Prof. Dr. Raoul Kübler
Prof. Dr. Raoul V. Kübler Kübler lehrt am renommierten Marketing Center der Westfälischen Wilhelms-Universität Münster. Er ist weiter Gastprofessor an der University of Amsterdam, der freien Universität Amsterdam und der Graduate School of Management and Economics an der University of Geneva, wo er im Executive Programm Marketing Entscheidern die neuesten AI- und Machine-Learning-Methoden näher bringt. Davor war er von 2012 bis 2018 Assistant Professor of Marketing an der türkischen Özyegin University in Istanbul, deren Marketing Department im UTD-Ranking zu den Top50 weltweit gehörte.
Seine Arbeiten wurden in international führenden Fachzeitschriften wie dem Journal of Marketing, dem Journal of Interactive Marketing und dem Journal of the Academy of Marketing Science publiziert. Verschiedene Forschungsprojekte von Professor Kübler waren für Preise von der Europäischen Marketing Akademie nominiert und wurden von der Deutschen Forschungs-Gemeinschaft unterstützt und ausgezeichnet.
Gunnar Brune/AI.Hamburg: Prof. Kübler, Sie forschen im Bereich Marketing Analytics und sind ein Pionier im Einsatz von Machine Learning in der Marketing Forschung, was ist Ihre zentrale Forschungsfrage:
Prof. Raoul Kübler: In unserer aktuellen Forschung versuchen wir unter anderem herauszufinden, wie man mit User Generated Content die klassischen survey-based oder mindset-based Brand-Metrics ersetzen kann. In anderen Worten: Wir machen Marktforschung zur Unterstützung von Marketingentscheidungen. Zum Beispiel: Wir können Markenbekanntheiten messen oder Meinungen über Marken darstellen. Wir können Kundenverhalten voraussagen, zum Beispiel ob ein Kunde vermutlich bald die Marke wechseln wird. Bisher wurden dafür vor allem Umfragen eingesetzt, wir nutzen dagegen tatsächliche Aussagen und Konversationen von Zielgruppen und Kunden aus dem Internet.
Gunnar Brune/AI.Hamburg: Welchen Vorteil versprechen Sie sich davon?
Prof. Raoul Kübler: Durch die Arbeit mit User Generated Content (UGC) haben wir drei Vorteile: Wir nutzen authentische Konsumentenaussagen und sind frei von Befragungs- oder Panel-Einflüssen. Wir sind sehr schnell, denn die Erfassung kann dann durch die Unterstützung von Künstlicher Intelligenz in Echtzeit erfolgen. Drittens können wir mit hohen Fallzahlen arbeiten und damit die Prognosequalität verbessern.
Gunnar Brune/AI.Hamburg: Wie gehen Sie dabei vor?
Prof. Raoul Kübler: Wir nutzen die neuesten Verfahren und Algorithmen im Machine Learning zusammen mit den aktuellen Tools und Algorithmen aus der Linguistik. Dabei entwickelt sich schnell ein Entscheidungsbaum, der relativ komplex wird: Welche Daten brauche ich, um meine AI zu trainieren? Welche Algorithmen passen zu welchen Mindset Metrics? Wie beeinflussen Kontextfaktoren die jeweilige Eignung? Dabei ist das Interessante, dass wir auf Fragestellungen stoßen, die vor 30-40 Jahren bei den survey based Methoden auch aufgetaucht sind: Wo bekomme ich die Daten her? Wie teile ich die Daten auf? Kommt es zu Verzerrungen durch strategisches Antwortverhalten? Wir sehen dazu, dass neben dem Einsatz von AI und UGC zur Messung und Vorhersage der klassischen KPIs und Mindset Metrics, AI im Marketing auch andere, konkretere Probleme adressieren kann, wie zum Beispiel die Identifikation ob ein Kunde wiederkommt, oder abwandert (Churn-Rate), Kundenprofitabilität und andere Dinge, die zum Beispiel im Vertrieb von hohem Interesse sind. Aber auch hier bleibt immer die Herausforderung, dass künstliche Intelligenz große Mengen an guten Trainingsdaten benötigt, mit denen man die künstliche Intelligenz so füttert, dass sie überhaupt „intelligent wird“.
