In Wikipedia finden wir folgenden einleitenden Satz zum Thema künstliche Intelligenz:

„Im Allgemeinen bezeichnet künstliche Intelligenz den Versuch, bestimmte Entscheidungsstrukturen des Menschen nachzubilden, indem z. B. ein Computer so gebaut und programmiert wird, dass er relativ eigenständig Probleme bearbeiten kann. Oftmals wird damit aber auch eine nachgeahmte Intelligenz bezeichnet (…)“

Diese einleitenden Worte verdeutlichen sehr gut, auf welche Herausforderungen der Autor dieses Artikels gestoßen ist, als er zum ersten Mal versucht hat, das Thema künstliche Intelligenz in Zusammenhang mit dem Handeln von Vertriebsentscheidern und Vertriebsmitarbeitern zu definieren.

Damit wir beim Nachdenken über den Einsatz von künstlicher Intelligenz (KI) im Vertrieb alle einen ähnlichen Wissenstand haben, werde ich zunächst auf die Geschichte der KI eingehen. Seit wann spricht man über KI? Wer sind die Menschen, die diesen Begriff ursprünglich geprägt haben und wie hat sich das allgemeine Verständnis des Begriffs künstliche Intelligenz im Laufe der Jahre gewandelt?

Ein Ausflug in die Geschichte der künstlichen Intelligenz

Als eine der frühesten Quellen über die Idee der Konstruktion einer Maschine, die „intelligentes Verhalten“ zeigt, kennen wir das 1748 von Julien Offray de La Mettrie veröffentlichte Werk „L’Homme Machine“.

Somit beginnt die Geschichte der KI weit vor der Zeit, aus der wir die ersten Computer kennen. Dies sollte uns verdeutlichen, wie lange der Mensch schon davon träumt seine (geistige) Arbeit an Maschinen abzugeben oder sie durch diese zu verbessern. Dabei lassen sich in den frühen Quellen oftmals Automaten finden, die dem Menschen nur einzelne (oftmals mechanische) Arbeiten abnehmen konnten.

Die Idee, dass das Denken des Menschen durch Maschinen erledigt werden könne, finden wir zum ersten Mal in der Veröffentlichung „Physical Symbol System Hypothesis“ von Allen Newell und Herbert A. Simon. Dieser Veröffentlichung zufolge ist Denken Informationsverarbeitung, und Informationsverarbeitung ein Rechenvorgang.

Darauf basiert die Annahme, dass das Denken auch losgelöst vom menschlichen Gehirn stattfinden und durch einen Computer geleistet werden kann.

Womit wir schon bei der Diskussion zu den Möglichkeiten künstlicher Intelligenz – und damit auch in der heutigen Zeit – angekommen sind.

Teildisziplinen der KI

Wir unterscheiden zunächst 6 Teilgebiete der künstlichen Intelligenz, von denen nicht alle relevant sind, wenn wir über KI im Vertrieb nachdenken.

Diese 6 Bereiche sind:

1. Wissensbasierte Systeme
2. Musteranalyse und Mustererkennung
3. Mustervorhersage
4. Robotik
5. Modellierung anhand der Entropiekraft
6. Künstliches Leben

Für unsere Betrachtung der Möglichkeiten, die uns künstliche Intelligenz beim Einsatz im Vertrieb eröffnet, sind im Wesentlichen die Punkte a) wissensbasierte Systeme, b) Musteranalyse und Mustererkennung und c) Mustervorhersage. Die Punkte d) bis f) möchte ich in diesem Artikel also vernachlässigen.

Wo begegnet uns künstliche Intelligenz im Alltag?

Um besser zu verstehen, wo uns heute schon tatsächlich künstliche Intelligenz begegnet, können wir uns einmal ansehen, was wir im Alltag erleben das KEINE künstliche Intelligenz ist.

Sehr allgemein gesprochen unterscheiden sich künstliche Intelligenz und herkömmliche Computerprogramme eindeutig dadurch, dass Letztere immer nur das tun, was der Mensch ihnen vorgibt zu tun. Eine KI hingegen lernt selbstständig und trifft so mit der Zeit immer mehr eigene Entscheidungen darüber, wie sie sich zu verhalten hat, um die Intention eines Users zu erfüllen.

