F.A.Z. Künstliche Intelligenz

Marc Klein, Chief Digital Officer der Ergo Gruppe mit Erfahrung bei T-Mobile und Vodafone, erläutert den Einsatz von Künstlicher Intelligenz in der Versicherungsbranche. Er spricht über die Automatisierung von Dokumentenmanagement und Schadenerfassung, um Prozesse zu optimieren. Klein betont die Bedeutung der Schulung der Mitarbeitenden im Umgang mit KI-Tools, von denen 60 Prozent im Innendienst bereits profitieren. Dabei liegt der Fokus darauf, Ängste abzubauen und die Akzeptanz künftiger Technologien zu fördern.

Investitionen in Generative Künstliche Intelligenz lohnen sich, selbst im hochregulierten Bankensektor, berichtet Christian Brauckmann, Vorstandsmitglied für IT und Organisation bei der DZ Bank. Die DZ Bank habe seit der Implementierung der hauseigenen ChatGPT-Instanz „DZ Chat“ im Sommer 2023 die erzielten Produktivitätssteigerungen sowie die anfallenden Kosten gemessen: „Wir haben bislang einen niedrigen einstelligen Millionenbereich investiert, aber der Nutzen, den wir messen, übersteigt bereits mit dem Jahr 2024 diese Aufwendung“, sagt Brauckmann im F.A.Z. KI-Podcast. Auf der Kostenseite stünden dabei neben den Entwicklungskosten für die inzwischen aufgebaute GenAI-Plattform und ihre technischen Komponenten auch Kosten für die Schulung der Mitarbeitenden für den Einsatz der neuen KI-Tools. Diesen stehen aber schon ein „Nutzen pro Jahr von über 3 Millionen Euro gegenüber“, erklärt Brauckmann, und fügt an, dass dieser sich in den nächsten Jahren voraussichtlich weiter erhöhen werde. Gemessen habe die Bank diesen Gesamtnutzen anhand der hohen Nutzungszahlen der KI-Tools und ihrem Beitrag zu den jeweiligen Effizienzzielen der Fachbereiche. Um auch wirklich in allen Fachbereichen in den produktiven Einsatz von KI zu kommen, führt Brauckmann die nutzerfreundliche Gestaltung der GenAI-Plattform als wichtigen Erfolgsfaktor an. Diese erlaube es auch Fachbereichen ohne KI-Expertise mithilfe von Low-Code / No-Code Ansätzen, eigene „Fachbereichs-Bots“ zu entwickeln. „Ich glaube, wir haben mittlerweile 33 verschiedene Bots im Einsatz, neben unserer Grundfunktion DZ-Chat“, erzählt Brauckmann. Diese Bots könnten beispielsweise Mitarbeitende des Kreditgeschäfts mit Analysen und Vergleichen von Geschäftsberichten unterstützen oder Mitarbeitenden des Fördermittelgeschäfts mithilfe interner Daten bei der Auswahl von Fördermitteln zur Hand gehen. Ein zweiter Erfolgsfaktor sei der Kompetenzaufbau bei den Beschäftigten: „Ein Format nennen wir KI-Bootcamp, wo wir mit mehreren Leuten, auch mit Führungskräften, uns mit KI auseinandersetzen. Wo auch noch einmal die Grundlagen des Promptings dargestellt werden. […] Das muss man einfach lernen und üben, üben, üben“, sagt Brauckmann. Das Schulungsangebot werde zudem durch „Floorwalkers“ ergänzt: KI-affine Experten in den Fachabteilungen, die bei der Einführung neuer KI-Anwendungen über die Schulter schauen und Fragen beantworten könnten. Durch den breiten Kompetenzaufbau arbeiteten heute bereits etwa 2200 der insgesamt 6000 Bankmitarbeitenden regelmäßig mit KI-Tools, berichtet Brauckmann – was für eine Bank ein guter Fortschritt, aber dennoch weiter ausbaubar sei. Die Folge ist Teil unseres Podcasts „Künstliche Intelligenz“. Er geht den Fragen nach, was KI kann, wo sie angewendet wird, was sie bereits verändert hat und welchen Beitrag sie in der Zukunft leisten kann. Hosts des Podcasts sind Peter Buxmann, Inhaber des Lehrstuhls für Wirtschaftsinformatik an der TU Darmstadt, und Digitalwirtschaft-Redaktionsleiter Holger Schmidt. Die Podcastfolgen erscheinen jeweils am ersten Mittwoch im Monat. Uns gibt’s auch zum Lesen: Finden Sie hier Ihr passendes F.A.Z.-Abo. Mehr über die Angebote unserer Werbepartner finden Sie HIER.

Walid Mehanna, Experte für Künstliche Intelligenz bei Merck, diskutiert die beeindruckenden Einsparungen durch die Anwendung MyGPT, die wöchentlich 3600 Arbeitsstunden für Mitarbeitende reduziert. Er betont, wie strategischer KI-Einsatz nicht nur die Effizienz steigert, sondern auch neue Möglichkeiten in der Medikamentenentwicklung eröffnet. Besondere Hoffnung sieht er in der Verbindung von KI mit Implantaten zur Behandlung chronischer Erkrankungen. Mehanna hebt hervor, dass präzisere, personalisierte Lösungen zur nächsten Generation der Medizintechnologie gehören.

