Kurs:Internet-Marketing/ThemenWS1819/Künstliche Intelligenz im Marketing

Aus Wikiversity
Zur Navigation springen Zur Suche springen

Einleitung[Bearbeiten]

Als Alan Touring im Jahr den nach ihm benannten „Touring-Test“ postulierte konnte von einer Möglichkeit der praktischen Umsetzung von künstlicher Intelligenz noch keine Rede sein. Heute, viele Jahre später hat die künstliche Intelligenz Einzug selbst in alltägliche Bereiche erhalten. So sind es die intelligenten Algorithmen, die etwa das Suchergebnis einer Suchmaschine aufbereiten oder die Systeme zur Mustererkennung, die zum Beipsiel die Kennzeichen von Autos erkennen können. [1] Auch im Bereich des Marketings ist die künstliche Intelligenz im Einsatz. Im Bereich der Werbeeinblendungen im Internet hat Google sein bekanntes Werbenetzwerk Adsense um so genannte „Auto ads“ erweitert. Google schreibt dazu, dass damit die Parameter von Werbeeinblendungen über „Machine Learning“ und damit über eine Spielart der künstlichen Intelligenz definiert werden.[2] Damit kann eine solcher Dienst neben der passenden Anzeige auch die optimale Position für ihre Einblendung wählen. Ein anderes Beispiel sind zum Beispiel auch Systeme zur Metakommunikation, die die Beratung durch Menschen ersetzen sollen. Derartige Chatbots sind bereits im Einsatz. Einige der möglichen Anwendungen, von künstlicher Intelligenz, auch solche, die noch in der Entwicklung sind, sollen im folgenden exemplarisch beschrieben werden.

Begriffsdefinitionen[Bearbeiten]

Künstliche Intelligenz[Bearbeiten]

Eine einheitliche Definition von künstlicher Intelligenz zu finden ist schwierig. Es existieren diverse verschiedene Beschreibungen, Definitionen und Herangehensweisen.

Im Jahr 1950 entwickelte der britische Mathematiker Alan Touring den nach ihm benannten „Touring Test“. Dieses Szenario definiert künstliche Intelligenz über einen Versuch. In Diesem sollte ein Proband nur mit einer Tastatur mit zwei Gesprächspartnern interagieren. Einer dieser Gesprächspartner ist ein Mensch, der andere das zu testende System der künstlichen Intelligenz. Der Proband sollte nun versuchen, durch intensive Befragung der beiden Gesprächspartner herausfinden, wer von den Beiden der Mensch ist. Die Gesprächspartner, also der Mensch und auch die Maschine, versuchen ihrerseits den Probanden davon zu überzeugen, dass sie der Mensch sind. [3]


Der Test gilt als bestanden, wenn der menschliche Proband trotz intensiver Befragung nicht feststellen kann, wer seiner beiden Gesprächspartner der Mensch ist.

Eine aktuellere, sehr prägnante Definition liefert die Enzyclopedia Britannica auf der Website:

„Artificial intelligence (AI),marketing the ability of a digital computer or computer-controlled robot to perform tasks commonly associated with intelligent beings.“ [4]


Als herausgehobenes Merkmal wird bei dieser Definition die Fähigkeit genannt, Aufgaben auszuführen, die eigentlich nur intelligente Wesen (Menschen) ausführen können.

An dieser Stelle sei angemerkt, dass die Definition dabei ausblendet, dass künstliche Intelligenz auch Aufgaben ausführen kann, die im Hinblick auf die Qualität der Ergebnisse die Fähigkeiten des Menschen übersteigen kann. Etwa kann künstliche Intelligenz im Bereich des Data-Minings Datenmengen prozessieren, die ein Mensch in seinem Leben nicht durcharbeiten könnte.

Aufgrund der sich schnell ändernden Möglichkeiten von Systemen der Künstlichen Intelligenz sind die Halbwertszeiten von Definitionen begrenzt.

