Skip to main content
main-content

Über dieses Buch

Mit diesem Buch erhalten Sie einen leicht verständlichen Praxisleitfaden, der systematisch die Technologien und Methoden der KI mit klaren Business-Szenarien verknüpft. Erfahren Sie, wie Artificial Intelligence (AI) Ihr Pricing sowie Ihre Produktempfehlungen automatisiert, Ihre Kundenkommunikation und Conversational Commerce übernimmt oder durch Customer-Journey-Analysen das Marketing Budget effizient verteilt. Lesen Sie, wie Sie Kunden- und Marktpotenziale über Daten identifizieren und Marktforschung intelligent optimieren können. Lernen Sie, wie Sie zu vertretbaren Kosten die Kommunikation mit Bestandskunden verbessern, die Kundenzufriedenheit dauerhaft steigern und letztlich die Umsätze positiv entwickeln können.Entscheider im Marketing, Geschäftsführer und Vorstände finden in diesem Buch einen praktischen Ratgeber zur Einführung von Künstlicher Intelligenz in Management und Marketing. So werden Ihre ersten Schritte in Richtung Algorithmic Business mit akzeptablem Aufwand und Kosten gelingen. Die zweite Auflage wurde vollständig durchgesehen und um spannende neue Best Practices von Disney, der Techniker Krankenkasse, Mercedes Benz Consulting und Spotify erweitert.
Aus dem Inhalt:
Mit Gastbeiträgen und Best Practices von Alex Dogariu, Mercedes-Benz Consulting, Klaus Eck, d.Tales GmbH, Prof. Dr. Martin Grothe, complexium GmbH, Professor Dr. Nils Hafner, Hochschule Luzern Wirtschaft/Institut für Finanzdienstleistungen Zug IFZ, Bruno Kollhorst, Techniker Krankenkasse, Andreas Kulpa, DATAlovers AG, Marco Philipp, Newcastle University, David Popineau, Disney, Dr. rer. nat. Michael Thess, Signal Cruncher GmbH, Jens Scholz, prudsys AG, Andreas Schwabe, Blackwood Seven Germany GmbH, Dr. Thomas Wilde, mesa.ai und LMU München.

Inhaltsverzeichnis

Frontmatter

Kapitel 1. Einführung: „Algorithmic & AI eat the world“

Zusammenfassung
Artificial Intelligence (AI) hat in den letzten Jahren für einen immensen Entwicklungsschub in der unternehmerischen Praxis gesorgt. AI adressiert zunehmend auch administrative, dispositive und planerische Prozesse im Marketing, Sales und Management auf dem Weg zum ganzheitlichen Algorithmic Enterprise. In diesem einführenden Kapitel geht es um Motivation und Hintergrund des Buches: Es möchte einen Brückenschlag von der AI-Technologie und -Methodik zu klaren Business-Szenarien und -Mehrwerten leisten. Es versteht sich als Transmissionsriemen, der die Informatik in die Businesssprache im Verständnis von Potenzialen und Grenzen übersetzt. Dabei werden Technologien und Methoden im Rahmen der Grundlagenkapitel so erklärt, dass sie sich auch ohne Informatikstudium erschließen – das Buch versteht sich als Buch für die Unternehmenspraxis.
Peter Gentsch

Kapitel 2. Big Data

Zusammenfassung
In diesem Kapitel wird das Phänomen Big Data als zentraler Layer für das AI Business Framework vorgestellt und erklärt (Abb. 2.1). Es widmet sich den Zusammenhängen von Big Data, der Algorithmic Economy und Künstlicher Intelligenz. Dem Versuch einer Definition von Big Data folgt ein Überblick über die vier Dimensionen von Big Data: Volume, Velocity, Variety und Veracity. Weiterhin werden die Synergieeffekte von Big Data untersucht und erläutert, in welchen Bereichen Big Data zur Entwicklung und zum Erfolg der Künstlichen Intelligenz in der Geschäftswelt beiträgt, als da sind: IT-Infrastrukturen, Algorithmen und Methoden und Trainingsdaten.
Peter Gentsch

Kapitel 3. Algorithmik und Artificial Intelligence

Zusammenfassung
Daten – ob small, big oder smart – bringen per se keinen Mehrwert. Erst Algorithmen, seien es einfach vordefinierte Mechanismen oder selbstlernende Systeme, können aus den Daten Werte schaffen. Im Gegensatz zu Big Data haben also Algorithmen einen echten Wert. Dynamische Algorithmen stehen im Mittelpunkt des zukünftigen digitalen Geschäfts. Algorithmen werden also zur Auswertung von in starkem Maße zunehmenden Datenmengen immer wichtiger. Dieses Kapitel widmet sich der „Macht“ und zunehmenden Bedeutung und Relevanz von Algorithmen, unternimmt einen Definitionsversuch, untersucht Erfolgsfaktoren und Treiber von AI und wirft weiterhin einen Blick auf die historische Entwicklung der Künstlichen Intelligenz von den ersten Arbeiten bis heute. Abschließend werden die wesentlichen Methoden und Technologien für das AI Business Framework vorgestellt und erklärt.
Peter Gentsch

