Der Hype um KI hält an und breitet sich auch im digitalen Marketing weiter aus. Interessant zu sehen, dass die DMEXCO 2019 dem Thema KI dieses Jahr einen eigenen Themenschwerpunkt widmet. Deep Learning Algorithmen können jetzt schon im Marketing bei der Analyse von Kundendaten und der Vorhersage von Kaufverhalten erstaunliches leisten. Ein anderes Thema, dem ich mich mit diesem Artikel widme, ist aber die Produktion von Inhalten. Wer glaubt, dass Maschinen diese kreative Arbeit nicht leisten können, wird über die neuen Lösungen erstaunt sein.

Die Aktualisierung einer Corporate-Website oder eines Nachrichtenportals kann für Marketing Professionals und Online-Redakteure harte Arbeit sein. Ideen für fesselnde und konversionsstarke Inhalte gehen oft im sich wiederholenden Marketingalltag verloren. Wer hat nicht schon stundenlang Landing Pages erstellt, die gleichen Quartalsberichte aktualisiert oder Sprachvarianten für eine Produkteinführung abgeglichen, trotz der Unterstützung durch Workflows und Templates?

Wäre es nicht wunderbar, wenn wir diese wiederkehrenden Aufgaben noch stärker automatisieren könnten? Die Fortschritte auf dem Gebiet der Künstlichen Intelligenz, insbesondere dem Deep Learning, haben in den letzten Jahren große Fortschritte gemacht und bereits die Laborphase verlassen. Die folgenden drei Beispiele zeigen vielversprechende Lösungen. Sie sind bereits heute als Cloud Services verfügbar und lassen sich relativ einfach in ein Content Management System einbinden:

1. Natural Language Generation

Wie wäre es, wenn ein CMS wie CoreMedia automatisch Produktdetailseiten generiert, basierend auf dem Online-Produktkatalog Ihres E-Commerce-Systems? Alle Daten, die Sie benötigen, sind bereits vorhanden und Produktbeschreibungen sind häufig sehr ähnlich und unterscheiden sich oft nur in den Details. Natürlich müssen die Artikel SEO-optimiert sein und so geschrieben werden, dass sie Ihre Zielgruppe ansprechen. Natural Language Generation (NLG) ist die perfekte Lösung für diese Art von Arbeit!

NLG-Lösungen für den Roboter Journalismus werden bereits heute zur Generierung von Sportnachrichten, Wettervorhersagen oder Finanzberichten eingesetzt. Im Gegensatz zu Nachrichtenmeldungen oder journalistischen Artikeln sind dies alles Bereiche, die durch standardisierte Formulierungen und wiederkehrende Themen gekennzeichnet sind. Dies macht es möglich sie auf Grundlage strukturierter Daten, die automatisch analysiert und interpretiert werden können, zu automatisieren. Tatsächlich sind NLG-Lösungen überall dort sinnvoll und praktikabel, wo große Mengen an strukturierten Daten wiederholt in lesbare Form gebracht werden müssen. Führende Medienunternehmen wie die New York Times und die Associated Press setzen bereits auf Roboterjournalismus.

Treiber für den Einsatz von NLG sind Kosteneinsparungen und Effizienzsteigerungen, aber auch der zunehmende Einsatz von Smart Speakers wie Alexa. Damit sind völlig neue Formen der Kundeninteraktion und des Informationsaustausch möglich. Zum Beispiel können Redakteure mit NLG eine Reihe von kurzen, kontextbezogenen Artikeln generieren, die in Echtzeit auf den Kontext von Nutzerfragen reagieren.

2. Machine Translation

Internationale Marken kennen das Problem: Die Zeit ist immer zu kurz, um alle Länder- und Sprachvarianten für eine neue Produkteinführung zu aktualisieren. Verzögerungen führen zu einem späteren Markteintritt und höheren Kosten.

Redakteure suchen seit langem nach einer Lösung, die diesen Prozess beschleunigt. Die automatische Übersetzung von Texten galt jedoch lange Zeit als ein fast unlösbares Problem. Sprache ist zu oft mehrdeutig und so komplex, dass der Goldstandard für die Lokalisierung in der Produkt- und Marketing-Kommunikation schon immer menschliche Übersetzer waren. Effizienzsteigerungen wurden durch den Einsatz von Übersetzungsmanagementsystemen ermöglicht, die den Prozess strukturieren und die einmal erstellte Übersetzungen über Datenbanken (Translation Memories) wiederverwendbar machen. Auch mit CoreMedia CMS werden solche Tools integriert. Aber eine vollautomatische Übersetzung kam nicht in Frage.

All das beginnt sich jetzt zu ändern. Neue KI-basierte Übersetzungsdienste von Google (2016) und DeepL (2017) gewinnen zunehmend an Aufmerksamkeit. Sie sind in der Lage, autonom zu lernen und werden ständig weiter optimiert mit neuen Trainingsdaten.

Der Einsatz von maschinellen Übersetzern ermöglicht weitere Kosteneinsparungen und beschleunigte Geschäftsprozesse. Kurzfristig werden Übersetzungsdienstleister auf eine Kombination aus alten und neuen Methoden setzen. Maschinelle Übersetzer machen immer noch Fehler, insbesondere bei branchen- und fachspezifischen Formulierungen. Aber es ist klar, dass diese Probleme in naher Zukunft behoben werden, so dass zuverlässige Übersetzungen direkt und ohne Verzögerung erstellt werden können.

3. Verschlagwortung und Themenbildung

Digitale Inhalte können nur dann effektiv automatisiert werden, wenn sie systematisch mit relevanten Keywords versehen sind. Ohne Verschlagwortung sind Redakteure gezwungen, Inhalte für verschiedene eCommerce-Kampagnen, Landing Pages und „Themenwelten“ manuell zu erstellen und zu organisieren. Dies ist ein umständlicher und langwieriger Prozess. Mit zunehmender Anzahl der Kundenpersonas steigt auch die Anzahl der möglichen Inhaltskombinationen, was zu einem deutlichen Rückgang des Kosten-Nutzen-Verhältnisses führt. Gleiches gilt für Intranetrecherchen und Wissensdatenbanken. Deep Learning kann bei all diesen Beispielen helfen, indem es Inhalte automatisch analysiert und verschlagwortet.

Neben Textinhalten können auch Bilder und Videos durch künstliche Intelligenz und maschinelles Lernen besser analysiert werden. Der Dienst Amazon Rekognition kann beispielsweise Objekte, Szenen und Aktivitäten erkennen. Der Cloud Dienst, der sich einfach über eine Web Service API nutzen lässt, kann sogar Stimmungen aus Gesichtsausdrücken lesen, Prominente benennen oder Textinhalte aus Fotografien extrahieren.

Diese verschiedenen Analysemöglichkeiten verbessern die Suche nach Inhalten und automatisieren das Ausspielen von personalisierten Inhalten für verschiedene Zielgruppen.

Fazit

Die oben genannten Beispiele werden bereits von den „Early Adopters“ genutzt und weiter ausgebaut. Voraussetzung für einen erfolgreichen Einsatz sind große Datenmengen und wiederholbare Prozesse mit Einsparungspotential. Dank Cloud-APIs können die beschriebenen Services in Ihre eigenen Anwendungen integriert werden.

Bei der Nutzung von KI-Lösungen sollten Unternehmen nicht nur die Optimierung bestehender Prozesse berücksichtigen, sondern auch das Potenzial für völlig neue Dienstleistungen und Produkte nutzen. So wird die digitale Transformation zum Erfolg.