Internet Marketing[Bearbeiten]

Der Begriff Internet Marketing (IM) ist ein Bestandteil des Online-Marketings und bedeutet eine systematische Nutzung der Internetdienste für Zwecke des unternehmerisches Marketing (Fritz 2001a,. S4). Da sich die meistverwendeten Internetdienste von Online-Marketing im Bereich des World Wide Web befinden verwendet man die Begriffe Online Marketing und Internet Marketing als Synonyme.[5]

Beziehung zwischen Internet Marketing und künstlicher Intelligenz[Bearbeiten]

Das Internet Marketing stellt derzeit den viertgrößten Anwendungsfall der Künstlichen Intelligenz, das Marketing den sechstgrößte Anwender von KI-Technologie dar.[6] Künstliche Intelligenz wird in der Zukunft außergewöhnliche Möglichkeiten im Bereich des Internet Marketings bieten: Sie ermöglicht analytische Prognosen, trägt zur bessere Kundenerfahrung bei und bietet für die Unternehmen die Möglichkeit für ein gezieltes Marketing. Das bringt zweifellos die Möglickeit, bessere Umsätze und damit auch Kapitalrendite für Firmen zu erzeugen.

In der Vergangenheit zweifelten viele Unternehmer, ihre Strategien an die Möglichkeiten der künstlichen Intelligenz anzupassen. Tatsache ist, dass aktuell das Interesse von den Marketing-Verantwortlichen an zusätzlichen Möglichkeiten wie Internet of Things (IoT), Big Data und Machine Learning und eben der künstlichen Intelligenz sehr groß ist.

Da derzeit die künstliche Intelligenz von Spezialisten als vierte industrielle Revolution benannt wird gibt es signifikante Erwartungen, dass tiefgreifende Änderungen und Auswirkungen durch KI-Integration im Bereich des Marketings kommen werden.

Da die Interaktion zwischen menschlichen Online-Aktivitäten und den Instanzen von künstlicher Intelligenz zunehmend alltäglich wird sind das Verhalten und Entscheidungen des Käufers leichter vorhersagen. Dies wiederum trägt zur Lösung von viele Marketing-Problemem bei und kann für Unternehmen sowie Kunden zum Vorteil werden: Die aktuelle Vorteile durch den Einfluss der künstlichen Intelligenz auf das Internet Marketing könnte man in folgenden Aspekten zusammenfassen:[7] [8]

  • Verbesserung der Kundenerfahrung

Einfacherer Kundenservice, etwa durch Chatbots, um Probleme schneller bearbeiten zu können, ein einfaches Nutzererlebnis sowie leichtere Vorhersage des Verhalten des Käufers zu ermöglichen. Basierend auf den Suchzyklen können weitere Informationen über den Käufer gesammelt werden [9] usw.

  • Erfolgversprechendere Umsätze

Etwa durch folgende Änderungen: erhebliche Beschleunigung der Zahlungsprozesse, Problemlösung durch die Bilderkenung auf hoher Ebene, Bewältigung von Sicherheitsprobleme mit Online-Transaktionen, zielgenauere Erweiterung des Angebots sowie Gewinnung von Informationen in der Datenbank durch maschinelles Lernen und besseren Entscheidungsalgorithmen.

  • Einfachere Suchvorgänge

Intelligente und optimierte Prozesse durch die Verfolgung des Nutzerverhalten und vorhersage der zukünftige Entscheidungen.

  • Verkaufsprognose

Erkennung von Tendenzen durch Analyse von Fluktuationen und Änderungen der Märkte.

  • Erreichen der richtige Zielgruppe

Zugang zu den Zielgruppen anhand der Herangehensweise und des Nutzungsverhaltens der Nutzer, demografischer Merkmale, Interessen usw.

  • Wirksamere Publizität

Erstellung von Werbung mit Berücksichtigung der Präferenzen durch Analyse sowie Vorhersage des Verhaltens und darauf aufbauend entsprechende Darstellung von Anzeigen gemäß Interessen der Kunden.

Grundlagen und Anwendungsfelder der künstlichen Intelligenz im Marketing[Bearbeiten]

Datengewinnung[Bearbeiten]

Für die Unternehmen ergeben sich derzeit einzigartige Möglichkeiten der Datengewinnung und Datanalyse. Auf Basis umfassender Profile, Präferenzen und Verhaltensmerkmalen können Unternehmen die Informationen über den Kunden in seiner „CommerceBubble“ sammeln. Das Ergebnis der Sammlung von Daten und deren Metadaten zur Analyse generiert besonders im Zusammenhang mit dem Einsatz von KI weitere Daten. Soziale Netzwerke und Web shops sind derzeit die Gewinner bei der Datensammlung, da immerhin der Großteil der Nutzer einer Datenerfassung mehr oder weniger zustimmt. Auch die neuen Sensoren im Internet der Dinge produzieren täglich Daten und erleichtern dem Kunden die Anfragen. Die entsprechenden IT-Experten widerum stellen sicher, dass die Datenerhebungsmechanismen ordnungsgemäß funktionieren und automatisch neue Informationen in einem nutzbaren Format in die Datenbanken übertragen. Die KI-basierten Optimierungs- und Ausführungssoftwarelösungen greifen auf diese Datenbanken zu und nutzen die Daten dann für die Zwecke des Marketings.

