Profis mit Erfahrung

AI im Online-Marketing

Über Künstliche Intelligenz (AI), deren aktuellen Einsatz im Online-Marketing, nützliche Tools und Aussichten für die Zukunft.

Gleich vorab: ja, in diesem Blogbeitrag werden auch Texte eingesetzt, die von AI-Software (Software für Künstliche Intelligenz) geschrieben wurden. Diese Texte sind aber als Zitate ausgewiesen, bzw. sehen Sie Screenshots der jeweiligen Ausgaben. Auch Bilder, die von AI-Software generiert wurden, sind als solche gekennzeichnet. Das am Desktop und Tablet sichtbare Beitragsbild (“Roboter fürchtet sich im Wald”) wurde mit Midjourney erstellt.

Inhaltsverzeichnis

Was ist AI

AI steht für Artificial Intelligence, auf Deutsch Künstliche Intelligenz. Gemeinhin würde man darunter verstehen, dass es sich dabei um Software oder eine Maschine handelt, die intelligent reagiert oder sich eben weitgehend wie ein Mensch verhält. Aber was ist die Definition von “Intelligenz”? Wer bestimmt, wie sich ein Mensch verhält? Im Vergleich womit? Einem Pferd? Einem Stein? Einer erdachten Kunstfigur?

Meist bezeichnet künstliche Intelligenz daher den Versuch, bestimmte Entscheidungsstrukturen des Menschen nachzubilden. Durch Algorithmen wird ein „intelligentes Verhalten“ simuliert, etwa bei Computergegnern in Computerspielen. 

Selbst der aktuelle Superstar unter den AI-Startups, das Unternehmen OpenAI, weist daraufhin, dass dessen Software ChatGPT seine Antworten auf unsere Fragen nur erstellt auf Basis eintrainierter Sprachmodelle (Generative KI-Algorithmen). Aktuelles Wissen würde nicht genutzt, der Wissensstand endet mit 2021.

Kein aktuelles Wissen bei ChatGPT
Kein aktuelles Wissen bei ChatGPT im Jänner 2023

Man könnte also sagen, ChatGPT simuliert Antworten von Menschen auf Fragen, basierend auf bisherigen Antworten, mit denen die Software trainiert wurde.

Ein Beispiel: auf die Frage “Wie geht es Ihnen?” lautet die Antwort wohl häufig: “Danke, gut!” ungeachtet des tatsächlichen Zustands (nur in Wien hören Sie überwiegend “Jo, geht eh! Irgendwie geht’s imma.”). Artificial Intelligence wird mit allen möglichen Antworten trainiert, sodass die AI-Antwort überwiegend ebenfalls “Danke, gut” lauten wird. Bei Wien-AI vielleicht anders.

Im Mittelpunkt steht bei Text-Artificial Intelligence die korrekte Anwendung von Sprache, aber derzeit noch weniger der Inhalt. Aktuelle Antworten auf Fragen können sogar falsch sein.

ChatGPT ist ein maschinelles Lernmodell, das mithilfe von künstlicher Intelligenz und natürlicher Sprachverarbeitung entwickelt wurde. Es nutzt eine Technik namens “transformer-based neural network”, um menschliche Sprache zu verstehen und zu generieren. Es wurde mit einer großen Menge an Texten trainiert, um sein Verständnis und seine Fähigkeit, natürliche Sprachantworten zu generieren, zu verbessern. Wenn ein Benutzer eine Frage oder eine Anfrage eingibt, analysiert das Modell den Text und generiert eine entsprechende Antwort.

ChatGPT, 19.01.2023

Das Transformer-Modell wurde 2017 im Rahmen der Neural-Information-Processing-Systems-Konferenz vorgestellt. Es ist ein neuronales Netzwerk (s.u.), das den Kontext und damit die Bedeutung lernt, indem es Beziehungen in sequentiellen Daten, wie den Wörtern in diesem Satz, verfolgt. Das kann z. B. benutzt werden, um Text von einer Sprache in eine andere zu übersetzen, da die Wortstellung in unterschiedlichen Sprachen unterschiedlich gehandhabt wird. 

