{"id":19683,"date":"2023-03-23T09:38:38","date_gmt":"2023-03-23T08:38:38","guid":{"rendered":"https:\/\/hub.hslu.ch\/ikm\/?p=19683"},"modified":"2026-02-11T14:53:09","modified_gmt":"2026-02-11T13:53:09","slug":"zum-reifegrad-von-kuenstlicher-intelligenz-haben-wir-die-noetige-datenkompetenz","status":"publish","type":"post","link":"https:\/\/hub.hslu.ch\/ikm\/2023\/03\/23\/zum-reifegrad-von-kuenstlicher-intelligenz-haben-wir-die-noetige-datenkompetenz\/","title":{"rendered":"Zum Reifegrad von k\u00fcnstlicher Intelligenz \u2013 haben wir die n\u00f6tige Datenkompetenz?"},"content":{"rendered":"\n\n\n

K\u00fcnstliche Intelligenz \u2013 von Analytics bis Adaption<\/h2>\n\n\n\n

Die F\u00e4higkeit von K\u00fcnstlicher Intelligenz (KI), Muster in Daten zu erkennen, die wir vielleicht niemals vermutet h\u00e4tten, ist eine der aufregendsten Entwicklungen in der Welt der Datenanalyse. Um jedoch das volle Potenzial von KI auszusch\u00f6pfen, m\u00fcssen wir uns mit ihren Grundlagen vertraut machen und eine fundierte Datenstrategie entwickeln. Nur so k\u00f6nnen wir sicherstellen, dass wir die richtigen Aussagen treffen und die notwendigen Daten erheben und analysieren, um unsere Ziele zu erreichen. <\/p>\n\n\n\n

In der Tabelle stellen wir den Reifegrad von K\u00fcnstlicher Intelligenz (Pardoe, 2016; Raisch & Krakowski, 2021) den Analysemethoden im Marketing gegen\u00fcber. Der Reifegrad von KI reicht von Analytics, der Auswertung von deskriptiven Daten \u00fcber Automation, der Mustererkennung, \u00fcber Augmentation mit Handlungsempfehlungen bis hin zu Adaption f\u00fcr Entscheidungen in Echtzeit (Beer, 2017; Roy et al., 2022). <\/p>\n\n\n\n

Marketing Analytics Methoden entlang des Reifegrades von K\u00fcnstlicher Intelligenz<\/h3>\n\n\n\n
Reifegrad von K\u00fcnstlicher Intelligenz<\/th>Marketing Analytics<\/th><\/tr><\/thead>
Analytics<\/td>Descriptive Analytics: Diese Form von Analytics nutzt historische Daten, um vergangene Ereignisse und Trends zu verstehen und zu beschreiben, was in der Vergangenheit passiert ist.<\/td><\/tr>
Automation<\/td>Predictive Analytics: Diese Form von Analytics nutzt Daten, um Vorhersagen \u00fcber zuk\u00fcnftige Ereignisse und Trends zu treffen. Hierbei werden verschiedene statistische Modelle und Algorithmen verwendet, um Muster in den Daten zu identifizieren.<\/td><\/tr>
Augmentation<\/td>Prescriptive Analytics: Diese Form von Analytics nutzt Daten und Analyseergebnisse, um Entscheidungen zu treffen und Handlungsempfehlungen zu geben. Hierbei werden verschiedene Szenarien durchgespielt und die Auswirkungen auf das Unternehmen analysiert, um eine optimale Entscheidung zu treffen.<\/td><\/tr>
Adaption<\/td>Real-time Analytics: Diese Form von Analytics nutzt Echtzeitdaten, um Entscheidungen in Echtzeit zu treffen. Hierbei werden Algorithmen und Modelle verwendet, um Echtzeitdaten zu analysieren und Handlungsempfehlungen in Echtzeit zu geben.<\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n