Ein durchdachtes Datenmanagement bildet die Grundlage jeder erfolgreichen KI-Strategie – doch wie gut sind Unternehmen darauf vorbereitet, ihre Daten effizient zu nutzen? Christine Legner, Professorin für Wirtschaftsinformatik an der Universität Lausanne, sieht im aktuellen KI-Hype eine große Motivation für Unternehmen, ihr Datenmanagement nachzuziehen und weiterzuentwickeln. Viele Unternehmen beschäftigten sich zwar schon lange mit KI „aber es gab ein Plateau von 2017 bis 2022, als relativ wenig vorangegangen ist. Es gab viele interessante Use Cases, aber eine gewisse Schwierigkeit, diese dann auch in die Skalierung zu tragen“. Das Aufkommen der generativen KI habe nicht nur gänzlich neue Anwendungsfelder erschlossen, sondern auch neuen Schwung in das Datenmanagement gebracht. Das Bewusstsein, „dass es auch Daten braucht für die KI, ist sehr viel stärker nach vorne getreten“, berichtet Legner im KI-Podcast der F.A.Z. mit Peter Buxmann und Holger Schmidt. Denn ohne eine solide Datenbasis könnten selbst innovative KI-Anwendungen nicht erfolgreich eingesetzt werden. Deshalb müssten „viele Unternehmen ihre Prozesse nochmal ganz neu anschauen,“ sagt Legner. Häufig seien dabei grundlegende Veränderungen notwendig, um das volle Potenzial der KI auszuschöpfen und gleichzeitig Daten intelligent in Unternehmensprozesse zu integrieren. „Für KI benötige ich Daten in einer anderen Form, wie ich sie bisher für die Digitalisierung verwendet habe.“ Bisher seien Daten stets eng an den Zweck gekoppelt gewesen, für welchen sie gesammelt wurden, beispielsweise an die Generierung von Berichten. Mit KI würden die Daten nun stets für neue Zwecke verwendet und müssten zudem sowohl in viel größerem Umfang vorliegen als auch aus verschiedenen Datenquellen kombiniert werden. „Wenn ich bisher ein gutes Datenmanagement hatte – hochwertige Kundendaten, Produktdaten – sind die natürlich sehr wichtig für die KI. Aber gleichzeitig haben Data Scientists die Anforderung, den vorhandenen Bestand mit weiteren Daten aus digitalen Interaktionen oder Ähnlichem anzureichern“, erzählt Legner. Unternehmen müssten ihre Daten deshalb über System-, Unternehmens- und Landesgrenzen hinweg verknüpfen. Insbesondere die Suche nach geeigneten Daten für generative KI habe ebenfalls eine bislang ungekannte Breite angenommen, da fast jede Art von Datentyp für die Verwendung in entsprechenden KI-Lösungen in Frage käme – von Dokumenten über Zeichnungen bis hin zu Videoaufzeichnungen oder Audiodateien. „Es gibt ja Aussagen, dass ungefähr 90 Prozent aller Daten im Unternehmen eigentlich nie genutzt werden. Und die sind jetzt potenziell wirklich wertvoll. Aber auf der anderen Seite vielleicht auch ein potenzielles Risiko, weil sie sensible Daten enthalten und niemand davon weiß“, erzählt Legner. Das Management dieser unstrukturierten Daten sei deshalb das Thema der Stunde. Auf der anderen eröffne die generative KI glücklicherweise auch zahlreiche Möglichkeiten, zu gutem Datenmanagement beizutragen. So könnten intelligente Formulare oder die Extraktion von Produktinformationen aus einem Foto die Datenerfassung enorm erleichtern, während andere KI-Tools auf Anomalien in der Datenqualität hinweisen könnten oder direkt in Form von Copiloten die Daten-Verantwortlichen in den Unternehmen unterstützen. Aufgrund der steigenden Komplexität der Probleme sei genau diese Integration von KI in Datenmanagement-Themen laut Legner auch zwingend vonnöten: „Wenn wir das Datenmanagement nicht intelligenter machen, dann glaube ich nicht, dass wir zu großen Fortschritten kommen werden. Und da wird es sicherlich einen großen Push geben in nächster Zeit.“ Die Folge ist Teil unseres Podcasts „Künstliche Intelligenz“. Er geht den Fragen nach, was KI kann, wo sie angewendet wird, was sie bereits verändert hat und welchen Beitrag sie in der Zukunft leisten kann. Hosts des Podcasts sind Peter Buxmann, Inhaber des Lehrstuhls für Wirtschaftsinformatik an der TU Darmstadt, und Digitalwirtschaft-Redaktionsleiter Holger Schmidt. Die Podcast-Folgen erscheinen jeweils am ersten Mittwoch im Monat. Uns gibt’s auch zum Lesen: Finden Sie hier Ihr passendes F.A.Z.-Abo. Mehr über die Angebote unserer Werbepartner finden Sie HIER.