Grundlagen von AI

Maschinelles Lernen

Machine Learning (maschinelles Lernen) bezeichnet die Fähigkeit von Software, basierend auf Daten, mit denen die Software “gefüttert” werden kann, zu lernen, und die Ergebnisse zu verbessern.

Bei maschinellen Lernverfahren erlernt ein Algorithmus durch Wiederholung selbstständig eine Aufgabe zu erfüllen. Die Maschine orientiert sich dabei an einem vorgegebenen Gütekriterium und dem Informationsgehalt der Daten. Anders als bei herkömmlichen Algorithmen wird kein Lösungsweg modelliert. Der Computer lernt selbstständig die Struktur der Daten zu erkennen. Beispielsweise können Roboter selbst erlernen, wie sie bestimmte Objekte greifen müssen, um sie von A nach zu B transportieren. Sie bekommen nur gesagt, von wo und nach wo sie die Objekte transportieren sollen. Wie genau der Roboter greift, erlernt er durch das wiederholte Ausprobieren und durch Feedback aus erfolgreichen Versuchen.

https://www.iks.fraunhofer.de/de/themen/kuenstliche-intelligenz.html

Klassisches Maschinelles Lernen ist aber nicht in der Lage, unstrukturierten Daten sinnvoll zu verarbeiten. Es können beispielsweise keine Texte als Eingabedaten genutzt werden, um einen Algorithmus zur Bildgenerierung zu trainieren. Klassisches Maschinelles Lernen funktioniert besser bei strukturierten Daten. Das können Datensätze aus einer Datenbank oder Excel-Tabelle sein. Das Zuordnen der Gattung “Katze” zu einem Katzenbild anhand spezifischer Merkmale von Katzenbildern (Gesicht, Ohren, Farbe etc.) gelingt aber auch bei klassischem Maschinellem Lernen, allerdings müssen zuvor die Merkmale aufbereitet werden (“Merkmal-Extraktion”), damit die richtigen Algorithmen zur korrekten Klassifikation gelernt werden können. 

Maschinelles Lernen

Neuronale Netze

Ein wesentlicher Bestandteil von AI sind Künstliche Neuronale Netze (KNN). Ein KNN basiert auf dem biologischen Konzept von Neuronen. Neuronen im Gehirn sammeln Signale von Zellen, mit denen sie verbunden sind, gewichten jedes Signal (“Wie wichtig ist dieses Signal?”) und entscheiden dann, ob sie selbst ein Signal an die Nachbarn senden. Diesem Schema nachempfunden sind Künstliche Neuronale Netzwerke.

Ein Neuronales Netzwerk besteht aus einer Eingabeschicht, einer “verborgenen Schicht” und einer Ausgabeschicht.

Die Eingabeschicht nimmt etwa das Bild einer Katze entgegen.

Die verborgene Schicht kann aus beliebig vielen Neuronen-Ebenen bestehen. Die Neuronen (Knoten) sind darin miteinander über sogenannte Kanten verbunden. Je stärker die Verbindung ist, desto größer die Einflussnahme auf das andere Neuron. In dieser Schicht werden die empfangenen Informationen gewichtet, weitergereicht und in jeder Ebene der Schicht neu gewichtet. Das Netz lernt erst einmal durch Prüfen einzelner Datensätze und generiert eine Vorhersage für jeden Datensatz. Es nimmt Änderungen der Gewichtungen vor, sobald eine falsche Vorhersage erfolgt. Dieser Vorgang wird viele Male wiederholt. Diese mittlere Schicht wird als verborgen bezeichnet (hidden layer), da ihre Neuronen weder beobachtbare Eingänge noch Ausgänge sind.

Wenn es besonders viele Ebenen gibt, wird das auch als Deep Learning bezeichnet. Deep Learning ist eine Untergruppe von maschinellem Lernen, denn es sucht sich selbst die Strukturen, die es benötigt. Voraussetzung dafür ist aber eine große Datenmenge, denn Deep Learning Verfahren brauchen viele Daten, um sinnvolle Ergebnisse zu erzielen.  

