Künstliche Intelligenz (KI) ist ein wichtiger Innovationstreiber für alle Branchen. Wer davon profitieren will, sollte jedoch die Praxis im Fokus behalten. Denn KI darf nicht zum Selbstzweck werden – ein konkreter Business Case muss immer im Vordergrund stehen. Andernfalls ist die innovative neue KI-Lösung nur ein technisches Spielzeug ohne realen Mehrwert.
Aus diesem Grund haben wir für Sie vier Use Cases für künstliche Intelligenz zusammengestellt. Bei allen handelt es sich um KI-Lösungen, die wir selbst entwickelt haben und bereits in Kundenprojekten einsetzen. Bei Interesse können Sie mich gerne ansprechen.
Use Case #1 Potenzielle Kunden identifizieren
Bei seinen Cold Calls stößt der Vertrieb heutzutage meist auf taube Ohren. Der potenzielle Kunde muss bereits Interesse gezeigt haben, bevor sich die Ansprache lohnt. Doch die Lead-Generierung ist in vielen Unternehmen ein Flaschenhals. Es wird immer schwerer, sich von der Konkurrenz abzusetzen, die mit ähnlichen Botschaften die gleichen Kanäle bespielt.
An dieser Stelle kann Predictive Analytics einen Wettbewerbsvorteil bieten. Machine-Learning-Algorithmen scannen Ihr CRM-System (oder das CRM-Modul Ihres ERP-Systems) nach Bestandskunden und analysieren deren Profil. Das schließt Stammdaten, Verhaltensdaten und zeitliche Abläufe während der Akquisition ein.
Fast jedes Unternehmen kann von #KI profitieren. Die Herausforderung ist eher, den passenden Use Case zu finden.
Anschließend sucht die künstliche Intelligenz nach Unternehmen mit ähnlichen Eigenschaften. Dafür wertet sie zum einen Datenbanken mit Firmenprofilen aus. Zum anderen analysieren Texterkennungs-Algorithmen die Unternehmenskommunikation des potenziellen Kunden (Pressemitteilungen, News, ausgeschriebene Stellen etc.) sowie die Berichterstattung auf Nachrichtenseiten. All diese Informationen kombiniert die KI zu einem Gesamtprofil.
Das Resultat ist eine Datenbank mit potenziellen Kunden, die zwar Bedarf gezeigt, aber noch nicht mit Ihnen interagiert haben. Diese Unternehmen befinden sich meist in einem frühen Stadium ihres Entscheidungsprozesses. Die Chance ist hoch, dass sie noch niemanden kontaktiert haben, auch die Konkurrenz nicht. Wenn Ihr Vertrieb schnell reagiert, ist er somit gegenüber Wettbewerbern im Vorteil.
Use Case #2 Marktentwicklungen beobachten
Moderne Unternehmen sind Teil eines komplexen Ökosystems aus Kunden, Partnern, Lieferanten, Wettbewerbern und stattlichen Einrichtungen. Wer dieses Netzwerk versteht, Einsichten daraus gewinnt und Entwicklungen vorhersieht, kann diese Informationen nutzen, um sich von der Konkurrenz abzuheben.
Eine Marktanalyse mit Predicitive Analytics ermöglicht, Entwicklungen vorherzusehen und sich von Konkurrenz abzusetzen.
Hier setzen Marktanalysen mit Predictive Analytics an. Mit Hilfe künstlicher Intelligenz beobachten sie viele verschiedene Kommunikationskanäle und werten Informationen über andere Marktakteure (hauptsächlich Lieferanten und Wettbewerber) aus. Das umfasst zum Beispiel:
- Pressemitteilungen
- Firmenbücher
- Ratings
- News
- Soziale Medien
Dabei suchen Texterkennungs-Algorithmen nach allen Informationen, die für Ihr Unternehmen Potenziale oder Risiken bergen. Zum Beispiel:
- Produktankündigungen
- Neue Mitarbeiter
- Personalabbau
- Jahresabschlüsse
- Skandale
Als Ergebnis dieser fortlaufenden Analyse liefert die KI keine einfachen Links zu News-Seiten. Sie ist in der Lage, Texte zu interpretieren und den Inhalt zu filtern. Auf Ihrem Dashboard erscheint nicht die Meldung „Geschäftsbericht von Lieferant X erschienen“, sondern „Umsatz von Lieferant X im letzten Jahr um 30 Prozent gesunken“ – was ein Anlass sein könnte, vorsichtshalber nach alternativen Zulieferern Ausschau zu halten.
