Von der künstlichen zur emotionalen Intelligenz und was das für die Marktforschung bedeutet

Michael Bartl, HYVE

Über alle Branchen hinweg ist dem Thema künstliche Intelligenz (KI) derzeit nicht zu entkommen, und wer sich mit Innovation beschäftigt, ist beinahe automatisch in der Materie verhaftet. KI verleiht den zentralen Technologiethemen der letzten Jahre – Internet of Things, Virtual Reality, selbstfahrende Fahrzeuge, intelligente Agenten, smarte Robotik – weiteren Anschub.

Michael Bartl © HYVE

Michael Bartl © HYVE

Es geht um die Weiterentwicklung von automatisierten hin zu autonomen Systemen. Während die Automatisierung vordefinierten Prozessen folgt, können autonome Systeme definierte Ziele eigenständig erreichen. Dazu entscheiden Geräte, Programme oder auch Roboter selbständig und nicht mehr nur nach vorab definierten Regeln. 

Andrew Ng, der Gründer der Weiterbildungsplattform Coursera und ehemaliger AI-Verantwortlicher bei Google und Baidu, beschreibt künstliche Intelligenz als die neue Elektrizität. Eine sehr treffende Analogie, denn Strom hat einst ebenfalls die Mobilität, Industrialisierung, Landwirtschaft, Medizin und den Alltag der Menschen revolutioniert. Wer die Potenziale der KI für das eigene Unternehmen erfassen will, sollte sich also die Frage stellen, was die Einführung der Elektrizität bei Unternehmen seinerzeit verändert hat. Ganz ähnlich wird heute Artificial oder Künstliche Intelligenz (AI/KI) auf die Industrie der Gegenwart wirken. Wenn im 19. Jahrhundert Herausforderungen mit menschlicher Gehirnleistung bewältigt wurden, so lösten im 20. Jahrhundert Computerproramme viele Aufgaben. Im 21. Jahrhundert werden künstliche Intelligenzen die Computer für Arbeiten programmieren.

Künstliche Intelligenz ist die neue Elektrizität (Andrew Ng)

Als Anwendungsbeispiele für KI werden häufig Chatbots für die Kundenkommunikation genannt, auch automatisierte Werbeanzeigen, vorausschauende Wartung auf Basis von Geräte- und Maschinendaten, Lager- und Wegoptimierung, Diagnosesysteme in der Medizin oder selbstfahrende Autos. Dabei geht es im Wesentlichen um die Verbesserung von Maschinen und/oder Prozessen durch Autonomisierung und selbstlernende Systeme zur Maximierung von Effizienz. Der nächste und bisher kaum eingeschlagene Entwicklungspfad in der KI-Welt wird die Berücksichtigung des Faktors Mensch und seinen Gefühlen oder Stimmungen sein. In diesem Zusammenhang wird auch von emotionaler Intelligenz (EI), die dem wissenschaftlichen Feld des Affective Computing zuzuordnen ist, gesprochen. Dieser interdisziplinäre Ansatz im Bereich Computerwissenschaften und Psychologie beschäftigt sich mit der Erforschung und Entwicklung von Systemen, die menschliche Emotionen erkennen und interpretieren können. So sollen Maschinen befähigt werden, auf Emotionen des Anwenders zu reagieren.

EI oder der Emotionsquotient (EQ) von Dingen wird in vier Levels klassifiziert. Level 0 steht für einen EQ von Null und trifft aktuell wohl auf 99% aller Maschinen zu. Egal ob es sich um einen Taschenrechner oder eine Industrieanlage handelt, diese Maschinen dienen dem Menschen als Werkzeuge zur Arbeitserleichterung. Auch Chatbots zählen zu diesem Level, selbst wenn sie weitgehend selbstsändig Fragen verstehen und beantworten. Fragen Sie aber Alexa gerne einmal, wie Sie sich fühlen. Die Antwort wird Sie enttäuschen.

© Michael Bartl, HYVE

© Michael Bartl, HYVE

 

Simulierte EI (Level 1) ist in regelbasierten Assistenzen zu finden, die an Emotionen appellieren oder Annahmen zur Stimmungslage treffen. So signalisiert seit 2009 eine kleine Tassenanzeige im Auto-Cockpit in Abhängigkeit der gefahrenen Kilometer die Notwendigkeit einer Pause. Ein weiteres Beispiel ist die in den 90er Jahren aus Japan stammende Erfolgsgeschichte des Tamagotchi. Ein elektronisches Küken, das in Abhängigkeit der Zuwendung beziehungsweise Nutzungsintensität zufrieden ist oder stirbt und notfalls reanimiert werden kann. Der "Tamagotchi-Effekt" steht seither für die Entwicklung emotionaler Bindung zwischen Maschinen und Robotern.