Was sind also Anwendungen, die wir oftmals mit KI in Verbindung bringen, die aber gar nichts anderes sind als herkömmliche Computerprogramme?

Ein aktuelles und sehr prominentes Beispiel:

Die sogenannten Chatbots. Denn auch wenn es hier sicherlich Beispiele gibt, bei denen tatsächlich eine KI im Spiel ist, sind die allermeisten Chatbots nichts anderes als automatische Antwortsysteme, die versuchen uns auf unsere Fragen standardisierte Antworten zu geben. Und selbst wenn sie scheinbar komplexe Aufgaben – wie die Vereinbarung eines Termins – durchführen, handelt es sich hier nicht um KI.

Denn die Funktionsweise eine Chatbots ist es, dass er ganz einfache Wenn-Dann-Aufgaben verarbeitet. Wenn der User mitteilt, dass er einen Termin vereinbaren möchte, kann der Bot eine vorgefertigte Serie an Fragen stellen und die entsprechenden Antworten abspeichern. Er kann sogar Terminvorschläge unterbreiten, wenn er an einen digitalen Kalender angebunden wird. Was er aber nicht kann, ist selbstständig zu entscheiden, ob er für einen bestimmten Terminwunsch eher 10 Minuten Zeit einplanen sollte oder doch 2 Stunden. Dies ginge nur dann, wenn er mit der Zeit lernen würde, dass bestimmte Terminintentionen dazu führen, dass Termine mehr oder weniger lange dauern. Außerdem müsste er aus dem Dialog mit dem User herauslesen können, welche Intention dieser für diese konkrete Terminvereinbarung hat.

Noch ein Beispiel:

Die Automatiktür am Eingang zum Bürogebäude. Diese öffnet sich üblicherweise für jeden, der auf sie zugeht.

Hier ist die Wenn-Dann Entscheidung des dahinter agierenden Computers sehr leicht nachvollziehbar: Wenn eine Person auf dich zukommt, dann öffne dich.

Etwas mehr Komplexität kommt dann ins Spiel, wenn die Tür entscheidet zu welchem Zeitpunkt sie aufgeht und wann sie verschlossen bleibt. Auch dann handelt es sich aber immer noch um einfache Wenn-Dann Entscheidungen.

Wenn das Unternehmen, das in diesem Bürogebäude sitzt, geöffnet hat und eine Person kommt auf dich zu, dann öffne dieser Person den Durchgang.

Und um es noch komplexer zu machen: ohne schon von künstlicher Intelligenz zu sprechen, beziehen wir jetzt eine Variable mehr ein. Das Computerprogramm, das die Tür steuert, kennt die Gesichter aller Mitarbeiter und öffnet innerhalb der Öffnungszeiten jedem die Tür und außerhalb der Öffnungszeiten nur solchen Personen, deren Gesichter in der Mitarbeiterdatenbank gespeichert sind.
Wenn das Unternehmen im Bürogebäude nicht geöffnet hat und das Gesicht der auf dich zukommenden Person nicht kennst, dann machst du nicht auf.
Wenn das Unternehmen im Bürogebäude geöffnet hat, öffnest du allen Personen, die auf dich zukommen.
Wenn das Unternehmen im Bürogebäude geschlossen hat, prüfst du, ob du das Gesicht der Person die auf dich zukommt in der Mitarbeiterdatenbank findest. Wenn ja, dann öffnest du die Tür.

Wann wäre aber nun diese Tür „intelligent“?

Denkbar wären eigenständige Entscheidungen wie zum Beispiel die, dass mit der Zeit Mitarbeiter in bestimmter Arbeitskleidung immer hineingelassen werden.
Zu Anfang wird jedem dieser Mitarbeiter der Zugang verwehrt. Die Software lernt aber, dass auf ein Klingelzeichen des Besuchers hin die Türen immer manuell geöffnet werden. Auf Basis dieses beobachteten Verhaltens passt das Computerprogramm seine Handlungsweise an und öffnet ab sofort jedem Menschen, der mit entsprechender Arbeitskleidung erscheint, die Tür.

