CONSULTING.de
Thomas Donath, Nordlight Research Nachhaltigkeitsforschung: Warum mehr Offenheit, Ehrlichkeit und Lebensnähe guttun
veröffentlicht am
- marktforschung.de
- marktforschung.dossier
- Dossier: Data Science und Künstliche Intelligenz
Data Science und Künstliche Intelligenz
Künstliche Intelligenz: Hinter Hype und Label schauen
von Dr.-Ing. Martin Hahmann, GWT-TUD
"Die Marktforschung ist eines der wichtigsten Werkzeuge des Marketings". Zu ihren Zielen gehören das "frühzeitige und rechtzeitige Erkennen von Trends" und die "Unterstützung bei der Entwicklung erfolgreicher Absatzstrategien". Was haben diese Wikipedia-Allgemeinplätze mit einem Dossier zum Thema Data Science und KI zu tun?
Betreiben wir ein kleines Gedankenspiel und suchen nach Trends, die heute als wichtig, innovativ und "sexy" gelten. Dabei stoßen wir fast zwangsweise auf das Label KI. Ein Angebot, das von Käufern als wünschenswert wahrgenommen werden soll, muss folglich den Begriff KI enthalten.
Der Erfolg dieses Ansatzes ist nicht zu übersehen. In den Medien finden sich fast täglich Beiträge zur künstlichen Intelligenz. Während ich dies hier schreibe, nimmt die Bundeskanzlerin in der Dresdner Frauenkirche an einer Diskussion zum Thema KI teil. In der Vorabliste mit Beiträgen für dieses Dossier trägt jeder Beitrag den Begriff KI im Arbeitstitel. Für das Thema dieses Dossiers ist das sicher nicht ungewöhnlich. Allerdings fällt auf, dass der Begriff Data Science trotz des größeren thematischen Umfangs und seiner früheren Prominenz – in der Zeit vor Machine Learning – kaum in Erscheinung tritt.
Die fortschreitende Digitalisierung von Datenerhebung, -aufbereitung und –analyse, die durch Begriffe wie Big Data, Data Science, Machine Learning etc. beschrieben wird, ist von essentieller Bedeutung für die Marktforschung. Trotzdem entsteht oft der Eindruck, dass die Branche sich durch den Hype um immer neue Buzzwords, wie zuletzt KI, blenden lässt und somit indirekt zum Opfer ihres eigenen Erfolgs wird.
Hype macht Innovation attraktiv. Nimmt er allerdings überhand, weckt er überzogene Erwartungen, die zwangsweise enttäuscht werden und im schlimmsten Fall dazu führen, dass wichtige Entwicklungen verpasst werden.
Füreinander geschaffen?
Als Informatiker und Data Scientist kommt man schnell zu dem Schluss, dass Marktforschung und Data Science eigentlich perfekt zueinander passen. Immerhin betreibt die Marktforschung seit Jahrzehnten im Kern Data Science. Sie erhebt, erfasst und analysiert Daten, gewinnt Erkenntnisse und leitet aus diesen Strategien ab. Eine motivierte und umfassende Adaption des Trends durch die Branche erschien nicht nur wahrscheinlich, sondern geradezu zwingend.
Ist die Marktforschung heute der große Vorreiter im Bereich Data Science? Ich persönlich denke das nicht. Data Science und Co werden zwar angewendet, sind aber global betrachtet immer noch eher Ausnahme als Regel. Teilweise wirkt die fehlende Traktion bei diesen Themen fast fahrlässig. Die Enthüllungen um Cambridge Analytica haben das Potential und die Fähigkeiten einer durchdigitalisierten Marktforschung auf beeindruckende und sicher auch beunruhigende Weise aufgezeigt. Fast zeitgleich warf die "Akte Marktforschung" ein zweifelhaftes Licht auf klassische Methoden der Branche. Trotz dieser Ereignisse konnte sich aber z.B. die Fachgruppe Data-Science des BVM nicht etablieren.
Seit drei Jahren betreue ich den Data-Science Cup des BVM und erfahre bei den Teilnehmern aus erster Hand, dass es in der Marktforschung sehr wohl Menschen gibt, die das Thema Data Science mit Kompetenz, Engagement und Leidenschaft verfolgen. Nichtsdestotrotz ist und bleibt ihre Anzahl gering. Woran liegt das? Brauchen wir vielleicht einen KI Cup?
