|
Vorwort |
5 |
|
|
Inhaltsverzeichnis |
7 |
|
|
Über den Autor |
11 |
|
|
Abbildungsverzeichnis |
12 |
|
|
Tabellenverzeichnis |
15 |
|
|
1 Einführung: „Algorithmic & AI eat the world“ |
16 |
|
|
Zusammenfassung |
16 |
|
|
1.1 Motivation und Hintergrund |
16 |
|
|
1.2 Ein Buch für die Unternehmenspraxis |
19 |
|
|
2 Big Data |
21 |
|
|
Zusammenfassung |
21 |
|
|
2.1 Was wirklich neu ist |
21 |
|
|
2.2 Definition von Big Data |
22 |
|
|
2.3 Dimensionen von Big Data |
23 |
|
|
2.4 Big Data als Grundlage für Algorithmic und Artificial Intelligence |
24 |
|
|
3 Algorithmik und Artificial Intelligence |
26 |
|
|
Zusammenfassung |
26 |
|
|
3.1 Die Macht der Algorithmen |
26 |
|
|
3.2 AI – das ewige Talent wird erwachsen |
29 |
|
|
3.3 Ein Definitionsversuch |
30 |
|
|
3.4 Erfolgsfaktoren und Treiber der Entwicklung der Aritificial Intelligence |
31 |
|
|
3.4.1 Internet und verteilte Systeme |
31 |
|
|
3.4.2 Mehrkernprozessoren und Graphics Processing Units |
34 |
|
|
3.4.3 Zukunftstechnologien – neuromorphe Chips und Quantencomputer |
36 |
|
|
3.5 Historische Entwicklung der AI |
37 |
|
|
3.5.1 Historische Entwicklung der Künstlichen Intelligenz |
37 |
|
|
3.5.1.1 Erste Arbeiten im Bereich der Künstlichen Intelligenz (1943–1955) |
39 |
|
|
3.5.1.2 Früher Enthusiasmus und baldige Ernüchterung (1952–1969) |
39 |
|
|
3.5.1.3 Wissensbasierte Systeme als Schlüssel zum kommerziellen Erfolg (1969–1979) |
40 |
|
|
3.5.1.4 Die Rückkehr der neuronalen Netze und der Aufstieg der AI zur Wissenschaft (1986 bis heute) |
41 |
|
|
3.5.1.5 Intelligente Agenten werden zur Normalität (1995 bis heute) |
42 |
|
|
3.6 Methoden und Technologien |
43 |
|
|
3.6.1 Symbolische AI |
44 |
|
|
3.6.1.1 Natural Language processing (NLP) |
44 |
|
|
3.6.1.2 Regelbasierte Expertensysteme |
45 |
|
|
3.6.1.3 Data Mining |
47 |
|
|
3.6.2 Subsymbolische AI |
48 |
|
|
3.6.3 Maschinelles Lernen |
50 |
|
|
3.6.3.1 Überwachtes Lernen – Supervised Learning |
51 |
|
|
3.6.3.2 Nicht überwachtes Lernen – Unsupervised Learning |
51 |
|
|
3.6.3.3 Verstärkendes Lernen – Reinforcement Learning |
51 |
|
|
3.6.4 Aktuelle Anwendungen der AI-Forschung |
52 |
|
|
3.6.4.1 Computervision und Maschinelles Sehen |
52 |
|
|
3.6.4.2 Robotics |
53 |
|
|
4 Algorithmics Business: Framework und Maturity Model |
54 |
|
|
Zusammenfassung |
54 |
|
|
4.1 AI Framework – die 360°-Perspektive |
54 |
|
|
4.1.1 Motivation und Nutzen |
54 |
|
|
4.1.2 Schichten des AI Framework |
55 |
|
|
4.1.3 AI Use Cases |
56 |
|
|
4.2 Algorithmic Business Maturity Model: Vorgehensmodell mit Roadmap |
61 |
|
|
4.2.1 Reifegrade und Phasen |
61 |
|
|
4.2.2 Nutzen und Zweck |
66 |
|
|
5 Algorithmic Business – auf dem Weg zum selbstfahrenden Unternehmen |
67 |
|
|
Zusammenfassung |
67 |
|
|
5.1 Klassische Unternehmensbereiche |
67 |
|
|
5.2 Conversational Office |
73 |
|
|
5.3 Algorithmic Marketing |
75 |
|
|
5.3.1 Datenschutz und Datenhoheit |
77 |
|
|
5.3.2 Algorithmen im Marketingprozess |
78 |
|
|
5.3.3 Praxisbeispiele |
79 |
|
|
5.3.3.1 Amazon |
79 |
|
|
5.3.3.2 Otto Group |
80 |
|
|
5.3.3.3 Bosch Siemens Haushaltsgeräte (B/S/H) |
80 |
|
|
5.3.3.4 UPS |
81 |
|
|
5.3.3.5 Netflix |
81 |
|
|
5.3.3.6 Coca Cola |
81 |
|
|
5.3.3.7 Bank of America |
81 |
|
|
5.3.4 Der richtige Einsatz von Algorithmen im Marketing |
82 |
|
|
5.4 Algorithmic Market Research |
83 |
|
|
5.4.1 Mensch versus Maschine |
83 |
|
|
5.4.2 Liberalisierung der Marktforschung |
84 |
|
|
5.4.3 Neue Anforderungen an die Marktforscher |