Gunnar Brune/AI.Hamburg: Lassen Sie uns nochmal zu den ersten Fragen zurück. Wie lösen Sie diese?
Prof. Raoul Kübler: Gerne. Wenn ich eine Antwort suche, dann ist, wie eben schon gesagt, die erste Frage: Wen befrage ich?
Für uns heißt das, wo finde ich die Daten im Internet? Praktisch kann das die Frage sein, ob ich Amazon Reviews nehme oder Instagram Posts auswerte.
Die nächste Frage ist: Wie werte ich die Daten aus?
Wenn ich Texte oder Bilder vorliegen habe, weiß ich zunächst nicht, was diese bedeuten. Ich muss Tools identifizieren, um damit zu arbeiten. Zum Beispiel kann ich mit künstlicher Intelligenz eine Sentiment-Analyse durchführen oder Text-Mining betreiben, aber ich muss mir vorher überlegen, welches Verfahren relevante Antworten liefert.
Erst an diesem Punkt stellt sich die Frage, welchen Algorithmus man nutzt. Hier gibt es tausende Möglichkeiten. Es fängt mit naiven baysianischen Algorithmen an. Wir alle kennen diese aus unseren Spamfiltern. Sie vergleichen Merkmale und leiten daraus Wahrscheinlichkeiten ab: Wie wahrscheinlich ist es, dass eine Mail Spam ist, dass eine Aussage positiv oder negativ ist oder dass ein Kunde den Anbieter wechseln wird. Dann gibt es Support-Vector-Machines, die Muster erkennen können und viele andere Möglichkeiten. Bei jedem Algorithmus muss dann bestimmt werden, wie er spezifiziert wird, welche Faktoren und Variablen genutzt und analysiert werden sollen. Das ist sehr komplex und bedarf viel Erfahrung.
Gunnar Brune/AI.Hamburg: Neue Datenquellen, neue Tools, viele Algorithmen: So haben Ökonomen bisher nicht gearbeitet. Mit wem tauschen Sie sich aus, um neue Wege zu finden?
Prof. Raoul Kübler: Richtig, es gibt hier eine breite Auswahl von Methoden. In der richtige Auswahl steht das Marketing noch am Anfang, oft wissen Informatiker schon viel mehr als wir. Aktuell wird viel ausprobiert, wir erkunden eine Terra Incognita für das Marketing. In Informatik, Computer Science, Linguistik, Biologie und Chemie gibt es viele Forscher, die künstliche Intelligenz schon länger anwenden und viel mehr Erfahrung als wir im Marketing gesammelt haben. Interessanterweise entdecken diese jetzt wieder die Ökonometrie – also Modelle mit denen das Marketing schon länger arbeitet. Hier wachsen auch akademische Welten zusammen, die voneinander in der Anwendung der künstlichen Intelligenz lernen.
Gunnar Brune/AI.Hamburg: Bitte beschreiben Sie näher, was für eine künstliche Intelligenz Sie nutzen.
Prof. Raoul Kübler: Als Marketeers wollen wir am Ende Entscheidungen basierend auf Vorhersagen treffen. Die AI liefert uns diese Vorhersagen. In den meisten Fällen verlassen wir uns aktuell auf klassisches Supervised Learning. Das heißt wir nehmen besagte Trainingsdaten und sagen entweder der AI welche Faktoren in den Daten für die Vorhersagen genutzt werden sollen – bei z. B. Methoden wir Random Forrest oder Support-Vector-Machines – oder wir lassen sogar die AI selbst entscheiden, anhand welcher Faktoren sie die Vorhersage von Kundenverhalten trifft, wie z. B. im Falle von Deep Learning.
Gunnar Brune/AI.Hamburg: Trainingsdaten! Bitte erläutern Sie, welche Rolle diese für die künstliche Intelligenz spielen.
