8 Vorteile von maschinellem Lernen für Unternehmen

Getty Images

Maschinelles Lernen zielt darauf ab, Ergebnisse mit höherer Genauigkeit vorherzusagen und Trends zu erkennen, die Menschen wahrscheinlich übersehen würden, wenn sie sich ausschließlich auf herkömmliche statistische Methoden verlassen würden.

Für Unternehmen bedeuten diese Fähigkeiten einen Wettbewerbsvorteil. Aus diesem Grund wird maschinelles Lernen (ML) zunehmend in Unternehmen eingesetzt und findet Anwendung in Funktionen von der strategischen Planung bis zur Sicherheit. Zusätzlich zu diesen horizontalen Anwendungen kann ML die besonderen Bedürfnisse vertikaler Märkte erfüllen und Initiativen zur digitalen Transformation unterstützen.

Ein Algorithmus für maschinelles Lernen untersucht Daten auf Muster. Da der Algorithmus immer mehr Daten empfängt, besteht das Potenzial, ihn im Laufe der Zeit zu verbessern.

Die Aussicht auf bessere Vorhersagen steht im Einklang mit den datengesteuerten Ambitionen der Unternehmen. Für solche Organisationen kann ML Empfehlungen liefern, die Kundennachfrage prognostizieren und den Entscheidungsprozess des Unternehmens unterstützen. Die Technologie hat auch andere KI-Entwicklungen vorangetrieben – vor allem generative KI –, die kurz vor der Einführung in Unternehmen stehen.

Vor diesem Hintergrund stellen wir Ihnen hier die acht wichtigsten Vorteile des maschinellen Lernens für Unternehmen vor.

Die Fähigkeit, Kunden zu pflegen, zählt zu den Hauptgründen für den Einsatz von ML. Kundenabwanderung ist für Unternehmen ein großes Problem. ML kann Unternehmen dabei helfen, zu erkennen, welche Kunden wahrscheinlich abwandern.

„Dies ist absolut das Problem Nr. 1, das wir bei unseren Kunden sehen – egal, ob es sich um einen langfristigen Vertrag oder einen monatlichen Vertrag handelt, in verschiedenen Branchen und Unternehmensgrößen“, sagte Matt Mead, CTO bei SPR, einem Unternehmen für Technologiemodernisierung in Chicago.

Bei der Kundenbindung handelt es sich grundsätzlich um ein Klassifizierungsproblem. Mead sagte, diese ML-Aufgabe beinhalte die Betrachtung der Merkmale der Kunden eines Unternehmens – also historische Informationen über diejenigen, die das Unternehmen verlassen haben und diejenigen, die geblieben sind, sowie deren unterschiedliches Verhalten. Kunden können diese Analyse nutzen, um „White-Glove-Programme“ für potenziell gefährdete Kunden einzurichten, so Mead. Das Unternehmen könne versuchen, die Kundenzufriedenheit zu steigern und eine engere Beziehung aufzubauen, fügte er hinzu.

David Frigeri, Geschäftsführer und Leiter der KI/ML-Praxis von Slalom in Philadelphia, nannte auch die Kundenbindung als einen ML-Vorteil.

„Wir haben herausgefunden, dass die beste Rendite aus finanzieller Sicht dann zu erzielen ist, wenn die Analysefähigkeit so nah wie möglich an wichtigen Einnahmequellen positioniert ist“, sagte er. „Der Aufbau eines besseren Kundenerlebnisses, die Verbesserung der Kundenbindung und die Verbesserung des Lifetime-Werts der Kunden durch bessere Produkte oder Dienstleistungen sind also wirklich der horizontale Fokus, der sich über alle wichtigen Branchen erstreckt.“

Eine weitere gefragte ML-Anwendung sei die vorausschauende Wartung für Anlage- oder langfristige Kapitalanlagen, sagte Mead. Hier identifiziert ML Geräte, bei denen ein Ausfall wahrscheinlich ist. Unternehmen können diese Erkenntnisse nutzen, um Ausfallzeiten zu planen und Reparaturen durchzuführen, anstatt kostspielige Ausfälle zu erleben, die die Kunden stören, sagte er.

