ICT-News Dach

Der Einsatz von RPA und AI in der Kundenkommunikation

Oliver Nickels

Eine Customer Journey umfasst die einzelnen Zyklen, die der Kunde vor und während des Entscheidungsprozesses für ein Produkts oder eine Dienstleistung erlebt. Sie schließt auch die Erfahrungen nach dem Kauf ein. Digitale Technologien werden hier immer stärker genutzt, um ein neues, interessantes und sehr individualisiertes Kundenerlebnis zu ermöglichen. Trotzdem kommen viele Unternehmen hier nicht wirklich voran. Sie schaffen hervorragende Lösungen für einzelne Bereiche, aber keine wirklich durchgängige Customer Journey.

Eine Customer Journey umfasst die einzelnen Zyklen, die der Kunde vor und während des Entscheidungsprozesses für ein Produkts oder eine Dienstleistung erlebt. Sie schließt auch die Erfahrungen nach dem Kauf ein. Digitale Technologien werden hier immer stärker genutzt, um ein neues, interessantes und sehr individualisiertes Kundenerlebnis zu ermöglichen. Trotzdem kommen viele Unternehmen hier nicht wirklich voran. Sie schaffen hervorragende Lösungen für einzelne Bereiche, aber keine wirklich durchgängige Customer Journey.

Entscheidend für Effizienz und Erfolg dieser Digital Customer Journey sind die Daten, die im Ablauf den einzelnen Prozessen jeweils zur Verfügung stehen. Dies sind einerseits vorhandene Daten von Kunden. Sie bilden die Historie ab, aus ihnen können Vorlieben und Interessen ermittelt werden. Andererseits kommen aktuelle Daten hinzu, oft aus externen Quellen. Diese können oft nur teilweise den vorhandenen Kunden zugeordnet werden. Sie erzeugen aber ein aktuelles Bild des Marktes und der Interessenten.

Nutzung von Daten ist nicht ohne Herausforderungen

Datenhaltung im Unternehmen ist generell nicht unproblematisch. In einer Studie des IT-Branchenverbandes BITKOM im Frühling dieses Jahres gaben sechs von zehn Unternehmen (57 Prozent) an, Big-Data-Technologien zu nutzen beziehungsweise zu planen oder deren Einsatz zu diskutieren. Hier ist, vorsichtig gesagt, noch viel Luft nach oben. In der Digital Customer Journey steht vor einer erweiterten Konsolidierung und Nutzung verteilter Kundendaten zusätzlich noch die Frage des Datenschutzes. Das Unternehmen darf nicht ohne weiteres Daten zusammenführen, die aus unterschiedlichen Quellen stammen, ohne dass der Kunde dem explizit zugestimmt hat. Oft ist dem Unternehmen noch nicht einmal bekannt, wann und in welchem Zusammenhang die vorhandenen Daten überhaupt ermittelt wurden.

Nun bringen die Anbieter zusätzliche Themen wie Robotic Process Automation (RPA) und künstliche Intelligenz (Artificial Intelligence, AI) ins Gespräch. Wie passt das alles zusammen?

Der Aufbau einer Digital Customer Journey erfordert eine neue Sicht auf die zugrunde liegenden Geschäftsprozesse und Organisationsstrukturen. Zu den großen Herausforderungen gehört die Integration von Komponenten der Digital Customer Journey in bestehende Systeme und die konsolidierte Auswertung und Nutzung der gesammelten Daten. Hierbei sind insbesondere Schnittstellen, die schiere Menge von Daten sowie monotone, manuelle und dadurch langwierige Auswertungen oft das größte Problem.

Unterstützung durch RPA und AI

Robotics Process Automation (RPA) löst solche Aufgaben, indem es in gewisser Weise den Menschen nachahmt. Der durchschnittliche Mitarbeiter im Backoffice hat viele repetitive, routinemäßige Aufgaben, die langweilig und uninteressant sind. RPA schafft eine Softwarelösung, die diese Aktivität übernimmt. Der Mitarbeiter legt dadurch den Fokus auf die Aufgaben, an denen die Automatisierung scheitern würde, also die z.B. Urteilsvermögen, Emotionen oder die persönliche Interaktion mit dem Kunden erfordern.