Eine andere Marktforschung
"Beide schaden sich selbst: der, der zu viel verspricht und der, der zu viel erwartet." Dieses Zitat von Lessing beschreibt ungefähr die Hälfte der Probleme mit denen ich während meiner Tätigkeit im Big-Data-Kompetenzzentrum ScaDS konfrontiert wurde.
Anhaltender Hype, immer neue Buzzwords und fehlende Kenntnisse erzeugen nicht nur falsche Erwartungen, sondern führen auch zu falschen Fragen. Technische Entscheidungen wie: "Python oder R?", "PostgreSQL oder Cassandra?", "Scale-out oder Scale-up?" werden in den Vordergrund gestellt. Dabei ist oft unklar, ob die avisierte Aufgabe diese Systeme überhaupt erfordert. Man beschäftigt sich damit, weil alle anderen es auch tun und man den Anschluss nicht verlieren darf. Pauschale Aussagen wie: "Mit ein paar Gigabyte kann man kein Data Science betreiben!" oder "Machine Learning funktioniert nur mit Neuronalen Netzen und TensorFlow!" sind weitverbreitet und schlichtweg falsch. Zusätzlich existieren auch Verdrängungsängste: "Ist meine Arbeit bzw. meine Expertise jetzt überflüssig? Werde ich durch einen Algorithmus ersetzt?".
In aller Kürze klargestellt: Die Menge an Daten sagt nichts über deren Nutzen aus. Diese Aussage ist in der Marktforschung glücklicherweise bekannt wie z.B. der Beitrag "George Gallup versus The Literary Digest" von Frau Dr. Müller-Peters zeigt. Weniger, dafür sorgfältig und planmäßig erhobene Daten sind eine ideale Grundlage für qualitativ hochwertige Prognosen und Analysen. Nichtsdestotrotz existiert heute aber auch eine Vielzahl von automatisch erfassten Daten für fast alle Lebensbereiche die für die Modellierung von größtem Interesse sind. Die schiere Masse dieser Daten garantiert allerdings weder Qualität noch Nutzen. Es gilt auch hier: "garbage in, garbage out". Für die Marktforschung bietet gerade die komplementäre Nutzung dieser neuen Datenquellen in Verbindung mit klassischen gezielt erhobenen Daten ein riesiges Potential.
Data Science und Machine Learning bestehen nicht nur aus Massendaten und Neuronalen Netzen. Als universelle Funktionsapproximatoren sind Neuronale Netzte extrem mächtige und vielseitige Werkzeuge. Sie sind aber auch unglaublich komplex, rechenaufwändig und opak. Sicherlich können viele Probleme mit TensorFlow und mehreren tausend, in der Cloud zugekauften, CPU Stunden mit einer zufriedenstellenden Genauigkeit gelöst werden. Oft erreichen aber auch einfachere Verfahren vergleichbare oder bessere Ergebnisse. In jedem Fall erlauben nachvollziehbare Modelle effektivere Anpassungen als "Black-Box" Netze.
Zum Abschluss: KI macht nicht alles besser, löst nicht jedes Problem und kann auch den Marktforscher nicht ersetzen. Der Begriff fasst mittlerweile alles mit einem Bezug zu Data Science oder Machine Learning zusammen. Im Allgemeinen versucht KI "intelligentes Verhalten" und menschliche Entscheidungen nachzubilden. Leider existiert keine genaue Definition von KI, so dass der Begriff ein unglaublich breites Feld abdeckt. Beispielsweise kann man AlphaGo als KI bezeichnen, da das System über den nächsten Zug einer Partie Go entscheidet. Parallel kann man auch eine Gartenbeleuchtung als KI bezeichnen, wenn sie sich bei einsetzender Dunkelheit einschaltet.
KI setzt Data Science und Machine Learning bzw. Mathematik und Statistik auf intelligente Art und Weise ein, um algorithmisch Entscheidungen zu fällen. Das heißt aber nicht, dass ein Entscheidungsalgorithmus an sich tatsächlich intelligent ist. Trotzdem haben viele Menschen genau diese Erwartung.
