Mit künstlicher Intelligenz bessere Entscheidungen im Handel treffen

IN Artificial Intelligence — 05 October, 2017

In früheren Blogartikeln habe ich gezeigt, wie robuste automatisierte KI-Systeme aufgebaut werden (Robuste KI-Systeme aufbauen Teil I und Teil II), wie wichtig hochwertige Daten sind und wie eine KI-Strategie entwickelt wird.

Aber ist das alles wirklich nötig? Warum sollten Firmen Geld investieren, um ein digitales Unternehmen zu werden, wenn sie ohnehin schon erfolgreich sind? Während das Geschäft in der Vergangenheit auch ohne Digitalisierung florierte, wollten Unternehmen sich immer schon verbessern. Die Einführung von Webmaschinen im 18. Jahrhundert wird allgemeinhin als die erste industrielle Revolution betrachtet, die durch eine disruptive Technologie die Arbeitsweise einer ganzen Industrie veränderte. In den vergangenen Jahrzehnten wurden die meisten industriellen Produktionsprozesse durch Roboter unterstützt oder automatisiert und Firmen haben Daten genutzt, um durch Analytik und Business Intelligence genaue Kenntnisse über die Unternehmensleistung zu gewinnen.

blog_smarter_decisions_with_AI.png

KI – aus Unternehmen werden Predictive Enterprises

Die grundlegendsten Veränderungen kommen mit der Einführung von KI-basierten Systemen. Bisher stand Menschen bei der Produktion und der Entscheidungsfindung im Mittelpunkt, auch wenn sie von Maschinen stark unterstützt wurden. Industrieroboter mögen in der Lage sein, ein Auto zu bauen, aber sie folgen einer genauen Programmierung und sind nicht in der Lage, ein Lenkrad neu zu konzipieren. Auch Business Intelligence kann keine eigenen Entscheidungen treffen, sondern konzentriert sich darauf, die Entscheidungen des Menschen zu erleichtern, indem alle Daten zusammengefasst und so aufbereitet werden, dass die jeweilige Aufgabe gelöst werden kann. KI-Systeme dagegen verarbeiten viele hochwertige Daten und sind in der Lage, auf dieser Basis eigene Entscheidungen zu treffen. Zum Beispiel können sie den besten Preis zu einem bestimmten Zeitpunkt für ein bestimmtes Produkt im Webshop oder in einer Filiale festlegen oder entscheiden, wie viele Artikel im nächsten Bestellzyklus geordert werden sollen. Facebook hat kürzlich berichtet, dass auf Verhandlungen programmierte Bots angefangen haben, ihre eigene Sprache zu entwickeln, um ihr jeweiliges Ziel zu erreichen – und das völlig ohne menschliches Zutun. Plötzlich waren Menschen nicht mehr direkt beteiligt, mehr noch, sie waren auch nicht in der Lage, die von den Bots in den Verhandlungen verwendete Sprache zu verstehen. 

Welche Aufgaben eignen sich für KI-Systeme?

Sind menschliche Experten nicht besser darin, Entscheidungen zu treffen, als KI-Systeme? Die Antwort auf diese Frage lautet wie immer: Es kommt auf die Situation an. Strategische oder nur gelegentliche Entscheidungen werden zurzeit am besten von Experten getroffen – und das wird wahrscheinlich auch auf absehbare Zeit so bleiben.

Beispiele sind:

  • Was ist unsere Vision für unser Unternehmen? Welches sind unsere zentralen Werte?
  • Soll unser Unternehmen in eine neue Branche oder Region expandieren?
  • Wo soll ein neues Verteilzentrum gebaut werden?

Sofern Ihr Unternehmen solche Entscheidungen nicht ständig trifft, liegen dazu nur wenige historische Daten vor, die verwendet werden könnten. In vielen Fällen müssen außerdem unsichere Annahmen berücksichtigt werden.                                                                          

Künstliche Intelligenz ist noch weit davon entfernt, solche Entscheidungen zu treffen. Wenn es allerdings um die vielen operativen Entscheidungen geht, die Unternehmen täglich treffen müssen, ist KI der richtige „Partner“:

  • Wie viele Artikel eines bestimmten Produkts sollen für eine bestimmte Filiale an einem bestimmten Tag bestellt werden?
  • Welcher Preis soll für jedes Produkt innerhalb der nächsten Stunde oder des nächsten Tages festgelegt werden?
  • Welches Incentive soll ein bestimmter Kunde erhalten?
  • Sieht sich dieser bestimmte Kunde im Webshop nur um oder sucht er etwas Bestimmtes und braucht Hilfe?

In vielen Firmen werden diese Entscheidungen von Mitarbeitern getroffen – täglich von morgens bis abends. Vielen Unternehmen, insbesondere im Einzelhandel, wäre es jedoch lieber, wenn sich die ausgebildeten Mitarbeiter auf anspruchsvollere Entscheidungen konzentrieren könnten statt auf das banale Alltagsgeschäft.