Prof. Raoul Kübler: Wenn wir einen Algorithmus trainieren wollen, dann stehen wir vor dem Problem, dass wir Trainingsdaten benötigen. Hier stellt sich wiederum die Frage, wie diese Daten gewonnen werden können und wie geeignet sie für die geplante Anwendung sind. Ich bringe hier der künstlichen Intelligenz Identifikationsmuster bei, indem ich ihr erkläre dass in einem Datensatz zum Beispiel zu Hälfte positive und negative Aussagen zu finden sind. Solche Trainingsdatensätze sind nicht einfach zu finden, weil viele nicht genug positive und negative Aussagen für das Training beinhalten. Einfacher ist es, wenn wie bei Amazon in der Bewertung eine Textaussage von einer Punkte- oder Sternebewertung begleitet ist. Darüber kann ich die künstliche Intelligenz trainieren und das ist auch ein beliebter Weg. Was man auch noch machen kann ist, dass man ein Sample von 100.000 Kommentaren durch 1000 MTurker klassifizieren lässt und dann mit dem Datensatz trainiert.
Gunnar Brune/AI.Hamburg: Trainieren klingt toll. Können Sie der künstlichen Intelligenz beliebige Kunststücke beibringen?
Prof. Raoul Kübler: Das wäre super, wie so oft ist es komplizierter. Nehmen wir an, es liegen die richtigen Trainingsdaten vor. Der richtige Algorithmus wurde ausgewählt und eingestellt. Wir können also z.B. im Datensatz positive und negative Aussagen unterscheiden. Das heißt aber immer noch nicht, dass daraus Mindset-Metrics für die Brand Performance ablesbar sind. In anderen Worten, es ist zu diesem Punkt noch nicht sicher, ob aus den Userdaten z. B. eine Brand Awareness abgelesen werden kann. Dazu muss überprüft werden, ob die Ergebnisse mit bisherigen Ergebnissen und KPIs und Performance Variablen (wie Sales, Rebuy oder Market Share) kompatibel sind und ob sie zu besseren oder schlechteren Vorhersageergebnissen kommen. Wenn bessere Ergebnisse gewährleistet werden können, dann sind in unseren Verfahren, die live im Netz erhoben werden, nicht nur besser, sondern auch signifikant schneller als klassische Survey Based Verfahren.
Gunnar Brune/AI.Hamburg: In welche Richtung forschen Sie außerdem?
Prof. Raoul Kübler: Der nächste Schritt ist die Risiko- und Krisenvorhersage. Durch das Identifizieren frühestmöglicher Änderungen beim User generated Content kann künstliche Intelligenz Empfehlungen zu geben, ob ein Unternehmen reagieren soll oder nicht. Diese Änderungen können zum Beispiel betreffen: das allgemeine Volumen an Social Media Aktivität, extra Social Media News oder Sentiment Änderungen wie neue Emotionen in Texten.
Weiterhin analysieren wir über AI-Algorithmen, wie sich Emotionen in Filmen entwickeln und versuchen vorherzusahen ob bestimmte Storytellingmuster zu mehr kommerziellem Erfolg führen oder nicht. Das kann man auch für Bücher anwenden.
Aktuelles Anwendungsbeispiel für AI-basierte Marketing Metrics von Prof. Roul Kübler, Münster: Adidas setzt Mietzahlungen aus Fallstudie lesen
Wir sind außerdem auf politischer Ebene aktiv und untersuchen das Thema Hate-Speach und Fake-News. Wir quantifizieren Effekte mit dem was wir messen und stellen fest, wie stark plitischen Meinungs- und Willensbildung beeinflusst wird.
Gunnar Brune/AI.Hamburg: Wie tief ist ihre Forschung mit der täglichen Praxis verbunden – wird damit schon Geld verdient?
