Branche "Woran man sich früher die Zähne ausgebissen hat..."

Mittwoch, 24. August 2016
Detlef Struck
Detlef Struck

Wie kann man KÜNSTLICHE INTELLIGENZ eigentlich definieren, wenn die Fachwelt sich noch nicht einmal über die Definition von natürlicher Intelligenz einig ist? Wie genau funktioniert das und wie kann die Marktforschung von neuen Technologien, die Dank Künstlicher Intelligenz entwickelt wurden, profitieren. Welchen Platz haben Marktforscher in einer Welt mit KI? Ein Interview mit Detlef Struck, Vorstand der alegas AG in München.

Welche Definition von Künstlicher Intelligenz (KI) verwenden Sie?
Die Frage ist nicht banal. Man weiß ja noch nicht einmal, was natürliche Intelligenz ist. Es gibt keinerlei wirkliche Definition und die Übergänge sind fließend. Früher hat man immer nur die analytische Intelligenz gesehen, dann war von emotionaler Intelligenz die Rede. Im Moment ist das Thema Kreativität modern. Und dann die Frage: Was hat Intelligenz mit Wissen zu tun? Vom Ergebnis her, macht das keinen Unterschied, ob es sich um künstliche oder natürliche Intelligenz handelt.

Was macht Künstliche Intelligenz für Sie aus, welchen Fortschritt erzielt man dadurch?
Bei klassischen Systemen hat man immer das Problem, dass man zwar viel im Nachhinein erklären, aber vie schwerer Aussagen für noch nciht Bekanntes ableiten konnte. Die neuronalen Netze können auf Basis dessen, was sie gesehen haben, zuverlässige Vorhersagen treffen; was man früher mit Regression und Strukturmodellen kaum konnte. Wenn ich heute über KI rede, dann rede ich vor allem über Deep Learning. Das ist die Geheimwaffe, die den Boom ausgelöst hat.

Was ist das Wesentliche an diesen selbstlernenden Systemen?
Damit kann ich Mustererkennung vollziehen. Bei klassischen Methoden habe ich immer das Problem der Überspezifikation. Ich habe nicht genug Schubladen für alle Einzelfälle. Die modernen Netzwerke haben viele Zwischenebenen, aber wenn man den Input verändert, wird nicht das ganze System chaotisch. Dafür braucht man viel Computerpower und jede Menge elektronische Beispiele zum Trainieren.

Was kann man in der Marktforschung mit KI machen?
Man kann zum einen neue Tools entwickeln. So etwas wie Gesichtserkennung oder Emotionserkennung, Sprach-Texterkennung, die könnte für die Transkription von Tiefeninterviews automatisiert benutzt werden. Das sind Anwendungen, die das Toolset erweitern. Dann kann ich mir anschauen, welche Typologie von Kunden es gibt. Mit welcher Zielsetzung trifft man sie an verschiedenen Touchpoints an und welche haben zum Erfolg geführt und welche nicht? Das ist immer wieder Mustererkennung. Ich kann aus den vielen Daten lernen, was es denn genau war, was zum Kauf führte? Was ist das für ein Mensch? Welche Interessen hat er? Das klingt banal, ist aber eine fantastische Möglichkeit. Woran man sich früher die Zähne ausgebissen hat, das kann man heute mit wenigen Zeilen Code erreichen.

Was bedeutet die zunehmende Automatisierung für die Branche?
Da werden wir Marktforscher, wie fast alle anderen Branchen auch, ein bisschen nervös. Die Auswertung von standardisierten Monitoren, aber auch standardisierte Produkt- oder Werbetests wird auf absehbare Zeit automatisiert gehen; und das komplett bis hin zur Kommentierung und Empfehlung. Da könnte die Maschine sogar besser sein als der Mensch, glaube ich. Denn der Forscher wird heute schon erschlagen von der Masse an Daten und hat nicht die Zeit das richtig auszuwerten. Derzeit gibt es noch nicht genug geeignet aufbereitete Daten als Lernbasis, aber im Prinzip ist das machbar.

Was braucht es für die Verbesserung der Methoden?
Heutige Algorithmen können nur gut lernen, wenn sie Beispieldatensätze mit richtigen Musterlösungen haben. Das ist aber sehr arbeitsaufwendig. Google bekommt das Feedback durch die tausendfachen Clicks der User. Die geben die Antwort, ob zum Beispiel die Anzeige, die Google für einen User ausgesucht hat, sinnvoll und nützlich war. Das ist für Institute und betriebliche Marktforscher sicher eine der größten Herausforderungen.