Die Ausgabeschicht gibt die verarbeiteten Informationen als Ergebnis – Das ist eine Katze – aus. Ein Ergebnis kann auch eine Wahrscheinlichkeitsverteilung sein. 

Deep Learning durch KNNs ist in der Lage, auch unstrukturierte Informationen wie Texte, Bilder, Töne und Videos in numerische Werte umzuwandeln. Das kann klassisches maschinelles Lernen nicht.

Deep-Learning
Deep Learning

Ursprünglich sind die Gewichtungen der Verbindungen in der verborgenen Schicht natürlich rein zufällig und die Antworten, die vom Netz stammen, höchstwahrscheinlich unsinnig. Damit Deep Learning gut funktioniert, braucht es zuvor Training. Millionen von Eingaben erzeugen vielfältige Ausgaben. Diese Ausgaben werden hinsichtlich des Ergebnisses bewertet. Bei nicht-sinnvollen Ergebnissen ändert die Software die Gewichtung einzelner Verbindungen (Kanten) in der verborgenen Schicht solange, bis die Ergebnisse als sinnvoll oder korrekt akzeptiert werden.

Jegliche Form von Daten kann als Trainingsmaterial für Deep Learning in der AI genutzt werden kann, daher auch gesprochener Text.

Das Unternehmen Microsoft entwickelt derzeit ein Text-to-Speech-KI-Modell namens VALL-E, das die Stimme einer Person sehr genau simulieren soll, wenn es ein nur drei Sekunden langes Audiobeispiel erhält. Möchten Sie diesen Text mit der Stimme von Oskar Werner vorgelesen bekommen? Das wäre dann möglich.

Hören Sie beeindruckende Beispiele auf https://valle-demo.github.io/

Nach erfolgreichem Training kann die Eingabe bei Bild-AI-Software auch die schriftliche oder gesprochene Beschreibung eines gewünschten Bilds sein (text-to-image), die Ausgabeschicht liefert ein oder mehrere Bilder als Ergebnis.

Eingabe: “Katze fliegt hoch am Himmel”

Ausgabe:

Katze fliegt hoch am Himmel
Katze fliegt hoch am Himmel, https://stablediffusionweb.com/

Arten von AI

Aktuell wird unterschieden zwischen schwacher und starker Künstlicher Intelligenz.

Schwache KI (weak/narrow AI)

Schwache KI kann zwar manchmal bereits an menschliche Intelligenz heranreichen, bleibt dabei aber auf abgegrenzte Teilbereiche beschränkt. ChatGPT kann zwar perfekte Texte verfassen, darunter sogar Programmcode, aber das Lösen von Kreuzworträtseln wird eher nicht gelingen. Ein tieferes Verständnis für Problemlösungen kann von schwachen KI-Systemen nicht verlangt werden.

Beispiele für schwache KI-Systeme aus dem Alltag:

  • Zeichen- bzw. Texterkennungsprogrammen
  • Navigationssystemen
  • Spracherkennung
  • Übersetzung (z.B. der Google-Übersetzer)
  • Gesichtserkennung in Smartphones
  • Personalisierte Anzeige von Werbung (Google Ads, Amazon)
  • Betrugserkennung (PayPal)

Starke KI (strong/general AI)

Starke KI-Systeme sollen aus eigenem Antrieb, intelligent und flexibel handeln. Sie sind nicht mehr nur auf die Lösung eines konkreten Problems beschränkt. Dazu wären wohl u.a. folgende Eigenschaften nötig:

  • Logisches Denkvermögen
  • Entscheidungsfähigkeit trotz möglicher Unsicherheit
  • Planungs- und Lernfähigkeit
  • Kommunikationsfähigkeit in natürlicher Sprache
  • Kombination von Fähigkeiten, um ein übergeordnetes Ziel zu erreichen

Solche superintelligente Systeme sollen menschliche intellektuelle Fähigkeiten erreichen und diese sogar übertreffen. Gut, dass es sie noch nicht gibt. Oder?

