Als Teilgebiet der Schlüsseltechnologie Künstliche Intelligenz genießt Machine Learning neben Cybersecurity und Cloud-Computing derzeit die größte Aufmerksamkeit in Unternehmen. Gemäß IDG Studie „Machine Learning, Deep Learning 2019“ sehen KMUs in Big Data den Hebel, Kosten zu senken, Produkte und Prozesse zu optimieren und zu entwickeln – vor allem in Zukunft richtige Entscheidungen treffen zu können. Maschinelles Lernen besitzt diese Genialität, die Konsum-, Entscheidungs- und Kaufidentität von Kunden entschlüsseln und festlegen zu können. Die pragmatische Nutzung ist für Unternehmen besonders reizvoll: Use Cases für Machine Learning entwickeln und in der Salespraxis umsetzen zu können. Die Möglichkeiten der Generierung und Auswertung von Daten machen Kunden immer transparenter. Selbst unbewusste Wünsche kann Maschinelles Lernen an die Oberfläche „zaubern“, noch während der Kunde sich im Sales Funnel befindet. Predictive Analytics, gleichsam das „psychoanalytische“ Verfahren, identifiziert den Kundentypus (Persona) anhand von Daten und nimmt die zu erwartende Kaufentscheidung vorweg. Ein Prozess, der sich auf Klassifizierungen stützt, die Data Analysten und Data Architekten auf Basis großer Mengen qualifizierter Daten herausfiltern und entwickeln. Jetzt nur noch das Kreativ- und Contentdesign auf die Datenstruktur setzen und die Conversion ist perfekt. Aber halt, einen Knackpunkt gibt es: den der Datenqualität.

Daten, ein wertvoller Rohstoff. Bitte strategisch und sorgfältig behandeln.

Die Erwartungshaltung von Unternehmen an Maschinelles Lernen ist groß. Man hofft auf schnelle Performance-Ergebnisse. Doch die Technologie braucht ihre „Lernzeit“. Die beginnt bei der Datengenerierung. Nicht die Menge zählt, sondern wie man mit den Daten umgeht. Bis ein Unternehmen über die nötige Menge an qualifizierten Daten verfügt, sie ausgewertet hat, zuverlässige Testergebnisse vorliegen, Prozesse implementiert als auch die Daten-Spezialisten im eigenen Haus hat, geht Zeit ins Land. Eins der häufigsten Defizite ist die Strategie: „Jetzt haben wir ordentlich Daten gesammelt, und was machen wir damit?“ Ein anderer ist die heterogene Struktur und Verteilung der Daten, die aus verschiedensten Quellen stammen und in unterschiedlichsten „Silos gebunkert“ werden. Daran gekoppelt ist der iterative Prozess der Optimierung und Weiterentwicklung von Selbstlernenden Maschinen, aber auch die sukzessive Implementierung von KI-Systemen im Unternehmen. Der heutige Stand Künstlicher Intelligenz hat etwas nahezu Magisches. Die Methodik, mit der sich individuelle Datenmengen sammeln, analysieren und daraus millimetergenau vermessene Angebote ausspielen lassen, stellen die traditionelle Kommunikation und das Marketing wie man es kennt, nicht nur in den Schatten, sondern massiv in Frage. Berechtigt?

Maschinelles Lernen, ein Jobkiller? Die Notwendigkeit der KI-Inititation!

Das Entzaubernde an der Magie der Data-Technology ist die Infragestellung der Relevanz. „Wie kann ich als IT-, Marketing- oder Kommunikationsfachkraft mit dem Wissen und Praxis-Know-how aus der prädigitalen Ära die KI-Pace mitgehen?" Für manchen Experten ist es nur noch eine Frage der Zeit, bis das artifizielle Superhirn die Herrschaft über Marketing, IT, Contents und Kreation komplett an sich gerissen haben wird. Viele Anbieter digitaler und KI-Technologien strotzen nur so vor Selbstbewusstsein und gerieren sich als die Propheten einer neuen, universellen und intelligenten „Marketing-Ära“. Da fallen schon einmal Kommentare wie „HR steht vor dem Aus“, „Content-Marketing ist out“, „Marketing ohne Technikkern ist Retro“. Der absolutistische Rundumschlag gegen alles Analoge und etablierte Geschäftsmodelle. Ein Bedrohungsszenario? In der Tat kann Künstliche Intelligenz ganze Marketingabteilungen revolutionieren. Neue Berufsbilder prägen zunehmend die Unternehmens- und Agenturlandschaft. Informatiker, Data Scientists, Data Business Developer u.ä.m. ziehen neue Organisationsebenen ein. Etablierte Mitarbeiter gehen in die Blockadehaltung, was wiederum die digitale Wertschöpfungsentwicklung blockiert. Besser wäre eine KI-Initiation: Eintauchen in das AI-Wissen, „the Chances of Change“ nutzen und „Translator Skills“ ausbilden. Zahlreiche Unternehmen bieten entsprechende Programme an, auch mangels Verfügbarkeit von KI-Experten auf dem Markt. Lebenslanges Lernen, Re- und Upskilling werden das Mantra für jeden Mitarbeiter und Entscheider im KI-Zeitalter sein; denn die Halbwertszeit digitaler Innovationen ist kurz. Ständig kommt etwas Neues.