Buzzwords hin oder her, es findet eine transformative Entwicklung statt, deren Ziel eine veränderte Marktforschung mit veränderten Markforschern und vielen neuen Möglichkeiten ist. Um dieses Ziel zu erreichen, muss die Marktforschung allerdings an sich selbst vorbei und hinter Hype und Label schauen.
Dr.-Ing. Martin Hahmann ist bei der GWT-TUD für die Bereiche Datenanalyse und Zertifizierung zuständig. Davor verantwortete er an der Professur Datenbanken der Technischen Universität Dresden den Bereich Datenanalyse und war als Mitglied des Big-Data-Kompetenzzentrums "ScaDS Dresden/Leipzig" im Bereich "Big Data Lifecycle Management" tätig. Erst vor wenigen Wochen bekam er vom BVM den Preis für besonderes Engegament in der Marktforschung verliehen.
Die Beiträge des Dossiers werden sukzessive auf dieser Seite veröffentlicht. Morgen schon folgt ein Beitrag von SKOPOS.
2023
Nachhaltigkeit - Besser erstmal die Welt retten
Wie kann die Welt durch Marktforschung, CX und UX nachhaltiger werden? Wie können die Institute selbst nachhaltiger werden? Wie kann Nachhaltigkeit nachhaltig erforscht werden?
Erschienen: 03/2023
2022
Die Insights-Manager von morgen
Welche Skills müssen Marktforschende zukünftig mitbringen?
Erschienen: 12/2022
Return on Investment
Zahlen sich CX, UX und Marktforschung aus?
Erschienen: 10/2022
DIY & DIT
Selber machen oder besser doch Profis ranlassen?
Erschienen: 08/2022
Neue Ansätze in der Konsumentenforschung
Neue Ansätze in der Konsumentenforschung | marktforschung.dossier
Erschienen: 05/2022
Die Vermessung der Marke
Die Vermessung der Marke | marktforschung.dossier
Erschienen: 03/2022
Die Zukunft qualitativer Marktforschung
Die Zukunft der qualitativen Marktforschung | marktforschung.dossier
Erschienen: 02/2022
2021
Sekundärmarktforschung
marktforschung.dossier: Beiträge zum Thema Sekundärforschung im Zeitalter des Datenüberflusses ► Jetzt Dossier-Beiträge lesen!
Erschienen: 12/2021
Customer Experience Management
Customer Experience Management | marktforschung.dossier
Erschienen: 08/2021
Health- und Pharma-Marktforschung
Healthcare- und Pharma-Marktforschung | marktforschung.dossier
Erschienen: 06/2021
Storytelling & Data Viz
Von Storytelling bis Data Viz: Die richtige Vermittlung von Forschungsergebnissen | marktforschung.dossier
Erschienen: 04/2021
KI in Marktanalyse und Kundenmanagement
Künstliche Intelligenz in Marktanalyse, Kundenmanagement und darüber hinaus | marktforschung.dossier
Erschienen: 03/2021
E-Commerce-Boom
E-Commerce-Boom: Daten und Insights als Chance für die Marktforschungsbranche | marktforschung.dossier
Erschienen: 01/2021
2020
Pricing und Preisforschung
Pricing und Preisforschung in digitalen Märkten | marktforschung.dossier
Erschienen: 10/2020
Research Techs & Start-ups
Research Techs und Start-ups | marktforschung.dossier
Erschienen: 08/2020
Alles ist Marktforschung
Alles ist Marktforschung | marktforschung.dossier
Erschienen: 05/2020
Werbeerfolgsmessung
Werbeerfolgsmessung | marktforschung.dossier
Erschienen: 03/2020
Mystery Shopping
Mystery Shopping | marktforschung.dossier
Erschienen: 01/2020
2019
From Insights to Impact
From Insights to Impact | marktforschung.dossier
Erschienen: 11/2019
Gehaltsstudie 2019
Gehaltsstudie 2019 | marktforschung.dossier
Erschienen: 11/2019
Customer Experience Research
Customer Experience Research 2019 | marktforschung.dossier
Erschienen: 09/2019
Text und Voice
Text und Voice | marktforschung.dossier
Erschienen: 05/2019
Plattformen und Datensysteme 2019
Plattformen und Datensysteme 2019 | marktforschung.dossier
Erschienen: 03/2019
Sportmarktforschung
Sportmarktforschung | marktforschung.dossier
Erschienen: 01/2019
2018
Repräsentativität und Zufallsstichprobe
Repräsentativität und Zufallsstichprobe | marktforschung.dossier
Erschienen: 11/2018
Gehaltsstudie 2018
Gehaltsstudie 2018: Gehalt, Arbeitszufriedenheit, Work-Life-Balance – Mehr Transparenz und Attraktivität!
