Erstauflagen planen mit Künstlicher Intelligenz

Eine möglichst präzise Auflagenplanung wird angesichts steigender Produktions- und Logistikkosten sowie zur Ressourcenschonung aus Nachhaltigkeitsgründen immer wichtiger. Gleichzeitig verlieren die etablierten Kennzahlen zur Einschätzung der richtigen Auflagen­höhe, etwa die Vormerker, an Aussagekraft. Was tun?

Es ist vorteilhaft, wo immer möglich, Entscheidungsabläufe zu automatisieren, zu beschleunigen und zu vereinfachen. Bedingung hierfür ist eine für alle Beteiligten gleiche und nach transparenten Kriterien erstellte Datenbasis.

Bei der Lösung dieser Probleme kann Künstliche Intelligenz (KI) die Entscheiderinnen und Entscheider in den Verlagen unterstützen. Verlagssoftware-Hersteller Pondus hat jetzt erste KI-Modelle in seine Verlagssoftware integriert. Der Verlag Herder hat gleichzeitig seine Kriterien zur Auflagenfestsetzung vereinheitlicht, geschärft und verlagsintern verbindlich kommuniziert. In einer sehr frühen Phase als Partner in die KI-basierte Auflagenfestsetzung einzusteigen, ist für Herder der logische nächste Schritt.

Dieser Werkstattbericht ist der erste Teil einer Miniserie im Channel Strategie & Transformation auf buchreport.de zum Thema KI und Mathematik im Print-PLM, der zeigt, wie mathematische Modelle bei der Festlegung von Erstauflagen helfen können. Der zweite Teil befasst sich mit der Nachauflagen-Disposition.

Auflagenplanung mit KI im Verlag getestet: Roman Holletschek ist bei Herder Leiter Einkauf und Produktion (Foto o.). Michael Griesinger ist bei Pondus Projektmanager für den Bereich Radar (Foto u.). An dem hier vorliegenden Werkstattbericht waren ferner beteiligt Patrick Oelze, Programmleiter Politik und Geschichte bei Herder, sowie Dominik Huber, Gründer und Geschäftsführer von Pondus. (Fotos: Johannes Weitzel; Pondus)

Voraussetzungen für Automatisierung

Schon heute werden Erstauflagen auf Datenbasis festgelegt. Die wichtigsten Kennzahlen zur Auflagendisposition sind:

• Aktuelle Vormerker
• Absatzverläufe von Vergleichstiteln
• Absatzerwartungen der verschiedenen Bereiche.

Die zugrunde liegenden Prozesse gilt es zu automatisieren und die Künstliche Intelligenz (KI) als Informationsquelle einzubinden.

In einem ersten Schritt wird dazu geprüft, ob die benötigten Informationen überhaupt in Datenbank-tauglicher Form vorliegen. Prozesse müssen vorgelagert werden, die die Datensammlung ermöglichen. Dazu gehören

• Data Warehouse
• Konnektoren zu den Quellen
• geeignete Verarbeitungslogiken.

Oft ist die größte Hürde jedoch die Datenquelle selbst. Wenn auf die Daten kein automatisierter Zugriff möglich ist – idealerweise in einem standardisierten Format –, nützt auch die beste Infrastruktur nichts.

KI als »Sparrings-Partner«

Liegen die Daten in der benötigten Form vor, ist dies die Basis, sie noch ganz ohne KI

• anzureichern
• weiter zu berechnen
• in geeigneter Weise darzustellen.

Manuelle Prozesse lassen sich automatisieren, das menschliche Verständnis durch grafische Visualisierungen verbessern, und einfache mathematische Formeln erlauben erste Hochrechnungen.

Mit Prognosen, die auf KI basieren, können Hochrechnungen deutlich präzisiert werden. Die KI lässt eine Fülle von sogenannten Input-Features in die Kalkulation einfließen. Das Ergebnis ist eine „emotionsfreie“ Prognose zum Beispiel des Absatzes der kommenden 12 Monate. In Proofs of Concept mit mehreren Verlagen konnte Pondus nachweisen, dass KI jedes Mal um gut 50% präzisere Prognosen gegenüber den menschlichen Schätzungen liefert – bei Herder sind es 53%. Das heißt, die durchschnittliche Differenz der KI-Prognose zum Ist-Wert ist um gut die Hälfte geringer als diejenige der menschlichen Schätzung. Das bedeutet aber nicht, dass die KI das Ruder übernimmt – immer entscheidet am Ende der Mensch. So wird die KI zum Sparrings-Partner, der dem Menschen hilft, seine eigenen Prognosen zu verbessern und dadurch bessere Entscheidungen zu treffen.