Von einer echten emotionalen Intelligenz kann man allerdings erst in Level 2 sprechen. Das Startup TAWNY hat dafür eine Technologie entwickelt, die biometrische Daten wie Herzschlag und Hautwiderstand messen, um so menschliche Emotionen, Zustände der Über- und Unterforderung sowie Glückszustände zu klassifizieren. Diese Information wird im Anschluss an vernetzte Geräte weitergegeben und macht diese empathisch. Autos erkennen etwa, wie aggressiv ihr Fahrer ist und passen Fahrerassistenzsysteme an. Im smarten Zuhause speichern Geräte die Einstellungen von Heizung und Elektronik, bei denen sich die Bewohner am wohlsten fühlen. 

Dieses Level emotional intelligenter Produkte und Services birgt das Potential, ein Game Changer für ganze Industrien zu sein. Hierfür spricht auch der geradezu explodierende Markt für Emotionserkennungstechnologie. Waren es 2016 noch knapp sieben Milliarden, wird für 2021 ein Marktvolumen für von 36 Milliarden Dollar erwartet.

Level 3 wird innerhalb der nächsten 20 Jahre erreicht. Durch kamerabasierte Mimik-Erkennung, sprach- und textbasierter Sentiment-Analyse sowie Vitaldaten werden Geräte Emotionsprofile zusammensetzen, um die Umgebung ihrer Anwender an deren Stimmung anzupassen. Vor dem Hintergrund, dass Menschen eben nicht die Rationalitätsannahme des homo oeconomicus erfüllen, wäre eine Messbarkeit und Prognose gefühlsgetriebener Handlungen ein Meilenstein in der Konsumentenforschung.

In Level 4 entwickeln Roboter eigene Gefühle, um Menschen besser zu dienen. Werden sie damit menschlich? Ob es Ziel sein sollte, Level 4 der emotionalen Intelligenz anzustreben, bleibt einer komplexeren Diskussion vorbehalten.

Wie Künstliche Intelligenz die Marktforschung beeinflusst

Bei den meisten genannten Beispielen zur KI-Anwendung geht es um die Sammlung, Aufarbeitung, Analyse und Interpretation von Daten. Somit wäre auch der Bezug zur Marktforschung geklärt, denn genau das sind die wesentlichen Bestandteile der Definition von Marktforschung. Auch der Zweck, Entscheidungen herbeizuführen, zum Beispiel für Bereiche wie Marketing, Produktion, Vertrieb oder Personaleinsatz, überschneidet sich mit Attributen der KI, die mitunter auch ganz autonom entscheiden kann. Marktforschung und KI sind also sowohl inhaltlich als auch dem Zwecke nach hochgradig komplementär. Im Wesentlichen kann man zwischen drei Einsatzebenen der AI in der Marktforschung unterscheiden. 

Die erste Ebene dient der Effizienzverbesserung bekannter Arbeitsschritte. Ein Beispiel ist der Einsatz von Machine Learning (ML) Verfahren als nächster Evolutionsschritt der Social Media Analyse, um die Massen an Daten fehlerfreier in Kategorien und Unterkategorien zu ordnen und dann die komplexen Zusammenhänge herauszustellen. Neben der Analyse von Texten wird auch die Analyse von Gesichtsausdrücken durch sogenanntes Facial Coding eine immer größere Rolle spielen. Hierdurch können Basisemotionen wie Freude, Wut, Ekel oder Überraschung als Reaktion auf einen bestimmten Stimulus bestimmt werden. Grundsätzlich können durch KI die Analyse und Verarbeitung komplexer heterogener Datenpools vorgenommen werden – so schnell, autonom, umfangreich und effizient wie nie zuvor. Im Gegensatz zu dem klassischen statistischen Modeling in der Marktforschung, mit dem Ziel einen möglichst hohen Erklärungsgehalt zu erreichen, steht bei der KI meist die Vorhersage- und die Klassifizierungsgüte im Vordergrund.  

Die zweite Einsatzebene der KI für die Marktforschung ist das Internet der Dinge, das eine Echtzeit-Forschung mit Echtzeit-Antworten verspricht. Intelligente Sensoren werden zukünftig in einer Sekunde durch die immense Zahl an vernetzten Geräten die Daten erzeugen, die heute in einem Jahr entstehen. Ein riesiger Spielplatz für die Marktforschung, um das Kundenverhalten im Sinne einer Längsschnittstudie zu erforschen. Sozusagen eine Marktforschung die immer in Aktion ist, weniger Studienbasiert sondern Realtime und basierend auf einer IoT Plattform.

