KI im Marketing
Ob Anwendungen in der Industrie 4.0, Algorithmic Trading in der Finanzbranche oder Bild-Diagnostik in der Medizin - Künstliche Intelligenz (KI) bzw. Artificial Intelligence (AI) ist heutzutage fester Bestandteil des Alltags vieler Branchen. Das trifft auch aufs Marketing zu, wo KI-Technologien von einigen Expert:innen bereits seit Jahren verwendet werden. Viele andere stehen aber noch ganz am Anfang oder haben noch Unklarheiten, was KI überhaupt ist und wie man sie am besten in den Arbeitsalltag integrieren kann.
Was ist künstliche Intelligenz?
Künstliche Intelligenz ist ein Überbegriff für verschiedene Themengebiete der Informatik. Er beschreibt Anwendungen, die menschenähnliche Intelligenzleistungen wie Lernen, Urteilen und Problemlösen aufweisen.
Die Idee einer KI schwirrte bereits seit den 1950er Jahren in den Köpfen von Computerwissenschaftler:innen herum. Doch trotz der rapide steigenden Rechenleistung von Computern und diversen Vorhersagen von Expert:innen passierte lange nichts auf diesem Gebiet. Für die allgemeine Bevölkerung war „Künstliche Intelligenz“ lange nur ein Begriff aus Hollywoodfilmen. Dies änderte sich im Jahr 1997 als ein „intelligenter” Computer in die Geschichte einging: Die KI „Deep Blue“ von IBM schlug erstmals nach zwei gescheiterten Versuchen den damaligen Schachweltmeister Garri Kasparow in einem Turnier mit 2,5:3,5. Seitdem entwickelte sich die Technologie rasant weiter.
Im Allgemeinen werden für die „Intelligenz” der KI heutzutage spezielle Algorithmen oder neuronale Netze verwendet. Ein solches Netz ahmt die Funktionsweise der Neuronen in unserem Gehirn nach. Durch große Mengen an Trainingsdaten oder hunderten Übungsstunden mit einer definierten Aufgabe kann eine KI Muster lernen und sich laufend selbst verbessern. Mit diesem gelernten Wissen kann eine KI auch neue Kreationen schaffen oder mit Problemen umgehen, die sie zuvor noch nicht kennengelernt hat.
- Machine Learning (ML)
Machine Learning ist ein Teilgebiet von KI. Durch ML ist es Computern möglich, aus Erfahrungen zu lernen, ohne explizit programmiert zu werden. Dafür werden Algorithmen und Modelle genutzt, die Muster und Zusammenhänge in Daten erkennen und Vorhersagen treffen können. ML-Modelle verbessern sich kontinuierlich, je mehr Daten analysiert werden. - Deep Learning
Deep Learning ist eine spezialisierte Form des ML, die von der Funktionsweise des menschlichen Gehirns inspiriert ist. Durch die Verwendung eines künstlichen neuronalen Netzes können komplexe Muster und Zusammenhänge in großen Datenmengen erkannt werden. Deep Learning ermöglicht tiefe Einblicke in die Daten. Deshalb wird es oft für anspruchsvolle Aufgaben wie Bilderkennung, Sprachverarbeitung und autonome Fahrzeuge eingesetzt. - Natural Language Processing (NLP)
Natural Language Processing befasst sich mit der Interaktion zwischen Computern und der menschlichen Sprache. NLP ermöglicht es Computern, natürliche Sprache zu verstehen, zu analysieren und mit ihr zu interagieren. Diese Technologie wird in der Textübersetzung, Spracherkennung und für Chatbots verwendet. - Generative KI
Generative KI basieren häufig auf einer oder mehreren der bereits erwähnten anderen Technologien. Sie zeichnen sich dadurch aus, dass sie in der Lage sind, neue und originelle Inhalte zu erstellen. Der Art an Content sind hier keine Grenzen gesetzt. Mittlerweile können Texte, Bilder, Präsentationen, Videos, Stimmen oder Musik nur mit einer Text-Prompt erstellt werden.