Wenn Sie jetzt in Ihrem Kopf direkt Bedenken entwickeln: gut so! Denn dann haben Sie erkannt, dass KI die Komplexität massiv steigert. Denn wie Sie wahrscheinlich bemerkt haben, reicht die einfache Erkennung der Arbeitskleidung nicht aus, wenn man weiterhin seine Firmengeheimnisse schützen möchte. Der Computer sollte besser noch wesentlich mehr Datenpunkte mit einbeziehen und zum Beispiel in der Lage sein zu erfassen, ob es im Kalender einen Termin mit einem Mitarbeiter eines Unternehmens gibt, dessen Mitarbeiter immer in dieser Arbeitskleidung auftauchen.
Die Entscheidung selbständig im Kalender nachzusehen, kann durch KI gefällt werden. Die bloße Handlung nur Menschen zu öffnen, bei denen man gelernt hat, dass diese immer eingelassen werden und dies aber nur dann zu tun, wenn ein entsprechender Termin vermerkt ist, ist keine KI sondern eine logische Wenn-Dann-Entscheidung.

Begrifflichkeiten auf den Punkt gebracht

Um besser zu verstehen was KI eigentlich ist, müssen wir auch darüber sprechen, mit welchen Begriffen in der aktuellen Berichterstattung zur KI um sich geworfen wird. Denn oftmals werden hier Dinge miteinander vermischt, die in der Praxis zwar zueinander gehören – aber nicht immer KI sind.

Was künstliche Intelligenz ist und was nicht, das wissen wir jetzt schon.

Oftmals lesen und hören wir in diesem Zusammenhang außerdem die Begriffe „Big Data“ und „Machine Learning“. Zwei grundlegend extrem wichtige und interessante Technologien, die bei der Nutzung von KI eine Rolle spielen können – aber eben nicht müssen, und die außerdem auch für sich alleine stehen können.

Was ist also “Big Data”?

Die allgemein gültige und sehr unkonkrete Definition: „Technologien zur Verarbeitung und Auswertung riesiger Datenmengen.“

Daran lässt sich schon sehr gut ablesen, dass Big Data nicht KI ist. Aber auch das Big Data KI sein kann.

Gerade die Bearbeitung sehr großer Datenmengen kann mit Hilfe von KI-Technologien stark vereinfacht werden. Insbesondere der Teilbereich der KI, der sich mit Mustererkennung und Musteranalyse befasst, profitiert von großen Datenmengen. Denn wenn Software in der Lage ist, aus großen Datenmengen Muster herauszufiltern und zu erlernen (KI) wie diese zu Stande kommen, dann lassen sich KI-basierte Systeme sehr gut dazu anleiten, aus anderen großen Datensätzen ähnliche Rückschlüsse zu ziehen, die kein Programmierer ihnen mehr vorgeben muss.

Wir werden uns dazu im weiteren Verlauf dieses Textes auch noch ein konkretes Beispiel ansehen.

Und was ist „Machine Learning“?

Anders als Big Data können wir den Begriff „Machine Learning“ nicht von KI trennen, sondern sollten ihn sozusagen als Teilbereich verstehen. Wenn wir als von künstlicher Intelligenz sprechen, dann kann maschinelles lernen damit gemeint sein.

Im Wesentlichen beschreibt dieser Begriff das Training eines Algorithmus mit Hilfe bekannter Daten. Machine Learning Algorithmen analysieren vorhandene Datensätze und ziehen daraus durch eigenständiges Lernen Wissen zur Analyse und Mustererkennung in unbekannten Daten.

Denkbare Einsatzmöglichkeiten von KI entlang der Customer Journey

Um uns einmal einen Überblick über theoretisch denkbare Einsatzmöglichkeiten zu verschaffen, sehen wir uns nun gemeinsam die musterhafte Customer Journey an: Zu jeder der fünf wesentlichen Phasen gibt es nämlich Möglichkeiten, mit Hilfe von künstlicher Intelligenz eine höhere Aufmerksamkeit zu erzielen, erfolgreicher zu verkaufen und mehr Kunden an sich zu binden.