Ein führender Modehändler formulierte es so:

„Unsere Modeexperten sind sehr gut darin, jedem unserer Kunden eine optimale Customer Experience im Geschäft zu bieten, individuell zugeschnitten auf die Größe und die erwartete Zielgruppe in jeder Filiale. Sie müssen sich jedoch auch mit NOS-Artikeln befassen wie Socken, Unterwäsche etc., was zwischen 30 und 50 Prozent ihrer Zeit in Anspruch nimmt. Können diese Aufgaben nicht automatisiert werden?“

O-Ton des Leiters eines Elektronik-Onlineshops:

„Wir wollen, dass unsere Elektronikexperten sich damit befassen, wie wir am besten die neusten Smartphones der Top-Marken verkaufen. Sie müssen aber auch sicherstellen, dass alle Kabel, Hüllen, Bildschirmschutzfolien, Ladegeräte und Hunderte weitere Produkte pünktlich aus unserem Lager versandt werden. Kann das nicht einfach im Hintergrund ablaufen?“

Allein schon durch die bloße Menge sind diese Entscheidungen, die innerhalb kürzester Zeit getroffen werden müssen, für die Automatisierung durch ein hochentwickeltes KI-System besonders geeignet. Menschliche Experten mögen gut darin sein, schwierige Entscheidungen abzuwägen, finden es aber schwierig, den ganzen Tag lang hochwertige Routineentscheidungen zu treffen. Sie können sich einfach nicht über so viele Stunden hinweg konzentrieren und jeder kleinen Frage so viel Aufmerksamkeit widmen, als sei es die einzige des ganzen Tages – um dann innerhalb weniger Sekunden eine Entscheidung zu treffen und zur nächsten überzugehen.

Wird die Fragestellung komplexer, wird es noch schwieriger. Menschen haben schon Probleme damit, wenn eine Entscheidung durch zwei oder mehr Faktoren beeinflusst wird, die obendrein noch zusammenhängen. Im Geschäftsalltag hängen Entscheidungen aber oft von Hunderten korrelierenden und konkurrierenden Faktoren ab – viel zu viele, um von den besten Experten verstanden zu werden, selbst wenn sie die Zeit hätten, über jede einzelne operative Entscheidung so lange nachzudenken, wie es ihnen beliebt.

Darüber hinaus haben Menschen kein intuitives Verständnis von Statistik und tun sich schwer damit, größere Abweichungen in ihre Überlegungen mit einzubeziehen. Sogar, wenn sie schwankende Muster beobachten, wie zum Beispiel die Nachfrage nach einem Produkt in einem Supermarkt, neigen sie dazu, zu glauben, dass die Nachfrage nur leicht vom Durchschnittswert abweicht, allenfalls noch mit Spitzen aufgrund von Sonderangeboten. Weist ein Produkt jedoch eine große Varianz auf, finden wir es nicht „normal“, dass die tatsächlichen Werte an einem Tag sehr niedrig und am nächsten sehr hoch sein können.

Wie schaden kognitive Verzerrungen dem Einzelhandel?

Aus Sicht der Verhaltenswissenschaft ist es nicht neu, dass Menschen eine sehr subjektive, Wahrnehmung haben, die nur schwer zu überwinden ist und unser gesamtes Denken und unsere Entscheidungen maßgeblich beeinflusst. So überschätzen wir beispielsweise oftmals unsere Fähigkeit, die richtigen Entscheidungen zu treffen (Selbstüberschätzung). Wir neigen außerdem dazu, Fragen und Entscheidungen, mit denen wir uns konfrontiert sehen, durch einfachere Fragen zu ersetzen (Substitution). Beispielsweise ersetzen wir die Frage „Sind genügend Artikel im Regal verfügbar?“ mit der Frage „Gibt es Regallücken?“ Beide Fragen meinen auf den ersten Blick das Gleiche, erstere zielt jedoch auf den künftigen Bedarf, während die zweite Frage sich auf den Ist-Zustand zum jetzigen Zeitpunkt bezieht. Da diese Dinge unbewusst passieren, ist es den Menschen nicht klar, dass es gar nicht mehr um die ursprüngliche Frage oder Entscheidung geht. Business Insider hat in einer handlichen Tabelle die 20 häufigsten Voreingenommenheiten aufgelistet, die unsere täglichen Entscheidungen beeinflussen, eine längere Liste findet sich auf Wikipedia.

Eine wissenschaftliche Studie zur Einzelhandelsbranche von Gary E. Bolton und Elena Katok befasst sich mit der Warendisposition von „ultrafrischen“ Lebensmitteln, die maximal einen Tag haltbar sind und deren Restbestände nach Ladenschluss auf dem Müll landen. Bestellt der Lebensmittelhändler zu wenig Ware, die morgens die Regale füllt, sind die Produkte im Laufe des Tages ausverkauft und es entgeht ihm Umsatz. Bestellt er zu viel, bleibt er auf hohen Kosten für die Entsorgung sitzen. Dieses Problem stellt das Grundproblem für Bestellmengenentscheidungen bei unsicherer Nachfrage dar und wird mit dem Fachbegriff „Zeitungsverkäuferproblem“ bezeichnet (zurückgehend auf die Zeiten, als die Tageszeitung noch von Zeitungsjungen auf der Straße verkauft wurden).