...und was bleibt für den Menschen zu tun?>>


Wie ist das mit der Auswertung von Social Media Daten?

Das könnte natürlich auch eine Anwendung sein. Das Heraussuchen von Highlights, das Erkennen von Gruppen aus dem Wust der Daten. Das könnte von Maschinen ausgewertet werden, denn da gibt es so viel Wiederkehrendes: die Leute regen sich über den Service oder über den Preis auf, die finden ein Produkt gut, schlecht oder fehlerhaft. Hier ist also eine Automatisierung für die Auswertung von sozialen Posts möglich und zwar nicht erst in 20 Jahren. Das wird sehr bald technisch möglich sein.

Kann ein Computer denn wirklich den Inhalt verstehen, etwa auch mit Ironie zurechtkommen und zwischen den Zeilen lesen?
Ja, das hat mich damals sehr beeindruckt, als der IBM-Computer Watson bei Jeopardy!, dem amerikanischen Pendant zu „Wer wird Millionär“, gegen einen Menschen gewonnen hat. Nicht aufgrund des Wissens, sondern weil die Fragen so formuliert waren, dass man um die Ecke denken musste.

Gibt es da noch andere Anwendungen?
Ja, in der Werbewirkungsforschung zum Beispiel. Wenn ich wissen will, welche Werbung gesehen wurde, muss ich offen fragen. Die Antworten zu codieren, ist dann sehr kosten- und zeitaufwändig. Das ist ideal geeignet für die Deep Learning Algorithmen. Das wäre schon ein Fortschritt, wenn man damit Werbewirkungsforschung in Echtzeit betreiben könnte.

Welche Daten kann eine KI verarbeiten?
Wir haben die numerischen Daten, etwa die SPSS-Datensätze, wir haben die ganzen Textdaten aus verschiedenen Quellen und dann kommen die Maschinendaten hinzu. Zum Beispiel Eye-Tracking-Datensätze, die momentan noch von Spezialisten ausgewertet werden. Aber die bei diesen Analysen immer wiederkehrenden Muster kann man einer Maschine erklären. Mit dem Internet of Things werden Alltagsgegenstände wie die Waschmaschine oder der Kopfhörer Daten über den Nutzer liefern. Diese Flut von Daten zu interpretieren - ich glaube, das ist etwas, was eine Maschine machen wird.

Und was bleibt für den Menschen an Arbeit übrig?
Alles, was keine Standard-Fragestellung ist, was auf einer höheren Ebene Kreativität oder Interpretation benötigt, da ist auf absehbarer Zeit der Mensch gefragt. Außerdem kann man an die KI-Systeme mit befragungsgestützter Forschung anknüpfen. Dadurch werden die verschiedenen Puzzleteile einer Costumer-Journey zu einem Gesamtbild zusammenzufügt.

So kann man beispielsweise nur durch Befragung herausfinden, welches der Einfluss von Offline-Kontakten ist, besonders auch in frühen Phasen der Consumer-Journey. Oder man versucht zu erfragen, welche Kunden einen Kaufvorgang abbrechen oder ob sie vielleicht offline beim Wettbewerb kaufen und warum? Dann bietet die Befragung einen echten Mehrwert. Dabei müssen die Ergebnisse ebenfalls zeitnah und interaktiv bereitstehen. Auch die Wahrnehmung und den Einfluss der Earned, Paid und Owned Media kann ich besser durch ergänzende Befragungen evaluieren.

Qualitative Forschung wird sich auch nicht so leicht ersetzen lassen. Firmen wie Amazon und Otto haben mir mal erklärt, „das einzige was uns noch interessiert, ist qualitativ“. Ich sehe es nicht ganz so, wir haben uns immer bemüht mehr Interpretationen als Datenberge an unsere Kunden weiterzugeben. Der Berater bleibt notwendig - zumindest für absehbare Zeit. Bis der beratende Marktforscher durch einen intelligenten Computer ersetzt wird, das dauert noch eine Weile.



Detlef Struck
ist Vorstand der alegas AG in München. Struck hat Informatik an der Universität Kaiserslautern studiert und in Volkswirtschaft an der E.N.S.T Paris promoviert.




Weitere Beiträge zu Künstlicher Intelligenz >>

Künstliche Intelligenz ist das Titelthema
im Heft 4/2016 von planung&analyse

Jetzt suchen >>
stats