Nicht nur der Absatz über einen bestimmten Zeitraum lässt sich mit KI präziser ermitteln. KI-Modelle können auch den Absatzverlauf prognostizieren. Aus der Kurve kann der Mensch dann eine mögliche Auflagenplanung ableiten: Sind mehrere Auflagen zu erwarten, weil der Verkauf sich über eine längere Zeit kontinuierlich entwickelt, oder muss mit einer einzigen Auflage gerechnet werden, weil der Absatz schon nach wenigen Wochen auf Null fallen wird?

Es kann also bereits zum Zeitpunkt der Erstauflage eine mögliche Nachauflagen-Strategie berücksichtigt werden.

(Abb: Pondus)

Erste Erfahrungen

Schon während des Nachdenkens über Grundlagen, zentrale Sammlung und Darstellung der Daten sowie über mögliche KI-basierte Prognosen verändert sich meist die Vorstellung von den Verlagsprozessen. Es wird deutlich, dass die vorliegenden technischen Rahmenbedingungen die bisherige Herangehensweise beeinflusst haben. Bestimmte Werte konnten nur schwer in die Entscheidung einbezogen werden, weil sie nicht transparent vorlagen. Auf andere Werte war überhaupt kein Zugriff möglich und der Entscheider musste blind schätzen. Das wiederum führte zu Unsicherheit und zu „Absicherungsrunden“, also zu hohen Zeitaufwänden und damit nicht unerheblichen Prozesskosten. Außerdem verzögerte es manche geschäftskritische Entscheidung.

Eine transparentere Entscheidungsgrundlage und präzisere, KI-basierte Prognoseverfahren reduzieren die Unsicherheitsfaktoren automatisch. Es gibt weniger Abstimmungsbedarf. Die Verlagssoftware stellt alle notwendigen Daten an zentraler Stelle dar und lässt die KI Absatzmenge und Absatzkurve prognostizieren. Mit diesen Werten ist eine präzisere und schnellere Entscheidung möglich – und zwar transparent für alle Beteiligten. Der Entscheidungsprozess wird beschleunigt, die Kosten für die Prozesse werden reduziert und es lassen sich bessere Entscheidungen treffen, die insgesamt ein ökonomisch und ökologisch erfolgreicheres Wirtschaften ermöglichen. Um zu verstehen, wie sich die Entscheidungen verändern, kann bei Bedarf ein Monitoring der Prognosen und Entscheidungen helfen, die Verbesserungen zu quantifizieren und daraus weitere Erfahrungen abzuleiten.

Der Channel Strategie & Transformation

Weitere Lösungen, Impulse und Erfahrungsberichte lesen Sie im Channel Strategie & Transformation von buchreport und Channel-Partner Publisher Consultants.
Hier mehr… 

Was noch notwendig ist

Wie die bisherigen Arbeiten gezeigt haben, ist der Aufwand für den automatisierten Datenaustausch noch immens. Wenn Daten nicht so vorliegen, dass eine Maschine sie verarbeiten kann, lassen sie sich nicht in die beschriebenen Prozesse einbeziehen. Das ist im Publishing leider meist der Fall.

Für eine substanzielle Verbesserung der beschriebenen und vieler anderer Abläufe brauchen wir eine branchenweite Diskussion über Daten. Wir sollten eine Standardisierung der Austausch-Formate anstreben: Welche Werte werden benötigt, welche Übertragungsformen sind geeignet? Wenn es uns hier gelingt, Standards zu erarbeiten, kann unsere ganze Branche profitieren, Zeit und Geld sparen und einen nachhaltigeren Umgang mit wertvollen Rohstoffen entwickeln. Herder erlebt es jetzt schon: Daten helfen uns, nachhaltiger und ökologisch verantwortungsvoller zu produzieren. In diesem Sinne begrüßen wir auch die Bestrebungen des Börsenvereins, wie etwa die zuletzt gestartete Taskforce IT-Standardisierung, und wünschen uns rege Beteiligung daran.

Michael Griesinger, Roman Holletschek, Dominik Huber und Patrick Oelze