CONSULTING.de
PERSONALintern.de
Oliver Frangakos, Dynata „KIs wie ChatGPT stellen eine Herausforderung für die Qualität von Marktforschungsdaten dar“
veröffentlicht am
- marktforschung.de
- marktforschung.dossier
- Dossier: KI in Marktanalyse und Kundenmanagement
KI in Marktanalyse und Kundenmanagement
Künstliche Intelligenz in Marktanalyse, Kundenmanagement und darüber hinaus
von Dr. Aljoscha Burchardt und Dr. Sven Schmeier,
Deutsches Forschungszentrum für Künstliche Intelligenz (DFKI)
Liebe Leserinnen und Leser,
als Wissenschaftler möchten wir am Anfang eine These wagen: Die Antworten auf die Frage, was Künstliche Intelligenz (KI) in Marktanalyse und Kundenmanagement bereits leistet und zukünftig leisten kann, fallen so verschieden aus wie bei keiner anderen, ähnlich gelagerten Frage. Der Grund hierfür liegt auf der Hand: Je nach Vorerfahrung stellt sich jede(r) von Ihnen unter KI in diesem Einsatzbereich etwas Anderes vor. Das liegt letztlich daran, dass es für den Begriff KI keine allgemein akzeptierte und umfassende Definition gibt. KI ist ein Sammelbegriff für ein Teilgebiet der Informatik, diverse Technologien und eine stetig wachsende Zahl von Anwendungen. Daher ist es im Übrigen auch müßig zu fragen, wo "normale" Digitalisierung aufhört, und KI beginnt.
In dieser Ausgabe:
- Arche Neo: Über den Einsatz von Archetypen in der Marktforschung
- Bias in / bias out – Warum wir mehr Datenethik brauchen
- Black Box KI: Worauf Sie beim Einsatz achten sollten
- "Eine große Herausforderung kann die Beschaffung qualitativ hochwertiger Daten sein"
- KI in der Marktforschung – Die richtige Balance aus Automation und Intuition
- KI-gestützte Persona-Analyse aus User Generated Content
- Künstliche Intelligenz beim Ad-Test: Revolution im Anmarsch
- Künstliche Intelligenz muss für die Menschen erlebbar werden
- Marktforschung als Data Pipeline: Datenflüsse kontinuierlich Analysieren
- Mehr Praxis, weniger Hype: KI zündet die nächste Stufe
- Mit Data Thinking von der Idee zum Datenprodukt: KI zielgerichtet einsetzen
- Psychographische Segmentierung: Das "Warum" hinter Kaufentscheidungen entdecken
- Was KI-basierte Research-Assistenz heute leisten kann und was (noch) nicht
- "Wer in diesem Wettbewerb bestehen möchte, muss intern AI-Skills aufbauen"
- Wie KI-basierte Methoden die Marktforschung verändern
KI = Daten oder ist da mehr?
Dass KI hier ein sehr weites Feld absteckt, zeigt sich schon in der Unterschiedlichkeit der in diesem Dossier behandelten Themen, und das ist auch gut so. KI ist nämlich weit mehr als nur maschinelles Lernen, auch wenn die jüngsten Erfolge, Durchbrüche und Zaubertricks überwiegend aus diesem Bereich kommen. Seit 2012 haben hierbei insbesondere neuronale Netze für viel Aufsehen gesorgt, zunächst im Bereich Bilderkennung und später bei der Verarbeitung natürlicher Sprache. Heute kann man beispielsweise Texte mit dieser Technologie in einer Qualität übersetzen, die noch vor wenigen Jahren unvorstellbar war. Unlängst haben Sprachmodelle wie GPT3 gezeigt, dass man rein datengetrieben eine ganze Reihe weiterer Aufgaben im Bereich der Sprachverarbeitung angehen kann. Es kommen aber auch andere Technologien zum Einsatz. Interessanter Weise basiert das Programm alphaGO, das den neusten KI-Hype mit ausgelöst hat, im Wesentlichen auf klassischer Suche, die allerdings von einem neuronalen Netz unterstützt wird. Die wahrscheinlich prominentesten explizit modellierten Systeme, die also nicht mit Daten trainiert wurden, sind die heutigen Smarten Assistenten und Chat Bots. Bei diesen wird zumindest die Dialog-Logik (Was für Informationen müssen für das Buchen eines Restaurants abgefragt werden?) meist von Experten modelliert. Häufig enthalten Systeme sowohl auf Daten trainierte als auch modellierte Komponenten.