Es stellt sich jedenfalls nicht die Frage, ob es so etwas einmal geben wird, sondern vielmehr, wann es das geben wird.

Wie beeinflusst AI das Online-Marketing?

Software, die Ergebnisse auf Basis realer Daten und existierender Inhalte produziert, kann daher so manche Online-Marketing Tätigkeiten automatisieren, Inhalte personalisieren und die Leistung von Werbekampagnen optimieren. Grundlage dafür ist das Erfassen, und Bewerten von Verbraucherverhalten und -präferenzen.

  1. Personalisierung: AI kann dazu verwendet werden, Verbraucherpräferenzen und Verhaltensmuster zu analysieren, um personalisierte Angebote und Werbung zu erstellen.
  2. Automatisierung: AI kann Aufgaben wie das Schreiben von Produktbeschreibungen, die Durchführung von Marktforschungen und die Auswahl von Zielgruppen automatisieren.
  3. Chatbots und Kundenservice: AI-basierte Chatbots können dazu verwendet werden, um Kundenfragen schnell und effektiv zu beantworten und ihnen bei der Lösung von Problemen zu helfen.
  4. Vorhersage von Verbraucherverhalten: AI kann dazu verwendet werden, Verbraucherverhalten vorherzusagen und dadurch die Werbekampagnen und Produktangebote anzupassen.
  5. Optimierung von Werbekampagnen: AI kann dazu verwendet werden, die Leistung von Werbekampagnen zu analysieren und zu optimieren, indem es die Ausgaben automatisch anpasst und die Zielgruppen identifiziert, die am wahrscheinlichsten konvertieren.
  6. Produktempfehlungen: AI kann dazu verwendet werden, um Kunden personalisierte Produktempfehlungen basierend auf ihrem Verhalten und Interessen zu geben.
  7. Bild- und Spracherkennung: AI kann dazu verwendet werden, um Bilder und Sprache zu analysieren, um die Relevanz von Inhalten zu bestimmen und personalisierte Angebote zu erstellen.
ChatGPT auf die Frage “Wie kann künstliche Intelligenz das Online-Marketing beeinflussen?”

Wer etwa Werbung mit Google Ads betreibt, setzt bereits seit einiger Zeit schon Künstliche Intelligenz ein. Die relativ neuen Kampagnen für maximale Performance nutzen AI und maschinelles Lernen zur Abgabe optimaler Gebote in der Werbe-Auktion, sowie um die Werbungen möglichst geeigneten Zielpersonen zu zeigen.

Aber Text und statistisches Datenmaterial sind nicht die Grenze. AI-Software kann auch mit Bildern und Musik oder Sprache trainiert werden, um neue Bilder, Musik oder gesprochende Texte auszugeben.

Einsatzszenarien von AI im Online-Marketing

Wie also kann nun AI im Online-Marketing eingesetzt werden?

AI kann helfen, Kunden oder potenzielle Leads besser kennenzulernen. So lassen sich auf Basis des Nutzerverhaltens bestimmte Cluster, ähnliche Nutzergruppen oder Zusammenhänge erkennen, die man sonst nicht erkannt hätte. 

https://www.deloittedigital.at/artificial-intelligence-im-marketing/

Wenden Sie Werbe-Kampagnen bei Google Ads oder Facebook Ads an, die basierend auf einer großen Datenmenge versprechen, die Werbung der richtigen Zielgruppe im richtigen Moment zu zeigen. Bei Google Ads ist das etwa der Kampagnentyp Kampagnen für maximale Performance. Bei Facebook wird maschinelles Lernen bei allen Kampagnentypen eingesetzt. Dort berechnen maschinelle Lernmodelle die Wahrscheinlichkeit, mit der eine bestimmte Person die vom Werbetreibenden gewünschte Handlung durchführt. 

Produktempfehlungen bei Amazon sind auf den Einsatz von AI-Systemen zurückzuführen.