Data Mining und Big Data als Grundlage[Bearbeiten]

Durch die fortschreitende Entwicklung der Rechenleistung der zur Verfügung stehenden Computersysteme sind die Möglichkeiten der Nutzung von großen Datenmengen gestiegen. Die Idee des Data-Minings besteht darin, mit einem ggf. unsortierten Datenbestand automatisiert Auswertungen vorzunehmen.

Prof. Peter Chamoni von der Universität Potsdam definiert Data Mining wie folgt:


„Unter Data Mining wird im weiteren Sinne der gesamte Prozess der Wissensentdeckung in großen Datenbeständen verstanden und im engeren Sinne nur die dabei verwendeten Analyseverfahren.“ [10]

In der Praxis, und so auch im Marketing, sind insbesondere Zusammenhänge und Muster interessant. Ein Beispiel hierfür könnte ein Unternehmen wie etwa Amazon sein. Bei der Nutzung der Seite können enorme Mengen an Daten gewonnen werden. So kann etwa der Pfad, den ein Nutzer bei der Nutzung der Webseite geht, erfasst werden. Weiterhin können noch Informationen dazukommen, wann (also Datum Uhrzeit, Wochentage, etc.) jemand welches Produkt kauft. Dazu können weitere Daten kommen, die aus anderen Quellen bezogen werden. Es könnten etwa noch Daten zur Bonität, Wohnorte, Kaufkraftdaten nach Wohnorten etc. mit einbezogen werden. [11]

Während das klassische Data-Mining nun hauptsächlich auf statistischen Verfahren beruht und im wesentlichen vom Menschen gesteuert wird entwickelt sich eine weitere Form, die auf der Nutzung von künstlicher Intelligenz beruht. [12] Damit soll die die menschliche Komponente reduziert werden. Dies geschieht, indem die Anfragen, die an die Datenbasis gestellt werden, nicht mehr vom Menschen formuliert werden.

Im Marketing können die so erkannten Muster für verkaufsfördernde Maßnahmen genutzt werden. So könnten etwa durch die Erkennung von Mustern zwischen verschiedenen Produkten eine entsprechende Verknüpfung implementiert werden, die einem Käufer von Produkt A das passende Produkt B vorschlägt. Dies nutzen Bereits viele Onlinehändler wie etwa Amazon. [13] So ist das Data-Mining in Kombination mit Big Data die Grundlage für viele Ergebnisse der Mustererkennung.

Nutzung von Mustererkennung für IM[Bearbeiten]

Ein zentrales Instrument von KI-basiertem Marketing ist die Mustererkennung.

Diese Mustererkennung kann auf verschiedene Arten ausgestaltet werden: Auf der einen Seite können in großen Datenmengen Zusammenhänge gesucht werden. Dies ist entspricht dann dem „Big Data / Data-Mining“-Ansatz.

Eine weitere Möglichkeit ist dank der KI-Verfahren die Erkennung und Einstufung von Inhalten. So können Inhalte einer Webseite „erkannt“ werden. Die Suchmaschine Google verwendet dieses Verfahren seit kurzer Zeit.[14] Dabei kommen die Algorithmen des so genannten „Maschine Learnings“ zum Einsatz. Dadurch kann auf die (manuelle) Eingabe von Keywords o.ä. verzichtet werden. Gleichzeitig sollen dadurch die Marketing-Instrumente viel zielgenauer werden. [15]

Ein Aspekt der Mustererkennung in Datenmengen der im Bereich des Marketings eingesetzt werden kann ist die Einteilung von Kunden im bestimmte Gruppen oder auch „Klassen“. Die übliche Einteilung ist etwa die Schaffung von Klassen nach Einkommen, Alter oder auch Wohnorten. Diese Informationen sind recht einfach zu gewinnen. Wird nun etwa eine künstliche Intelligenz, die über Lernalgorithmen versucht, neue „Klassen“ zu erzeugen, eingesetzt, können so neue Zielgruppen entdeckt und für zielgerichtetes Marketing genutzt werden.