Hierbei gibt es mehrere Ausprägungen. RPA kann in der Form einer hochgradig maßgeschneiderten Software eingesetzt werden, die nur mit bestimmten Arten von Prozessen betraut ist, z.B. im Rechnungswesen und im Finanzwesen. Es gibt jedoch auch Anwendungen, bei denen die Automatisierung flexibel in unterschiedlichen Bereichen des Unternehmens angewendet werden kann. Dies reicht vom einfachen Sammeln und Aufbereiten von Daten über sich selbst weiterentwickelnde Automaten bis hin zu skalierbaren und auf breiter Front wiederverwendbaren Softwarerobotern, die auf die spezifischen Anforderungen des Unternehmens zugeschnitten sind und die einfach auch von Mitarbeitern der Fachbereiche eingesetzt werden können.

Künstliche Intelligenz unterstützt heute schon sehr viele reale Anwendungen, von der Gesichtserkennung über die Nachrichtenauswahl und Internetsuche bis hin zu Sprachübersetzung und Assistenten wie Siri und Alexa. Oft ist es uns gar nicht bewusst, dass hinter dem mühelosen Umgang mit Informationen Systeme stecken, die auf Deep Learning und Machine Learning basieren. Neben diesen Verbraucheranwendungen nutzen Unternehmen aus allen Branchen zunehmend die Möglichkeiten der AI in ihren Prozessen. Dies betrifft oft Bereiche, die große Datenmengen erzeugen und in denen bestimmte Muster erkannt werden sollen.

Wenn man nun alle drei Elemente (Digital Customer Journey, Robotic Process Automation und Artificial Intelligence) zusammenbringt, entstehen dem Unternehmen an mehreren Fronten neue Möglichkeiten:

  • Im Zuge einer maschinellen Datenanalyse auf Basis von Machine Learning können aus großen Datenmengen wertvolle Schlüsse gezogen werden. Der entscheidende Unterschied zur reinen kognitiven Analyse besteht darin, dass Daten aus unterschiedlichen internen und externen Quellen mittels RPA-Prozessen herangezogen werden können. Auch können unstrukturierte Daten wie Bilder und Filme sowie Metadaten wie Raum, Zeit, Kundenstimmungen usw. in die Analysen einfließen. Ein Ziel kann sein, Muster zu ermitteln, die im normalen Umgang mit den Daten nicht offen zu Tage treten. Ein Beispiel dafür wäre die Analyse von Keywörtern oder Hashtags, die auf den ersten Blick für die Marke kaum eine Rolle spielen, sich bei genauerer Analyse jedoch als kommunikativ relevant erweisen.
  • Neben der Auswertung von Daten erweitern AI-Systeme das Marketing dahingehend, dass Inhalte und Stories zielgerichteter und situativ optimiert erzeugt und übermittelt werden. Dies geht weit über die Auswahl der Kanäle und ein reines Geotagging hinaus. Es ermöglicht Elemente wie die automatisierte Erstellung individueller Inhalte und eine personalisierte User Experience, abhängig von der individuellen Situation und den Vorlieben des Kunden. Ein Beispiel: Ein System, das auf Machine Learning basiert, kann viel mehr Daten in seine Empfehlungen aufnehmen, indem es das individuelle Verhalten eines Benutzers über viele verschiedene Arten von Inhalten hinweg betrachtet. Dazu gehört z.B. das Lesen von Fallstudien, das Ansehen von Videos, das Öffnen von E-Mails, und das Erledigen von Aufgaben im Produkt. So kann das Unternehmen eine viel nuanciertere Art der Personalisierung erzeugen und diese mittels RPA auch zum Kunden gebracht werden.
  • Natural Language Processing & Generation (NLP/NLG) ermöglichen es, einen Kundenkontakt über Spracheingabe und -ausgabe herzustellen, ohne dass ein Mitarbeiter damit beschäftigt wird. Einerseits können auf diesem Weg einfache Fragen schnell und jederzeit beantwortet werden. Andererseits können so mittlerweile auch komplexe Interaktionen über Sprachschnittstellen (ChatBots) realisiert werden, bei denen die Tonlage und Stimmung des Kunden im Verlauf des Gesprächs analysiert und die Reaktion des ChatBots entsprechend angepasst wird. So können Prozesse auf Basis sonst verdeckter Signale des Kunden optimiert werden.

Fazit

Die Automatisierung des Backoffice hat auf den ersten Blick wenig direkten Einfluss auf das Front Office. RPA ist eine Möglichkeit, Mitarbeiter von zeitintensiven, sich häufig wiederholenden und aufwändigen Aufgaben zu entlasten. Innerhalb einer Digital Customer Journey kann RPA für Kunden sichtbare und intensive Verbesserungen voranbringen. Unternehmen können mit der Integration von RPA und AI innerhalb einer Digital Customer Journey ihren Kunden qualitativ hochwertigere Informationen und Dienstleistungen in kürzerer Zeit anbieten.