Generative KI hat das Potenzial, die Arbeitswelt grundlegend zu verändern, sagt Hartmut Jenner, Vorstandsvorsitzender von Kärcher. Er spart bereits bei Routineaufgaben wie dem Verfassen von E-Mails, die dank KI präzise und effizient erledigt werden können, bis zu einer Stunde Arbeitszeit pro Tag. Diese Produktivitätsgewinne gilt es nun, möglichst vielen Mitarbeitenden zugänglich zu machen, so Jenner. „Das eigentliche Problem bei der Digitalisierung ist: Es gibt die Menschen, die mitmachen, und die, die entweder gar nicht oder nur unzureichend mitmachen“, sagt er. Unternehmen stünden bereits unzählige digitale Tools zur Verfügung, einschließlich generativer KI, deren positive Auswirkungen auf die Produktivität jedoch ausblieben, weil sie von zu wenigen Mitarbeitenden genutzt würden. „Deshalb möchten wir nicht sofort Einschränkungen einführen, sondern zunächst die Möglichkeiten ausloten und fragen: ‚Zeig uns, was mit Tools wie generativer KI möglich ist‘“, erklärt Jenner. Im besten Fall werde die Einführung von KI nach Jenner in einem Bottom-up-Ansatz von den Mitarbeitenden selbst vorangetrieben, die in ihren jeweiligen Anwendungsbereichen konkrete Mehrwerte erkennen. „Es gibt so viele Use Cases, das kann man nicht einfach von oben vorgeben“, so Jenner. Besonders im Bereich der Reinigungssysteme ergeben sich bereits drei zentrale Einsatzfelder für KI: die Erkennung von Schmutz auf Böden, die dynamische Planung von Reinigungsprozessen und die Verbesserung der Kundenkommunikation, etwa durch maßgeschneiderte Reinigungstipps. Darüber hinaus ermögliche KI beispielsweise effiziente Marktanalysen des Reinigungsmarktes, erleichtere Wartungsarbeiten durch frühzeitige Fehlererkennung oder optimiere kreative Prozesse wie die Erstellung von Werbematerialien und sprachlich vielseitigen Avataren. Jenner selbst nutze „einen eigenen Avatar, mit dem ich in allen Sprachen der Welt sprechen kann – kürzlich hielt ich eine Ansprache in Mandarin“. Jenner appelliert daher an CEOs: Nur wer selbst mit KI-Lösungen arbeitet, kann deren Potenzial wirklich verstehen. Dann gehe es darum, die eigenen Anwendungsfälle klar zu definieren und die Belegschaft durch praktische Unterstützung und Transparenz mitzunehmen. Aktuell sei dabei Geschwindigkeit entscheidend: „Viele CEOs warten, wie bei jeder neuen Technologie erst die Euphoriewelle ab, dann die Ernüchterung, wenn sie kommt, und fragen sich: ‚Was bleibt wirklich hängen? Was ist der wahre Nutzen?‘ Aber bei KI sollte man schnell handeln“, so Jenner. Es sei wichtig, frühzeitig Erfahrungen mit der Technologie zu sammeln und relevantes Wissen aufzubauen, um im Wettlauf um KI nicht zurückzufallen. Hinsichtlich der Kosten hält sich Jenner zwar zurück, meint jedoch zu den Gesamtausgaben: „Das war für uns durchaus in Ordnung – und ein Schwabe sagt das selten.“ Die Folge ist Teil unseres Podcasts „Künstliche Intelligenz“. Er geht den Fragen nach, was KI kann, wo sie angewendet wird, was sie bereits verändert hat und welchen Beitrag sie in der Zukunft leisten kann. Hosts des Podcasts sind Peter Buxmann, Inhaber des Lehrstuhls für Wirtschaftsinformatik an der TU Darmstadt, und Digitalwirtschaft-Redaktionsleiter Holger Schmidt. Die Podcast-Folgen erscheinen jeweils am ersten Mittwoch im Monat. Uns gibt’s auch zum Lesen: mit unserem FAZ+ Jahresabo – exklusiv zum Aktionspreis bis Ende 2024. Mehr über die Angebote unserer Werbepartner finden Sie HIER.