An dieser Stelle darf aber nicht übersehen werden, dass nicht alle Zusammenhänge auch unbedingt geeignet sind, Zielgruppen zu erstellen. Abhängig von der Vielseitigkeit der Datenbasis kann es schnell passieren, dass einzelne Übereinstimmungen zu einem Zusammenhang erklärt werden, obwohl diese keine Relevanz haben, sondern nur zufällig zusammenfallen. Diese Probleme können mit hinreichend großen Datenmengen und entsprechend strengen Kriterien reduziert werden.

Beispiel für die Erkennung von Mustern in Bildern: Automatische Überwachung von Markenzeichen[Bearbeiten]

Ein Ansatz zur Nutzung von erweiterter Mustererkennung im Hinblick auf Zeichen, Bilder und Darstellungen etwa ist das so genannte „Picture Tracking“. [16] Dabei wird eine Bilderkennung durch künstliche Intelligenz genutzt, um etwa Markenzeichen, Produkte oder damit verwandte Symbole und Abbildungen zu erkennen. Auf diese Weise kann etwa die Verbreitung in sozialen Medien überwacht, protokolliert und ausgewertet werden.

Eine Möglichkeit wäre, bei aufkommenden „Shitstorms“ benachrichtigt zu werden, um gegebenenfalls darauf reagieren zu können. Dabei werden diejenigen Bilder in sozialen Medien überwacht, die die entsprechende Marke oder auch Produkt zeigen. Wenn diese plötzlich im großen Maße geteilt oder Kommentiert werden ergibt dies eine Warnung. Auch könnte damit etwa auch die Popularität gemessen werden. Indem die Bilder auf ihre Verbreitung hin überwacht werden können Trends erkannt werden. [17] Gerade wenn in sozialen Netzwerken geworben wird kann ein solches System durch Bilderkennung diese Werbung nachverfolgen.[18]

Klassifizierung von Webseiten[Bearbeiten]

Ein wichtiger Aspekt ist die Auswahl der Webseiten, auf denen die Werbung einer Kampagne oder Marke angezeigt werden soll. Immer wieder kommt es dabei zu zum Teil haarsträubenden Produktplatzierungen. Ein Beispiel ist ein Video über ein Schiffsunglück, dass unpassenderweise mit Kreuzfahrtwerbung orchestriert wurde.[19]

Ein weiteres Einsatzgebiet für künstliche Intelligenz kann daher die automatisierte, auf den Inhalt von Webseiten abgestimmte Schaltung oder auch Nichtschaltung von Anzeigen sein. Mit dem so genannten NLP, dem „Natural Language Processing“, kann eine Webseite durch eine KI auf den Inhalt hin geprüft werden. Anschließend können, basierend auf dem Content, automatisiert Entscheidungen getroffen werden. Damit lassen sich Fehler wie der oben Beschriebene besser vermeiden. Viel entscheidender jedoch ist die Bezugnahme der Werbung auf den Inhalt. [20]

Chat-Bots[Bearbeiten]

Ein weiteres Einsatzgebiet sind so genannte „Chat-Bots“. Dabei handelt es sich um ein System, dass mit dem Menschen in natürlicher Sprache kommunizieren kann. Die Grundlage für ein solches System ist, dass die Eingaben des Benutzers „verstanden“ und entsprechend verarbeitet werden können. Mit „verstanden“ ist an dieser Stelle „Natural Language Processing“ gemeint. Dabei handelt es sich um Verfahren, die natürliche Sprache verarbeiten können und daraus die übermittelten Informationen ableiten können. Gleichzeitig sollen diese Systeme dem Nutzer eine zufriedenstellende Antwort auf Fragen oder Eingaben liefern. [21]