Da wir uns hier ja nur eine theoretische Customer Journey ansehen, belassen wir es bei den bekannten 5 Phasen:

1. Aufmerksamkeitsphase
2. Phase der Informationsbeschaffung
3. Kauf
4. Auslieferung bzw. Erhalt (oder Durchführung einer Dienstleistung)
5. Kundenbindung

KI in der Aufmerksamkeitsphase

In dieser Phase entdeckt der Kunde, dass er eine Herausforderung hat, die es zu lösen gilt. Sein Bedarf ist geweckt. Dafür können sehr viele unterschiedliche Auslöser verantwortlich sein.
Ein bestehender Vertrag läuft aus und er muss Ersatz beschaffen, ein Gerät ist defekt, er merkt das seine Vertriebsmannschaft Unterstützung benötigt und denkt deshalb an ein Vertriebstraining und noch sehr viele andere Auslöse sind denkbar.

Wie er merkt, dass er einen Bedarf hat, darauf haben wir – insbesondere in Zeiten des immer stärker digitalisierten Vertriebs – Einfluss. Denn das sein Vertrag ausläuft, darauf könnten wir ihn gegebenenfalls (nach einem Hinweis unseres CRM Systems) aufmerksam machen. Und dass es eine gute Idee sein könnte, seiner Vertriebsmannschaft durch gut gemachte Trainings zu mehr Erfolg zu verhelfen, könnte er in einem Blogbeitrag erfahren.

Schauen wir aber einfach einmal, wie in dieser sehr frühen Phase der Customer Journey KI dabei helfen könnte den (potentiellen) Kunden von Anfang an „abzuholen“ und zu begeistern.

Ein sehr gut denkbares (und durchaus schon in der praktischen Anwendung befindliches) Verfahren ist die Analyse des eigenen Kundenbestandes. So kann KI dabei helfen zu entdecken, welche Bestandskunden sich untypisch verhalten und eigentlich in irgendeiner Form einen Auftrag platzieren sollten.
Solche „Entdeckungen“ macht eine KI üblicherweise auf Basis des Bestelldatenbestandes Ihres Unternehmens. Diese Daten werden analysiert, die KI lernt wie bestimmtes Verhalten mit diesen Daten in Zusammenhang steht und hilft ihren Vertriebsmitarbeitern dabei, den richtigen Kunden zur richtigen Zeit auf die richtige Idee zu bringen. Der Bedarf ist geweckt.
Dies kann im Übrigen auch recht gut automatisiert werden oder Automation unterstützt den Vertriebsmitarbeiter in seinen Bemühungen.

KI in der Phase der Informationsbeschaffung

Ihr (potenzieller) Kunde hat nun also entdeckt, dass er ein Produkt aus Ihrem Portfolio benötigt und macht sich daran, die verschiedenen Angebote miteinander zu vergleichen. Dabei stößt er neben Informationen Ihrer Mitbewerber auch immer mal wieder auf Ihr Unternehmen. Denn Sie betreiben entsprechendes Content-Marketing und Ihre Vertriebsmitarbeiter nutzen zum Beispiel Social Media Kanäle um mit Bestands- und potentiellen Neukunden zu kommunizieren.

Wie kommt nun künstliche Intelligenz in dieser Phase zum Einsatz?
Da Ihr Kunde in dieser Phase sehr viele Informationen konsumiert, die seine Entscheidung beeinflussen werden, ist es wichtig, dass er von Ihrem Unternehmen genau die Dinge erfährt, die ihm wichtig sind. Und dabei hilft KI.

Denn neben der Tatsache, dass KI auf Basis von Produktdaten sehr individuelle Texte und Produktbeschreibungen verfassen kann, ist sie auch in der Lage zu ermitteln, welche Informationen der (potenzielle) Kunde denn aktuell ganz genau braucht.

Und wahrscheinlich gewinnt im Entscheidungsprozess das Unternehmen einen entscheidenden Vorsprung, das die passendsten Informationen liefert. Wenn Sie dies sind, dann wird Ihr Kunde
Sie auf jeden Fall ansprechen und ihnen somit eine große Chance auf den Abschluss einräumen!

KI zur Unterstützung der Kaufphase

Je nachdem wie komplex Ihr Produkt oder Ihre Dienstleistung ist, werden Sie Verträge im direkten Gespräch abschließen und im Vorfeld mit Ihrem Kunden Details verhandeln.