Laut Vantage Market Research wird der weltweite Markt für vorausschauende Wartung bis 2028 voraussichtlich 19,3 Milliarden US-Dollar erreichen und mit einer durchschnittlichen jährlichen Wachstumsrate von 30 % wachsen.

Netflix und Amazon bieten prominente Beispiele für den Einsatz von ML zum Aufbau von Empfehlungssystemen, die auf der Grundlage der Kaufhistorie eines Kunden neue Produkte oder Dienstleistungen vorschlagen.

„Das sind interessante, sehr öffentliche Implementierungen von ML im Sinne der Personalisierung“, bemerkte Mead.

Dieser ML-Anwendungsfall schafft einen größeren Mehrwert für Kunden – und eröffnet Unternehmen auch Upselling- und Cross-Selling-Möglichkeiten. Ein Empfehlungssystem kann somit neue Einnahmequellen für Unternehmen generieren.

Bei ML dreht sich alles um Vorhersagen, daher bietet die Technologie eine natürliche Plattform für Planungs- und Prognoseaktivitäten.

ML kann Unternehmen dabei helfen, zukünftige Kosten-, Nachfrage- und Preistrends vorherzusagen, um die Budgetierung zu erleichtern und die finanziellen Aussichten eines Unternehmens zu schützen, sagte Mead. „Das ist eine riesige Kategorie von Arbeiten, die wir für unsere Kunden erledigen“, bemerkte er.

Innerhalb von Unternehmen dürfte die Rolle des Unternehmensstrategen von einer stärkeren ML-Einführung profitieren. Die Trends, die Unternehmensstrategen berücksichtigen müssen – und das Tempo, mit dem sie diese analysieren müssen – seien angesichts der COVID-19-Pandemie grundlegend anders, sagte David Akers, Forschungsdirektor bei Gartner.

KI-Technologien können dem Prozess mehr Einblick und Effizienz verleihen. Doch eine im Juli 2023 veröffentlichte Gartner-Studie ergab, dass nur 20 % der 200 befragten Unternehmensstrategieführer Tools wie ML nutzen. Allerdings dürfte die Akzeptanz zunehmen, da 51 % der Befragten angaben, dass sie gegen Geldwäsche ermitteln.

Die prädiktive Modellierung von ML wird die für die strategische Entscheidungsfindung notwendige Weitsicht stärken und einem Unternehmen helfen, „um die Ecke zu schauen“, bemerkte Akers. Er verwies auf die Bedeutung unbeaufsichtigter ML und die Fähigkeit, „neue Möglichkeiten zu identifizieren, die wir mit herkömmlichen Analysen nicht sahen“.

Modelle für unüberwachtes Lernen erfordern kein Training von Datensätzen durch Menschen und können Muster in unstrukturierten Daten aufdecken.

ML und seine Fähigkeit, Muster zu erkennen, haben in der Betrugserkennung Einzug gehalten.

Mead sagte, er sehe, dass Kunden handelsübliche Betrugserkennungssoftware einsetzen, er sei aber auch auf eine ganze Reihe kundenspezifischer Implementierungen gestoßen. Die Betrugserkennung wird häufig damit in Verbindung gebracht, dass Finanzdienstleistungsunternehmen nach Anomalien bei Kreditkartentransaktionen suchen.

Aber Mead verwies auf eine breitere Anwendbarkeit.

„Wir haben mit Kunden aus allen möglichen Branchen zusammengearbeitet, um betrügerische Konten zu identifizieren“, sagte er. Dazu gehört auch, E-Commerce-Unternehmen bei der Erkennung betrügerischer Bestellungen zu unterstützen.

Während ML über beträchtliche horizontale Anwendbarkeit verfügt, können Unternehmen die Technologie auch so einsetzen, dass sie den vertikalen Marktanforderungen gerecht wird. Hier finden Sie eine Auswahl an Branchen, die Sie in Betracht ziehen sollten:

Ein weiterer Vorteil ist die Möglichkeit, mit einer anfänglichen ML-Investition mehrere Renditen zu erzielen. Beispielsweise habe ein Einzelhändler, der einen Datensatz zur Prognose der Produktnachfrage erstellt, die Möglichkeit, auf dieser Investition aufzubauen, sagte Frigeri. Ein Unternehmen ist sich dessen jedoch möglicherweise nicht bewusst.