Im Gegensatz zu früheren Ansätzen können aktuelle Implementierungen lernen und sind damit ein typisches Beispiel für künstliche Intelligenz. So lässt sich etwa mit Botsify ein solches System implementieren, dass mit Dialogen trainiert werden kann, in denen der Bot zuvor keine korrekte Antwort liefern konnte. [22] Denkbar wäre auch, diese Systeme unüberwacht lernen zu lassen. Die Gefahr dabei ist allerdings groß, dass durch gezielte Manipulationen des Lernvorgangs ungewollte Effekte auftreten. Ein Beispiel für ein solches Problem ist etwa der Bot „Tay“, den Microsoft testweise öffentlich zugänglich machte. [23]

Chatbots sind bereits in vielen Bereichen im produktiven Einsatz. Ein Beispiel dafür ist das System des Versandhauses Otto, dass einfache Fragen beantworten kann. Ein weiterer Nutzer ist das Modeunternehmen H & M, welches ebenfalls einen Bot nutzt. [24] Dieser hat allerdings die vergleichsweise Komplexe Aufgabe der Beratung des Kunden zum Ziel. Dabei kann der Nutzer dem Bot eine Nachricht schreiben oder sich Vorschläge für verschiedene Kombinationen von Kleidungsstücken senden lassen. Gefällt dem Nutzer ein Vorschlag kann er dies per Button mitteilen. Auf die gleiche Weise, per Button, kann auch ein Nichtgefallen mitgeteilt werden. Ein Klick auf das Bild mit den Kleidungsstücken leitet direkt zum Onlineshop. Dort kann die Zusammenstellung gleich gekauft werden. Auf diese Art und Weise kann der Geschmack des Kunden evaluiert werden. Gleichzeitig ermöglicht diese Interaktion dem automatisierte System so Rückschlüsse über den Kunden. [25] Ähnlich funktioniert auch „chatShopper“.[26] Hier soll wiederum der Eindruck vermittelt werden, als spräche der Nutzer mit einem „echten“ Verkäufer.

in Entwicklung befindliche Implementierungen[Bearbeiten]

Die Implementierung von künstlicher Intelligenz im Internet Markeing hat bereits heute eine deutliche Erfolge zu verzeichnen. Laut Campgemini (2016) sind bei etwa 75% der Unternehmen, die KI und Machinelles Lernen schon implementiert haben, die Kundenzufriedenheit, der Abverkauf von neuen Dienstleistungen und Produkten sowie der Erfolg bei der Implementierung effizienterer Unternehmesabläufe um jeweils etwa 10% gestiegen.[27] Allerdings zeigen Studien aus dem Jahr 2017 (Bughin, McCarthy und Chui, 2017), dass 98% der Marketing-Verantwortlichen Interesse an einer baldigen Implementierung von Systemen der künstlicher Intelligenz haben.[28] Bisher haben nur 20% eine oder mehrere KI-Lösungen implementiert. Im Jahr 2017 wurde geschätzt, dass der weltweite Umsatz für Hardware, Software sowie damit verbundene Services im Bereich "Cognitive Computing" und "Machine Learning" um 92 % wachsen werde. Dabei soll eine Summe von 4,3 Milliarden Euro erreicht werden.

Die Möglichkeiten zur Implementierung der künstlichen Intelligenz im Internet Marketing sind noch in Entwicklung, dennoch ist das Spektrum von Anwendungen bereits jetzt sehr groß. Die künstliche Intelligenz wird als die nächste Generation des Marketing bezeichnet. Somit kann die Erstellung und Erzeugung von Inhalten bereits dank Tools wie Wordsmith oder Quill teilweise an eine künstliche Intelligenz deligiert werden. Die damit auf den Websites erzeugten Artikel sorgen dann für mehr Besucher. Ein weiterer großer Schritt soll die Implementierung von Chatbots für die Interaktion mit Benutzern sein. Damit kann eine Konversationen ohne menschliches Zutun entstehen. Die Tabelle 1 zeigt aktuelle Systeme, die bereits erhältlich oder sich noch in der Entwicklung befinden.