Intelligente Sensoren werden zukünftig in einer Sekunde durch die immense Zahl an vernetzten Geräten die Daten erzeugen, die heute in einem Jahr entstehen.

Die dritte Einsatzebene der KI in der Marktforschung ist das oben in den unterschiedlichen Entwicklungslevel beschriebene Affective Computing. Dieses Innovations- und Forschungsfeld beschäftigt sich mit der Erforschung und Entwicklung von Systemen, die menschliche Emotionen erkennen und interpretieren können, um den emotionalen Zustand des Anwenders zu berücksichtigen und das Verhalten so zu adaptieren, dass es eine angemessene Reaktion auf die Emotionen darstellt. Für die Marktforschung wird es in der Zukunft möglich sein, die Vitaldaten mit Gesichts- und Mimikanalyse, Stimmanalyse, Text- und Sentimentanalyse zu einem multimodalen Input zu verschmelzen, um ein vollständiges Emotionsprofil der Konsumenten abzuleiten. Ein Traum des Konsumforschers, der durch KI erst möglich wird und ihn keineswegs überflüssig machen wird. Marktforscher werden weiterhin mit ihren Kernkompetenzen gefragt sein; im Bereich Datenschutz und dem tiefen Verständnis, wie man vertrauenswürdig und respektvoll mit den persönlichen Daten der Konsumenten und Bürger umzugehen hat. Viele Länder und Organisationen beschäftigen sich gerade damit, wie man AI regulieren kann oder soll. Die Diskussion wird befeuert von prominenten Personen wie Elon Musk, Stephen Hawking oder Bill Gates. Auf der einen Seite steht das Bild einer Robokalypse verursacht durch die unethische und selbstbestimmte Verbreitung der KI, auf der anderen Seite stehen die immensen wirtschaftlichen Potenziale durch autonome Systeme und damit die Möglichkeit den Wachstumshunger einer globalisierten Welt zu stillen. 

Eine komplexe Diskussion, zu der die Marktforschung beitragen sollte und zwar mit einem gesunden Maß an Begeisterung, Neugierde und Skepsis zugleich. Zum einen als Vertreter der Verbraucher, die als transparente Menschen mehr oder weniger bereitwillig ihre Daten zur Verfügung stellen, aber durchaus auch als Vertreter der Industrie, die auf dem Weg zu einer vernetzten "Superintelligenz" Geschäftsinformationen, Know-How und datenbasierte Businessmodelle geschützt sehen will. In diesen beiden Dimensionen herrscht ein immenser Bedarf an der Expertise die Marktforscher bieten und für die Beratungsangebote entwickelt werden können. 

Zur Person

Dr. Michael Bartl ist Vorstand der HYVE Unternehmensgruppe für Innovation in München. Zuvor war er bei der Audi AG im Bereich Entwicklung Elektrik/ Elektronik in Ingolstadt tätig. Seine Promotion und Studien der Wirtschaftswissenschaften schloss er in London, München und an der Wissenschaftlichen Hochschule für Unternehmensführung (WHU) in Vallendar ab. Dr. Michael Bartl ist Autor des E-Journals "The Making-of Innovation" sowie Autor zahlreicher wissenschaftlicher Veröffentlichungen in international renommierten Journals. Von 2011 bis 2014 wurde er zum Bundesvorstand des Berufsverbands Deutscher Mark- und Sozialforscher gewählt. In 2012 erfolgte die Berufung zum Senator in den Senat der Wirtschaft. Die jüngsten und vielfach ausgezeichnete Neugründungen sind ICAROS und TAWNY als Technologie-Startups im Bereich Virtual Reality und Artificial Intelligence.

Veröffentlicht am: 27.06.2018

 

Kommentare (0)

Keine Kommentare gefunden!

Neuen Kommentar schreiben

Kommentare geben ausschließlich die Meinung ihrer Verfasser wieder. Die Redaktion behält sich vor, Kommentare nicht oder gekürzt zu veröffentlichen. Das gilt besonders für themenfremde, unsachliche oder herabwürdigende Kommentare sowie für versteckte Eigenwerbung.

Über marktforschung.de

Branchenwissen an zentraler Stelle bündeln und abrufbar machen – das ist das Hauptanliegen von marktforschung.de. Unser breites Informationsangebot rund um die Marktforschung richtet sich sowohl an Marktforschungsinstitute, Felddienstleister, Panelbetreiber und Herausgeber von Studien, Marktdaten sowie Marktanalysen als auch an deren Kunden aus Industrie, Handel und Dienstleistungsgewerbe.

facebook twitter google plus