„Wöchentlich, manchmal sogar täglich oder stündlich, kommt etwas Neues um die Ecke“, sagt Professor Holger Hanselka, Präsident der Fraunhofer-Gesellschaft über die Innovationsgeschwindigkeit in der generativen KI. Angesichts der hohen Investitionen in diese Technologie in den USA und China sowie der dort verfügbaren Rechenleistung und Arbeitskräfte hat Deutschland es schwer, bei der Entwicklung grundlegend neuer Modelle mitzuhalten, so Hanselka. Um dennoch im Technologiewettlauf bestehen zu können, sollte Deutschland die Entwicklung kleinerer, energie- und kosteneffizienter KI-Lösungen vorantreiben, die spezifisch für bestimmte Anwendungsgebiete trainiert sind. In der Gesellschaft beobachtet Hanselka eine Skepsis gegenüber der Nutzung von generativer KI. „Die Eigenart unserer Nation ist, dass wir erst mal Bedenkenträger sind.“ In der Industrie finde sich allerdings zum Teil das genaue Gegenteil – insbesondere etablierte Unternehmen mit eigenen Forschungslaboren seien bereits mit hoher Geschwindigkeit unterwegs, generative KI-Anwendungen zu entwickeln. Auch in mittelständischen Unternehmen gebe es unzählige Möglichkeiten, Prozesse mithilfe von KI zu automatisieren und so die menschliche Produktivität zu steigern. Hanselka sieht in der generativen KI einen enormen Beschleuniger, der auf einer Stufe mit anderen Basistechnologien wie der Dampfmaschine steht, von dem wir allerdings eher langfristig als kurzfristig profitieren werden. „Dummerweise geht dem Menschen die Lust und das Geld aus, wenn man nicht zwischendurch auch einen Zwischenerfolg hat“, so Hanselka. Es sei aber wichtig, die langfristige Strategie nicht aus den Augen zu verlieren und an die Zukunft der Technologie zu glauben, wie es zum Beispiel Elon Musk und andere erfolgreiche US-amerikanische Unternehmer vorleben. Auch China verfolge eine langfristige Strategie. Derzeit fehle es vor allem im Mittelstand noch an den notwendigen Kompetenzen und Kapazitäten, um sich mit der Technologie auseinanderzusetzen. Hier könne der Staat gezielt Innovationen fördern, etwa indem er als „Ankerkunde“ kleine und große KI-Anbieter mit der Modernisierung der öffentlichen Verwaltung mithilfe von KI-Anwendungen beauftrage. Hanselka sieht die Politik in der Pflicht, die Rahmenbedingungen und Leitplanken auf eine Weise zu setzen, dass Innovation und Disruption nicht durch zu restriktive regulatorische Hürden behindert werden. Die Folge ist Teil unseres Podcasts „Künstliche Intelligenz“. Er geht den Fragen nach, was KI kann, wo sie angewendet wird, was sie bereits verändert hat und welchen Beitrag sie in der Zukunft leisten kann. Hosts des Podcasts sind Peter Buxmann, Inhaber des Lehrstuhls für Wirtschaftsinformatik an der TU Darmstadt, und Digitalwirtschaft-Redaktionsleiter Holger Schmidt. Die Podcast-Folgen erscheinen jeweils am ersten Mittwoch im Monat.

Generative KI hat sich im Marketing besonders schnell durchgesetzt. Inhalte schnell und günstig mit ChatGPT oder Midjourney zu erstellen, ist aber nur die Oberfläche. KI ermöglicht auch das Aufkommen der „Antwortmaschinen“ wie Perplexity, die statt Links auf andere Websites KI-generierte Antworten liefern – und damit die Nutzer gar nicht mehr wegschicken. Das hat Folgen: „Die Veränderungen werden fundamental sein, es wird kein Stein mehr auf dem anderen stehen“, erwartet Markus Caspari. Vor allem das Performance Marketing wird sich anpassen müssen, also die Werbung in Suchmaschinen und die Optimierung der Websites für die Suchmaschinen. Caspari erwartet schon bald, dass Performance Marketing seinen Höhepunkt mehr alsschreiten wird. Markenbildung werden dann wieder wichtiger. Wir haben die wichtigsten Antworten von Markus Caspari hier aufgeführt: Was sind denn die drei wichtigsten Änderungen durch KI, die schon heute im digitalen Marketing zu beobachten sind? Subjektiv ist das zum erstens die Social Media Content-Generierung mit Texten, Bildern und Videos. Dort hat sich die Arbeitsweise von Agenturen bereits verändert. Zweitens ist es Search mit den Teilbereichen SEA und SEO, hierbei beispielsweise die Generierung von Texten für Websites oder Anzeigen beziehungsweise Hilfe bei der Inspiration. Die dritte wichtige Änderung ist der Bereich der Datenanalyse, vor allem die Analyse großer Datenmengen im Marketing und Mediabereich. Dabei spielen Daten-Anomalien eine große Rolle, die Frage ist: Was ist bei Marken oder Kampagnen anders als bei anderen und kann man dort Korrelationen feststellen, die man auch in anderen Bereichen findet. In den meisten Anwendungsfällen handelt es sich um