern

Die Wahrheit über KI und Marketing ist: Man kann etwas, aber man muss als Marke nichts mit Künstlicher Intelligenz anstellen. Beide Entscheidungen können für ein Unternehmen vollkommen korrekt sein. Allerdings sollte man nicht nur eine klare Entscheidung treffen, sondern diese auf eine wohlrecherchierte Überzeugungsgrundlage stellen: "Man sollte ein Verständnis von KI haben und mögliche Verwendungszwecke im eigenen Unternehmen kennen", sagt Klaas Bollhoefer , Gründer und Geschäftsführer des auf Künstliche Intelligenz spezialisierten IT-Dienstleisters Birds On Mars  : "Dann kann man sich bewusst gegen die KI-Verwendung entscheiden oder beschließen, dass man noch zwei Jahre wartet. Nur alles andere - grundlose Entscheidungen - sind gefährlich."

Welche Branchen die Pioniere der KI-Adaption in Deutschland sind

De facto sind Unternehmen, die noch in der Findungsphase verharren und noch nicht auf den KI-Zug aufgesprungen sind, in guter Gesellschaft in Deutschland. Es gibt eine Avantgarde aus Unternehmen, die bereits weit sind und KI im operativen Geschäft einsetzen. Zu nennen sind hier etwa die Automobilindustrie. Ihr bleibt auch nichts anderes übrig, da Mitbewerber und Techkonzerne wie etwa Tesla und Google einen enormen Innovationsdruck aufgebaut haben. Und von der Automobilindustrie aus verteilt sich dieser Druck auf angrenzende Branchen wie etwa die Zulieferer, die ebenfalls KI-Forschung betreiben und ihre Erkenntnisse in Produkte und Services überführen. Auch Plattformen befinden sich eher vorne: Ein Flixbus etwa betätigt sich auf dem KI-Feld.

Zurück liegen dagegen vor allem Unternehmen des Mittelstandes: Hier kämpft man mit den Problemen, die nahezu jede Firma erstmal voll auslastet, während die Marketeers im Hype-Himmel schweben: Man hat die Datenbasis noch nicht glatt gezogen, ist unsicher, ob es einen Return of Invest geben wird und sieht Neues in den internen Prozessen eher als notwendiges Übel denn als Chance. Vor allem aber muss in kleineren Betrieben ganz anders gewirtschaftet werden: Die Auseinandersetzung mit KI ist eine Kapazitäten- und Kostenfrage.

Zusätzliche Investitionshindernisse für die Auseinandersetzung mit KI erwachsen aus einer aufkeimenden Unsicherheit über die Wirtschaftslage, stellt Klaas Bollhöfer fest: "Es ist noch keine Rezession, aber spürbar wird, dass über Jahreswechsel nicht mal eben so Budgets für KI freigegeben wurden. Da spielt auch die Furcht vor den Konsequenzen des Brexit mit hinein, die besonders in der Logistik spürbar ist."

Die übernächsten KI-Trends

Trend 1: Dialogische Sprachassistenten
Aktuell haben Siri und Co eine extrem kurzfristige Aufmerksamkeitsspanne: Sie hören zu und versuchen das gesagte in eine Handlungsweise zu übersetzen. Die Ausrichtung ist nicht nur extrem kurzfristig-operativ, aber auch extrem auf Kommerzialisierbarkeit ausgerichtet: Alexa ist ein Verkaufsbot, aber kein zuhörender Helfer. genau das wird sich ändern.

Rekurrente neuronale Netze (RNN) und Longshot Term Memory Networks (LTMNs) sind die Stichworte. Sie haben eine gänzlich andere Architektur als die neuronalen Netze, die etwa in einer Bilderkennung stecken: Sie besitzen eine Zeitdimension, gehen vor und zurück auf dieser Achse. Daher können sie zum Beispiel dialogisch dazu lernen und anhand einer längeren Unterhaltung erkennen, wie genau ein Wort mit mehreren Bedeutungen hier verwendet wird und was es bedeutet. Solche kontextuellen Analysen verwendet vor allem Spracherkennung, um beispielsweise zu erkennen, dass die *macht* in "Möge die Macht mit euch sein" eine andere ist als die in "Er macht die Bügelwäsche".

Ein rekurrentes neuronales Netz kann man dann mit einem Wikipedia-Artikel füttern und ihm fragen dazu stellen. Sie bringen die Dialogkompetenz in Assistenten. Ein solcher Assistent kann beispielsweise nicht nur eine Bestellung entgegennehmen, sondern ein Verkaufsgespräch führen oder könnte ein nachfragender und lernender Service-Mitarbeiter sein.

Trend 2: Reinforcement Learning
Aus der Robotik kommend hat Reinforcement Learning jedoch nichts mit Robotern zu tun, sondern mit Belohnung als verstärkendem Faktor: Eine Künstliche Intelligenz wird mittels Belohnungen dazu animiert eine bestimmte Handlung auszuführen. Dabei kann die Belohnung etwa ein steigender Highscore sein und das belohnte Verhalten so etwas willkürliches wie beispielsweise Neugierde: Wenn der Algorithmus ein neues Gebiet auf einer Landkarte erkundet, belohnt man ihn. Und schon hat man eine Intelligenz, die autonom vorgeht bei der Exploration von Gebieten.