Tabelle 1 [29]
Marketing/Medien
KI-System Use Case Produktname/Projekt Hersteller Link
Kognitive Assistenten Plattform für Conversational Commerce, Chatbots Morph.ai Morph.ai morph.ai/
Persönlicher Einkaufassistent MONA (app) Mona Labs Inc. www.monahq.com/
Market Intelligence Radarsystem zur Technologiefrüherkennung, futuretex Fraunhofer IAO www.stfi.de/forschungsvorhaben/openinnovation.html
Automatisierte Analysen KI-unterstützte Videoanalyse Valossa[1] AI: Valossa Core API™

und Valossa Applications™

Valossa val.ai/
Kognitive Content erstellung149 für digitales Marketing Persado Plattform Persado Inc. persado.com/platform/
Smarte Geräte, Anlagen, Umgebungen Adaptive Werbeflächen Adaptive Plakate, Biolens Fraunhofer IGD http://www-old.igd.fraunhofer.de/sites/default/files/Flyer%20IDB%20BioLens.pdf
Intelligente Ersetzung der Werbe inhalte bei einem Livekamerabild Live Overlays in der Bandenwerbung Fraunhofer IAIS https://www.iais.fraunhofer. de/de/geschaeftsfelder/intelligente-medien-und-lernsysteme/uebersicht/live-overlays-in-der- werbung.html


Datenschutz[Bearbeiten]

Eine der wichtigsten Aufgaben der künstlichen Intelligenz im Internet Marketing ist es mit gesammelten Daten zu arbeiten. Wenn personenbezogene Daten betroffen sind, gelten die Datenschutzgesetze.

Je nach Gerichtsstand und Gesetz können personenbezogenen Daten unterschiedlich definiert werden. Darüber hinaus gibt eine noch nicht ganz klare Grenze zwischen dem, was persönlich"und was nicht persönlich ist. Viele Informationen die heute als personenbezogene Daten gelten, waren früher als nicht persönlich deklariert. Problematisch wird es insbesondere, wenn unterschiedliche Datenelemente miteinander verbunden werden.

Am 25. Mai 2018 erschien die Datenschutzgrundverordnung (DSGVO) die in der gesamten Europäischen Union wirksam ist und die sorgt für eine einheitliche Regelung zum Schutz von personenbezogenen Daten sorgt. In Deutschland galt bis dahin hauptsächlich das Bundesdatenschutzgesetz. (BDSG) Laut Gesetz werden personenbezogene Daten so definiert:

„Informationen über eine identifizierte oder identifizierbare natürliche Person („betroffene Person“: eine identifizierbare natürliche Person ist eine Person, die direkt oder indirekt identifiziert werden kann, insbesondere durch Bezug auf eine Kennung, wie einen Namen, eine Identifikationsnummer, Standortdaten, eine Online-Kennung oder auf einen oder mehrere Faktoren, die für die physischen, physiologischen, spezifischen Faktoren relevant zur genetischen, geistigen, wirtschaftlichen, kulturellen oder sozialen Identität dieser natürlichen Person sind“[30][31]

Im Bereich der künstlichen Intelligenz ist es eine Herausforderung, da für viele Daten zu bestimmen ist, ob und welche Datenschutzgesetze gelten. Besonders schwierig ist es bei der Verknüpfung von Daten und Erkennung von Mustern von Daten, welche aus eigentlich nicht nicht personenbezogene Daten möglicherweise ein Individuum durchaus identifizierbar machen könnten. Das passiert im Grunde bei der Nutzung der gesammelten Daten und bei der Nutzung der erweiterten Berechnungsfunktionen, bei denen mit den gesammelten Daten gearbeitet wird. Dabei kommt es regelmäßig dazu, dass eine künstliche Intelligenz Personen zuverlässig identifizieren könnte. Personenbezogene Daten könnten auch annonymisiert erhoben werden. Dabei hätte die künstliche Intelligenz für die Operationen keine Daten, die eine vollständige Identifizierung möglich mache würden.

Bei solche Herausforderungen, bei denen Datenschützer und Datenschutzgesetze versuchen, sensible Daten zu schützen, argumentieren auf der anderen Seite oft die Nutzer der Daten, dass Algorithmen solche Daten für die Analyse einbeziehen müssen, um genaue und passende Ergebnisse zu erzielen. Darüber hinaus können solche Daten für die Beurteilung der Notwendigkeit menschlichen Eingreifens nützlich sein, um etwa Diskriminierung oder Befangenheit von Algorithmen zu überprüfen und zu mildern.[32]

Insbesondere Unternehmen müssen sich mit der DSGVO befassen, denn Verstöße sind mit hohe Sanktionen belegt: Die Geldbußen können bis zu 20 Mio. Euro oder bis zu 4 % des gesamten weltweiten Jahresumsatzes betragen. Durch die Datenschutzgrundverordnung werden die Verbraucherrechte ausgeweitet, zum Beispiel beim Wunsch nach Auskunft und Löschung. Es gibt zudem auch das Recht auf Datenübertragbarkeit. Das gilt nicht nur für alle Unternehmen, die ihren Sitz in der EU haben sondern auch für außereuropäische, die auf dem europäischen Markt tätig sind oder personenbezogene Daten von EU-Bürgern verarbeiten. Weiterhin soll ein gewisses Datenschutzlevel von vornherein zum Standard gehören. Bereits bei der Entwicklung soll der Datenschutz berücksichtigt und die möglichen Voreinstellungen müssen datenschutzfreundlich sein.

