Mit Machine Learning zu mehr Kundenzufriedenheit

Machine Learning auf Deutsch 'Maschinelles Lernen' – ein Begriff, der uns im Alltag oft begegnet, ohne dass wir es wirklich merken. Doch was genau verbirgt sich dahinter und wie nutzen wir bei Conrad diese Technologie, um für das Unternehmen und vor allem für unsere Kunden*innen einen echten Mehrwert zu schaffen?

Maschinelles Lernen ist ein Teilgebiet der künstlichen Intelligenz (KI), auch als ‚Artificial Intelligence‘ (AI) bekannt. KI gilt als Oberbegriff für viele Techniken, die alle dasselbe Ziel haben: einer Maschine humanes Verhalten beizubringen. Dies erfolgt auf der Grundlage bestimmter Algorithmen, die wiederrum mittels der Methodik Maschinelles Lernen (ML) trainiert werden. ML ist also ein Teilbereich der künstlichen Intelligenz, der sich mit dem selbstständigen Erschließen von Zusammenhängen auf Basis von Beispieldaten beschäftigt. Einfach ausgedrückt: Algorithmen werden trainiert, selbstständig neue Zusammenhänge zu entdecken und somit eigenständig Lösungen für neue und ungelöste Probleme zu finden.

double exposure image of stock market investment graph and city skyline scene,concept of business investment and stock future trading.
Bild: @monsitj/AdobeStock.com

In unserem Unternehmen kommt dieses Verfahren immer öfter zum Einsatz, vor allem wenn es darum geht, viele manuelle und komplexe Arbeitsschritte durchzuführen. Das ist etwa im Rahmen der Prozessverbesserung der Fall: Die selbstlernenden Algorithmen sind in der Lage, E-Mails zu verstehen und sie an den jeweils Zuständigen weiterzuleiten, immer noch existierende FAX-Bestellungen ins System einzubuchen oder etwa Betrugsversuche im Onlineshop zu identifizieren. Ein jüngst von uns entwickelter Algorithmus kann sogar berechnen, ob ein Produkt als professionell wahrgenommen wird oder nicht. Dazu nutzt er bestimmte Einflussfaktoren, die einen Artikel für einen professionellen Anwendungsbereich geeignet erscheinen lassen. Erste Ergebnisse zeigen z.B., dass ein langer und mit vielen Attributen geschriebener Informationstext einen Artikel eher professionell wirken lässt.

Auch für die automatische Bestimmung von Alternativprodukten, wenn gewünschte Waren nicht mehr vorrätig sind, nutzen wir das Maschinelle Lernen. Das funktioniert folgendermaßen: Zunächst gleicht das System sämtliche Daten des ursprünglich gewünschten Produktes mit den Daten möglicher Alternativen ab. Stimmt ein gewisses Set an Merkmalen zweier Produkte überein, schlägt der Algorithmus das Alternativprodukt vor. Wird es akzeptiert, lernt der Algorithmus, das Produkt beim nächsten Mal erneut vorzuschlagen. Kauft die Kund*in die Alternative nicht, wird das System dieses Produkt in diesem Zusammenhang nicht mehr als Angebot auswählen. Durch wiederholtes Austesten und Variieren werden die auf Erfahrung basierenden Verbindungen gestärkt oder geschwächt und der Algorithmus lernt ständig dazu.

Als Vorreiter der Digitalisierung entwickeln wir uns so ständig weiter, um uns zukunftssicher aufzustellen. Maschinelles Lernen hilft uns dabei, komplexe riesige Datenmengen in Echtzeit zu verarbeiten und richtig miteinander in Bezug zu setzen. So können wir unserem Anspruch, bei allem was wir tun, den Kunden also den Menschen im Fokus zu haben, noch besser gerecht werden. KI-Technologien wie Machine Learning ermöglichen es uns, das Verhalten unsere Kunden*innen bestmöglich zu verstehen und ihnen passgenaue Angebote machen zu können. Und genau das ist unser Omnichannel Access Ansatz: Das richtige Produkt, über den richtigen Kanal, zur richtigen Zeit.

Das könnte Sie auch Interessieren

Bild: Fraunhofer IGD
Bild: Fraunhofer IGD
Software Arrange beschleunigt Absortierprozesse

Software Arrange beschleunigt Absortierprozesse

In Kombination mit einer Augmented-Reality-Brille bietet eine neue Software des Fraunhofer IGD digitale Unterstützung von Absortiervorgängen. Zusammengehörige Bauteile werden direkt im Sichtfeld der Beschäftigten an der Produktionslinie farblich überlagert. Anwender im Automotive-Bereich können so etwa durch beschleunigte Prozesse und eine minimierte Fehleranfälligkeit Kosten reduzieren.

Bild: Coscom Computer GmbH
Bild: Coscom Computer GmbH
Software-Plattform für KI und maschinelles Lernen

Software-Plattform für KI und maschinelles Lernen

Vermehrt interessieren sich Unternehmen dafür, auf Basis ihrer Fertigungsinformationen Verbesserungspotenziale in der Produktionsplanung und -steuerung zu heben. Maschinelles Lernen und künstliche Intelligenz (KI) kann aber nur dann wirtschaftlich sinnvoll eingesetzt werden, wenn alle relevanten Daten im Zugriff sind und deren Struktur zu den Anwendungen passen. Das Coscom-ECO-System soll eine Plattformökonomie als Basis für Business Intelligence (BI) bieten.

Bild: Benteler International AG
Bild: Benteler International AG
Produktionsfehler: KI findet die Nadel im Heuhaufen

Produktionsfehler: KI findet die Nadel im Heuhaufen

In der Qualitätsprüfung ist Zeit ein wichtiger Faktor: Wer Fehler rechtzeitig findet, kann sie effektiv und kostensparend beheben. Gemeinsam mit dem Fraunhofer IEM setzt der Automobilzulieferer Benteler dafür in der Warmumformung von Fahrzeugteilen auf Echtzeit-Sensordaten und Künstliche Intelligenz. Damit können Produktionsfehler schneller erkannt, behoben und zukünftig sogar vermieden werden.

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

„Künstliche Intelligenz ist eine, wenn nicht die wichtigste Zukunftstechnologie für Unternehmen.“ Diese Aussage bejahen 70 Prozent der Befragten der jüngsten Bitkom-Studie zu KI. Aber nur 10 Prozent aller Unternehmen haben KI-Technologie aktiv im Einsatz, lediglich 30 Prozent planen und diskutieren deren Anwendung. Was ist der Grund für diese große Diskrepanz?

Bild: Blue Yonder, Inc.
Bild: Blue Yonder, Inc.
Künstliche Intelligenz – mehr als eine Wissenschaft

Künstliche Intelligenz – mehr als eine Wissenschaft

Data Science ist mittlerweile ein fester Bestandteil der strategischen Planung in vielen Unternehmen. Um künftige Entwicklungen realistisch zu planen, brauchen wir Künstliche Intelligenz (KI) und Maschinelles Lernen (ML). Insbesondere im Einzelhandel vertrauen immer mehr große Player auf KI-Lösungen, die präzise Prognosen ermöglichen und zum Beispiel Bestände oder Preise optimieren. Doch viele Entscheidungsträger glauben noch nicht daran, dass KI in den Lieferketten der Zukunft eine tragende Rolle spielen wird. Der Grund hierfür liegt in einer falschen Sicht auf die Wissenschaft.

Bild: ©Stock57/stock.adobe.com
Bild: ©Stock57/stock.adobe.com
KI-Verfahren für die Produktion

KI-Verfahren für die Produktion

Mathematiker der Hochschule Darmstadt (h_da) entwickeln gemeinsam mit dem Hanauer Simulationsdienstleister und Softwareunternehmen SimPlan und dem Automationsexperten Fibro Läpple Technology neue KI-Technologien. Im Rahmen des Loewe-Projekts ‚KISPo‘ will das Konsortium eine autonome, selbstlernende Steuerungssoftware für Produktionsanlagen entwickeln, wie sie z.B. bei der Herstellung von Komponenten für Windräder oder Elektromotoren zum Einsatz kommen. Es wäre die erste KI-Software dieser Art. Damit würde eine von Industrieverbänden und Forschung lange bemängelte Technologielücke geschlossen. Das Land Hessen fördert das Projekt für zwei Jahre mit 320.000 Euro. Konsortialführerin ist die Hochschule Darmstadt.