Episode 9: Hype oder “Ready to go”? – Künstliche Intelligenz in der Analyse

Wie kann Künstliche Intelligenz (K.I.) bei der Steuerung von Kommunikation helfen? Oder ist K.I. nur ein Hype, viel Wind um wenig Substanz? Um zu verstehen, was K.I. heute kann und was nicht, haben wir zwei Gäste eingeladen: Dr. Gero Kalt und Henning Wallstädt vom F.A.Z.-Institut.

Mehr zum Thema | Über Dr. Gero Kalt/Henning Wallstädt | Kommentar absenden

Kritiker sagen, dass K.I. im Grunde genommen nur ein Hype ist, Marketing für die Analysefirmen. Im Moment könne das sowieso keiner so richtig, was alle für künstliche Intelligenz halten sei maximal Algorithmic Intelligence und keine K.I., die etablierten Instrumente, Pressespiegel, Social Media Monitoring Tools und Medienanalysen, würden gut funktionieren… Wir diskutieren, was an K.I. wirklich dran ist.

Gero Kalt hält die Analyse mit künstlicher Intelligenz genauso wenig für einen Hype wie Digitalisierung ein Hype war. Die Welt habe sich in dreißig Jahren, gerade was die Medien angeht, massiv verändert. Anfang der neunziger Jahre hatten Unternehmen in der Medienbeobachtung zehn oder zwanzig Zeitungen, die für sie wichtig waren, es gab zwei Fernsehsender und in der Region drei Radiostationen. Damit war die Medienlandschaft abgedeckt. Ende der achtziger, Anfang der neunziger Jahre kamen zu den zwei Fernsehsendern hundert dazu. Es kamen hunderte Radiostationen dazu. Im Internet äußern sich heute über soziale Plattformen, über Foren, über Blogs, über Websites Millionen von Menschen direkt. Mit den alten Methoden, dem Ausschneiden und Aufkleben von Artikeln, würde man heute gar nicht mehr nachkommen. Entscheider müssten ihr Beobachtungsverhalten anpassen an die Welt.

„Wir hatten anfangs eine kleine Galaxie zu beobachten und heute ein Universum mit ganz vielen Galaxien.“ Dr. Gero Kalt

K.I. sei im Zeitalter der Digitalisierung das Instrument der Zeit. Dreißig Jahre Entwicklung der IT-Branche hätten Verbesserungen gebracht. Kalt sagt, durch zahlreiche Plausibilitätstests oder Vergleichsanalysen habe man feststellen können, dass die Methodik K.I. immer besser geworden ist.

Medienanalyse mit K. I.

Die Einsatzmöglichkeiten von künstlicher Intelligenz unterscheiden sich von denen im klassischen Social Media Monitoring, also der digitalisierten Suche über einen bestimmten Begriffskorpus. Grundsätzlich liege die Stärke der K.I. darin, dass sie Fragen selbst operationalisiere, sagt Henning Wallstädt. Der Nachteil der Analyse mit Suchwortketten (Queries) sei, dass man nur das suche, von dem man weiß, dass man es suchen muss. Das persönliche Vorwissen begrenze die Ergebnisse. Und sowohl menschlich als auch technisch komme man schnell an seine Grenzen bei der Eingabe von Millionen von Suchwortketten.
K.I. sei in der Regel eine Reihe von Algorithmen, die allerdings nicht einfach nur Regel- oder suchwortbasiert Treffer lieferten, sondern die Daten clustern und Muster erkennen und tracken würden. Mit menschlicher Expertise würden diese Muster mit spezifischen Themen assoziiert, z. B. mit Markennamen. So entstehe ein Algorithmus, der automatisch erkennt, wo über etwas Interessantes gesprochen wird, und selbstständig arbeiten kann.

„K.I. kann immer nur ergänzend zur Menschenexpertise funktionieren, die wird nicht von alleine arbeiten.“ Henning Wallstädt

In Plausibilitätschecks müssten die Ergebnisse regelmäßig von den Anwendern mit den eigenen Erwartungen abgeglichen werden, damit die Bewertungskriterien, die der Algorithmus ermittelt hat, damit diese Muster in einen sinnhaften Kontext gesetzt werden und justiert werden können. Auf diese Weise wird die K.I. trainiert. Der Algorithmus ist immer nur so gut wie die Daten, die er zu Trainingszwecken zur Verfügung gestellt bekommt, und so gut wie die Menschen, die ihn trainieren und das Ganze evaluieren.

Zu Beginn aufwendig

Wie lange es dauere, bis der Kommunikator wirklich damit arbeiten kann und zuverlässige Ergebnisse bekommt, hänge vor den Aufgabenstellungen ab. Die Regeldauer betrage maximal ca. vier Wochen, wenn man größere Themenlandschaft trainieren möchte, inklusive der Arbeit, die man einbringen muss, um entsprechend die einzelnen Themen auch noch menschlich zu interpretieren, sagt Wallstädt.

