Künstliche Intelligenz für den Handel

Wir haben für Sie Hintergrundinformationen zur Künstlichen Intelligenz (KI) im Handel zusammengestellt. Wir erläutern zentrale Konzepte und Ansätze und deren Zusammenhang mit unseren KI-basierten Personalisierungs- und Pricing-Lösungen.

Künstliche Intelligenz für den Handel
Künstliche Intelligenz für den Handel

Wo möchten Sie anfangen?
Welche Begriffe verwenden wir und andere?
Wie definieren wir Künstliche Intelligenz (KI)?
Was sind die Stärken der Künstlichen Intelligenz (KI)?
Was haben Schach und künstliche Intelligenz (KI) gemeinsam?
Maschinelles Lernen und Reinforcement Learning
Welche Rolle spielt die KI bei der Omnichannel-Personalisierung?
Welche Rolle spielt KI bei der dynamischen Preisoptimierung?
Warum ist brainbi Spezialist für KI im Handel?

Verwendete Begriffe: Welche Begriffe verwenden wir und andere?
Autoren in verschiedenen Sprachen verwenden eine Vielzahl von Synonymen, aber der englische Begriff der künstlichen Intelligenz, abgekürzt KI, ist in der wissenschaftlichen Literatur weitgehend akzeptiert. Wir verwenden auch die Begriffe Algorithmen und Agenten (weniger gebräuchlich) synonym.

Wie definieren wir künstliche Intelligenz (KI)?
Es gibt keine “offizielle” Definition für KI. Künstliche Intelligenz unterstützt den Menschen, wenn er mit großen Datenmengen arbeitet, die komplexe Zusammenhänge aufweisen. Diese Daten müssen schnell analysiert werden, bevor Entscheidungen auf der Basis dieser Analyse getroffen werden können.

Ein wesentliches Merkmal jeder KI ist, dass sie lernfähig ist. Zunächst lernt “die Maschine” mit Trainingsdaten, bevor sie ihr Wissen verallgemeinert und auf unbekannte Daten anwendet (Stichwort: maschinelles Lernen). Die Datensätze ändern sich heutzutage sehr schnell und “die Maschine” lernt von jedem neuen Datensatz, den sie verarbeitet (Stichwort: inkrementelles oder adaptives Lernen).

Um die Qualität ihres Wissens zu optimieren, evaluiert “die Maschine” kontinuierlich die Qualität ihrer Entscheidungen. Sie erhält eine “Belohnung” für jede “gute” Aktion im Einklang mit dem Endziel, das Lernen, um den Nutzen des Gesamtsystems zu maximieren (Stichwort: Reinforcement Learning und Netzwerkkettenoptimierung).

Mehr zum maschinellen Lernen und Reinforcement Learning siehe unten.

In jedem Fall sind es die Menschen, die an unseren Personalisierungs- und Preisgestaltungslösungen beteiligt sind, die die Regeln definieren, nach denen die KI Entscheidungen trifft. Sie geben die Zielparameter für die Optimierung des Gesamtsystems vor. Sowohl das Einsatzgebiet als auch die Zielsetzung erfordern eine sorgfältige Auswahl und die Kombination perfekt aufeinander abgestimmter Algorithmen. Wenn sich die Kontextbedingungen ändern, passen unsere intelligenten Agenten ihr Verhalten flexibel und in Echtzeit an.

Über weitere, zum Teil kontroverse Definitionen und Ansätze können Sie in unserem Blog-Artikel “Künstliche Intelligenz: Von der Nischentechnologie zum Hype” lesen.

Was sind die Stärken der KI für das Preismonitoring?

Gute Entscheidungen: Unsere intelligenten Algorithmen liefern Ihnen immer die besten Entscheidungen und verschaffen Ihnen wertvolle Wettbewerbsvorteile in einem hochdynamischen Markt. Je nach Einsatzgebiet und strategischer Zielsetzung kombinieren wir geeignete Algorithmen, um die Zielgröße bestmöglich zu optimieren.

Und zwar in Echtzeit: Unsere Personalisierungs- und Pricing-Lösungen analysieren ständig alle relevanten Rahmenbedingungen wie Kundenverhalten, Lagerbestände und Wettbewerbspreise und passen ihr Verhalten in Echtzeit an Veränderungen an.

Geschwindigkeit: Unsere Personalisierungs- und Pricing-Lösungen sind hochperformante Lösungen, die selbst große Datenmengen in durchschnittlich 0,025 Sekunden verarbeiten können. Zum Vergleich: Es dauert 0,1 Sekunden, um zu blinken.

Automatisierung: Die in unseren Personalisierungs- und Preisgestaltungslösungen verwendete KI berechnet und generiert Empfehlungen und Preise. “Die Maschine” analysiert riesige Datenmengen und verwaltet Berechnungen, zu denen der Mensch nicht mehr in der Lage ist. Der Mensch wird nicht ersetzt, sondern er wird ständig aufgefordert, den Rahmen für die KI abzustecken, indem er seine Ideen, Konzepte, sein Wissen und seine Moral umsetzt. Der Mensch bestimmt die Strategie und die Zielparameter, die optimiert werden sollen. Er steckt den Handlungskorridor für die KI und die Brainbi Preisbeobachtung ab.