85 |
|
|
5.5 Algorithmic Controlling |
86 |
|
|
5.5.1 Big Data – Implikationen für das Controlling |
86 |
|
|
5.5.2 Monitoring und Frühwarnung |
88 |
|
|
5.5.3 Implikationen für die Rolle des Controller |
89 |
|
|
5.6 Neue Geschäftsmodelle durch Algorithmic und AI |
89 |
|
|
5.7 Brauchen Unternehmen einen Chief Artificial Intelligence Officer (CAIO)? |
90 |
|
|
5.7.1 Motivation und Rational |
90 |
|
|
5.7.2 Einsatzgebiete und Qualifikationen eines CAIOs |
91 |
|
|
5.7.3 Rolle im Rahmen der Digitalen Transformation |
92 |
|
|
5.7.4 Argumente pro/contra |
93 |
|
|
5.7.5 Fazit |
94 |
|
|
6 Conversational Commerce: Bots, Messaging, Algorithmen und Artificial Intelligence |
95 |
|
|
Zusammenfassung |
95 |
|
|
6.1 Einführung |
95 |
|
|
6.2 Motivation und Entwicklung |
96 |
|
|
6.3 Gegenstand und Bereiche |
98 |
|
|
6.4 (Chat)Bots als Enabler des Conversational Commerce |
99 |
|
|
6.4.1 Imitation menschlicher Unterhaltung |
99 |
|
|
6.4.2 Schnittstellen für Unternehmen |
100 |
|
|
6.4.3 Bots als neues Betriebssystem |
101 |
|
|
6.4.4 Bots und Künstliche Intelligenz – wie intelligent sind Bots wirklich? |
101 |
|
|
6.4.5 Bots – Chance oder Risiko für Unternehmen, Konsumenten und Gesellschaft? |
102 |
|
|
6.4.6 Auch die Kunden rüsten auf – Bots als Butler und intelligente Assistenten |
103 |
|
|
6.4.7 Siri, Google Now, Cortana, Alexa, Home – wer ist die Schlauste im Land? |
109 |
|
|
6.4.8 Bots – quo vadis? |
115 |
|
|
6.4.9 Einsatzgebiete im E-Commerce |
117 |
|
|
6.5 Trends, die den Conversational Commerce begünstigen |
117 |
|
|
6.6 Beispiele von Conversational Commerce |
118 |
|
|
6.7 Herausforderungen für den Conversational Commerce |
120 |
|
|
6.8 Vor- und Nachteile des Conversational Commerce |
121 |
|
|
6.9 Roadmap zum Conversational Commerce: E-Commerce-Maturity-Modell – Plattformen-Checklisten |
121 |
|
|
6.9.1 Das DM3-Modell als systematisches Vorgehensmodell für den Conversational Commerce |
122 |
|
|
6.9.2 Plattformen und Checkliste |
124 |
|
|
6.10 Fazit und Ausblick |
126 |
|
|
7 Best Practices |
129 |
|
|
Zusammenfassung |
129 |
|
|
7.1 Sales und Marketing reloaded – Deep Learning ermöglicht neue Wege der Kunden- und Marktgewinnung |
130 |
|
|
7.2 Artificial Intelligence und Big Data im Kundenservice: Reality Check und Ausblick |
140 |
|
|
7.3 Customer Engagement mit Chatbots und Collaboration Bots: Vorgehen, Chancen und Risiken zum Einsatz von Bots in Service und Marketing |
150 |
|
|
7.4 Die Zukunft der Media Planung – AI als Game Changer |
162 |
|
|
7.5 Die Bot-Revolution verändert das Content Marketing – Algorithmen und AI zur Generierung und Verteilung von Content |
170 |
|
|
7.6 Next Best Action – Recommendation Systeme Next Level |
185 |
|
|
7.7 Intelligent Automation – wie AI und RPA (Robotic Process Automation) Arbeitsplätze und Abläufe in Verwaltung und Kundenservice verändern |
197 |
|
|
7.8 Kundenkommunikation und Kundenservice über smarte Apps |
201 |
|
|
7.9 Corporate Security: Social Listening und die Digitalisierung der Desinformation – durch Algorithmen systematisch unknown Unknowns entdecken |
219 |
|
|
8 Fazit und Ausblick: Algorithmic Business – quo vadis? |
233 |
|
|
Zusammenfassung |
233 |
|
|
8.1 Super Intelligenz: die Computer übernehmen – realistisches Szenario oder Science-Fiction? |
233 |
|
|
8.2 AI: Die Top 10 Trends 2017 and beyond |
238 |
|
|
8.3 Implikationen für Unternehmen und Gesellschaft |
241 |
|
|
Literatur |
247 |
|