Wie wird KI im Marketing angewendet?
Im Marketing ergeben sich durch die Verwendung von KI viele Möglichkeiten für Optimierungen. Beispielsweise können datengestützte Prozesse mit angepassten KI-Modellen besser analysiert werden. Ebenso können KI-Tools bei der Ideenfindung, Konzeption, Recherche und Strategieplanung unterstützen. Das eröffnet viele Chancen, bringt aber auch Herausforderungen mit sich.
- Chatbots
Wer 24/7 einen Kundensupport anbieten will, muss tief in die Tasche greifen. Viele kleinere Unternehmen können sich das nicht leisten. Heutzutage sind jedoch die sprachlichen Fähigkeiten von KI so gut, dass sie ohne Probleme als interaktive Chatpartner benutzt werden können. Ebenso sind sie in der Lage, Routine-Gespräche abzuwickeln, wie beispielsweise Kundenanfragen zu Produkten oder Reklamationen zu Aufträgen oder Bestellungen. - Personalisierung
Durch die Analyse der Kundeninformationen kann ein personalisierter Algorithmus für Empfehlungen erstellt werden. Dadurch werden Kund:innen jene Produkte vorgestellt, die sie am wahrscheinlichsten wollen. Durch Cross-Selling lassen sich höhere Umsätze realisieren. Außerdem kann die Kundenkommunikation personalisiert werden. Durch persönlich angepasste Texte, Newsletter oder Angebote wird die Kundenbindung gesteigert. - Kundensegmentierung
Bei der Frage nach den eigenen Kund:innen werden oft Schlüsse aus den demografischen Daten und einer großen Prise Bauchgefühl gezogen. Mit ausreichend Personendaten können jedoch KI-Modelle diesen Job übernehmen und Kundensegmente aufzeigen, auf die man sonst wahrscheinlich nicht gekommen wäre. Diese neuen Erkenntnisse helfen bei der zukünftigen Marketingplanung, da man die neuen Segmente berücksichtigen und direkt ansprechen kann. - Entlastung der Mitarbeiter:innen
Wenn ein Projekt doch mehr Zeit beansprucht als geplant, dann passiert es häufig, dass Routineaufgaben darunter leiden müssen. Wer die richtigen KI-Tools nutzt, ist in solchen Situationen klar im Vorteil, weil Mitarbeiter:innen dadurch entlastet werden können. Zusätzlich ermöglicht es eine effizientere Verteilung der Kapazitäten innerhalb der Abteilung. - Content-Erstellung
Auf Knopfdruck kreativ sein oder regelmäßig qualitativ hochwertige Texte abzuliefern, kann auf Dauer eine große Belastung sein. Stundenlang vor einem leeren Papier zu sitzen, bringt weder Arbeitnehmer:innen noch Arbeitgeber:innen etwas. Auch wenn KI kein Ersatz für menschliche Kreativarbeit ist, manchmal reicht es schon, einen kleinen Anstupser zu bekommen. Von diesem Startpunkt aus können sich dann weitere Ideen entwickeln und Schreibblockaden überwunden werden.
Welche Herausforderungen gibt es?
KI-Anwendungen brauchen Trainingsdaten – je mehr, desto besser. Unternehmen, welche sich bereits mit Big Data beschäftigen, haben diesbezüglich kein Problem. Kleinere Unternehmen müssen für diese allerdings meist erst ihre Datenerhebung upgraden. Diese Daten müssen selbstverständlich datenschutzkonform gesammelt, gespeichert und weiterverarbeitet werden.
Auch wenn ein Tool keine Trainingsdaten braucht, gibt es Herausforderungen: KI sind wie eine Blackbox – man weiß, welchen Input man eingespielt hat und man kann den Output auslesen. Wie dieser Output jedoch entstanden ist, kann nicht nachvollzogen werden. Daher ist zu prüfen, ob der Output der Wahrheit entspricht bzw. Voreingenommenheiten unterliegt, die in den Trainingsdaten enthalten sind.
