Künstliche IntelligenzWie Sie KI im Marketing schrittweise einführen

Immer mehr Unternehmen erkennen das Potenzial großer Sprachmodelle wie GPT, BERT oder Luminous, um interne Prozesse effizienter, den Kundenservice besser und die User-Experience ansprechender zu gestalten. Konkret kann das bedeuten, Wissen für Mitarbeitende im Intranet zugänglich zu machen oder den Kundendialog zu vereinfachen.

Chats oder die Onsite-Suche stellen Informationen zu Produkten und Services bereit, unterstützen bei Unklarheiten zu internen Richtlinien oder finden das passende Dokument. So erhalten Konsumenten etwa Informationen über die Kündigungsbedingungen ihres Fitnessstudios, ohne sich durch endlose FAQ-Verzeichnisse zu klicken oder gar zum Hörer greifen.

Trotz der großen Vorteile generativer KI ist die Umsetzung nicht so trivial, wie sie auf den ersten Blick erscheint. Dazu gehört die Herausforderung, dass öffentlich zugängliche KI-Sprachmodelle häufig noch halluzinieren und damit Falschinformationen produzieren; teilweise bis zu 20 Prozent. Dieses Risiko muss minimiert werden, wenn das Vertrauen von Kundinnen und Kunden nicht verspielt werden soll. 

Wie kann es gelingen, die Kontrolle über die verbreiteten Informationen zu behalten und gleichzeitig eine einfache Nutzererfahrung zu bieten? Um Nutzerinnen und Nutzern an den verschiedenen Touchpoints, wie der Google-Suche, der Onsite-Suche oder dem Chatbot, die richtigen und kanalspezifischen Informationen schneller zugänglich zu machen, sind folgende Schritte hilfreich.

1. Daten ordnen und strukturieren

Daten sind der Schlüssel zu einem effizienten Content-Management – ohne sie geht nichts. Der erste Schritt besteht darin, alle strukturierten, semistrukturierten und unstrukturierten Unternehmensdaten zu sammeln.

Dazu gehören unter anderem:

• interne Dokumente
• Handbücher
• FAQs
• Produktinformationen
• Standortdaten
• Blogbeiträge
• Biografien

Voraussetzung ist, dass die Datenbasis aktuell und korrekt ist und dass vertrauliche Inhalte anonymisiert werden. Gerade Letzteres ist entscheidend, um negative Überraschungen und die Weitergabe sensibler Daten zu vermeiden.

Mit der Qualität der Datenbasis steht und fällt das Ergebnis der Sprachmodelle. Sind diese gut aufbereitet, können Chatbots, Website-Suche und Co. später nützliche Antworten geben.

2. Daten zusammenführen

Liegen alle unternehmensrelevanten Inhalte vor, sollten sie im nächsten Schritt in eine Datenbank übertragen und dort gebündelt werden. Häufig liegen die Daten an unterschiedlichsten Stellen: in mehreren Datenbanken oder bei externen Anbietern. Besser ist es, diese Daten an einem zentralen Ort zusammenzuführen, um sie ganzheitlich für alle KI-Erlebnisse nutzen zu können. 

Headless Content-Management-Systeme (CMS) sind dafür eine gute Wahl. Sie bieten nicht nur den geeigneten Ort, um hochwertige und aktuelle Daten für das Training großer Sprachmodelle bereitzustellen. Die gespeicherten Inhalte sind zudem nicht an bestimmte Darstellungen gebunden, da sie nicht an feste Layouts oder Templates gekoppelt sind.

Headless CMS ermöglichen das Speichern und Abrufen von Inhalten in strukturierter und maschinenlesbarer Form. Dies erleichtert Texte, Bilder, Metadaten und andere Inhalte zu extrahieren. So können Informationen für Sprachsuche, Chatbots und andere anspruchsvolle KI-Anwendungen optimiert werden.

Ein weiterer Vorteil: Die in der Datenbank hinterlegten Entitäten, wie Adressen oder Dienstleistungen, können miteinander in Beziehung gesetzt werden. So werden auch komplexe Fragen beantwortet.

Beispiel: Sucht eine Person über die Suchfunktion auf der Website etwa nach einem „Bankberater für Baufinanzierung in Köln, der Ukrainisch spricht“, dann werden im Backend die Entitäten „Standort“, „Spezialisierung“ und „Sprache“ miteinander verknüpft, um eine klare Antwort auf die Frage zu liefern. Mithilfe künstlicher Intelligenz können so komplexe Zusammenhänge und Erkenntnisse aufgedeckt werden, die sonst nicht zugänglich wären. 

Das Bündeln der Inhalte hat zudem den positiven Nebeneffekt, dass nur validierte Informationen im System gespeichert werden, wodurch Unternehmen die Kontrolle über die veröffentlichten Inhalte behalten. Zudem werden Informationen konsistent verbreitet, da alle Systeme auf den gleichen Datenbestand zurückgreifen.

Um die Daten schnell und fehlerfrei zu übertragen, ist es ratsam, eine API-Schnittstelle einzurichten. Die Inhalte, die meist aus unterschiedlichen externen Systemen wie Salesforce oder Adobe stammen, können so bequem übertragen werden.

3. Das richtige Sprachmodell finden 

Sprachmodelle wie GPT4, LaMDA, PaLM, Gopher, Jurassic-1 und BERT lesen die Inhalte und geben sie kanalspezifisch aus. Dabei gibt es nicht das eine Sprachmodell für alle Anwendungsfälle. Vielmehr greift jede Anwendung auf das für sie passende Modell zu.

GPT-3.5 oder 4 helfen dabei, Inhalte wie Produktbeschreibungen oder Stellenanzeigen schnell und mit wenig Aufwand zu erstellen oder Bewertungen nahezu automatisch zu beantworten. LaMDA und BERT hingegen können eingesetzt werden, um Suchanfragen direkt über die Website zu beantworten.

Um die Stärken von generativer KI zu maximieren, sollten Unternehmen Plattformpartner wählen, die nicht nur mehrere Sprachmodelle nutzen, sondern auch über die nötige Expertise für den jeweiligen Anwendungsfall verfügen. 

In Verbindung mit einem KI-gestützten Content-Management-System kann der wahre Wert großer Sprachmodelle ausgeschöpft werden, um letztlich Markenkonsistenz über alle digitalen Kanäle hinweg zu ermöglichen und Fehlinformationen und „Halluzinationen“ zu reduzieren.

Trotz des technischen Fortschritts ist ihr Einsatz kein Selbstläufer und nichts, was von heute auf morgen seine volle Wirkung entfaltet. Vielmehr erfordert die Integration Geduld, da die Systeme kontinuierlich mit neuen Inhalten und Feedback trainiert werden müssen, um die Qualität der Antworten sukzessive zu verbessern.

Voraussetzung für eine reibungslose Integration ist eine korrekte Datenbasis, eine „single source of truth“ und das richtige Sprachmodell für den gewünschten Anwendungsfall.