»Auch mittelständische Verlage müssten sich einfach einmal trauen«

Alexander Woge, Betriebswirt und Marketingfachmann, ist seit 2009 bei knk Business Software AG beschäftigt, wo er 2016 zum Head of CRM Solutions aufstieg und 2018 Geschäftsführer von knk Customer Engagement GmbH wurde. (Foto: knk)

Künstliche Intelligenz (KI) – für Wirtschaft und Gesellschaft der Zukunft Lockung und Bedrohung zugleich. Wie auch immer man dazu steht, eines ist klar: Wer über Künstliche Intelligenz verfügt, wird morgen zu den Gewinnern zählen.

Auch die Medienbranche ist auf dem Weg zu KI. Gerade dem Mittelstand fällt es dabei schwer, KI in seinen Geschäftsmodellen produktiv zu machen. Wie das gelingen könnte und was der Entwicklungsstand KI-getriebener Geschäftsmodelle im Publishing ist, erklärt Alexander Woge, Geschäftsführer des Verlagsdienstleisters knk Customer Engagement, im IT-Channel von buchreport.de. Alexander Woge entwickelt mit seinem Team am 20. März 2019 zur Leipziger Buchmesse im Workshop KI in Verlagen und Medien gemeinsam mit Anwendern Use Cases und Geschäftsmodelle von KI-Anwendungen in Verlagen und Medienhäusern.

Künstliche Intelligenz (KI) prägt die Schlagzeilen, doch es fällt vielen Verlagsmanagern schwer, Potenzial und Risiken richtig einzuschätzen. Worum geht es im Kern – und welche Chancen bietet Künstliche Intelligenz für die Buchbranche aus Ihrer Sicht?

Potenzial und Risiken richtig einzuschätzen, wird vor allem durch den aktuellen „Hype“ und die oftmals sehr weit auseinandergehenden Vorstellungen rund um das Thema Künstliche Intelligenz erschwert.

Wenn wir von KI sprechen, dann geht es im Kern um die „Automatisierung intelligenten Verhaltens“. Dabei sprechen wir keinesfalls davon, Roboter oder Cyborgs zu erschaffen, die nahezu menschenähnlich handeln wie in diversen Hollywood-Blockbustern. Vielmehr geht es bei KI darum, Maschinen in bestimmten, genau abgegrenzten Anwendungsgebieten so einzusetzen, dass diese monotone oder repetitive Tätigkeiten übernehmen, Muster in Daten erkennen oder sogar ganz neue Muster identifizieren, die in unseren Daten „schlummern“.

Und genau darin bestehen auch die Chancen für die Buchbranche. Trotz der voranschreitenden Digitalisierung gibt es auch heute noch in Verlagen und Medienhäusern diverse Tätigkeiten, die man durch den Einsatz von KI schneller, effizienter und mit mindestens gleichbleibender Qualität ausführen kann. Beispiele hierfür wären die grobe Vorauswahl von Manuskripten oder die Verschlagwortung/Metadaten-Anreicherung von Inhalten oder inhaltlichen Bruchstücken.

In welchen Bereichen wird Künstliche Intelligenz bereits eingesetzt? 

KI finden wir heute bereits in diversen Bereichen unseren alltäglichen Lebens. Es beginnt bei den Filmvorschlägen bei Netflix, geht weiter mit den verschiedenen Sprachassistenten (Alexa, Siri, Cortana und Co.), die nach und nach in unser alltägliches Leben einziehen, und endet in den meisten Köpfen bei selbstfahrenden Autos.

In der Buchbranche sind nach unserer Erfahrung einige Unternehmen am Thema „dran“, stehen aber trotzdem im Vergleich zu anderen Branchen noch am Anfang.