Prof. Raoul Kübler: Aktuell machen wir vor allem Marketing-Grundlagen Forschung, die zeigt, welche Methoden funktionieren und welche nicht. Wenn jemand auf uns zukommt, weil er etwas von unseren AI-Ergebnissen nutzen möchte, dann sind wir die letzten, die sich dem verwehren. Ich bin als Wissenschaftler andererseits besonders daran interessiert, Forschungsergebnisse zu generieren, von denen alle etwas haben. Dazu gehört auch, dass wir die Ergebnisse mit der Wirtschaft teilen. Und natürlich arbeiten wir daran, dass die künstliche Intelligenz, die wir hier im Haus entwickeln, eines Tages kommerzialisiert werden kann. Mit dem jetzt gegründeten Exzellenz Start-up Center.NRW an der Universität Münster sind wir dafür auch gut aufgestellt und haben ein Interesse in den Markt zu gehen.
Das heißt, wir sind breit aufgestellt und nutzen AI meistens um etwas zu operationalisieren und das Ergebnis dann in einem ökonometrischen Modell in Verbindung mit interessanten Performance Variablen wie Unternehmenserfolg, Kaufverhalten, Wählerwillensbildung in Verbindung zu bringen.
Es ist ein wenig der Luxus des Elfenbeinturms, in dem wir in der Forschung leben, dass wir nicht gezwungen sind, alles gleich zu Markt zu tragen. Wenn wir etwas neues Spannendes finden, können wir auch daran weiterarbeiten.
Gunnar Brune/AI.Hamburg: Wohin geht die Reise? Was würden sie gerne als nächstes tun?
Prof. Raoul Kübler: Was mich im Augenblick besonders fasziniert ist Hate-Speach. Ich bin sehr daran interessiert an Hate-Speach Identifikation, was ein unheimlich schwieriges Thema in der Linguistik ist. Es ist easy, Schimpfwörter herauszufiltern, aber Sexistmus, Rassimus und ähnliche Themen sind deutlich schwieriger zu identifizieren.
Ein Beispiel: Wir hatten eine Künstliche Intelligenz der Cornell University ausprobiert, die in Zusammenarbeit mit Stanford entwickelt worden war. Sie sah superspannend aus. Wir haben sie zum Test auf 100.00 Instagram-Kommentare losgelassen. Der erste Kommentar, den wir hatten, war lustigerweise zu einem Fashion-Post mit einem weißen T-Shirt, der ungefähr so lautete: „Oh, it’s a white T-shirt – I love the white T-Shirt“. Worauf in der AI alle Alarmglocken angingen, weil „I love the white T-Shirt“ von der künstlichen Intelligenz als rassistisch eingestuft wurde. Da gibt es noch viel zu tun und zu entwickeln.
Das ist ein sehr interessantes Forschungsfeld. Es wird ja viel über die Rolle von Facebook und anderen sozialen Netzwerken diskutiert. Wir können es empirisch noch nicht fundieren, aber wir sind da dran, wir sammeln jetzt vor allem viel aus Youtube heraus: Ich glaube das größte Aufmarschgebiet der Neo-Rechten ist Youtube. Das ist auch deren absolutes Steuerinstrument. Man ist erschrocken wenn man sich durchliest, was in den Kommentaren steht. Der eigentliche Content sieht auf den ersten Blick unbedenklich aus, aber die Komposition und Zusammenstellung prägen das Bild. Und das sind dann natürlich auch interessante Fragestellungen, wie man mit so etwas umgeht. Das ist für uns als Marketingwissenschaftler ein spannendes Thema, das weit über das hinausgeht, was wir sonst machen: einfach nur mehr Sachen zu verkaufen. Aber ich finde, wir haben da auch eine gewisse Verantwortung der Gesellschaft gegenüber. Ich versuche hier in Münster zu erreichen, dass wir uns diesen neuen Themen widmen. Und hier in Münster habe ich auch das Glück, dass man mich machen lässt und das hier viel Infrastruktur steht, mit der man diese Arbeit machen kann.
Gunnar Brune/AI.Hamburg: Was empfehlen Sie den Kollegen, die noch nicht mit Künstlicher Intelligenz arbeiten? Wie öffnet man die Tür – insbesondere im Mittelstand?