Schlussbetrachtung[Bearbeiten]

Fazit[Bearbeiten]

Da die Nutzung von künstlicher Intelligenz im Marketing bisher noch nicht flächendeckend im Einsatz ist bleibt die Entwicklung spannend. Auf der einen Seite steht die Frage, ob es auch in Zeiten von strengeren Datenschutzgesetzen genügend Raum für die datenintensiven Techniken geben wird, auf der anderen Seite die Frage, ob die Nutzer bereit sind, die Entwicklungen anzunehmen und damit auch sinnvoll umgehen können. Insbesondere bei den Social Bots wird die Akzeptanz stark davon abhängen, ob diese den Nutzer auch wirklich "verstehen" und Probleme lösen oder zumindest dazu beitragen können. Bekommt der Nutzer den Eindruck, dass die Kommunikation mit diesem Zeitverschwendung ist wird er solche Systeme zukünftig meiden.

Ein weiteres, spannendes Feld ist der Bereich der Onlinewerbung. Wird es der Branche gelingen, die Werbung zielgenauer an den Nutzer zu bringen? Eine mögliche Folge könnte sein, dass wieder mehr Nutzer ohne Werbeblocker surfen, sofern die Werbung diesem sinnvoll erscheint.

Da Technologie oft schneller ist als der Gesetzgeber wird sich in einiger Zeit auch die Frage nach der Regulierung solcher Systeme stellen. Insbesondere dann, wenn durch die massenhafte Kombination der zur Verfügung stehenden Informationen Nutzer einer möglichen Identifizierung und der Zuschreibung von weit mehr Merkmalen als bisher ausgesetzt werden.

Sicher ist jedoch, dass es immer weitere, heute noch unbekannte Einsatzgebiete geben wird.

Anmerkungen / Literatur[Bearbeiten]