Was haben Schach und KI gemeinsam?
Wir vergleichen oft die Arbeitsweise der KI in unseren Personalisierungs- und Preisgestaltungslösungen mit der Arbeitsweise eines Schachcomputers: Der Computer erkennt die “Züge” des Kunden, antizipiert die Kette aller möglichen nächsten “Züge” und entwickelt eigene Aktionen (z.B. Produktempfehlungen), so dass er “das Spiel” gewinnt (z.B. den Zielparameter des Kundenwertes – nicht nur kurzfristige Umsatzmaximierung). Zugegeben, das vereinfacht die Situation erheblich, aber es zeichnet auch ein Bild der KI, das auch der Laie verstehen kann. Besonders hervorheben möchten wir die langfristige Optimierung der Zielgröße Customer Lifetime Value über die gesamte Kundenreise (Stichwort: Netzkettenoptimierung).

Mehr zu Künstlicher Intelligenz
Maschinelles Lernen und Reinforcement Learning
Aus historischer Sicht begann die Entwicklung unserer KI-Technologie mit Data Mining. Mit der Verfügbarkeit großer Datenmengen kam der Wunsch, immer größere Datenmengen (Stichwort: große Daten) zu analysieren, Muster zu erkennen und dieses Wissen gewinnbringend einzusetzen. Data Mining entwickelte sich weiter in Richtung maschinelles Lernen, das weit über die einfache Mustererkennung in Datensätzen hinausgeht.

Nach der Lernphase verallgemeinert “die Maschine” ihr Wissen und ist dann in der Lage, es auf unbekannte Daten anzuwenden. Am Anfang lernte “die Maschine” nur aus statischen Datensätzen, aber es bestand bald die Notwendigkeit, adaptiv (oder inkrementell) zu lernen. Beim adaptiven maschinellen Lernen lernt “die Maschine” aus jedem neuen Datensatz, den sie verarbeitet. Dies hat erhebliche Vorteile sowohl in Bezug auf die Geschwindigkeit (Stichwort: Echtzeit) als auch auf die Qualität.

Letztere verbessert sich noch weiter, wenn “die Maschine” auch eine Belohnung für jede “gute” Aktion erhält. Wir bezeichnen das als verstärktes Lernen, Lernen durch Belohnung und Bestrafung oder Verstärkungslernen. “Die Maschine” lernt, wie sie sich in potentiell auftretenden Situationen verhalten muss, um den Nutzen des Gesamtsystems in Richtung eines Zielparameters langfristig zu maximieren (Stichwort: Netzkettenoptimierung).

Damit “die Maschine” flexibel bleibt und keine “Filterblase” entsteht, kann sie durch sogenannte Exploit- und Explorationsmechanismen von den gelernten Mustern abweichen, z.B. um Produkte oder Inhalte zu empfehlen, die lange Zeit nicht oder nie empfohlen wurden. Die KI stellt durch Ausprobieren von Alternativen oder neuen Varianten sicher, dass ihr Lern- und Handlungsspielraum flexibel bleibt.

Welche Rolle spielt die KI bei der Omnichannel-Personalisierung?
Eine individuelle Ansprache jedes einzelnen Kunden über jeden Kanal mit dem “perfekten” Angebot, das dem aktuellen Kaufverhalten des Kunden entspricht, auf Lager oder im Wunschgeschäft des Kunden verfügbar ist, lässt sich nicht mehr manuell steuern. Hier kommt die künstliche Intelligenz (KI) in Form von selbstlernenden Algorithmen ins Spiel.

Unsere Personalisierungslösung lernt Personalisierungsregeln (Stichwort: adaptives Lernen) automatisch und in Echtzeit – z.B. auf Basis von Klicks, Warenkörben, Einkäufen, externen und internen Suchanfragen, angeklickten Kategorien und Bannern oder auch ausgewählten Events. Die KI-basierte Software sammelt all diese Daten selbstständig und kontinuierlich. Darüber hinaus messen die Algorithmen die Akzeptanz der generierten Inhalte (Stichwort: Reinforcement Learning). Wird eine generierte Empfehlung vom Kunden akzeptiert, belohnt sich das System selbst. Wird die Empfehlung nicht akzeptiert, gibt es keine Belohnung. So lernt die Empfehlungsmaschine schrittweise und kann mit jeder Interaktion gezielter auf jeden einzelnen Nutzer eingehen.

Übertragen auf den Handel bedeutet das: Wer einen Algorithmus verwendet, der nach dem Prinzip des Reinforcement Learning arbeitet, kann den Nutzen des “Gesamtsystems” – also der entscheidenden Variablen wie Absatz, Umsatz und Gewinn – langfristig maximieren.

Wenn Sie mehr über Personalisierung erfahren möchten, empfehlen wir Ihnen unsere Seite Was ist Personalisierung?