Das muss aber in Zukunft gar nicht mehr so laufen. Zumindest die Verhandlung von Details kann Ihnen ein KI-basierter Algorithmus wesentlich erleichtern. Denn dieser ist auf jeden Fall in der Lage, auf Basis von Erfahrungen mit anderen Kunden, Ihrem potenziellen Neukunden genau die Vertragsdetails zu liefern die dieser benötigt, um tatsächlich zu unterzeichnen. Und auch die Entscheidung darüber, ob Sie denn eigentlich mit genau diesem Kunden arbeiten wollen, kann KI Ihnen erleichtern oder zumindest abnehmen.

KI während der Leistungserbringung bzw. Auslieferung

Für diese Phase Beispiele zu finden oder konkrete Ideen zu entwickeln fällt mir schwer. Denn diese müssen sich eigentlich sehr stark an Ihrem Angebot gegenüber dem Kunden orientieren.

Ich versuche es aber trotzdem einmal.
Stellen Sie sich vor, Sie verkaufen irgendeine Art von gewerblich genutzter Hardware (Drucker, Reinigungsgeräte, Gabelstapler oder eben ein anderes Investitionsgut). Diese Hardware hat Ihr Kunde in der Kaufphase inklusive einer Einweisung und umfangreicher Dienstleistungen zur Erstinstallation bei Ihnen bestellt. Nun ist der Tag der Auslieferung, Einrichtung und Einweisung gekommen.

Künstliche Intelligenz könnte hier zum Beispiel dabei helfen, die optimalen Einstellungen des ausgelieferten Systems zu definieren und dabei auf Erfahrungswissen aus vorhergegangenen Installationen bei diesem oder anderen Kunden zurückgreifen.

Oder KI berechnet im Vorfeld einer umfangreichen Auslieferung die richtige Reihenfolge, in der die neue Hardware installiert und eingerichtet werden sollte, damit der Betrieb im Hause Ihres Kunden möglichst gar nicht gestört wird.

Vieles ist denkbar. Ich freue mich auf Ihre Anregungen zum Einsatz von KI in dieser Phase!

Künstliche Intelligenz für eine bessere Kundenbindung

Mit den richtigen Daten als Grundlage und einem gut gemachten Algorithmus, der Hinweise liefert, lässt sich die Kundenbindung extrem verstärken.

KI lernt aus Fällen, in denen Kunden besonders zufrieden oder unzufrieden gewesen sind, ermittelt passende Maßnahmen für jeden einzelnen Kunden und liefert Ihrem Vertrieb entsprechend vorbereitete Handlungsempfehlungen. Oder sie weist direkt irgendeine Art Software an, bestimmte Handlungen zu vollziehen, die dazu geeignet sind, einen Kunden zu einem sehr zufriedenen Kunden zu machen, der in Zukunft nur noch bei Ihnen kauft.

KI unterstützt also Ihren Vertrieb dabei, einen richtig guten Job zu machen und Bestandskunden durch perfekte Beziehungspflege an Ihr Unternehmen zu binden.

Wir setzen unsere Serie zur Digitalisierung des Vertriebs im Dezember mit einem Artikel zum Thema „Social Selling“ fort. Erfahren Sie, wie Ihre Vertriebsmitarbeiter Social Media aktiv für die Akquise einsetzen, wie Ihr Unternehmen qualitativ hochwertige Leads mit Hilfe einer Social Selling Strategie generieren kann und kommen Sie mit Hilfe einiger wertvoller Tipps direkt zur Umsetzung erster Maßnahmen!“

Autor: Dennis Arntjen

Dennis Arntjen ist seit 20 Jahren im Vertrieb tätig, berät mittelständische Unternehmen zur Digitalisierung des Vertriebs und trainiert – unter anderem als Teil des Trainerteams bei Buhr&Team – Führungskräfte und Vertriebsmitarbeiter hinsichtlich der erfolgreichen Umsetzung digitaler Vertriebsstrategien und der Implementierung digitaler Werkzeuge zur Nutzung im Vertriebskontext. Sie erreichen Dennis Arntjen per eMail ([email protected]) oder bei LinkedIn (https://www.linkedin.com/in/dennis-arntjen)