Kapitel 4. Algorithmic Business: Framework und Reifegrad-Modell

Zusammenfassung
In diesem Kapitel erfolgt über die Use Cases der Brückenschlag zum Business. Behandelt werden die Themen Framework und Maturity Model. Erklärt wird, wie der Aufbau eines Frameworks durch die Beziehung der einzelnen Bereiche zueinander bedingt ist. So werden die Big Data- und AI-Layer erst durch die Enabler Layer ermöglicht. Die AI Use Cases haben wiederum direkten Einfluss auf die Business Layer. Das vorgestellte Schichtenmodell trägt diesen Abhängigkeiten Rechnung. Weiterhin werden die verschiedenen Phasen auf dem Weg zum Algorithmic Enterprise als Reifegrade dargestellt. Das Modell zeigt die verschiedenen Entwicklungsstufen vom Non-Algorithmic Enterprise über das Semi-Automated bis hin zum Automated Enterprise. Die höchste Reifegradstufe stellt das Super Intelligence Enterprise dar. Abschließend werden Nutzen und Zweck eines Reifegradmodells besprochen.
Peter Gentsch

Kapitel 5. Algorithmic Business – auf dem Weg zum selbstfahrenden Unternehmen

Zusammenfassung
Die Effekte und Implikation von Algorithmik und AI betreffen die gesamte unternehmerische Wertschöpfungskette. Der „Business Layer“ des AI Business Frameworks (Abb. 5.1) hat gemäß des Schwerpunktes des Buches die „Customer Facing“-Prozesse und -Funktionen in den Vordergrund gestellt. In diesem Kapitel werden die Potenziale für die gesamte unternehmerische Wertschöpfung kurz skizziert. Es wird gezeigt, dass Künstliche Intelligenz in klassischen Unternehmensbereichen die Art zu arbeiten nachhaltig und radikal verändern wird: Durch den Einsatz Künstlicher Intelligenz können Unternehmen nicht nur Effizienz- und Produktivitätspotenziale ausschöpfen, sondern auch besser auf Kunden eingehen und damit einen Mehrwert schaffen. Zudem wird die Bedeutung der Ideen und Potenziale des sogenannten Conversational Commerce (Kap. 6) für die unternehmensinternen Funktionen und Prozesse aufgezeigt und erklärt (Conversational Office). Im Anschluss werden die Bereiche Marketing, Market Research und Controlling (als relevante Querschnittsfunktion) detaillierter beschrieben und erklärt. Darüber hinaus haben Algorithmik und AI auch das Potenzial, Geschäftsmodelle neu zu erfinden – auch diese Themen werden in diesem Kapitel behandelt. Abschließend wird untersucht, ob es Sinn macht, in Unternehmen die Position eines Chief Artificial Intelligence Officer zu installieren.
Peter Gentsch

Kapitel 6. Conversational Commerce: Bots, Messaging, Algorithmen und Artificial Intelligence

Zusammenfassung
Kommunikation und Interaktion werden zunehmend über Algorithmen gesteuert und bestimmt. Bots und Messaging-Systeme werden heiß diskutiert und gelten als Mega-Trends der nächsten Jahre. Das Postulat „Märkte sind Gespräche“ wird vor dem Hintergrund des Conversational Commerce neu interpretiert. Vordergründig geht es um neue Kommunikationsschnittstellen, die als logische nächste Evolutionsstufe Effizienz- und Convenience-Vorteile mit sich bringen. In diesem Kapitel werden die Nutz- und Einsatzszenarien des sogenannten Conversational Commerce illustriert. Es wird zu sehen sein, wie Conversational Commerce durch intelligente Automatisierung die Optimierung der Kundeninteraktion ermöglicht. Zudem wird mit dem DM3-Modell ein systematisches Vorgehensmodell vorgestellt, mit dem sich die komplexe Aufgabe des Conversational Commerce, die strategische, organisatorische und technologische Aufgaben beinhaltet, erfolgreich umsetzen lässt. Beschrieben werden weiterhin neue Trends und die Folgen dieser Entwicklungen für Unternehmen. Aufgezeigt werden ebenso die Vor- und Nachteile, die sich für die Konsumenten ergeben können – Stichwort „Personal Butler“ („digitaler Diener“).
Peter Gentsch