Unter Marketing Automation wird oft das Konzipieren von Sales Funnels bezeichnet, bei denen potentielle Kunden (“Leads”) mit Informationen per Email versorgt werden, basierend auf einem vorher festgelegten Plan (Sende Mail A, warte 3 Tage, sende Mail B, warte 7 Tage, …). Der Begriff Marketing Automation existiert ja schon lange, dabei war die Anwendung von KI noch nicht in Sichtweite. Unter Nutzung von AI könnten aber auch personalisierte Funnels umgesetzt werden. Dann wird die Mail-Kette besser abgestimmt auf die jeweiligen Umstände hinsichtlich der voraussichtlich höchsten Wirksamkeit.

Sie benötigen Musikuntermalung für ein Werbevideo? Lassen Sie den Soundtrack von AI erstellen. Sie geben den Stil vor, die Instrumentierung, den gewünschten Klang, und die Software “komponiert” und spielt für Sie.

Sie suchen nach aufregenden Bildern für Artikel, Webseiten und Blogbeiträge? Lassen Sie sich solche Bilder einfach individuell nach Ihren Angaben erstellen.

Sie suchen nach Keywords bzw. Fragen, für die Sie bei Google gefunden werden möchten. Nutzen Sie dafür KI-Systeme, wie eben das schon mehrfach erwähnte ChatGPT.

Keyword Recherche mit ChatGPT
Keyword Recherche mit ChatGPT

Sie möchten einmal anders recherchieren, als mit Google? Nutzen Sie eine AI-gestützte Suchmaschine im Frage/Antwort-Modus. Microsoft plant übrigens die Implementierung eines AI-Chatbots in Bing, was bei Google einen “roten Alarm” ausgelöst haben soll. Der aktuelle Google-CEO Sundar Pichai hat die 2019 ausgeschiedenen Gründer Larry Page und Sergey Brin reaktiviert, um die Google-eigene KI-Strategie zu überarbeiten (T3N).

Sie möchten die Besucher Ihrer Website mit gut geschriebenen Blogbeiträgen versorgen, Ihnen fehlt aber die Zeit zum Schreiben? Etliche AI-Systeme können Texte zu vorgegebenen Themen erstellen.

Falls Sie sich gerade fragen: dieser Text wurde von mir, Heinz Duschanek, geschrieben. Mit den Fingern auf der Tastatur.

Ich schwör’!

AI-Tools

Voilá, hier sehen Sie eine kleine Auswahl an AI-Tools, die Sie eventuell jetzt schon im Online-Marketing einsetzten können.

Ein Text-to-Speech Video von Synthesia. Nur der Text wurde vorgegeben.

Musik

https://openai.com/blog/musenet/

https://www.aiva.ai/

Ein AI-generierter Jazz Song von AIVA

Marketing Tools

https://www.marketmuse.com/ – Optimierungstool, mit dem Inhalte verbessert werden können. 

https://exceed.ai/ – Virtueller Assistent zur Unterstützung von Vertriebs- und Marketingteams bei der Pflege von Leads

https://www.chorus.ai/ – Tool zur Aufzeichnung von Verkaufsanrufen mit Anrufnotizen in CRM-Systemen von Drittanbietern.

https://www.import.io/ – Ermöglicht unstrukturierte und halbstrukturierte Webdaten zu erfassen, vorzubereiten, und in genaue und strukturierte Datentabellen zu integrieren.

https://emplifi.io/products/social-media-marketing/influencers – Analyse von Influencern und deren Fans & Follower vor der Kontaktaufnahme

https://www.cortex-ia.com/cortex-evolution-software/ – Cortex reagiert auf individuelle, umgebungs- oder zustandsbasierte Informationen und leitet relevante Daten zwischen Flows weiter. Prozessautomatisierung in Echtzeit für Serviceanfragen bis zur manuellen Aufgabenverwaltung.