Die Krux ist oftmals, dass man neben einem spannenden Case auch ein kleines Projektteam benötigt und die eigenen Daten in einer Infrastruktur vorhalten muss, die KI-Szenarien überhaupt ermöglicht. Wobei sich gerade letzterer Punkt bedrohlicher anhört, als er eigentlich ist. Alle großen Technologie-Lieferanten (wie zum Beispiel Microsoft, Google oder Amazon) bieten heute schon Cloud-Infrastruktur und sog. „Cognitive Services“ zu sehr guten Konditionen an, so dass auch kleinere Unternehmen sich hieran beteiligen können. Diese Cognitive Services beinhalten bereits „trainierte“ Modelle für KI-Anwendungen. So muss kein Verlag oder Medienhaus mehr selbst ein neuronales Netz oder komplexe KI-Algorithmen entwickeln, sondern kann die Out-of-the-Box-Services, zum Beispiel für Bild- oder Spracherkennung, direkt nutzen.

Festzuhalten ist aber auch: Wenn man KI für sich wirklich nutzbar machen möchte, muss man neben all den Cloud-Technologien und Machine-Learning-Modellen vor allem das Thema Daten, Datenhaltung und deren Aufbereitung in den Mittelpunkt stellen.

An sinnvollen und spannenden Cases mangelt es unserer Erfahrung nach in der Buchbranche nicht, das merken wir auch in unseren Vorträgen oder Workshops. Gerade mit größeren Verlagsgruppen, von denen die meisten bereits ihre Daten in Data Warehouses in der Cloud verwalten, befinden wir uns zur Zeit in mehreren Pilotprojekten, sog. Proof of Concept (POC)-Projekten und entwickeln gemeinsam KI-Lösungen, die zum Beispiel Audience Building, Customer Service oder Themen zur Effizienzsteigerung behandeln.

Inwiefern kann Künstliche Intelligenz Verlage dabei unterstützen, ihren Zielgruppen die richtigen Inhalte zur richtigen Zeit anzubieten?

Wir versuchen mit unserer „Audience Building“-Lösung die (potenziellen) Kundendaten an einem zentralen Ort anzureichern und so zu aggregieren, dass wir darauf schließen können, was das Publikum bzw. den Leser am meisten interessiert und sogar was am besten konvertiert. Anhand der gesammelten Daten bilden wir Personas für jeden Kunden und legen damit den Grundstein für eine personalisierte Kundenkommunikation und Content-Ausspielung.

Es gibt dabei zwei Pfade, die wir bespielen bzw. unterscheiden, einen sog. Hot Path und einen sogenannten Cold Path.

Der Hot Path soll in nahezu Echtzeit möglichst passgenaue Content zum Beispiel auf der Homepage oder in einer App zur Verfügung stellen. Hier geht es um schnelle Reaktion. Im Cold Path werden die eingehenden Rohdaten hingegen zunächst gespeichert. Daraufhin versuchen komplexe Analysen zum Beispiel Bewegungsmuster nachzuvollziehen und daraus Vorhersagen, unter anderem für den Hot Path, zu erstellen. Hier werden vor allem neue Erkenntnisse gewonnen und das Machine-Learning-Modell trainiert.

… und in welchen Bereichen hat KI das größte Entwicklungspotenzial?

Für uns haben sich einige Entwicklungsfelder bereits durch die oben erwähnten POCs herauskristallisiert. Wir sehen vor allem Entwicklungspotenzial in den Bereichen der Content Recommendation, der Textanalyse und der Effizienzsteigerung durch Automatisierung.

Im Bereich der Content Recommendation haben wir mit Hilfe diverser Microsoft-Cloud-Services ein Modell entwickelt, das Verlage dabei unterstützt, auf digitalen Kanälen den richtigen Content zur richtigen Zeit dem potenziellen Kunden auszuspielen. Wir nutzen hierfür die Daten, die jeder User zum Beispiel beim Aufruf einer Seite hinterlässt, reichern diese Informationen mit Metadaten an, anonymisieren diese und spielen dann nahezu in Echtzeit Informationen an das CMS zurück. Sie enthalten eine Empfehlung, wie die Website bestmöglich aufgebaut sein sollte. Gleichzeitig bauen wir eine Infrastruktur gemeinsam mit und für Kunden auf, um die Daten auch wirklich so vorzuhalten, dass sie diese auch für sich nutzen können und sie nicht für viel Geld wieder von Facebook und Co. „zurückkaufen“ müssen.