Kapitel 7. Best Practices

Zusammenfassung
In diesem Kapitel werden verschiedene Best-Practice-Beispiele vorgestellt. Andreas Kulpa beschreibt zunächst, wie Deep Learning bzw. Lead Prediction neue Wege der Kunden- und Marktgewinnung ermöglichen. Wie digitale Arbeit mit den Schwerpunkten CRM und AI aus Kundensicht organisiert werden sollten, beschreibt Alex Dogariu. Um das digitale Arbeitsmodell der Zukunft systematisch in Unternehmen umsetzen zu können, wird der Digital Labor Platform Blueprint der Mercedes-Benz Consulting vorgestellt und erklärt. Prof. Dr. Nils Hafner zeigt auf, welche Möglichkeiten sich aus der intelligenten Nutzung vieler unterschiedlicher Informationen aus verschiedenen Quellen und in diversen Formaten sowie durch die Anwendung von AI und Machine Learning im Kundenkontakt ergeben. Vorgehen, Chancen und Risiken zum Einsatz von Bots in Service und Marketing untersucht Dr. Thomas Wilde. Bruno Kollhorst beschreibt in seinem Praxisbeispiel wie aus Amazon’s Alexa „Relaxa“ werden kann, ein Bot, der Menschen helfen soll zu entspannen und möglichen Burn-outs vorzubeugen. Die Techniker Krankenkasse hat hierzu den Skill „Smart Relax“ entwickelt, der sowohl von Mitgliedern als auch von Nicht-Mitgliedern genutzt werden kann. David Popineau zeigt an verschiedenen Beispielen auf, wie Disney Chatbots in der Kundenkommunikation und -interaktion einsetzt. Für die erfolgreiche Einführung von Chatbots in Unternehmen werden entsprechende Empfehlungen gegeben.
Wie Algorithmen und AI zur Generierung und Verteilung von Content eingesetzt werden können und wie die Bot-Revolution das Content Marketing verändert, untersucht Klaus Eck. Innovative Tech-Companies haben den Mediamarkt mit algorithmenbasierten Technologie-Plattformen betreten und ermöglichen auf Basis von Künstlicher Intelligenz transparente und effiziente Mediaplanung: Diesem Thema widmet sich Andreas Schwabe. Der Beitrag von Jens Scholz und Michael Thess widmet sich den Recommendation-Systemen für den Handel: Ausgehend vom aktuellen Stand der Entwicklung werden die Herausforderungen für Weiterentwicklungen aufgezeigt. Zu deren Lösung wird ein Ansatz in Form von Reinforcement Learning beschrieben.
Unter dem Stichwort Intelligent Automation untersucht Andreas Klug, wie AI und Robotic-Process Automation Arbeitsplätze und Abläufe in Verwaltung und Kundenservice verändern. Am Beispiel der privaten Krankenversicherung geben Eleftherios Hatziioannou und Darko Obradovic einen Einblick in Lösungen für eine zeitgemäße und effiziente Kundenkommunikation mittels moderner Technologien, und AI. Prof. Dr. Martin Grothe stellt dar, wie im digitalen Raum vielschichtige Bedrohungen entstehen können und welche computerlinguistische Technologie zur Früherkennung geeignet ist.
Abschließend zeigt der Autor zusammen mit seinem Kollegen Marco Philipp am Beispiel von Spotify auf, wie Künstliche Intelligenz und Chatbots die Musikindustrie beeinflussen und die Interaktion der Kunden mit Musikern und Musiklabeln verändern.
Peter Gentsch

Kapitel 8. Fazit und Ausblick: Algorithmic Business – quo vadis?

Zusammenfassung
Stehen wir kurz vor dem Durchbruch einer maschinellen Super-Intelligenz, die uns um Welten überlegen ist? Und wie gefährlich wäre das für uns tatsächlich? Wie soll sich nun unsere Intelligenz bei Maschinen manifestieren? Unter der Frage „Algorithmic Business – quo vadis?“ wird in diesem Kapitel zusammenfassend konstatiert, dass diese „Super-Intelligenz“ aufgrund der rasanten Entwicklung und technologischen Skalierung kommen wird – nur wann? Über den „Tipping Point“ lässt sich derzeit nur spekulieren. Diverse Studien und Expertenaussagen taxieren diesen zwischen den Jahren 2040 und 2090. Weiterhin werden nochmals die zentralen zehn Trends, die den größten Impact für das Business haben, kompakt zusammengefasst. Algorithmik und AI werden die Arbeitswelt nachhaltig verändern – welche die ökonomischen und gesellschaftlichen Konsequenzen sind, wird abschließend untersucht, allerdings wird der Wert solcher Vorhersagen kritisch gesehen: „Das Algorithmic Business hat gerade erst begonnen und hat ein immenses Potenzial, das keiner von uns heute in letzter Konsequenz seriös prognostizieren kann.“
Peter Gentsch
Weitere Informationen

Premium Partner

    Bildnachweise