Erschienen: 10/2018
Trendsetter USA
Trendsetter USA - Status Quo, Innovationen, Potenziale | marktforschung.dossier
Erschienen: 08/2018
Imagestudie Marktforschungsdienstleister
Imagestudie Marktforschungsdienstleister 2018 | marktforschung.dossier
Erschienen: 05/2018
Zukunft der betrieblichen Marktforschung
Zukunft der betrieblichen Marktforschung | marktforschung.dossier
Erschienen: 02/2018
2017
Meinungsforschung ohne Meinungsfreiheit?
Meinungsforschung ohne Meinungsfreiheit | marktforschung.dossier
Erschienen: 11/2017
Virtual Reality Marktforschung
Virtual Reality 2017 | marktforschung.dossier
Erschienen: 10/2017
Mobile Research 2017
Mobile Research 2017 | marktforschung.dossier - August/September 2017
Erschienen: 08/2017
Gehaltsstudie 2017
Gehaltsstudie 2017: Gehalt, Zusatzleistungen, Arbeitszufriedenheit – Editorial
Erschienen: 06/2017
Datenschutz 2017
DSGVO-Checkliste
Erschienen: 04/2017
Agiles Projektmanagement
Agiles Projektmanagement: Wie flexibel ist Marktforschung? | marktforschung.dossier - April 2017
Erschienen: 04/2017
2016
Hightech
Marktforschung in Zeiten von Virtual Reality und Scrum | marktforschung.dossier - Oktober 2016
Erschienen: 10/2016
E-Commerce
E-Commerce: Motivationen, Barrieren und Hebel | marktforschung.dossier - September 2016
Erschienen: 09/2016
Gehaltsstudie 2016
Gehaltsstudie 2016: Gehalt, Arbeitsbedingungen, Gender Pay Gap - Editorial
Erschienen: 06/2016
Emotionen, Sinne und Verhalten
Emotionen, Sinne und Verhalten | marktforschung.dossier - Mai 2016
Erschienen: 05/2016
Multikulturelle Forschung
Multikulturelle Forschung | marktforschung.dossier - April 2016
Erschienen: 04/2016
Datenschutz in der Marktforschung
Datenschutz in der Marktforschung | marktforschung.dossier - März 2016
Erschienen: 03/2016
Quick without dirty
Quick without dirty? | marktforschung.dossier - Februar 2016
Erschienen: 02/2016
2015
Apparative Messung
Apparative Messung | marktforschung.dossier - Dezember 2015
Erschienen: 12/2015
Reporting und Visualisierung
Reporting und Visualisierung | marktforschung.dossier - November 2015
Erschienen: 11/2015
Big Data / Predictive Analytics
Das ganz große Ding? Big Data / Predictive Analytics | marktforschung.dossier - Oktober 2015
Erschienen: 10/2015
Teststudios
Teststudios: Rekrutierung, Qualitätssicherung, Forschungsvielfalt - ein Blick hinter den Einwegspiegel | marktforschung.dossier - September 2015
Erschienen: 09/2015
Tourismusforschung
Forschung im Urlaub? Branchenspecial Tourismusforschung | marktforschung.dossier - Juli 2015
Erschienen: 07/2015
Sales und Marketing
Vom Verkaufen der Forschung: Sales und Marketing in der Marktforschung | marktforschung.dossier - Juni 2015
Erschienen: 06/2015
Karriere in der Marktforschung 2015
Karriere in der Marktforschung 2015 - Editorial
Erschienen: 05/2015
Digitalisierung der Kundenbeziehung
Die Digitalisierung der Kundenbeziehung: Customer Feedback, Data Analytics, CRM & Co. | marktforschung.dossier - April 2015
Erschienen: 04/2015
Behavioral Economics
Behavioral Economics: Revolution im Menschenbild - Revolution in den Methoden? | marktforschung.dossier - März 2015
Erschienen: 03/2015
Sekundärforschung/Desk Research
Sekundärforschung / Desk Research: Das Stiefkind der Marktforschung? | marktforschung.dossier - Februar 2015
