Mit der verstärkten Nutzung von künstlicher Intelligenz (KI) im Alltag, kommen Stärken und Schwächen der Technologie ans Licht. Doch unabhängig von der Hysterie, mit der über die Zukunft von KI diskutiert wird, kann man jetzt schon Lehren über den Einsatz im Alltag und vor allem im Geschäft ziehen.

Spotify ist eines der erfolgreichsten Abo-Produkte, das aus der neuen Startup-Welt erwachsen ist. Eine schier endlose Musikbibliothek, auf die von überall zugegriffen werden kann (so lange Empfang da ist). Den Service rundet das Unternehmen mit diversen Möglichkeiten ab, neue Musik zu entdecken, die man aufgrund seiner Hörgewohnheiten vielleicht auch mögen könnte. Diese Playlists werden von Algorithmen erstellt und durch Daten gespeist, die der Konsument während seiner Nutzungszeit selbst erzeugt. Wann er welche Lieder und Genres hört, was er gerne kombiniert, auch wie viele Beats per Minute die Lieder haben, die der Nutzer am liebsten hört, all das kann problemlos ausgelesen und zu einem Profil gemacht werden.

Wir vertrauen Spotify. Auch wenn der Algorithmus nicht immer die besten Empfehlungen ausgibt, liegt er ab und zu mal richtig und schlägt einem etwas vor, worüber man sich richtig freut. Das liegt aber auch daran, dass diese Maschine konstant von uns lernt. Sobald wir Musik hören, erzeugen wir Daten für sie.

Mit dieser grundlegenden Problematik von Machine Learning müssen sich aktuell viele Unternehmen beschäftigen, die Produkte einführen, die auf Algorithmen basieren. Startups wie Outfittery, die perfekt abgestimmte Outfits per Post versprechen, führen den Nutzer bei seiner Registrierung durch einen Fragebogen um seine Stimmung und Vorlieben zu erfassen. Danach wird ihm das erste Outfit zugeschickt. Ein kritischer Moment, denn die elektronisch übermittelten Annahmen werden in einem Outfit interpretiert, das vielleicht gar nicht den Geschmack des Nutzers trifft. Denn wenn ihm im mit Bildern illustrierten Fragebogen beispielsweise die Frage gestellt wird, ob er Hemden einfarbig oder mit Muster mag, trifft er seine Auswahl ausgehend davon, was ihm präsentiert wird. Nur weil ihm das spezifische Muster gefällt, muss das nicht für Variationen gelten.

Im Fall von Nichtgefallen kann das Paket natürlich komplett zurückgeschickt werden, doch die Enttäuschung darüber, dass nichts dabei war, wird mit ihm verbleiben. Nimmt sich der Kunde das nicht zu Herzen, kann in einen Trial & Error Prozess eingetreten werden, indem im System vermerkt wird, was er zurückgeschickt hat und er daraufhin eine ganz andere Auswahl bekommt. Doch der Prozess ist langwierig. Ein Lied ist schnell geliked oder weggeklickt. Ein Outfit auf der anderen Seite wird anderen präsentiert und muss dem Test der Zeit standhalten.

Zusammenfassung: Wer heute algorithmus-basierte Produkte anbieten will, sollte vorher überlegen, ob die Maschine schnell genug die Vorlieben des Kunden lernen kann, oder sie im Vorfeld so genau trainiert werden kann, dass die Produkterfahrung positiv bleibt. Ist der Aufwand aufseiten des Kunden zu hoch, ist man vielleicht mit einer klassischen Lösung besser beraten.