Prof. Raoul Kübler: Ich glaube, ich würde mir als AI-fremder Mittelständler die jungen Talente in die Firma holen. Zum einen ist das Schöne, dass es ein großes Interesse in der coming Generation an dem Thema gibt. Viele haben auch für sich selbst verstanden, dass es für sie ein Wettbewerbsvorteil am Arbeitsmarkt ist. Schon bevor ich nach Münster kam, war es hier so, dass sich die Studierenden selbst organisiert und das Unternehmen „Tech Labs“ gegründet haben. Dies hat selbst Lernpläne für Machine-Learing und AI anhand von bereits im Internet vorhandenen Lehrfilmen und Materialien entwickelt. Die Gründer hatten sich auf den Weg gemacht und festgestellt, dass es eine Riesen-Nachfrage gibt und haben lokale Unternehmen als Sponsoren gefunden. Das finde ich einerseits toll, andererseits fordert es uns als Universität heraus. Wir müssen im Grunde etwas Äquivalentes anbieten. Das machen wir mittlerweile und es gibt eine große Nachfrage. Das ist auch für mich interessant, weil ich merke, was relevant ist. Ich glaube da kommen viele hungrige und talentierte Leute, die Bock haben, mit Daten zu arbeiten, die Bock haben, neue Sachen auszuprobieren. Und, das ist das Gute: Die von uns mittlerweile so ausgebildet werden, dass sie verstehen, was relevante Fragestellungen in Unternehmen sind. Bisher war es ganz oft der Fall, dass es supertalentierte AI-Leute gab, also Statistiker und Informatiker, die aber nicht die gleiche Sprache wie das Marketing gesprochen haben. Da gab es den Gap zwischen den Tech-Schmuddelkindern „unten im Keller“, und „oben“ sitzen die Yuppies. Eine ähnliche Erfahrung hatte ich auch schon in Istanbul gemacht und daran gearbeitet. Die beiden sprechen nicht die gleiche Sprache und das geht nicht zusammen. In Münster machen wir das jetzt gezielt in der Ausbildung: Das sind Fragenstellungen aus dem klassischen Marketing, das sind Methoden, mit denen man das angehen kann, jetzt versucht das mal zusammen zu machen!
Gunnar Brune/AI.Hamburg: Die Alten sollen also den Jungen das Feld überlassen? Oder hat man auch als gestandener Manager eine Chance?
Prof. Raoul Kübler: Wenn man das Gefühl hat, dass man den jungen Leuten nicht gleich alles anvertrauen kann, das kann ich im Mittelstand gut verstehen, dann muss man sich selbst im Alter weiterbilden. Da gibt es vom verschiedenen Universitäten und Institutionen supergute Veranstaltungen. Hier in Münster gibt es eine WWU-Weiterbildung, die einen kompletten MBA anbietet, der einen auf die modernen Herausforderungen vorbereitet oder auch Zertifikate im Themenbereich Marketing Analytics und Künstliche Intelligenz anbietet. Ich habe gerade eine Veranstaltung zu Marketing Analytics, wo ich mit erfahrenen Managern zusammensitze und denen ein Update zu neuen Datenquellen und Verfahren gebe und zeige welche Fragestellungen sich damit neu und besser beantworten lassen. Die lernen sogar die Sortware „R“, einer freien, Open Software Programmiersprache für Datenanalyse und statistische Auswertung, und die Software Python anzuwenden. Mit Daten und Tutorials lösen sie dann Datenprobleme. Ein Fallstudie, die sie lösen müssen ist, dass die Manager in die Rolle eines Airline Managers versetzt werden, der ein Problem lösen muss. Im konkreten Fall landet eine Transatlantikmaschine 100 Minuten verspätet in Boston und die Frage ist, ob ein ganz bestimmter Anschlussfluge warten soll. In der Maschine der Anschlussverbindung warten 180 Passagiere auf den Start von Boston nach Chicago und die 60 Passagiere aus dem verspäteten Flug. Soll die wartende Maschine schon starten, oder nicht? Anhand des Social Media Verhaltens der betroffenen Passagiere wird dann untersucht, in welchem Szenario es eine größere Gefahr für negatives Word-of-Mouth gibt. Diese Vorhersage wird in die Entscheidung integriert, ob die Maschine in Boston wartet und ob die 60 Passagiere ihren Anschluss verpassen. Es gibt Berichte, dass es in den USA Airlines gibt, die für solche Fragen schon automatisiert mit Sentiment- und Clusteranalysen, etc. Vorhersagen treffen.
