Warum der E-Commerce Sektor Vorreiter im Bereich Machine Learning ist, erklärt Mathias Golombek

Foto: Exasol Der Autor Mathias Golombek ist CTO von Exasol Der Fortschritt im Bereich der künstlichen Intelligenz (KI) hat sich in den letzten Jahren explosionsartig entwickelt und in nahezu jeder Branche Einzug gehalten. Durch KI können Unternehmen heutzutage über die traditionelle Welt der Reportings und Dashboards hinausgehen. Denn dank Machine Learning (ML) kann die Technologie nicht nur Daten beschreiben und erklären, sondern verlässliche Vorhersagen treffen. Unternehmen können dadurch ihre Entscheidungen untermauern. Das spielt auch im Bereich E-Commerce eine tragende Rolle, denn die Vorteile und Einsatzgebiete hat der Online-Handel längst erkannt. 

Alles für die perfekte Customer Experience

KI und ML kommen besonders im E-Commerce Sektor zum Tragen, denn Unternehmen verfügen über eine Unmenge an Daten – die perfekte Grundlage für die Anwendung von ML. Da die Verbraucher mehr Zeit online verbringen als je zuvor und die Erwartungen stetig steigen, ist es von entscheidender Bedeutung, dass die Unternehmensentscheider moderne Tools nutzen, um den Anforderungen gerecht zu werden. Die Vorteile liegen auf der Hand:

• Optimierte Customer Experience: ML verbessert das Kundenerlebnis dank der Personalisierung von Websites und Handy-Apps. Konsumenten fühlen sich als Individuen geschätzt. KI-basierte Empfehlungen wirken sich positiv auf das Kaufverhalten aus und führen üblicherweise zu höheren Durchschnittsumsätzen.
• Stärkere Kundenbindung: KI erkennt Abwanderungsursachen rechtzeitig und ermöglicht den Unternehmen, proaktiv zu handeln und so potenziellen Kundenabwanderungen zuvorzukommen.
• Bessere Risikobewertung: Durch ein präziseres Analysieren und Erkennen von Betrugsfällen können Einnahmeausfälle im Zusammenhang mit immer zahlreicheren und raffinierteren kriminellen Techniken vermieden werden. 
• Optimiertes Traffic- und Just-in-time-Management: Gerade durch das Management des Website-Traffics können Unternehmen stark oder weniger frequentierte Seiten besser verwalten. So können sie beispielsweise schon im Voraus sehen, ob es zu einer potenziellen Lagerknappheit kommt oder ob Produkte oder Dienstleistungen durch Preisnachlässe gepusht werden müssen.
• Datenbasierte Social Media Verwaltung: Text- und Sentiment-Analysen erlauben schnelle und angemessene Reaktionen auf wichtige Themen, ob positiv oder negativ.

KI erfolgreich implementieren

Um von all diesen Vorteilen zu profitieren, müssen Unternehmen zunächst die passenden technischen Voraussetzungen schaffen und ihre Firmenkultur entsprechend ausrichten. Für die erfolgreiche Implementierung von KI sind Daten- und Analysestrategien, die direkt mit der allgemeinen Geschäftsstrategie verknüpft sind, unerlässlich. Eine weitere Voraussetzung ist eine agile und offene Datenarchitektur, sprich die Erfassung, Speicherung, Verteilung und Nutzung von Daten, die es allen Mitarbeitenden ermöglicht, auf die für sie relevanten Daten zur richtigen Zeit zuzugreifen. Vonnöten ist außerdem eine robuste Dateninfrastruktur und -kultur. Diese führt die Architektur und alle beteiligten Prozesse und Akteure zusammen.

Ein Blick in die Glaskugel

In der gesamten E-Commerce-Branche erleben wir bereits eine enorme Zunahme des Einsatzes von KI und ML, aber das ist erst der Anfang. Die genannten Einsatzgebiete werden mit der Weiterentwicklung der Technologie bald zur Norm werden. Dank der Demokratisierung der Datenanalytik werden mehr branchen- und anwendungsspezifische Lösungen entstehen. IT- und Data-Science-Teams werden entlastet und können sich auf komplexere Anwendungsfälle konzentrieren, die zur Schaffung neuer Datenpipelines und wahrscheinlich zu einer weiteren Personalisierung des Kundenerlebnisses für Online-Händler führen werden.

Die Leistung eines jeden Modells der künstlichen Intelligenz wird aber nur dann sinnhaft sein, wenn auch die Daten, mit denen es gespeist wird, gut sind. Daher muss der Schwerpunkt in Zukunft auf der Datenqualität und der Datenverwaltung liegen, das heißt auf der Erstellung sauberer, hochwertiger Datensätze zur Unterstützung von KI-Prozessen. In-Memory-Analytics-Datenbanken werden aufgrund ihrer Fähigkeit, große Datenmengen zu analysieren, zum Treiber für die breitere Nutzung im Unternehmen werden.