Aus Daten und Informationen zu Wissen
Ganz allgemein sind datengetriebene System in der Lage, Korrelationen in den Daten zu erkennen. Beispielsweise korrelieren vielleicht die Verkaufszahlen von Badehosen und die Tagestemperatur. Die Systeme sind aber nicht in der Lage, den kausalen Zusammenhang dazwischen herzustellen. Auf der abstraktesten Ebene besteht die Welt aus Ereignissen, Dingen und deren Eigenschaften. Hierzu gehören besonders die Verhältnisse und Verbindungen zwischen Personen, Lebewesen, Situationen, Aktionen usw. Dieses "Wissensnetz" macht unsere Realität aus. In der KI kann solches Wissen in einer formalen Repräsentation gespeichert werden, etwa in einer Datenbank. Die entsprechenden Repräsentationen - sehr oft als Wissensgraph (eng.: knowlede graph) bezeichnet - sind es letztendlich, die aus rein reaktiven Systemen, die Katzen und andere Objekte in Bildern sehr gut erkennen können, künstlich intelligente Systeme machen. Dabei geht es dann um die explizite Darstellbarkeit komplexer Zusammenhänge und Abläufe, die Abfragen und automatisches Schlussfolgern zulassen. Solche Systeme können sich zudem selbst erklären und erlauben verifizierbare Vorgänge. Ziel sollte es immer sein, Mensch und Maschine geschickt so interagieren zu lassen, dass mehr und mehr Wissen im System entsteht.
Mensch vs. Maschine
Der Unterschied zwischen den oben beschriebenen Wissensgraphen und dem Wissen eines Menschen macht eines deutlich: Wenn wir über KI sprechen, nutzen wir praktisch immer Metaphern. Wenn zum Beispiel ein automatisierter Anlageberater, ein sogenannter Robo-Advisor, "entscheidet", in ein Aktienpaket zu investieren, dann hat das völlig andere Implikationen, als wenn ein menschlicher Anlageberater dies entscheidet. Der Mensch weiß um die möglichen Konsequenzen seiner Handlungen und um seine Haftbarkeit bei Fehlentscheidungen. Mit diesen und ähnlichen Fragen beschäftigen sich derzeit viele Forscher unter dem Stichwort "ELSI", also Ethical, Legal, and Societal Implications of AI.
Digitalisierung als Projekt und als gesellschaftlicher Auftrag
Im digitalen Raum sind das Experimentelle und das Unfertige der Normalzustand. Die Einführung von KI-Systemen hat meist wenig zu tun mit herkömmlichem Einkauf. Viel eher muss man mit Entwicklungsarbeit rechnen, gegebenenfalls ist sogar noch Forschung nötig, um eine passende Lösung zu erarbeiten. Eine Voraussetzung ist, dass man das richtige, interdisziplinäre Team zusammenstellt. Hierzu gehören neben der Fachabteilung, die die Prozesse und Kunden kennt sowie der IT- und Rechtsabteilung für Fragen der Datennutzung, die KI-Experten. Am Anfang sollte die Aufgabenstellung, die das System bearbeiten soll, möglichst genau spezifiziert werden und ein Qualitätsmaß für die Lösung entwickelt werden. Davon ausgehend kann man dann vorhandene Daten- und Wissensquellen sichten. Schließlich sollte man dem experimentellen Charakter des Projektes Rechnung tragen und eine Laborsituation erschaffen, in dem das System idealer Weise schon so früh wie möglich unter realen Bedingungen (Daten und Nutzer) getestet und iterativ verbessert werden kann.
Erlauben Sie uns am Ende noch einen Blick über den Tellerrand. Oft haben KI-Systeme das Potential, gesellschaftliche "Skaleneffekte" auszulösen. Während es in der analogen Welt übergriffig wäre, die Empfehlungen eines einzelnen Buchhändlers zu analysieren und gegebenenfalls zu sanktionieren, so hat es eine andere Dimension, wenn weite Teile der Bevölkerung bei demselben Online-Händler einkaufen. Die Auswirkungen können von kartellrechtlichen Fragen bis hin zu Aspekten von Bildungspolitik vielfältigen Klärungsbedarf hervorrufen. Daher sollten wir Digitalisierung im Allgemeinen und KI-Entwicklung im Speziellen als generationsübergreifendes gesellschaftliches Projekt begreifen. Viele Fragen unseres zukünftigen Zusammenlebens können und müssen in einem breiten Diskurs geklärt werden. Sie gehen uns alle an.
Berlin im Februar 2021
Aljoscha Burchardt und Sven Schmeier
Über die Autoren
Dr. Aljoscha Burchardt ist Research Fellow und stellvertretender Standortsprecher des Deutschen Forschungszentrums für Künstliche Intelligenz (DFKI GmbH) in Berlin. Er ist Experte für Sprachtechnologie und Künstliche Intelligenz. Aljoscha war als Sachverständiger Mitglied der Enquete-Kommission "Künstliche Intelligenz" des Deutschen Bundestages.
Dr. Sven Schmeier ist Chief Engineer und der stellvertretende Leiter des Forschungsbereichs Speech & Language Technologies des Deutschen Forschungszentrums für Künstliche Intelligenz (DFKI GmbH) in Berlin. Sven hat mehr als 30 nationale und internationale Projekte in Forschung und Industrie erfolgreich geleitet, von der Grundlagenforschung über die technische Entwicklung bis hin zu Produkten und deren Vermarktung.
2023
UX Research Days
UX Research Days am 22. & 23.August 2023. Jetzt die Veranstalterinfos einholen!
Erschienen: 05/2023
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
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
Data Science und Künstliche Intelligenz
Data Science und Künstliche Intelligenz 2019 | marktforschung.dossier
Erschienen: 06/2019
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