IT-Grundlagen und Technologien der Zukunft

Mehr zum Thema IT und Digitalisierung lesen Sie im IT-Channel von buchreport und Channel-Partner knk. Hier mehr…

Spannende Entwicklungsmöglichkeiten sehen wir auch im Bereich der Textanalyse. Dies gilt vor allem für die semantische Analyse von Texten, auch als Text Mining bezeichnet. So wäre es durchaus denkbar, Manuskripte anhand von bestimmten Modellen bewerten zu lassen und erst dann, wenn diese erste Hürde genommen wurde, von Lektoren eingehend begutachten zu lassen. Für Lektoren könnte so eine deutliche Arbeitserleichterung geschaffen werden. Besonders spannend wird diese Analyse auch, wenn man eine vermeintliche Bestseller-DNA ermitteln möchte. Hier gibt es bereits diverse Ansätze von Start-Ups und größeren Softwarehäusern.

Gleichzeitig können wir mit Hilfe von Textanalyse aber auch unzählige Meta-Merkmale am Content anreichern, ihn taggen, für Suchen optimieren oder mit anderen Contents in Bezug setzen. Gleiches funktioniert übrigens heute schon mit Videos, deren Inhalt nahezu in Echtzeit transkribiert werden kann. Auch Themen oder Personen können bis auf die Sekunde genau getaggt werden.

Und zu guter Letzt sehe ich durch die KI große Potenziale in puncto Automatisierung und Effizienzsteigerung. Wenn wir hierbei besonders an Customer Service oder Kommunikation mit Hilfe von Chatbots denken, so sehen wir viele Potenziale der KI. Einer unserer POCs hatte die Aufgabe, mit Hilfe eines lernenden KI-Services eingehende Kunden-E-Mails zu clustern, an die richtige Stelle zu übermitteln und Textinhalte in die entsprechenden weiterverarbeitenden Systeme zu übertragen. Wenn ein Kunde nun also zum Beispiel sein Bankkonto ändert und dies per E-Mail mitteilt, so kann unter anderem die IBAN automatisch extrahiert und in das weiterverarbeitende System überführt werden. Die Cases lassen sich hier beliebig erweitern…

Welche besonderen Hürden gilt es noch zu bewältigen?

Fangen wir mit dem menschlichen Faktor an – und hier meine ich vor allem die oftmals unterschwellig vorherrschende Angst, durch eine Maschine ersetzt zu werden. Gerade in Verlagen ist dann schnell die Rede vom Roboter-Lektor oder ähnlichem – dem ist aber bei weitem nicht so. Vielmehr kann KI heute im Arbeitsalltag unterstützend wirken. Wertschöpfende intellektuelle oder kreative Tätigkeiten sehen wir hingegen nicht als gefährdet an.

Des Weiteren gibt es die Hürde der Daten. Generell kann die Aussage getroffen werden, dass ein KI-Algorithmus „nur“ so gut funktioniert, wie er trainiert wurde – und Training und Lernen werden über Daten abgewickelt. Hierbei sprechen wir nicht von tausenden Datensätzen, die eventuell in relationalen Datenbanken vorliegen. Vielmehr sprechen wir von sehr flexibel und schnell skalierbaren NoSQL-Datenbanken die weltweit extrem schnelle Schreib- und Lesezugriffe ermöglichen und mit Millionen von Datensätzen arbeiten können.

Und zu guter Letzt muss man sich auch einfach einmal trauen. Damit meine ich auch gerade den Verlags-Mittelstand. Wir sehen eine Korrelation zwischen Experimentierfreudigkeit im Verhältnis zur Verlagsgröße. Natürlich könnte man jetzt direkt sagen „Ja, die ganz Großen haben dafür auch Budgets“ – aber dagegen muss ich ganz klar einwerfen, dass unsere POCs von der Größenordnung her auch von mittelständischen Verlagen getragen werden können. Wenn die Ideen und die Cases sogar Skalierungspotenzial oder Strahlkraft für die Branche haben, dann ist auch Microsoft jederzeit gern zur Unterstützung, entweder durch Ressourcen oder direktes Funding, bereit.  