Kreativität im KI-Zeitalter ist mehr als eine Last-Mile-Aktivität.

Ich sehe gute Chancen, Kreativität als eine Schnittmenge aus digitaler Kompetenz und analoger Empathie zu leben und zu gestalten. Kreativität wird bedeutsamer in methodischen und technologischen Kontexten wieder wie „Design Thinking“, „User-Experience“, „Change-Management“, „Programmatic Advertising“. Ihre Handlungsfelder werden vielseitiger, bis hin zu strategischen Konzepten der Datengenerierung. Daten sind der effiziente Schlüssel zum Kunden, auch zu seinem Herzen? Mag sein, dass die induktive Methodik im Creative Content Development die besseren Geschichten schreibt. Aber auch überragende? KI-Systeme können ein Shakespeare-Gedicht verfassen, ohne dass es jemandem auffällt. Oder ein Rembrandtgemälde haargenau reproduzieren. Was allerdings ohne Eingaben zur Ausführung von Regeloperationen nicht funktionieren würde. Doch wie sieht es mit der Leidenschaft aus, der Empathie, dieser ganzen Dimension an Herz-Schmerz, Drama, Komödie und Subtilität? Schreiben KIs die spannenderen Krimis, Liebesgeschichten oder überwältigenden Markenstorys? Können sie aus sich selbst heraus Ideen entwickeln? Vielleicht in einigen Jahren. Doch wer will solche substanziellen Sujets der Kommunikation schon einem Autor überlassen, dem eine entscheidende menschliche Eigenschaft fehlt und immer fehlen wird: Die Lebendigkeit!

Sprache weckt Emotionen und schafft Wertschöpfung.

Lebendigkeit ist, wie der Philosoph Prof. Dr. Marcus Gabriel in einem Vortrag über Künstliche Intelligenz festhält, eine notwendige Voraussetzung für Intelligenz. In dieser Hinsicht manchen superintelligenten „Schreibmaschinen“ uns noch keine Konkurrenz. Und einige Contents kann man beruhigt an den digitalen Kollegen namens Chatbot delegieren. Während menschliche Intelligenz autonom funktioniert, ist die neuronale Künstliche Intelligenz, eine SImulation des menschlichen Gehirns, auf „überwachtes Lernen“ in Form von Eingaben angewiesen. Doch, und das gilt für KI-Geschäftsmodelle in Unternehmen grundsätzlich, wenn Systeme mit falschen, unzureichenden Daten gefüttert werden bzw. in der Analyse und strategischen Anordnung Fehler passieren oder die Hypothesen nicht stimmen, ist der Output mindestens fraglich, wenn nicht sogar falsch. KI ist laut Prof. Gabriel eine vom Menschen geschaffene Intelligenz, die uns lediglich in punkto Geschwindigkeit um Lichtjahre abhängt. Wir sind die Primärträger der Intelligenz, aber auch das „digitale Proletariat“ im Vergleich zu Künstlicher Intelligenz. Lebendigkeit bedeutet auch Veränderung. Eine Eigenschaft, die uns Menschen von der KI unterscheidet. Sprache ist ein lebendiger Akt der Wertschöpfung und ein Treiber für Veränderung. Marketer und Kreative können nachempfinden, was Kunden bewegt, auf welche emotionalen Stimuli Menschen reagieren. Immer noch besser als es derzeit Sentiment-Analysen vermögen. Sprache, Storys und Contents schaffen diese Erlebnisdimensionen und dürfen sich dazu gewisser Datenwerkzeuge bedienen. Solange menschliche Intelligenz die Lust an der Kreativität artifiziellen Systemen nicht komplett überlässt.

Nota bene:
Ich verstehe, wie KI in der Kommunikation funktioniert, worauf sie abzielt und was nötig ist, um sie effizient einzusetzen. Ich sehe, wo Machine Learning gegenüber kreativen Human-Intelligence-Leistungen im Nachteil ist. Dieses Verständnis kann ich gut in Beratungen vermitteln sowie in Konzepte, Storys und Texte übersetzen. 

Titelbild: iStockphoto