Herausforderungen und Risiken

Als Trainingsmaterial für die Produktion von Bildern dient logischerweise eine Unmenge an Bildern und Grafiken, die von Menschen erstellt wurden. Die Künstler wurden allerdings dafür nicht entschädigt, obwohl etwa Grafiken im Stil von Banksy leicht selbst erstellt werden können. Die Website https://haveibeentrained.com/ unterstützt übrigens dabei herauszufinden, ob eigenes Material für das AI-Training eingesetzt wurde. Die Bildagentur Getty Images strengt gerade eine Klage gegen das Unternehmen Stability AI an, weil Bildmaterial ohne Erlaubnis als Trainingsmaterial für die Software Stable Diffusion eingesetzt worden sein soll.

Sie können und wollen genausowenig wie ich Kalt-Akquise am Telefon durchführen? In Zukunft könnten Personen bei Anrufen von Unbekannten wohl nicht mehr so einfach erkennen, ob sie es mit einem Menschen zu tun haben oder mit einer Anruf-Software. Nicht einmal bei einem längeren Gespräch. Das mag auch die Telefonkriminalität stark ansteigen lassen (Kinder bitten Eltern um Geld für eine Anschaffung, Versicherung teilt Änderung der Kontonummer mit, u.ä.)

„Da VALL-E Sprache unter Beibehaltung der Sprecheridentität synthetisieren kann, besteht die Gefahr, dass das Modell missbräuchlich verwendet wird, z. B. um die Stimmerkennung zu fälschen oder sich als ein bestimmter Sprecher auszugeben. Um solche Risiken zu minimieren, ist es möglich, ein Erkennungsmodell zu erstellen, mit dem sich feststellen lässt, ob ein Audioclip von VALL-E stammt.“

Microsoft, https://arxiv.org/pdf/2301.02111.pdf

Aber das sind nur Stiche ins Wespennest. Weitere wesentliche Herausforderungen in Listenform:

  • Es braucht Fachpersonal mit neuem Wissen (“Master of Prompt”, Daten-Analysten, etc.)
  • Die menschliche Kommunikation und der menschliche Bezug zwischen Unternehmen und Kunde darf nicht verloren gehen
  • Vorhandene Daten werden nicht optimal genutzt
  • AI muss stetig weiterentwickelt werden, das Verfolgen der Entwicklung ist zeitaufwändig
  • Es braucht eine große Datenmenge (große Masse an Kundendaten) zum Erzielen sinnvoller Ergebnisse
  • AI gleicht einem Blackbox-System, es fehlt an Transparenz. Eine Nachprüfbarkeit der entsprechenden Entscheidungen ist kaum gegeben. Die Entwicklung ethischerer und erklärbarer AI-Modelle ist unerlässlich.  
  • Menschen wollen und müssen wissen, ob sie es mit einem Menschen oder mit einem Bot zu tun haben
  • Die rechtskonformen Erhebung und Verarbeitung von Kundendaten ist wesentlich, der Datenschutz muss gewährleistet sein
  • Nicht alle Personen akzeptieren einen hohen Grad an Automatisierung und Individualisierung hinsichtlich Informationsversorgung (Werbung)
  • Aktuelle AI Texte sind zwar nett und korrekt geschrieben, der Informationsgehalt ist aber häufig zu gering. Texte müssen überarbeitet werden, was auch einen erheblichen Aufwand darstellen kann
  • Sexismus und Rassismus: Künstliche Intelligenz konnte beispielsweise in Kalifornien die Gesichter schwarzer Frauen besonders schlecht erfassen – ein Problem, das in der Strafverfolgung gefährlich werden kann. 

Woher könnten Sexismus und Rassismus in AI stammen? Die Systeme wurden lange Zeit überproportional mit Fotos weißer Personen trainiert und funktionierten deshalb bei Schwarzen weniger präzise. Und aufgrund der Vorlieben der “Trainer” werden Frauen in AI-generierten Bildern ohne weitere Angabe als jung und sexy dargestellt

Es sind Menschen, die KI-Systemen die Daten bereit stellen, aus denen Algorithmen wiederum lernen. Damit sind es also Menschen, die in die Richtung weisen, in die sich KI verselbständigen soll, und der Mensch taugt nun mal nicht als objektiver Wegweiser.

https://www.innoq.com/de/articles/2022/01/ethik-und-kuenstliche-intelligenz/

Künstliche Intelligenz benötigt Daten, um zu lernen, und gerade im Marketing sind das oft personenbezogene Daten. Für viele der potenziell nützlichsten und leistungsstärksten KI-Anwendungsfälle können das sehr sensible Daten wie Gesundheits- oder Finanzinformationen sein.