Effizienzgewinne. Komplett disruptive Anwendungen sind aktuell noch selten anzutreffen. Gab es einen KI-Moment, wo Du das erste Mal „wow“ gesagt hast und es Dich vom Stuhl gehauen hat? Das erste Mal vom Stuhl gehauen hat mich der Launch von Chat GPT, sozusagen der „Interface-Moment“ für die Künstliche Intelligenz. Oft werden Vergleiche angestrebt, bei denen der Launch von ChatGPT mit dem Start des Internet oder der Veröffentlichung des ersten iPhone in Beziehung gesetzt werden. Aus meiner Sicht ist die Analogie mit dem Browser zutreffender. Die ersten Browser haben das Internet – das es schon zuvor gab – der breiten Masse erst durch ein einfaches User Interface zugänglich gemacht. Im Bereich SEA-Kampagnen haben mich die Möglichkeiten der KI bereits beeindruckt. Gerade dann, wenn man sehr granular arbeiten muss, zum Beispiel im Personalmarketing oder Geomarketing. In diesen Bereich gibt es viele Anwendungsfälle für KI, die enorm Zeit ersparen. Bleiben wir bei den Suchmaschinen, dort gibt es den Trend zu den „Zero Klicks“ schon länger, also dass die Suchmaschine direkt die Frage beantwortet und gar niemanden mehr auf eine Website schickt. Aus Suchmaschinen werden Antwortmaschinen, was dazu führt, dass Suchmaschinen-Optimierung (SEO) und Suchmaschinen-Werbung (SEA) schwieriger werden. Wie ist Deine Prognose zum Suchmarkt und wie wird sich Performance Marketing durch KI verändern? Die Veränderungen werden fundamental sein, es wird kein Stein mehr auf dem anderen stehen. Die Thematik mit den „Zero Klicks“ ist nicht neu, sondern das ist schon länger sichtbar, bereits vor der generativen KI. Laut einer Studie führen bereits heute etwa zwei Drittel der Suchen in Suchmaschinen gar nicht mehr zu Klicks. Das ist strategisch sehr wichtig und daraus kann man auch Ableitungen für die Zukunft treffen. Hintergrund ist der Umstand, dass die Plattformbetreiber ein wirtschaftliches Interesse haben, die Nutzer in Ihren Apps zu halten. Das ist nicht nur bei der Suche so, sondern zum Beispiel auch im Bereich der sozialen Medien. LinkedIn ist nur ein Beispiel dafür: Der Algorithmus bestraft externe Verlinkungen. Je mehr Zeit die Nutzer auf den Plattformen verbringen, desto mehr Opportunitäten gibt es, diesen Personen Werbung auszuspielen Durch die generative KI wird diese Problematik verschärft. Denn das nicht geschriebene Gesetz zwischen Publishern und Website-Betreibern, die Content verfügbar machen, der indexiert wird und in der Folge Besucher generiert, wird aufgekündigt. Die Content-Produzenten haben weiterhin Zeitinvest und Kosten, bekommen aber keinen Traffic mehr. Was heißt das für das Performance Marketing, wenn Perplexity oder Google AI Overview die Fragen direkt beantworten? Am wichtigsten ist die Diversifikation. Nach Möglichkeit sollte man sich breiter aufstellen und nicht nur auf einen Anbieter im Bereich Search setzen, sondern auch auf Social oder andere Plattformen, bei denen man mehr als Video- oder Display-Advertising Klicks einkauft. Die Thematik Gen AI verändert vieles, wie zum Beispiel Online-Buchungen und damit auch die Rezensionen. Was passiert, wenn jetzt Rezensionen mit KI geschrieben werden und echte nicht mehr von unechten Bewertungen zu differenzieren sind? Geht dann das ganze Bewertungssystem über Bord? Die Gefahr besteht durchaus. Am besten lässt sich diese Problematik anhand des Beispiels der Amazon-Produktbewertungen erklären. Amazon selbst hat diese Thematik bereits identifiziert und sie suchen mit ihrer KI nach Mustern in den Daten – was mal besser und mal schlechter funktioniert. Es werden Korrelationsanalysen gemacht, wer hat sich wann angemeldet, gibt es Auffälligkeiten, die mehr als Durchschnitt liegen. Bei den Amazon-Bewertungen wird zudem differenziert zwischen verifizierten Käufern und Nicht-Käufern. Die Konsumenten könnten lernen, dass Bewertungen verifizierter Käufer künftig noch wichtiger sind. Darüber hinaus geht Amazon auch öffentlichkeitswirksam juristisch gegen betrügerische Falschbewertungen vor und statuieren diesbezüglich Exempel. Eine KI, die eine andere KI erkennt, ob eine Rezension mit KI geschrieben wurde – da bin ich skeptisch. Die Nachvollziehbarkeit ist doch nicht gegeben, oder? Stimmt, hier startet ein klassisches Wettrüsten. Der Unterschied beim E-Commerce oder genauer Amazon im Vergleich zu anderen Lebensbereichen (beispielsweise Hausarbeiten an einer Hochschule) besteht einerseits durch die verifizierten Käufer und andererseits durch das Einloggen. Dadurch wird die Skalierbarkeit der automatisch generierten Produktbewertungen eingeschränkt. Die großen