Welche Rolle spielt die KI bei der dynamischen Preisoptimierung?
Im Zeitalter der großen Datenmengen, der Digitalisierung und eines hochdynamischen Marktes ist es dem Menschen nicht mehr möglich, die Vielzahl der Einflussfaktoren auf den Preis adäquat zu steuern. Hier kommt die künstliche Intelligenz (KI) in Form von selbstlernenden Algorithmen ins Spiel. Diese Algorithmen berechnen vollautomatisch den optimalen Preis für jeden Artikel zu jeder Zeit. Das bedeutet aber nicht, dass sich Ihre Preise im Sekundentakt ändern. Sie bestimmen die Häufigkeit der Preisanpassungen für Ihre Absatzkanäle. Dank der Echtzeit-Kalkulation haben Sie bei der Preisanpassung immer den optimalen Preis für Ihre Produkte.

Die KI übernimmt die Kalkulation: Wie hoch ist der marktgerechte Preis eines Artikels unter Berücksichtigung aller Preisfaktoren zur Optimierung Ihrer KPIs? Ihr Category Management gibt den Rahmen vor und diktiert den Algorithmen, was zu tun ist.

Wenn Sie mehr über die dynamische Preisoptimierung erfahren möchten, empfehlen wir Ihnen unsere Seite Was ist Preisoptimierung?

Warum ist brainbi Spezialist für KI im Handel?
Jens Scholz, Gründer und derzeitiger Vorstand der brainbi hat es am besten in einem Interview in unserem Blog gesagt: “Die brainbi AG beschäftigt sich seit ihrer Gründung mit künstlicher Intelligenz und der Automatisierung von Entscheidungen. […] Die Herausforderung, Daten in Echtzeit zu messen, direkt daraus zu lernen und die Ergebnisse in Echtzeit wiedergeben zu können, empfanden wir als besonders spannend”.

Bereits seit 1998 beschäftigen wir uns mit den Themen maschinelles Lernen und Reinforcement Learning, später auch mit KI. Damals entschied sich eine Gruppe von Studenten der Mathematik und Informatik an der Technischen Universität Chemnitz, das theoretische Wissen, das sie im Data Mining erlernt hatten, in der Praxis anzuwenden (unter ihnen unsere Gründer Jens Scholz und Dr. Michael Thess). Im Laufe der Zeit fanden sie das passende Einsatzgebiet für Data Mining – den Einzelhandel. Mit neuen Ideen suchten sie nach Möglichkeiten, Prozesse zu automatisieren und zu optimieren, so dass sie der heutigen Vision folgen konnten.

Unser Ziel ist es, mit KI das Leben für Händler und Verbraucher zu vereinfachen, so dass beide Seiten einen beispiellosen Gewinn an Produktivität und Komfort erfahren. Gleichzeitig möchten wir mit unseren Ideen einen sinnvollen Beitrag leisten. Ob es darum geht, die Verschwendung von Lebensmitteln im Lebensmitteleinzelhandel durch Abschriften zu reduzieren oder den Papierverbrauch durch personalisierte Kataloge zu verringern, wir arbeiten ständig an Zukunftsszenarien für den Einzelhandel mit neuen KI-Dienstleistungen.

brainbi verfügt über 15 Jahre Erfahrung in der Anwendung und Weiterentwicklung des maschinellen und Reinforcement Learning. Für unser Data Science Team in Chemnitz und Berlin beschäftigen wir Spezialisten, die ständig an innovativen Methoden forschen und unsere KI kontinuierlich optimieren. Wir sind der Markt- und Technologieführer für Echtzeit-Personalisierung und dynamische Preisgestaltung im Omnichannel-Einzelhandel.

Wo kann ich mehr über KI für den Handel erfahren?
Vereinbaren Sie noch heute Ihre persönliche Web-Session zum Thema KI im Handel. Unsere Experten erklären Ihnen gerne mehr über die Potenziale, die Sie mit KI ausschöpfen können.

Vereinbaren Sie noch heute Ihre Web-Session
Darüber hinaus empfehlen wir Ihnen unseren Blog, wenn Sie mehr über künstliche Intelligenz für den Einzelhandel lesen möchten:

Interview mit Pero Micic – Keynote-Speaker auf dem brainbi retail intelligence summit 2019

  1. APRIL 2019
    “Reiner Handel verliert an Wert für den Kunden” – Interview mit Dr. Pero Mićić
    Personalisierung & Empfehlungen im Newsletter | Intelligente Echtzeit-Personalisierung von brainbi
  2. FEBRUAR 2019
    Vielseitige Newsletter: Wie Sie Ihre Kunden mit personalisierten Angeboten begeistern
    , Spezialist für KI im Handel: Dynamische Preisgestaltung, Personalisierung & Empfehlungen
  3. NOVEMBER 2018
    Sechs Fragen zur intelligenten Preisgestaltung: Couponing, weniger Verschwendung von Lebensmitteln und bedarfsorientierte Preise
    , Spezialist für KI im Handel: Dynamische Preisgestaltung, Personalisierung & Empfehlungen
  4. OKTOBER 2018
  5. SEPTEMBER 2018
    Nutzen Sie die Kraft der Bilder

Leave a Reply

Your email address will not be published.