Welche Tools gibt es?
Sich im Dschungel der KI-Tools zurechtzufinden, ist eine Herausforderung. Egal, welche Art von Technologie man sucht, es gibt laut der KI-Datenbank There’s an AI for that tausende Alternativen, die alle ähnliche Funktionalitäten haben, aber ihre eigenen Vor- und Nachteile mit sich bringen. Schlussendlich muss man das Tool finden, welches einem selbst das beste Resultat bringt oder am besten in den Workflow passt.
- Recherche
Wer KI für Recherchezwecke verwendet, sollte darauf achten, die Antworten stets auf Korrektheit zu überprüfen. KI halluzinieren hin und wieder und erfinden Fakten, teilweise inklusive falscher Quelle.
Bing Chat oder Bard von Google haben Zugriff zum Internet und können daher auch auf aktuelle Themen eingehen. Consensus ist eine Suchmaschine, die KI nutzt, um wissenschaftliche Quellen zu einer gestellten Frage zu finden. - Strategie
Sogar Tiroler Start-ups sind unter den KI-Tools vertreten: wiasano ist von Grund auf für die Anwendung im Marketingbereich kreiert worden. Es unterstützt KMU bei der Erstellung und Umsetzung einer professionellen Online-Strategie, indem es Marketing leichter und zugänglicher macht. Nachdem eine Strategie mit einem zugehörigen Redaktionsplan erstellt wurde, können die verschiedenen Maßnahmen mit KI-Unterstützung umgesetzt werden. Die Umsetzungen werden im Anschluss laufend analysiert und optimiert.
Weitere nützliche Tools mit anderen Funktionalitäten sind die Content- und Markt-Recherche-Funktionen von Semrush und der KI-Marketingplaner von Mister Marketing. - Text
Der Klassiker unter den Text-to-Text-Generatoren ist ChatGPT von OpenAI. Andere Tools machen es leichter, die Tonalität und Art des Textes festzulegen. JasperAI zählt zu diesen und ist ebenfalls eine sehr fortschrittliche KI. Für deutsche Texte eignet sich neuroflash, obwohl ChatGPT auch gute Ergebnisse erzielt. - Bilder
Es gibt zahlreiche Text-to-Image-Generatoren. Zu den bekanntesten gehören Midjourney, DALL-E und Stable Diffusion. Andere Tools wie neuroflash und JasperAI haben ebenfalls solch eine Funktion.
Andere KI können bestehende Fotos verändern oder erweitern. Objekte auf den Bildern können verschoben oder gelöscht werden. Bekannte Vertreter dieser Art von Tools sind Adobe Firefly und RunwayAI. - SEO
Search Engine Optimization (SEO) wird immer wichtiger. Um aus der Flut an Content herauszustechen, lohnt es sich, Zeit in SEO zu investieren. Zwei Tools, die einem dabei behilflich sein können, sind SurferSEO und Semrush.
Nicht jede:r wird alle diese Tools für die Arbeit brauchen. Das eigentliche Ziel ist, zu wissen, was mit den Technologien alles möglich ist, um dann Schritt für Schritt die Arbeitsprozesse zu optimieren. In nächster Zeit wird es immer wichtiger sein, zumindest die Grundlagen von KI-Tools zu kennen. Fähigkeiten wie Prompt Engineering (das Texten von Instruktionen für eine KI, um bessere Ergebnisse zu erzielen) und das Kombinieren der verschiedenen KI-Anwendungen wird für manche Teil des Berufsalltags werden. In den Worten von Reinhard Palaver, Management-Berater, Speaker und Autor, der bei der Recherche dieses Blogs unterstützt hat: „Unternehmen und Organisationen, die durch kluge Kombination aus Intelligenz von Mensch und Maschine ihre operativen Bereiche, Märkte sowie Branchen transformieren, werden künftig zu den erfolgreichen zählen. Und nicht weniger wichtig: Die Einbeziehung der Belegschaft ist dabei ein Muss.”