Player in der Werbung – Google, Meta, Amazon – geben Milliarden aus für Künstliche Intelligenz. Werden sie dadurch ihre ohnehin schon gute Position im Digital Marketing nochmals ausbauen und mächtiger werden? Der Markt wird sich verändern, Marktanteile werden sich verschieben, allerdings wird es schwer zu antizipieren, welcher Anbieter sich durchsetzen wird. Die Plattformökonomie spricht aber dafür, dass wir weiterhin oligopolistische Strukturen haben werden, mit wenigen Marktanbietern. Grundsätzlich werden die Starken werden nochmals stärker werden. Google selbst hat im Mai 2024 auf seinen Hausmessen Google I/O und Google Marketing Live gezeigt, dass die Innovationsschlagzahl aktuell auch wieder deutlich zunimmt, nachdem die Innovationen zuvor eher inkrementeller Natur waren. Analog ist das auch bei Meta und Amazon zu beobachten. Plattformen sind dadurch so groß geworden, dass sie kuratierte Services angeboten und Third Parties auf ihre Plattformen geholt haben. Das wiederholt sich gerade jetzt mit der Künstlichen Intelligenz wieder. Wie verändern diese Tools die digitale Landschaft? Einen Teil der Veränderungen sehen wir bereits jetzt. Die Thematik Automatisierung spielt bei Google schon sehr lange eine Rolle. Genau wie das Thema KI an sich. Lediglich die Aufmerksamkeit ist jetzt eine andere durch generative KI. Google hat gerade die Conversational Experience für den deutschsprachigen Raum gelauncht, bislang war das nicht der Fall. Damit wird ein Kampagnenmanager beim Aufsetzen von Digital Marketing Kampagnen in Google Ads durch das Interface geführt, man beschreibt die Ziele und die KI macht Vorschläge, die nur noch genehmigt werden müssen. Im Bereich gibt Media es schon lange KI-getriebene Lösungen wie Performance Max von Google, das kontinuierlich weiterentwickelt wird. Daneben gibt es zum Beispiel Microsoft Performance Max, Pinterest Performance+, Amazon Performance+ und Meta Advantage+. Pinterest denkt bei seinen KI-Mediaprodukten zum Beispiel über die reine Optimierung hinaus, was positiv hervorzuheben ist. Pinterest bedenkt auch Aspekte wie Inklusion, bei der Zusammenstellung des Feeds, das bedeutet: es wird dafür gesorgt, dass die Algorithmen nicht nur Stereotypen bedienen. Snapchat war – trotz aller Kritik, die es zum Start gab - mit dem Chatbot MyAI ein Early Adopter der Social Media Plattformen im Bereich KI. Im Bereich LinkedIn gibt es inzwischen LinkedIn Accelerate, dass in der öffentlichen Beta ist und laut dem Anbieter vielversprechende Effizienzgewinne hat. Was kommt auf die anderen Player zu, also auf Publisher oder Mediaagenturen? Mediaagenturen sind gewohnt Datengetrieben zu agieren, zu handeln und zu denken, insbesondere natürlich im Performance Marketing Bereich. Man ist es dort gewohnt, große Datenmengen zu analysieren, daraus Ableitungen zu treffen und in der Folge Daten- und Toolbasiert Entscheidungen zu treffen. In der Konsequenz können dann Empfehlungen ausgesprochen werden. Dementsprechend ist dort schon der richtige Mindset für KI vorhanden. Die Problematik ist das Ökosystem. Grundsätzlich ist aus Mediaagentur-Perspektive die Medienpluralität wichtig, das bedeutet viele Publisher und viele Angebote. Die zu erwartende Konsolidierung der Anbieter im Mediensektor ist auch für die Kunden der Mediaagenturen eine Herausforderung. Aktuell ist der Beratungsbedarf für KI hoch, weil sich viel verändert. Die Frage ist, wie es sich mittel- und langfristig verhalten wird. Bei der derzeitigen Innovationsrate sind langfristige Prognosen jedoch schwer. Für die Publisher ist die Herausforderung groß, man muss KI „proaktiv umarmen“. Grundsätzlich muss KI– trotz eventueller Verlustängste in den Redaktionen – genutzt werden, um effizienter zu werden. Bei den Publishern ist die Frage, wie sie strategisch mit Chat GPT & Co. umgehen sollten. Publisher haben die Chance Inhalte so zu kennzeichnen, dass Anbieter von generativer KI diese nicht für Trainingszwecke nutzen dürfen. Hälst Du diese Verweigerung für eine gute oder eine nicht so gute Idee? Publisher sind aktuell oft in einer finanziell schwierigen Situation, oft gebeutelt von jahrelangen Sparrunden und dementsprechend empfänglich für Angebote. Die Fragestellung ist eine von kurz- versus langfristig und dem Verhalten der anderen Mitspieler. Ferner ist entscheidend, ob ein Verlag tendenziell eher einzigartige und exklusive Inhalte hat oder ob es zahlreiche Substitute gibt. Zusätzlich ist Quellen-Transparenz in den KI-Antworten aus Medien-Sicht ganz entscheidend, das heißt werden der Publisher oder seine Marke prominent