„Es gibt eine Art sanfte Barriere niedriger Erwartungen, wenn man denkt: ‚Wir haben wirklich gute Nachfrageprognosen – jetzt sind wir fertig‘“, sagte er.

Der für die Nachfrageprognose erstellte Datensatz könne Einzelhändlern jedoch auch dabei helfen, Ausverkaufssituationen zu antizipieren, betonte Frigeri. Und ein Einzelhändler, der vorhersagen kann, wann ihm ein bestimmtes Produkt fehlen wird, kann dann ein Empfehlungssystem für Sicherheitsbestände aufbauen – ein Ersatzprodukt, das er als Puffer für den Fall der Fälle nutzen kann. Auch andere Händlergruppen, etwa E-Mail-Marketing, können von den Nachfrageprognosedaten profitieren.

„Mit der gleichen Investition kann man tatsächlich eine Menge erreichen, aber man muss wirklich umsichtig sein“, sagte Frigeri.

Automatisierung durch ML kann die Kosten eines Unternehmens durch Arbeitsreduzierung und verbesserte Effizienz senken.

Der Kundenservice ist ein Bereich, in dem durch maschinelles Lernen wahrscheinlich Kosteneinsparungen erzielt werden können. Gartner schätzt, dass die Konversations-KI, die ML und die Verarbeitung natürlicher Sprache (NLP) kombiniert, die Arbeitskosten der Agenten in Contact Centern im Jahr 2026 um 80 Milliarden US-Dollar senken wird.

Chatbots, die durch generative KI einen zusätzlichen Schub erhalten, führen dazu, dass Unternehmen sich fragen, ob sie anfangen können, weniger Callcenter-Agenten zu haben, die für kürzere Zeit am Telefon sind, sagte Mead.

Eine Möglichkeit besteht darin, Callcenter-Agenten durch Chatbots zu ersetzen. Mead sagte jedoch, dass er die Verwendung von Chatbots zur Unterstützung menschlicher Agenten und zur Verkürzung der Anrufbearbeitungszeit als einen kreativeren Einsatz der Technologie ansehe. Die Idee besteht darin, dass Chatbots Gesprächen zuhören, den Kontext verstehen und die Kundenstimmung beurteilen. Diese Erkenntnisse, kombiniert mit der NLP-Analyse früherer Anrufprotokolle, ermöglichen es einem Chatbot, Agenten Ratschläge zu geben, während diese mit Kunden interagieren, bemerkte Mead.

Generative KI eröffnet unterdessen zusätzliche Wege zur Effizienz, sagte Zakir Hussain, IoT-Datenleiter für Amerika beim Beratungsunternehmen EY. Er wies auf eine Zeitersparnis von 44 % bei professionellen Schreibaufgaben und eine Reduzierung der Programmierzeit um 55 % hin und verwies dabei auf Untersuchungen des MIT bzw. von Microsoft.

Das Aufkommen generativer KI verändere die Natur der Programmierung, sagte er.

„Es geht nicht mehr ums Programmieren“, sagte Hussain. „Wir sind in eine Ära eingetreten, in der es mehr darum geht, die KI für die Codierung zu nutzen, dann aber um die [Ausgabe] zu kämpfen, um sicherzustellen, dass das, was sie generiert hat, tatsächlich korrekt ist.“

In diesem Szenario rechnet Hussain damit, dass viele Entwickler zu „Daten-Wranglern“ werden.

Laut Frigeri sollte die Automatisierung zwar wichtig sein, aber die Fähigkeit von ML, neue Kundenerlebnisse zu bieten, nicht übertreffen.

„Automatisierung hat für viele Unternehmen enorme Auswirkungen auf die Steigerung der Produktivität gehabt, aber Nummer 1 ist in erster Linie Ihr Kunde“, sagte er.