Midjourney: Straßenbild mit Robotern
Midjourney: Straßenbild mit Robotern

Zukunftsaussichten

Derzeit lassen sich Bilder auf Basis von Textangaben erstellen. Wenn die Rechnerkapazitäten es zulassen, werden wir wohl auch Videos oder ganze Spielfilme auf Basis von Script-Ideen oder ausgeschriebener Drehbücher erstellen können. Video-Werbung wird auch für kleine Unternehmen neue Dimensionen erreichen.

Die Kommunikation mit Kunden und Verbrauchern wird teilweise an Bots ausgelagert werden. Derzeit muss man solche Bots eher als Website-Navigation in Dialogform auffassen, später werden diese Bots eventuell schon Fragen korrekt beantworten oder gar Probleme lösen können.

Werbung wird mit wesentlich geringeren Streuverlusten ausgespielt werden. Aber Menschen suchen auch Abwechslung, die Bedeutung von Werbung in TV, Radio und Printmedien wird daher nicht weiter reduziert werden.

Das Erkennen von Spam-Mails wird zuverlässiger erfolgen. Umso wichtiger ist es dann, dass echte Newsletter relevanten Inhalt transportieren. Die Relevanz von Newsletter-Aussendungen wird steigen.

AI wird dabei helfen, bessere Geschäftsprognosen zu treffen. Dadurch kann eine wesentlich genauere Budgetierung vorgenommen werden.

Und AI wird zunehmend schöpferischer und emotionaler werden.

Fazit

Der Einsatz von AI ist bereits jetzt aus dem Alltag nicht mehr wegzudenken. Wesentliche Funktionen am Smartphone sind erst durch AI möglich. Und das bedeutet, die Menschheit gewöhnt sich schon daran.

Im Online-Marketing wird es wohl unter Anwendung von AI-Systemen immer leichter werden, Streuverluste bei Werbung zu minimieren (was sich kostensenkend auswirkt), Inhalte und Medien zu erstellen, Automatisierungen einzuführen und die Kommunikation mit Kunden zu verbessern.

Es ist daher auch schon jetzt für Führungskräfte und viele Unternehmer unabdingbar, sich mit AI-Anwendungen auseinanderzusetzen, und über eine Anwendung im eigenen Bereich nachzudenken. Welche speziellen Geschäftsanwendungsfälle im Unternehmen könnten von riesigen Datenmengen profitieren, um bei alltäglichen Aufgaben mittels AI gut unterstützt zu werden? AI ist sehr gut darin, Muster zu erkennen. Aber nicht immer beruhen Muster auf Kausalität, manchmal ist es einfach nur Korrelation. Das einzuschätzen sollte weiterhin der menschlichen Urteilskraft obliegen.

Was meinen Sie dazu?

Heinz Duschanek
Heinz Duschanek

Heinz Duschanek hat 2003 die Online-Marketing Agentur E-Werkstatt gegründet. Da er vorher auch beim Radio gearbeitet hatte (Radio CD International, Ö1, Ö3), freut er sich jetzt ganz besonders über die Richtung, die das Online-Marketing nimmt. Denn das liefert einen Vorwand dafür, viele elektrischen Geräte und Gadgets rund um Audio und Video anzuschaffen.

Daneben interessiert sich Heinz auch für Tango Argentino, Lindy Hop, Wing-Tsun, Boxen, (Jazz-/Blues-)Gitarre. Und er betreibt den Podcast "Cabeceo - Gespräche über den Tango Argentino" (https://cabeceo.at).

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert