Vorteile guter CRM/ERP-Integration

Von Self Service bis Chatbot

Self-Service-Technologie, digitale Assistenten, künstliche Intelligenz - die Digitalwerkzeuge fürs Kundenbeziehungsmanagement werden immer ausgefeilter. Sind CRM- und ERP-System gut integriert, lassen sich im Sinn des xRM-Ansatzes auch leicht die Beziehungen zu Geschäftspartnern IT-gestützt pflegen.
Bild: ©sebra_AdobeStock

Viele Kunden wissen genau, was technisch heute möglich ist, und schrauben ihre Erwartungen an ein Unternehmen dementsprechend höher. Hinzu kommt, dass sich viele längst nicht mehr nur aufgrund von Preis und Qualität für ein Produkt entscheiden. Vor allem ihre Erfahrungen mit einem Anbieter sowie die Bewertungen anderer Konsumenten spielen eine immer größere Rolle. Umso wichtiger ist es, dass Unternehmen Informationen rund um ihre Kunden sammeln und verarbeiten. Oft werden diese Daten dazu in ein ERP-System eingegeben oder per E-Mail an Produktion und Logistik weitergeleitet. Das kostet Zeit, birgt Fehlerpotenzial und das Risiko, dass Datensilos entstehen, die weitreichendere Analysen erschweren.

Integrierte CRM-Lösungen

Ein anderer Lösungansatz verläuft über die Integration einer lokalen oder Cloud-basierten CRM-Lösung (Custome Relationship Management) in das ERP-Programm und in andere Anwendungen wie E-Mail- oder Shop-Systeme, insofern sie relevante Daten enthalten. Durch so eine Datenplattform können nicht nur Marketing und Vertrieb, sondern auch Produktion und Logistik sowie Einkauf, Controlling und Projektmanagement näher am Kunden agieren. Es lassen sich damit aber nicht nur die Beziehungen zu Kunden, sondern auch zu Geschäftspartnern erfassen, verwalten und analysieren. Der Nutzen solcher xRM-Systeme (Extended oder Anything Relationship Management) hängt jedoch direkt mit der Qualität der Daten und den ergänzenden Datenquellen zusammen. Gleichzeitig sollten sich die Systeme nicht nur von Spezialisten bedienen lassen, wenn ihre Nutzung außerhalb der Fachabteilung angedacht ist.

Viele Kanäle im Blick halten

Weitere Trends im Kundenbeziehungs-Management sind Self-Service-Technologien, Social-CRM und digitale Assistenten. So können Unternehmen ihren Kunden die Möglichkeit bieten, in Echtzeit auf ihre Bestellungen zuzugreifen und verschiedene Kanäle zu nutzen. Auch die Automatisierung von Hintergrundprozessen wird immer wichtiger. Z.B. kann der Kundenberater personalisierte Angebote erstellen, die auf Systemdaten der xRM-Lösung basieren, wie Kundendaten, Informationen aus sozialen Netzwerken und seinen Erfahrungen mit dem jeweiligen Kunden. Oder ihm werden während des Kundenkontakts automatisch wichtige Fragen und Antworten zum jeweiligen Produkt eingeblendet.

Bots werden ausgereifter

Eine wichtige Rolle spielen heute Systeme auf Basis von künstlicher Intelligenz, etwa dem Machine Learning. Diese Technologien werden verstärkt ausgerollt, um bei der Prozessoptimierung oder vorausschauenden Analysen zu unterstützen. Beliebt sind vor allem ML-Anwendungen für datengetriebene Empfehlungen, KI-gestützte Prognosen sowie Bots, die Informationen – z.B. zu Umsatz oder Kundenzufriedenheit – aus der Datenmasse ziehen. Auch digitale Sprachassistenten und Chatbots für den personalisierten Kundenkontakt werden immer besser. Ihr Einsatz beschränkt sich längst nicht mehr auf einfache Fragen und standardisierte Antworten, um die Sales- und Service-Teams zu entlasten. Die digitalen Agenten werden stetig weiter zu einer Art persönlichem Shopping-Assistenten programmiert.

Das könnte Sie auch Interessieren

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.

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Chancen und Herausforderungen von Machine Learning in der Fertigung

Chancen und Herausforderungen von Machine Learning in der Fertigung

Automatisierung, künstliche Intelligenz (KI), Internet of Things (IoT) und Machine Learning (ML) sind heutzutage bekannte Technologien und kommen bereits in vielen Unternehmen zum Einsatz. Mit Hilfe von Machine Learning wird es IT-Systemen ermöglicht, Muster und Zusammenhänge aus Daten zu lernen und sich selbst zu verbessern. Dabei ist keine explizite Programmierung notwendig. Die Bearbeitung von Kundenanfragen, die Erkennung möglicher Störfälle sowie unerwarteter Ereignisse wie z.B. Cyberangriffe sind klassische Anwendungsfelder von ML. Aber auch die Unterstützung bei einer rein datengestützten Entscheidungsfindung und die Interpretation großer Datenmengen gehören dazu.

Bild: ©Shuo/stock.adobe.com
Bild: ©Shuo/stock.adobe.com
Sensoren lernen das Denken

Sensoren lernen das Denken

Im Fraunhofer-Leitprojekt NeurOSmart forscht das Fraunhofer IPMS zusammen mit vier weiteren Instituten (ISIT, IMS, IWU, IAIS) unter Leitung des Fraunhofer ISIT gemeinsam an energieeffizienten und intelligenten Sensoren für die nächste Generation autonomer Systeme. Dabei sollen die Brücken zwischen Wahrnehmung und Informationsverarbeitung durch innovative Elektronik neu definiert werden.

Bild: ©ipopba/stock.adobe.com
Bild: ©ipopba/stock.adobe.com
Wie KI 2022 praktikabel wird

Wie KI 2022 praktikabel wird

Künstliche Intelligenz war bereits in der Vergangenheit in aller Munde, schaffte es aber doch oft nicht bis in die Anwendung. Das wird sich 2022 ändern – auch weil sich langsam Standards etablieren und sich neue, konkrete Einsatzmöglichkeiten ergeben. In welchen Bereichen Business-Implementierungen zu erwarten sind, erläutert Bernhard Niedermayer, Head of AI bei Cloudflight.