Auch Emotionen sind theoretisch so programmierbar - etwa ein wütender Assistent: Man belohnt die KI immer dann, wenn sie wütend wird. Dabei besteht die Herausforderung dann darin, Wut in einem Algorithmus mathematisch abzubilden, was aber absolut denkbar ist: Etwa indem man Verhaltensweisen via Highscore belohnt, die aggressivem Verhalten entsprechen.

Damit ist Reinforcement Learning der Weg zu komplexen autonomen Systemen: Man kann hier etwa eine Werbekampagne, die noch nicht live gegangen ist, unter realistischen Bedingungen testen. Der KI-Agent ist die Kampagne, den man in eine simulierte Umwelt hineinwirft - das kann etwa ein Versuchsaufbau aus den Kanälen Display Social und anderen Werbekanälen sein. Nun soll der KI so viele Klicks wie möglich generieren (ein hoher Highscore hier ist seine Belohnung). Er wird dann sein Verhalten so lange transformieren, bis er beim auf Klickmaximierung ausgerichteten Verhalten angekommen ist.

Die Herausforderung besteht natürlich darin, eine Kampagne als auch die Umgebung aus Werbekanälen optimal mathematisch abbilden zu können. Das benötigt eine Expertise, die es am Markt aktuell fast nicht gibt. Noch nicht. Aber theoretisch könnte Reinforcement Learning die komplette Führung eines Unternehmens in einer Simulation durchspielen, bis sie das Verhalten für maximalen Umsatz errechnet hat - der elektronische CEO quasi.

Trend 3: Generative Adversarial Networks
Unter Machine- und Deep-Learning-Experten gelten sie als das nächste große Ding für den KI-Mainstream, de facto haben GANs, Generative Adversarial Networks, die Nische der Expertengemeinde aber noch nicht verlassen - sie sind aktuell noch ein Zukunftsthema, das jedoch äußerst spannende Marketinganwendungen bietet. Mit GANs könnten Marken im Extremfall in die Lage versetzt werden, neue Nutzerdaten auf Basis vorhandener zu erschaffen - quasi zu synthetisieren. Man benötigt keine neuen Nutzer mehr, um neue Erkenntnisse zu gewinnen.

In GANs stehen sich zwei neuronale Netze, also künstliche Nachbildungen menschlicher Intelligenz gegenüber: Die eine versucht etwas Künstliches zu erschaffen - quasi eine Fälschung zu generieren. Das andere neuronale Netz geht diskriminierend vor - das heißt, es ist eine Art Fälschungsdetektor, der versucht, das Geschöpf des ersten Netzes als Fälschung zu enttarnen. Die Netzwerke werden mit bestehenden Daten angefüttert - etwa personenbezogenen Daten, die man sauber mittels Double-Opt-In gesammelt hat. Mit diesem Treibstoff fangen die beiden Netze, der Fälscher und der Detektor, an, sich gegenseitig zu trainieren. Das erste Netzwerk wird zunächst plumpe Fälschungen produzieren - einen künstlichen Nutzer etwa. Dabei werden dann zunächst primitive, lückenhafte Profile herauskommen - Netzwerk zwei wird sie aufgrund der authentischen Vorlagen als billige Kopien enttarnen.

Doch nach und nach werden beide Netzwerke so intelligent werden, dass das eine die perfekten Kopien produziert - und das andere ein hochtrainierter Fälschungsfachmann ist. Das ist der Zeitpunkt, an dem man sie voneinander entkoppeln kann. Nun lässt sich das eine Netz nutzen, um künstliche Daten zu generieren, auf die aber authentische Schlussfolgerungen anwendbar sind: "Man bekommt virtuell erzeugte Nutzerdaten, die aber in ihrer Beschaffenheit wie die echten Ursprungsdaten sind", sagt Klaas Bollhoefer: "So kann man sich in die Lage versetzen, sein Marketing aufgrund künstlich generierter Profile zu personalisieren." Da künstliche Profile keine reale Person hinter sich stehen haben, greift auch die DSGVO nicht.

KI-Zukunft: China und USA auf dem Weg in die Uneinholbarkeit

Künftig wird der KI-Fortschritt vor allem von zwei Ländern bestritten werden, glauben Experten: Die USA wird die Forschung vorantreiben, China wird vor allem Produkte und Lösungen dazu liefern. Vor allem China investiert Unsummen in die Forschung, erläutert Klaas Bollhöfer: "Das lässt das deutsche Invest nahezu niedlich aussehen. Die künftige Speerspitze kommt in einigen Jahren aus Fernost. Und in den USA sitzt mit Google eines der führenden Unternehmen in der Forschung." Deutschland wird in der KI-Zukunft bis auf weiteres vor allem eher reagieren als agieren.