In anderen Fällen überprüfen wir Fragen von Click-Fraud, oder Churn Prediction. Das sind daten- und AI-getriebene Entscheidungsprozesse. Hier wird viel automatisiert, es gibt viele Fragen zu den Algorithmen, und hier lernen die Manager, wie diese Anwendungen funktionieren.
Gunnar Brune/AI.Hamburg: Sie habe Ihre Arbeit mit Künstlicher Intelligenz im Marketing als das Betreten einer Terra Incognita beschrieben. Wir haben darüber gesprochen wie lernende Maschinen mehr und mehr Aufgaben im Marketing lösen. Künstliche Intelligenz und Machine Learning wecken immer mehr Erwartungen, Hoffnungen und auch Befürchtungen. Was sollte man sich dabei vor Augen halten und was erhoffen Sie sich für die Zukunft?
Prof. Raoul Kübler: Fangen wir mal mit einem Wunsch an: Ich wünsche mir weniger heiße Luft, weniger Buzz und mehr Realismus in Bezug auf Künstliche Intelligenz. Denn wir brauchen weniger wilde Fantasien über die Zukunft und mehr Experimentieren und Machen in der Gegenwart. Künstliche Intelligenz erlaubt dem Marketing Fragen neu und besser zu beantworten und Entscheidungen besser zu treffen als bisher. Es gibt große Chancen und manchmal noch größere Erwartungen. Vergessen wir nicht, dass wir es bleiben, die Verantwortung übernehmen und Entscheidungen am Ende treffen müssen. Wer heute lernt, versteht und anwendet, was Künstliche Intelligenz – oder besser Machine Learning – alles kann, der hat schnell Vorteile im Wettbewerb.
Das ist nicht schwer. Es wächst eine Generation junger Talente heran, die die Möglichkeiten jetzt schon beherrschen und weiterentwickeln. Es entsteht auch eine Infrastruktur für Fortbildung und einfache Anwendungen, z. B. bei Ihnen von AI for Hamburg und bei uns an der Universität in Münster. Das erlaubt es allen Unternehmen, Managern und Unternehmern, jetzt mit Künstlicher Intelligenz erfolgreicher Marketing zu betreiben.
Das Interview führt Gunnar Brune von AI.Hamburg
Gunnar Brune
Gunnar Brune ist Marketing Evangelist, Strategie-und Storytellingexperte. Er ist Unternehmensberater mit Tricolore Marketing, Gesellschafter des NEPTUN Crossmedia-Awards, Autor und mehrfaches Jurymitglied für Awards in den Bereichen Marketing, Kommunikation und Storytelling. Weiterhin ist Gunnar Brune im Enable2Grow Netzwerk assoziiert und engagiert sich im Rahmen von AI.Hamburg für die Vermittlung der Möglichkeiten und die Förderung des Einsatzes von Künstlicher Intelligenz.
Gunnar Brune ist Autor von dem Marketing Fachbuch „Frischer! Fruchtiger! Natürlicher!“ und dem Bildband „Roadside“. Er ist Co-Autor der Bücher: “DIE ZEIT erklärt die Wirtschaft” und “Virale Kommunikation” und er schreibt seit vielen Jahren regelmäßig für Fachmagazine. Seine Artikel finden sich u.a. in der Advertising Age (Fachmagazin Werbung USA), Horizont, Fischers Archiv und der RUNDSCHAU für den Lebensmittelhandel.
Kontaktinformation:
Gunnar Brune, gunnar@ai.hamburg, 0176 5756 7777