genannt oder nicht. Ferner würde es mich nicht wundern, wenn in der Zukunft ein Wissenschaftsverlag von einem KI-Betreiber gekauft wird, damit die oft exklusiven Inhalte anderen Plattformen nicht mehr für Trainingszwecke zur Verfügung stehen. Bei der Fragestellung welche Berufe mit am stärksten durch KI verändert werden, stehen meist Marketing und Software-Ingenieure relativ weit oben. Wie ist Deine Prognose, wie wird es den Job des Marketers verändern? Die Marketing-Jobs werden sich grundlegend verändern – ich bin selbst von dieser Thematik betroffen. KIs können gut analysieren und generieren. Die Aufgaben der Marketers haben dazu eine sehr hohe Übereinstimmung: zunächst wird analysiert, dann wird geschaut welches Produkt man launcht oder in welchen Markt man einsteigt und am Ende werden Kampagnen & Kreationen generiert. Dementsprechend besteht eine große Übereinstimmung. Daher wird der Einschlag recht groß sein. Die Frage ist dabei nur wie lange das Zeitfenster noch ist, aber der Einfluss wird enorm sein. Denkst Du im Bereich Marketing wird es in 3 bis 5 Jahren noch genau so viele Mitarbeiter geben wie heute? Zunächst war ich tendenziell eher negativ gestimmt, bis ich eine spannende Analogie eines Marketing-Professors aus den USA gehört habe, die ich recht interessant fand. Und zwar von einem Autor des Buches „The AI Marketing Canvas“, das 2020 – das heißt vor dem Hype – geschrieben und 2021 veröffentlicht wurde. Er zitierte in einem Gespräch eine Gartner-Studie, die Manager aus dem C-Level befragte und die zu dem Ergebnis kam, dass an Punkt eins meist nicht die Kostensenkung steht, sondern sich in der Regel Wachstum auf Platz eins der Agenda befindet. Die Kostensenkungen erfolgen erst, wenn es mit dem Wachstum nicht klappt. Die Frage ist doch: möchte ich mit der gegebenen Anzahl an Mitarbeitern den gleichen Outcome produzieren oder mit weniger Mitarbeitern die gleiche Wertschöpfung. Da Wachstum vor Einsparung kommt, bin ich verhalten optimistisch. Wie ist Deine Prognose, was sind die drei Top-Themen, mit denen die KI das digitale Marketing in drei Jahren verändern wird? Das Wechselspiel zwischen Branding und Performance kommt als Thema immer wieder auf die Marketing-Agenda - wie eine Mode oder die Jahreszeiten. Auch auf der aktuellen Messe dmexco wurde das Thema stark aufgegriffen. Kurzfristig bekommt Performance Marketing nochmals einen Schub durch Künstliche Intelligenz, obwohl gerade dieser Bereich in den letzten zehn Jahren schon stark von der Digitalisierung profitiert hat. Denn attribuierte Bestellmengen und Conversion Rates werden erst einmal besser durch Automatisierung und KI, weil Effizienzen gehoben werden. Mittelfristig werden wir bald den Peak im Performance Marketing sehen. Ich glaube es werden diejenigen besser aufgestellt sein, die stärker in ihre Marke investieren. Denn es ist sehr schwierig sich Wettbewerbsvorteile zu erarbeiten, denn alle nutzen dieselben Tools, arbeiten mit denselben Vermarktern und Plattformen zusammen. Tools und Plattformen werden eher ein Hygienefaktor, aber kein Wettbewerbsvorteil. Meistens gibt es zu Entwicklungen auch Gegenentwicklungen, d.h. wer jetzt in seine Marke investiert, ist gut beraten. Die Plattformökonomie führt zu mehr „The Winner takes it all“. Das konterkariert die vielen Long Tail Strategien, die es aktuell im Digital Marketing gibt. Es wird schwierig für diejenigen mit unbekannten Marken, denn künftig scrollt der Nutzer weniger in Suchergebnissen, sondern der Assistent bzw. die KI empfehlen die Nummer 1 und die Nummer 2, also die starken Marken. Dadurch werden die starken Marken noch stärker. Marketing wird strategischer, smarte operative Digital Marketing Hacks werden seltener. Es ist wichtig, ich mit Tools im Marketing zu beschäftigen, sie sind aber kein Selbstzweck. Oft liest man von KI-Toolexperten mehr als Marketingsoftware, aber die Werkzeuge stehen meist im Mittelpunkt anstatt Ergebnisse, Strategien, Prozesse und Kulturen. Ich prognostiziere ein Tool-Sterben, denn das, was funktioniert, wandert direkt in die KI – eine Entwicklung, die bei Plattformanbietern schon oft zu beobachten war. Die Folge ist Teil unseres Podcasts „Künstliche Intelligenz“. Er geht den Fragen nach, was KI kann, wo sie angewendet wird, was sie bereits verändert hat und welchen Beitrag sie in der Zukunft leisten kann. Hosts des Podcasts sind Peter Buxmann, Inhaber des Lehrstuhls für Wirtschaftsinformatik an der TU Darmstadt, und D:ECONOMY-Redaktionsleiter Holger Schmidt. Die Podcast-Folgen erscheinen jeweils am ersten Mittwoch im Monat.

