{"id":24809,"date":"2026-04-02T14:00:14","date_gmt":"2026-04-02T12:00:14","guid":{"rendered":"https:\/\/hub.hslu.ch\/ikm\/?p=24809"},"modified":"2026-04-02T16:00:06","modified_gmt":"2026-04-02T14:00:06","slug":"wie-ki-vertrieb-marktforschung-und-hoerqualitaet-veraendert","status":"publish","type":"post","link":"https:\/\/hub.hslu.ch\/ikm\/2026\/04\/02\/wie-ki-vertrieb-marktforschung-und-hoerqualitaet-veraendert\/","title":{"rendered":"Wie KI Verkauf, Marktforschung und H\u00f6rqualit\u00e4t ver\u00e4ndert"},"content":{"rendered":"\n

Wenn Maschinen zuh\u00f6ren lernen<\/strong><\/h2>\n\n\n\n

Dr. Seraina Glaus besch\u00e4ftigt sich mit einer Frage, die im Alltag vieler Menschen entscheidend ist: Worauf h\u00f6ren wir eigentlich \u2013 und kann eine Maschine das erkennen?<\/p>\n\n\n\n

\"Wenn
Wenn Maschinen zuh\u00f6ren lernen<\/figcaption><\/figure>\n\n\n\n

Ihr Ansatz ist die modellbasierte Sch\u00e4tzung der H\u00f6rintention. Dabei nutzen Machine-Learning-Modelle nat\u00fcrliche Verhaltenssignale, um abzusch\u00e4tzen, auf welche Schallquelle sich eine Person in komplexen H\u00f6rsituationen konzentriert. Die Vision dahinter ist klar, n\u00e4mlich H\u00f6rsysteme, die nicht nur verst\u00e4rken, sondern verstehen, was relevant ist.<\/p>\n\n\n\n

KI im Vertrieb: Zwischen Effizienz und Unsicherheit<\/strong><\/h2>\n\n\n\n

Elina Vigand richtet den Blick auf ein ganz anderes Feld: unstrukturierte Textdaten in Unternehmen. Im Interview erkl\u00e4rt sie, wo KI bereits heute echten Mehrwert liefert.<\/p>\n\n\n\n

\u201eThe clearest application potential lies in making unstructured text data<\/strong> systematically usable. <\/strong>
Many organisations collect large amounts of freetext input \u2014 customer interactions, notes, feedback \u2014 but struggle to interpret it consistently.\u201c<\/strong><\/p><\/blockquote><\/figure>\n\n\n\n

Gerade in Callcentern entstehen t\u00e4glich wertvolle Informationen, die bisher kaum genutzt werden. KI kann hier helfen, aus kurzen Notizen verwertbare Signale zu extrahieren \u2013 etwa f\u00fcr Vertrieb oder Kundenservice. Doch Vigand warnt auch vor \u00fcberzogenen Erwartungen.<\/p>\n\n\n\n

\u201eI would be more cautious in situations where meaning<\/strong>
depends on subtle context or less frequent patterns.\u201c<\/strong><\/p><\/blockquote><\/figure>\n\n\n\n

Denn sobald Interpretation stark vom Kontext oder seltenen Mustern abh\u00e4ngt, st\u00f6sst KI an ihre Grenzen. Besonders deutlich wurde das in ihrem Projekt bei einer unerwarteten Herausforderung: Selbst Menschen waren sich oft nicht einig, was \u00fcberhaupt als \u201erichtig\u201c gilt. Die Konsequenz ist, dass KI hier unterst\u00fctzen und nicht ersetzen sollte.<\/p>\n\n\n\n

Synthetische Interviews: Schnell, aber (noch) zu oberfl\u00e4chlich?<\/strong><\/h2>\n\n\n\n

Dr. Simone Griesser untersucht, wie weit KI bereits in der Marktforschung eingesetzt werden kann. In ihrem Projekt wurden qualitative Interviews mithilfe von KI-Modellen wie Gemini und GPT simuliert und anschliessend mit einem Modell der BERT-Familie analysiert.<\/p>\n\n\n\n

\"Synthetische
Synthetische Interviews<\/figcaption><\/figure>\n\n\n\n

Der Vergleich mit echten Interviews brachte \u00fcberraschende Erkenntnisse:<\/p>\n\n\n\n