  1. Kipke, Harald, Rademacher, Christine, et.al. (2015). KFZ-Kennzeichen-Erkennung. https://www.th-nuernberg.de/fileadmin/thn_forschung-innovation/Lehrforschung/AMP_BI_Kipke_Rademacher_Bericht_Lehrforschung_2015_Erkennung_Kfz_Kennzeichen_final.pdf [06.01.2019]
  2. Google Adsense Blog (2018). https://adsense.googleblog.com/2018/02/introducing-adsense-auto-ads.html[06.01.2019]
  3. Wang, Mio (2009). Vorlesung Künstliche Intelligenz, http://www.inf.fu-berlin.de/lehre/SS09/KI/folien/vl11.pdf [06.01.2019]
  4. artificial intelligence Enzyclopedia Britannica online, https://www.britannica.com/technology/artificial-intelligence [06.01.2019]
  5. Fritz, Wolfgang(2004). Internet-Marketing und Electronic Commerce. 3 Auflage. Springer Fachmedien Wiesbaden. Seite 25.
  6. Canella, J. (2018). Artificial Intelligence in Marketing; Honors Thesis for Barrett, The Honors College. Arizona State University. S 19-21
  7. Lasi, H., Fettke, P., Kemper, H. G., Feld, T., & Hoffmann, M. (2014). Industry 4.0. Business & Information Systems Engineering, 6(4), S.239-242.
  8. Canella, J. (2018). Artificial Intelligence in Marketing; Honors Thesis for Barrett, The Honors College. Arizona State University. S 85-89
  9. Canella, J. (2018). Artificial Intelligence in Marketing; Honors Thesis for Barrett, The Honors College. Arizona State University. S 61-67, S 85-89
  10. Chamoni, Peter. Enzyklopädie der Wirtschaftsinformatik: Data Mining. http://www.enzyklopaedie-der-wirtschaftsinformatik.de/lexikon/daten-wissen/Business-Intelligence/Analytische-Informationssysteme--Methoden-der-/Data-Mining/index.html [06.01.2019]
  11. Büchner, Alex, Mulvenna, Maurice (2014). Discovering Internet Marketing Intelligence through Online Analytical Web Usage Mining. https://www.researchgate.net/profile/Maurice_Mulvenna/publication/220415836_Discovering_Internet_Marketing_Intelligence_through_Online_Analytical_Web_Usage_Mining/links/54230b030cf26120b7a6b989.pdf [06.01.2019]
  12. Craven, Mark; Shavlik, Jude. Using Neural Networks for Data Mining. http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.125.4567&rep=rep1&type=pdf [06.01.2019]
  13. Vgl. dazu etwa die üblichen Vorschläge beim Kauf eines Produkts. Der Onlinehändler Amazon kann bei fast jedem Produkt ein dazu passendes, weiteres Produkt zum Kauf vorschlagen.
  14. Fingas, John (2018). https://www.engadget.com/2018/02/21/google-ai-ad-placement/?guccounter=1 [06.01.2019]
  15. Adams, Peter (2018). Google brings AI-powered ad suggestins to AdWord campaigns https://www.marketingdive.com/news/google-brings-ai-powered-ad-suggestions-to-adwords-campaigns/521549/ [06.01.2019]
  16. Heil, Florian (2017). Social Bots im Marketing https://digitaler-mittelstand.de/business/ratgeber/social-bots-im-marketing-die-riskante-verlockung-44642 [06.01.2019]
  17. Salz, Peggy (2018). AI Closes the Loop On Brand Marketing. https://www.forbes.com/sites/peggyannesalz/2018/06/18/ai-closes-the-loop-on-brand-marketing/#40a4295c5740 [06.01.2019]
  18. Kommerzielle Angebote, etwa: https://www.netbase.com/image-analytics/ [06.01.2019]
  19. Falsche Werbeplatzierung: http://www.strongmindbraveheart.com/13-unfortunate-yet-hilarious-advertising-fails/ [06.01.2019]
  20. Srihari, Rohini (2015). https://econsultancy.com/how-can-nlp-technology-be-used-for-marketing/ [06.01.2019]
  21. Manning, Christopher et al (2014). The Stanford CoreNLP Natural Language Processing Toolkit http://www.aclweb.org/anthology/P14-5010 [06.01.2019]
  22. Informationen beim Hersteller: https://botsify.com/chatbot-service-in-france [06.01.2019]
  23. Graff, Bernd (2016). Rassistischer Chat-Roboter: Mit falschen Werten bombardiert https://www.sueddeutsche.de/digital/microsoft-programm-tay-rassistischer-chat-roboter-mit-falschen-werten-bombardiert-1.2928421 [06.01.2019]
  24. Webseite des Herstellers: https://www.kik.com/bots/hm/ [06.01.2019]
  25. Screenshots unter: https://www.chatbotguide.org/h-m-bot/ [06.01.2019]
  26. Webseite des Anbieters: https://chatshopper.com/ [06.01.2019]
  27. Gualtieri M. Artificial Intelligence (2016). What’s Possible for Enterprises in 2017, Forrester. Seite 16
  28. Canella, J. (2018). Artificial Intelligence in Marketing; Honors Thesis for Barrett, The Honors College. Arizona State University. S 61-67, S 85-89. S 19
  29. Hecker D, Voss A, Döbel I, Petersen U.(2017). Zukunftsmarkt Künstliche Intelligenz Potenziale: und Anwendungen. Fraunhoferallianz Big Data.
  30. General Data Protection Regulation GDPR. 4 GDPR Definitions. Official Journal of the European Union. Art. S. 119. Stand 23.5.2018
  31. Article 2(1) South Korea Personal Information Protection Act, official English translation available at http://law.go.kr/engLsSc.do?menuId=0&subMenu=5&query=%EA%B0%9C%EC%9D%B8%EC%A0%95%EB%B3%B4 %EB%B3%B4%ED%98%B8%EB%B2%95#.[06.01.2019]
  32. Centre for Information policy leadership(2018). Artificial Intelligence and Data Protection: Delivering Sustainable AI Accountability in Practice First Report: Artificial Intelligence and Data Protection in Tension. S 10-16