Für Banken ist der Einsatz von maschinellem Lernen, um Kunden besser zu verstehen, längst selbstverständlich. „Im Grunde kann die KI für jeden Kunden prognostizieren, mit welcher Wahrscheinlichkeit er kündigt“, sagt Martin Schmidberger, Head of Customer Analytics bei ING Deutschland, im F.A.Z. KI-Podcast. Das eröffne den Banken die Möglichkeit, die Kunden mit den höchsten Wahrscheinlichkeiten zu finden und entsprechende Angebote zu unterbreiten. Die Machine-Learning-Algorithmen würden im Vergleich zu klassischen Modellen die Erklärungsqualität um 20 bis 30 Prozent verbessern. Diese scheinbar moderate Steigerung habe in der Praxis einen enormen wirtschaftlichen Mehrwert. Mit generativer KI sei nun die Vision hinzugekommen, Massenkommunikation zu personalisieren. Die generative KI könnte die Ansprache der Kunden nicht nur direkt selbst übernehmen, sondern sie vor allem auch persönlicher und nahbarer gestalten. „Man kann sich vorstellen, dass man mit jungen Kunden über das gleiche Thema anders spricht als mit älteren Kunden. Das fängt damit an, ob man duzt oder siezt. Aber auch die Tonalität und die Bildwelt, die man verwendet, wird anders sein“, sagte Schmidberger. Bisher hätte man zwar auch schon Texter beauftragen können, für bestimmte Kundenprofile jeweils eigene Varianten zu schreiben, stoße damit jedoch schnell an organisatorische Grenzen: „Man kann vielleicht zehn Varianten managen, aber sicherlich keine 100 unterschiedlichen Texte“, erklärt Schmidberger. Generative KI verspreche nun, die Massenkommunikation der Zukunft direkt auf die Ansprüche und Eigenheiten der Kunden maßschneidern zu können – vielleicht sogar für jede Person individuell. Aktuell seien diese Anwendungsfälle in der Industrie laut Schmidberger jedoch noch Zukunftsmusik: „Das ist sehr faszinierend, was sich für Möglichkeiten ergeben. Da werden wir aber noch eine Weile brauchen, bis die Lösungen marktfähig sind.“ Die Folge ist Teil unseres Podcasts „Künstliche Intelligenz“. Er geht den Fragen nach, was KI kann, wo sie angewendet wird, was sie bereits verändert hat und welchen Beitrag sie in der Zukunft leisten kann. Hosts des Podcasts sind Peter Buxmann, Inhaber des Lehrstuhls für Wirtschaftsinformatik an der TU Darmstadt, und D:ECONOMY-Redaktionsleiter Holger Schmidt. Die Podcast-Folgen erscheinen jeweils am ersten Mittwoch im Monat.

Boris Eldagsen, ein deutscher Fotograf, der 2023 den Sony World Photography Award für ein KI-generiertes Bild gewann, spricht über die Rolle von KI in der Kunst. Er erklärt, dass KI kreative Prozesse revolutioniert und es Künstlern ermöglicht, unabhängig von technischen Einschränkungen beeindruckende Bilder zu erschaffen. Eldagsen warnt jedoch, dass KI den Markt für Mainstream-Kunst zerstören und neu aufbauen wird. Außerdem betont er, dass präzise Eingaben entscheidend sind, um vom Standard abweichende kreative Ergebnisse zu erzielen.

dmGPT für 75.000 Mitarbeiter Der deutsche Drogeriewarenhändler dm ist einer der Pioniere in der Nutzung von Sprachmodellen. Schon im Sommer 2023 hat das Unternehmen die Sprach-KI dmGPT gestartet, die Texte zusammenfasst oder übersetzt. Der Roll-out ist inzwischen abgeschlossen und dmGPT steht 75.000 der insgesamt 81.000 dm-Mitarbeitern in 14 Ländern zur Verfügung. „Täglich gehen zigtausende Anfragen ein“, sagt Roman Melcher, Mitglied der Geschäftsführung und verantwortlich für das IT-Ressort, im KI-Podcast der F.A.Z. Die Kosten für die generative KI sind laut Melcher vernachlässigbar. Die Nutzung der Cloudinfrastruktur verursache kaum zusätzliche Kosten und die Entwicklung des Frontends für den Zugriff auf das Sprachmodell sei ebenfalls überschaubar gewesen. Bei den laufenden Kosten für die generative KI komme es darauf an, welches Abrechnungsmodell und welche Version des Sprachmodells genutzt werde. GPT-3.5 sei extrem preiswert und für die meisten Anwendungen mehr als ausreichend. Parallel zur individuellen Nutzung werde dmGPT zusätzlich in Unternehmensanwendungen integriert, um beispielsweise interne Daten zu verarbeiten oder Prozesse zu automatisieren. Ein Beispiel sei die Problemlösung des internen Servicedesks für die sogenannten Cash-Recycler – einer Art Geldautomaten, die das Bargeldhandling in den Filialen erleichtern und teilautomatisieren. „Wenn es Probleme gibt, können wir 50 Prozent der Lösungsbereitstellung mit dmGPT machen“, erklärt Melcher. Generative KI werde die Arbeit vieler Berufsgruppen in Zukunft spürbar verändern. „Wenn wir heute eine Sonnencreme vermarkten, muss man mit einer Crew an den Strand fliegen. Jetzt geht das mit generativer KI. Und wenn Sie das auf 10.000 Artikel denken, sehen Sie, welche Skalierungseffekte da drinstecken“. Allerdings sei es wichtig, Mitarbeiter frühzeitig auf diese Veränderungen vorzubereiten und mitzunehmen. Dies könne nur gelingen, wenn Entwicklungen offen kommuniziert werden. Auch Aufklärungsarbeit und Weiterbildung werden immer wichtiger. Ein Beispiel sind Prompting-Workshops. Die Erfahrungen seien sehr positiv. Bei den Mitarbeiter überwiege die Neugier, nicht die Angst, sagte Melcher. Die Folge ist Teil unseres Podcasts „Künstliche Intelligenz“. Er geht den Fragen nach, was KI kann, wo sie angewendet wird, was sie bereits verändert hat und welchen Beitrag sie in der Zukunft leisten kann. Hosts des Podcasts sind Peter Buxmann, Inhaber des Lehrstuhls für Wirtschaftsinformatik an der TU Darmstadt, und D:ECONOMY-Redaktionsleiter Holger Schmidt. Die Podcast-Folgen erscheinen jeweils am ersten Mittwoch im Monat.