Welche Lösungen sind auch mit kleineren Budgets umsetzbar?

Die Voraussetzungen und die Komplexität des Cases sind hier entscheidend. Wir selbst nutzen die Microsoft Cognitive Services und Funktionen der Microsoft Azure Cloud für unsere KI-Anwendungen. Die Preise hängen vom Umfang und der Art der Nutzung dieser Dienste ab. Das gesamte Preismodell funktioniert nach dem „Pay as you go“-Prinzip, wodurch keine dauerhaften Fixkosten entstehen. Unserer Meinung nach ist Microsoft zurzeit sehr kompetitiv in puncto Preise.

Neben einem kleinen Budget für die IT-Infrastruktur und die Software unterbreiten wir meistens auch ein kleines Angebot über mehrere POC-Bausteine. Der Kunde kann dann je Phase flexibel entscheiden, wie weit er den POC vorantreiben möchte und kann dabei flexibel bleiben.

Wie schnell sich heute Lösungen erstellen lassen, kann man sehr gut daran erkennen, was unser Team auf diversen Hackathons geschaffen hat. Es geht nicht immer darum, eine Lösung vollständig zu durchdenken und fertig zu konzeptionieren, sondern vielmehr darum, anzufangen. Unser Team hat bereits an diversen Hackathons, etwa bei Microsoft oder Libri, teilgenommen und alle davon gewonnen. Die Hackathons dauern in der Regel zwischen 24 und 48 Stunden und am Ende gibt es meistens einen ersten funktionierenden Prototypen. Hackathons waren beispielsweise die Geburtsstunde unser Audience-Building-Lösung oder aber auch EMIL. EMIL ist eine Art Chatbot, der E-Mails für den Kundenservice zunächst vorkategorisiert und je nachdem wie sicher er sich ist, auch eigenständige Aktionen durchführt. So kann aus einer E-Mail ein Auftrag erzeugt, das Bankkonto geändert oder auch eine Retoure im System angelegt werden. Dies sind nur einige Beispiele, grundsätzlich können wir EMIL auf alles trainieren. EMIL entstand in 48 Stunden.

Besonders stolz bin ich auf unseren neuesten Erfolg. Beim Hack4Good-Hackathon ging es darum, in wenigen Stunden eine Lösung für den Non-Profit-/Charity-Bereich zu erstellen. Wir hatten in diesem Bereich wenig Erfahrung mit den realen Herausforderungen, hatten uns aber überlegt, dass Spenden hier von immenser Bedeutung sind. Daher wollten wir den Spendenprozess angehen und möglichst einfach gestalten. Unsere Idee lehnte sich an das „Top-Up“-System im Supermarkt an. Dabei rundet der Kunde auf den nächsthöheren durch zehn Cent teilbaren Betrag auf, und der Markt spendet das Aufgerundete. Dies wollten wir universell und individueller machen. Zum einen sollte es unabhängig von Anbieter und Zahlungsweg funktionieren, und zum anderen sollte der User selber beeinflussen können, wofür das Geld genutzt wird.

Wir haben uns daher entschieden, auf Mails zu setzen. Die App scannt alle hereinkommenden E-Mails, um zu erkennen, ob in der E-Mail ein Rechnungs- oder Zahlungsbeleg wie etwa eine Uber-Bestätigung, eine PayPal-Beleg oder eine Amazon-Rechnung enthalten ist. Wenn dies der Fall ist, wird je nach meinen Einstellungen in der App der Betrag aufgerundet. All dies ist als Grobkonzept in vier Stunden entstanden. Mit dieser tollen Lösung hat unser Team auch diesmal gewonnen.

Es ist also in der Tat sehr viel in einer kurzen Zeit und mit wenig Budget machbar.

Voraussetzung ist allerdings immer, dass wir Daten haben. Je mehr Daten vorrätig sind, umso besser. Aus diesem Grund empfehlen wir, heute schon Daten zu sammeln, auch wenn man noch nicht genau weiß, wofür man sie brauchen wird.

Weitere Informationen zur Veranstaltung.