Descriptive Analytics kann auf einem niedrigeren KI Reifegrad eingeordnet werden. Predictive Analytics erfordern Algorithmen und Modelle, um Vorhersagen und Empfehlungen zu generieren. Diese Formen der Analytics k\u00f6nnen auf einem mittleren KI Reifegrad eingeordnet werden. Prescriptive Analytics kann auf einem h\u00f6heren KI Reifegrad eingeordnet werden. Und wenn die Ergebnisse der Analytics-Modelle und -Algorithmen automatisch in die Gesch\u00e4ftsprozesse und -entscheidungen integriert werden, so ist dies eine sehr hohe Form der K\u00fcnstlichen Intelligenz.<\/p>\n\n\n\n

Dabei wird deutlich, wie KI zunehmend dazu in der Lage ist, nicht nur Muster zu erkennen, sondern auch Handlungsempfehlungen zu geben und Entscheidungen in Echtzeit zu treffen. So k\u00f6nnen Unternehmen noch schneller und pr\u00e4ziser auf Ver\u00e4nderungen bei ihren Kund:innen reagieren.<\/p>\n\n\n\n

Datenkompetenz als Grundlage f\u00fcr den Einsatz von KI<\/h2>\n\n\n\n

Livius Sch\u00f6nle erfasst in seiner Bachelorarbeit am IKM die wichtigsten Trends und Entwicklungen in Bezug auf die Nutzung von Marketing-Automatisierungstools und \u2013Technologien. Er will feststellen, inwieweit Schweizer Unternehmen diese bereits einsetzen und welche Vorteile und Herausforderungen damit verbunden sind. Zudem wird untersucht, wie die Technologie zur Verbesserung der Effektivit\u00e4t und Effizienz von Marketingaktivit\u00e4ten beitragen kann und welche Faktoren den Erfolg von Marketing-Automatisierungsprojekten beeinflussen.

Aktuell umfasst die Marketing-Automatisierung vor allem Aufgaben wie die Erstellung und Verwaltung von E-Mail-Kampagnen, Lead-Generierung, Segmentierung und Analyse von Marketingkampagnen. Mit dem Einsatz von K\u00fcnstlicher Intelligenz (KI) wird die Marketing-Automatisierung immer komplexer. KI kann gro\u00dfe Datenmengen analysieren und verarbeiten, um personalisierte Marketingkampagnen zu erstellen und zu optimieren. Zudem k\u00f6nnen Marketing-Automatisierungen immer mehr menschen\u00e4hnliche Aufgaben \u00fcbernehmen, wie zum Beispiel die Identifizierung von Mustern und Trends in Daten oder die Durchf\u00fchrung von nat\u00fcrlichsprachlichen Interaktionen mit Kunden. Die Studie soll Erkenntnisse zum Status solcher Projekte liefern.<\/p>\n\n\n\n

Wo stehen Sie? Werden Sie Teil der Debatte<\/h2>\n\n\n\n

Werden Sie Teil der Umfrage<\/a>, um den aktuellen Stand der Marketing-Automatisierung in Schweizer Unternehmen aufzuzeigen und um Eindr\u00fccke zu erhalten, wie maschinelles Lernen und Automation aktuell und zuk\u00fcnftig in das Marketing einfliessen werden. Die Ergebnisse erhalten Sie wiederum in diesem Blog. Das Ausf\u00fcllen der Umfrage dauert rund 10 Minuten. Bei Fragen oder Anregungen k\u00f6nnen Sie sich gerne an livius.schoenle@stud.hslu.ch<\/a> wenden. Vielen Dank f\u00fcr Ihre Teilnahme.<\/p>\n\n\n\n

\"\"<\/figure><\/div><\/div>

Dr. Sarah Seyr<\/h2>

Autorin<\/p>

Dozentin und Co-Leitung\u00a0CAS Content Strategy and Marketing<\/a>\u00a0am Institut f\u00fcr Kommunikation und Marketing, Hochschule Luzern Wirtschaft und Partnerin\/Chief Customer Officer bei Aivie<\/p><\/div>