Die optimale Lösung dafür lässt sich analytisch ableiten – eines der Hauptthemen im Lehrplan der Unternehmensforschung. So sollten – zumindest theoretisch – alle Teilnehmer einer Studie wissen, wie viel Ware bestellt werden muss, um den (erwarteten) Gewinn eines simulierten Geschäfts zu erhöhen. Obwohl die Lösung also bekannt war, schaffte es dennoch keiner der Teilnehmer, die richtige Menge zu bestellen. Die Studie versuchte herauszufinden, ob umfassende Erfahrung sowie Leistungsbewertungen die Bestellentscheidungen verbesserten. Dazu wurde den Teilnehmern vor der Aufzeichnung Zeit gegeben, um mit der Bestellmenge zu experimentieren, außerdem bekamen sie Feedback zum Erfolg der gewählten und nicht gewählten Optionen. Es stellte sich jedoch heraus, dass nichts von alledem die Entscheidungen der Teilnehmer beeinflusste. Erst der dritte Teil der Studie zeigte eine deutliche Verbesserung: Die Teilnehmer sollten nun Bestellungen für die nächsten zehn Bestellzyklen im Voraus aufgeben (statt nur für einen Tag). Das nötigte sie, die Bestellung sorgfältig abzuwägen, da sie für die nächsten zehn Bestellzyklen nicht mehr geändert werden konnte. Plötzlich konnten sie nicht mehr kurzfristig auf die veränderte Nachfrage reagieren, die sie im vorigen Bestellzyklus beobachtet hatten. Dieses Verhalten wird allgemeinhin als „Demand Chasing“ oder „Nachfragejagd“ bezeichnet und bedeutet, dass auch Experten sich – selbst mit den besten Absichten – an Ereignissen orientieren, die sie kürzlich beobachtet haben und aufgrund der zugrundeliegenden Schwankungen der statistischen Nachfrageverteilung von einem Extrem ins andere fallen. Im Grunde sind Daueraufträge nichts anderes als eine sehr vereinfachte Art der Automatisierung der Warendisposition, die durch den Einsatz von hochentwickelten KI-Systemen um ein Vielfaches bessere Ergebnisse bringt.

Da die Teilnehmer der Studie in erster Linie MBA-Studenten waren, stellte sich natürlich die Frage, wie erfahrende Procurement Manager im Vergleich zu den Studenten abschneiden würden. Bolton et al. beschäftigen sich mit dem Thema in ihrer Studie „Managers and Students as Newsvendors“ näher. Hier verglichen sie die Ergebnisse von Studienanfängern (ohne Ausbildung im Bereich Betriebsführung), Absolventen (mit mindestens einem Kurs in Betriebsführung) und Managern (mit mindestens einem Jahr Erfahrung). Die Wissenschaftler kamen zu dem Ergebnis, dass alle drei Gruppen gleichermaßen von Vorurteilen geleitet werden und die Manager relevante Informationen oder Erfahrungen nicht besser nutzen als die anderen Teilnehmer.

Mit der Warendisposition auf Basis eines ausgereiften KI-Systems lässt sich eine Beeinflussung der Entscheidungen durch menschliche Voreingenommenheit vermeiden.  

Wie sich die Einführung von KI-Systemen auf die Belegschaft auswirkt

Automatisierte Entscheidungen machen Mitarbeiter im Einzelhandel keinesfalls überflüssig, sondern befähigen sie, besser zu arbeiten und bessere Entscheidungen zu treffen. Das heißt jedoch nicht, dass sie weiterhin die gleichen Entscheidungen treffen wie in der Vergangenheit. KI-Systeme werden immer leistungsfähiger und sowohl Geschäftsinhaber als auch Führungsteams müssen sich gut überlegen, welche Entscheidungen im digitalen Unternehmen am besten von Mitarbeitern getroffen werden und welche sie lieber dem automatisierten KI-System überlassen. Dabei ist es wichtig zu bedenken, dass die Einführung eines KI-Systems nicht nur signifikante Änderungen der Entscheidungsprozesse nach sich zieht, sondern auch die Arbeit vieler Angestellter verändert. Die Führungskräfte haben die besondere Verantwortung, die Mitarbeiter durch den Veränderungsprozess zu führen, sie zu schulen und ihnen zu ermöglichen, die neue Art des Arbeitens zu verstehen und anzunehmen.

  

Dr. Ulrich Kerzel Dr. Ulrich Kerzel

earned his PhD under Professor Dr Feindt at the US Fermi National Laboratory and at that time made a considerable contribution to core technology of NeuroBayes. He continued this work as a Research Fellow at CERN before he came to Blue Yonder as a Principal Data Scientist.