Traditionelle Fragestellungen, die immer wiederkehren, seien mit der Zeit standardisiert und müssten nicht jedes Mal neu angelernt werden. Je explorativer komplexer die Fragestellung werde, desto mehr menschliche Intelligenz sei zusätzlich nötig, aber grundsätzlich müsse man sich nicht mehr Tausende nur vage relevante Ergebnisse anschauen. Die Maschine treffe eine Vorauswahl, aus der man sich noch eine Stichprobe von 50-100 Treffern ansehe. Das reiche, um die grundsätzliche Qualität der Ergebnisse erahnen bzw. einzuschätzen.

 Häufige Fragestellungen

Die Fragestellungen, die Unternehmenskommunikation oder Marketing grundsätzlich haben, hätten sich nicht gravierend verändert, sagt Kalt. Der Unternehmenskommunikator möchte immer wissen, ob positiv oder negativ über das Unternehmen gesprochen wird, ob es einzelne Aspekte gebe, die besonders hervorgehoben werden, ob sich Krisenthemen in den Weiten des Internet entwickeln oder Themen, mit denen sich das Unternehmen positionieren kann. Das seien die klassischen Fragestellungen, die bleiben: Zielgruppenanalysen, Beobachtung von bestimmten Themen, Trends, die Reputation des Unternehmens, CEOs oder Produktes. Die seien mit der Künstlichen Intelligenz sehr schnell und günstig zu beantworten und auszuwerten.

Warum K.I. (nicht) eingesetzt wird

Der häufigste Grund, K.I. nicht einzusetzen, seien Kapazitätsengpässe, mangelndes Know-how und die erwarteten Kosten. Die Kosten seien aber bei gut trainierten Algorithmen deutlich geringer als mit den alten, personalintensiven Methoden, so Kalt.
Viele Unternehmen arbeiten hybrid, weil sie Bedenken wegen der Zuverlässigkeit der Ergebnisse haben. Sie haben parallele Systeme oder lassen die Ergebnisse von menschlichen Codern nachkodieren. Muss man mit Kompromissen leben oder machen die niedrigeren Kosten sie wett?
Kalt sagt zum Thema Präzision, in der Anfangsphase, den ersten Wochen und Monaten, müsse immer parallel menschliche Evaluierung zugeschaltet werden, das sei Teil des Prozesses. Auch später sei jede einzelne Aussage immer überprüfbar. Wichtiger sei aber die Relevanz der Ergebnisse. Diese werde oft unterschätzt und sei entscheidend. Die Ergebnisse müssten so relevant sein, dass sie eine Handlung im Unternehmen auslösen, Unternehmensstrategien und Maßnahmen weiterentwickelt werden, Unternehmen positioniert werden können. Und dafür sei auch Schnelligkeit sehr wichtig. Wenn eine Erkenntnis viel zu spät kommt, hilft sie nicht mehr weiter.

Gleich zu den Actionable Results

Eine Stärken-/Schwächenanalyse zur Positionierung eines Impfstoffanbieters würde zum Beispiel genau zeigen, zu welchen Themen das Unternehmen stark aufgestellt sind und wo Lücken sind, d. h. die Mitbewerber stärker sind, sagt Kalt. Daraus lasse sich im Grunde schon eine Roadmap zur besseren Positionierung ableiten.
Laut Wallstädt kann die K. I. kann sogar konkretere Action Levels herausgeben, indem ganze Themenlandschaften trainiert werden und Benchmarks über die in dem Zusammenhang beobachteten Firmen erstellt werden. Dann könne auch man direkt sehen, in welchen Kanälen welche Botschaft, welcher Impfstoff am ehesten repräsentiert ist und wo man selbst aktiv werden sollte. Der enorme Kostenfaktor der Anzahl der beobachteten Themen, Wettbewerber oder Kanäle spiele mit K. I. eine viel geringere Rolle.

„Es ist egal, ob du zwanzig Themen hast oder ob du zwei Themen hast. Es ist egal, ob du zwei Wettbewerber hast oder ob du fünf Wettbewerber hast. Entscheidend ist, dass da in irgendeiner Form digital Informationen über dein Untersuchungsobjekt vorliegen.“ Henning Wallstädt

Wenn die Menge analysierter Daten nur noch ein Qualitätsgarant und keine Kostenfrage mehr ist – was sind heute Kostentreiber?
Bei einer Basisfragestellung wie einer Reputationsanalyse mit sechs Dimensionen, die klassisch für fast alle Unternehmen anwendbar sind, spielen die Kosten keine große Rolle mehr. Wenn man das international früher gemacht hat, haben Automobilhersteller oder Chemieunternehmen für zwei Millionen Euro Medienanalysen gemacht, sagt Kalt. Das bekomme man heute unter hunderttausend Euro.
Individualisierung ist allerdings ein Kostenfaktor, also die Anpassung der Algorithmen an sehr unternehmensspezifische Fragestellungen.
Ein guter Kommunikator müsse ein gutes Bauchgefühl haben und eigentlich dürfe der gar nicht überrascht sein von den Ergebnissen, sagt Kalt. Aber man finde ständig interessante Aspekte durch diese Analysen, die einem so gar nicht aufgefallen wären. Wow-Effekte gibt es auf verschiedenen Ebenen. Bekam man früher eineinhalb Jahre nach dem Analysebeginn Ergebnisse, hat man sie jetzt nahezu in Echtzeit.