Erschienen: 02/2015
2014
CATI-Krise
Ruf mich nicht an! - Die CATI-Krise | marktforschung.dossier - Dezember 2014
Erschienen: 12/2014
Sozialforschung: Die Gesellschaft im Fokus
Sozialforschung: Die Gesellschaft im Fokus | marktforschung.dossier - November 2014
Erschienen: 11/2014
Repräsentativität und Relevanz
Repräsentativität und Relevanz | marktforschung.dossier - Oktober 2014
Erschienen: 10/2014
DIY-Forschung
DIY-Forschung: Google, SurveyMonkey & Co. - Großangriff auf Institute? | marktforschung.dossier - September 2014
Erschienen: 09/2014
Finanz- und Versicherungsmarktforschung
Branchenspecial: Finanz- und Versicherungsmarktforschung
Erschienen: 07/2014
Jung und Wild
Jung und Wild? Newcomer in der Marktforschungsbranche
Erschienen: 06/2014
Karriere-Spezial 2014
Karriere-Spezial: Gehaltsvergleich, Wechselneigung, kluge Köpfe
Erschienen: 05/2014
Themenspecial Software
Fokus Automatisierung: Themenspecial Software
Erschienen: 04/2014
Anonymität: Heiliger Gral oder goldenes Kalb
Anonymität: Heiliger Gral oder goldenes Kalb? - Special zur GOR 14
Erschienen: 03/2014
Medienforschung im Wandel
Methodik vs. Technik: Medienforschung im Wandel
Erschienen: 02/2014
Social Media - ein Hype in der Krise
Social-Media - ein Hype in der Krise?
Erschienen: 01/2014
2013
Marktforschungsmanagement
Marktforschungsmanagement: Im Spagat zwischen Kostendruck und Qualitätsanspruch?
Erschienen: 12/2013
Kundenzufriedenheit 2.0
Kundenzufriedenheit 2.0 - gekauft und geliked
Erschienen: 11/2013
Alltagsforschung
Alltagsforschung: Branchenspecial FMCG
Erschienen: 10/2013
Wahlforschung
Basisdemokratie oder Datendiktatur? - Wahlforschung
Erschienen: 09/2013
Zufriedenheit mit Instituten
Zufriedenheit mit Instituten - Forschung für gut befunden?
Erschienen: 08/2013
Innovations- und Zukunftsforschung
Innovations- und Zukunftsforschung - Forscherblick in die Glaskugel?
Erschienen: 07/2013
Preisforschung
Preisforschung - wenn "zu billig" zu teuer wird
Erschienen: 06/2013
Karriere-Spezial 2013
Karriere-Spezial: Geld oder Glück - was sticht im Kampf um Talente?
Erschienen: 05/2013
Marke und Markenführung
Marke und Markenführung - die Erlebbarkeit von Namen
Erschienen: 04/2013
Gesundheit! Branchenspecial Pharma
Gesundheit! Branchenspecial Pharma
Erschienen: 03/2013
Marktforschung 2020
Marktforschung 2020: Besser, anders oder gar nicht mehr da?
Erschienen: 02/2013
Mobile Research
Mobile Research - hybrid unterwegs
Erschienen: 01/2013
2012
Vom Marktforscher zum Berater
Vom Marktforscher zum Berater - Wer braucht noch Research?
Erschienen: 12/2012
Branchenspecial Automotive
Branchenspecial Automotive
Erschienen: 10/2012
Werbung und Wirkung
Werbung und Wirkung - Von der Litfaß-Säule zum Sponsored Tweet
Erschienen: 09/2012
Image
Image: Was muss ein Marktforschungsdienstleister leisten?
Erschienen: 08/2012
Qualitative Forschung
Qualitative Forschung – Marktforschung auf der Couch
Erschienen: 07/2012
Web-Analyse
Web-Analyse – Big Data = Big Success?
Erschienen: 06/2012
Karriere in der Marktforschung
Karriere in der Marktforschung - Traumberuf "Erbsenzähler"?
Erschienen: 05/2012
Online-Panels
Online-Panels - gerade etabliert und schon von gestern?
Erschienen: 04/2012
Repräsentativität 2012
Repräsentativität 2012 – Fakt, Fake oder Fetisch?
Erschienen: 03/2012