KI-gestützte Marktanalysen haben zwei Vorteile. Zum einen nehmen sie Entscheidern den Rechercheaufwand ab. Zum anderen senken sie die Reaktionszeit des Unternehmens. Ihr Vertrieb kann sofort zum Telefonhörer greifen, wenn sich Potenziale auftun.
Use Case #3 Lernende Dashboards
Auch im Kleinen kann künstliche Intelligenz zum Unternehmenserfolg beitragen, beispielsweise im Bereich User Experience. Geringe Effizienzsteigerungen häufiger Arbeitsabläufe mögen auf den ersten Blick kaum Relevanz haben. Aber sie summieren sich mit der Zeit.
Auch im Kleinen kann künstliche Intelligenz zum Unternehmenserfolg beitragen, beispielsweise im Bereich User Experience. Geringe Effizienzsteigerungen häufiger Arbeitsabläufe mögen auf den ersten Blick kaum Relevanz haben. Aber sie summieren sich mit der Zeit.
Lernende Dashboards sind ein Beispiel für die KI-gestützte Optimierung von Geschäftsprozessen. Ein Dashboard ist eine Visualisierungshilfe, die Kennzahlen und Zusammenhänge verständlich aufbereitet. Gerade in den Bereichen Monitoring, Controlling und Business Intelligence sind Dashboards heutzutage Standard.
Ein gutes Dashboard zu designen ist jedoch schwierig. Die individuellen Anforderungen von Anwenderinnen und Anwendern unterscheiden sich. Es gibt keine Oberfläche, die alle zufriedenstellt. Zumal schon kleine Details eine große Wirkung haben.
Anpassungsoptionen können zwar Abhilfe schaffen. Doch sie haben zwei Schwächen:
- Die Balance zwischen Funktionsumfang und Komplexität ist schwer zu finden. Zu wenige Optionen bringen nicht den gewünschten Erfolg – zu viele überfordern die Nutzerin oder den Nutzer vielleicht.
- Menschen können ihre Anforderungen meist nicht genau spezifizieren. Ein breites Angebot an Konfigurationsmöglichkeiten verbessert daher nicht zwangsläufig die User Experience.
Ein besserer Ansatz ist, die Optimierung von Dashboards künstlicher Intelligenz zu überlassen. Machine-Learning-Algorithmen werten dazu das anonymisierte Benutzerverhalten aus und wählen daraufhin passende Änderungen aus. Je nach Software-Lösung schlägt die KI entweder vorgefertigte Dashboard-Konfigurationen vor oder sie passt die Benutzeroberfläche automatisch an.
Als Ergebnis erhalten Anwenderinnen und Anwender individuelle Dashboards, die präzise auf ihre Anforderungen zugeschnitten sind und ihren Arbeitsablauf effizienter gestalten.
Use Case #4 Lagerbestände optimieren
Lagermanagement ist in vielen Unternehmen eine Gratwanderung. Auf der einen Seite möchte man die Bestände so gering wie möglich halten, um Lagerhaltungskosten zu minimieren und die Liquidität der Organisation sicherzustellen. Auf der anderen Seite führen reaktive Bestellungen zu Verzögerungen in der Werkshalle und Lieferengpässen. Unternehmen müssen beide Risiken gegeneinander abwägen, wenn sie ihr Lager bestücken.
Künstliche Intelligenz kann im Unternehmen das Lagermanagement optimieren und effizienter gestalten.
Verschiedene interne und externe Faktoren spielen bei der Entscheidung eine Rolle. Außerdem hängt die Genauigkeit von Verbrauchsprognosen vom Beobachtungszeitraum ab. Langfristige Lageroptimierung erreicht schnell einen Komplexitätsgrad, den Menschen nicht mehr bewältigen können.
Künstliche Intelligenz kann Unternehmen hierbei unterstützen. KI-Lösungen analysieren historische Lagerbewegungen, Auftragseingänge und Warenentnahmen, um eine Verbrauchsprognose zu erstellen. Zusätzlich berücksichtigt die KI Lagerkosten, Preisentwicklungen, die Haltbarkeit von Rohstoffen sowie saisonale Schwankungen hinsichtlich Auftragsvolumina und Materialkosten.
Auf diese Weise kann die künstliche Intelligenz feststellen, welche Materialien zu welchem Zeitpunkt in welcher Höhe im Lager vorhanden sein sollten. Zusätzlich entwickelt das System eine Beschaffungsstrategie und schlägt optimale Bestellmengen bzw. -termine vor. Dadurch sinken die Lager- und Anschaffungskosten, während gleichzeitig Materialengpässe seltener auftreten.