Was kann K.I.-Analyse nicht?

Es gelte das Prinzip „Garbage in Garbage Out“ – ohne ausreichende Menge Datenpunkte in ausreichender Datenqualität gebe es keine validen Ergebnisse, so Wallstädt. Und natürlich könne K.I. auf lange Sicht auch die Spezialisten und Experten nicht ablösen. K.I. substituiere keine menschliche Intelligenz, sie befähige die Entscheider zu noch qualifizierteren Entscheidungen.

„K.I. wird nicht als Konkurrenz zum Kommunikationsmanager eingesetzt werden. Er kommt nicht aus der Verantwortung raus. Er muss trotzdem mitdenken.“ Henning Wallstädt

Vielleicht steige sogar die Anforderung an den Kommunikationsmanager, weil diese Komplexität mit einem Messinstrument wie K.I. natürlich verdichtet werden kann auf das Wesentliche und Relevante. Es sei für Kommunikationsverantwortliche dann gar nicht mehr so wichtig zu verfolgen, ob von hundert Millionen Treffern jeder einzelne richtig erfasst ist, wenn das Instrument einmal ordentlich eingestellt sei.
Je konkreter die Fragestellung, desto besser die Ergebnisse?
In der K.I.-basierten Analyse muss immer ein Auge für die Ergebnisse offenbleiben, die man vorher nicht auf dem Radar hatte. Während bei softwarebasierten Methoden oft gilt, dass die Ergebnisse umso besser sind, desto konkreter die Fragestellung war, sollte man sich bei K.I.-Analysen die Möglichkeit nicht nehmen, auch die schwarzen Löcher und weißen Flecken im Kommunikationsuniversum zu untersuchen. Daher sollte man den Blick nicht zu sehr verengen.

Drei Tipps, wie man einen K.I. Anbieter findet, der zum Unternehmen passt

• Ein starker Indikator dafür, dass ich einen guten Partner habe, ist, dass er mich nicht mit Trefferlisten auf Basis von manuell erstellten Suchbegriffsketten überschwemmt. Man sollte man nicht selber angeben müssen, welche Person/welches Thema man beobachtet haben will. Der Anbieter sollte das gemeinsame Gespräch in den Anwendungsfall für die Maschine übersetzen.
• Außerdem sollte man zwischen Social Monitoring und dem Social Listening differenzieren. Viele K.I.-Anbieter sind reine Social-Monitoring-Anbieter. Tatsächlich relevante Nachrichten ergeben sich erst im Gespräch mit dem Kunden selbst und dem Verständnis seiner Anwendungsfälle. Zentral ist das Thema Vertrauen und Glaubwürdigkeit. Lieber einen Anbieter wählen, der sich im eigenen Netzwerk schon etabliert hat und empfohlen wird.
• Es empfiehlt sich auch, die K.I. rückwirkend eine Fragestellung bearbeiten zu lassen, für die man schon mit Ergebnissen aus einer traditionellen Methode vorliegen hat. Diese Testergebnisse, von einem oder auch drei Anbietern, zeigen relativ schnell, wie sinnvoll die Insights sind, und lassen sich dann gut in Details vergleichen. Und darüber kann man dann auch die eigenen, internen Experten mit denen des Dienstleisters ins Gespräch schicken. Techniker merken recht schnell, ob das Gegenüber Ahnung hat.

K.I. macht Medienanalyse auf jeden Fall schneller, günstiger und zeigt mir Potentiale und Impulse, die ich vorher gar nicht gesehen hätte.
K.I. nimmt uns das Denken als Kommunikatoren und als Kommunikationsmanager natürlich nicht ab. Je mehr menschliche Intelligenz ich in das Thema stecke, umso besser wird auch die künstliche Intelligenz.

Mehr zum Thema

Themenbereich Künstliche Intelligenz am F.A.Z. Institut

Über Dr. Gero Kalt/Henning Wallstädt

Dr. Gero Kalt ist Geschäftsführer des F.A.Z.-Instituts, einer Tochtergesellschaft der Frankfurter Allgemeinen Zeitung. Von 2007 bis 2014 war er Vorstand und Geschäftsführender Partner von PRIME Research, einem auf Medienanalyse spezialisierten Unternehmen, das heute zum amerikanisch/schwedischen Konzern Cision gehört. Darüber hinaus gibt er das Fachmagazin „kommunikationsmanager“ heraus und organisiert zahlreiche Konferenzen wie z. B. den „Deutschen Marken-Summit“.

Henning Wallstädt ist studierter und diplomierter Politikwissenschaftler und hat langjährige Erfahrung im Bereich der Machine Learning gestützten Sprach- und Textanalyse. Er hat den Weg von der „traditionellen“ Medien-Analyse hin zur K.I.-gestützten Analyse und Auswertung bei diversen Analyseunternehmen mitgestaltet im Business Development für Big-Data- und KI-Projekte.