Machine Learning auf dem Vormarsch: Wie Unternehmen davon profitieren können

Wer Nachfrage prognostizieren kann, plant effizienter

Eines der am weitesten fortgeschrittenen Anwendungsgebiete ist der E-Commerce. KI-gestützte Auswahlmechanismen helfen Unternehmen, die Entscheidung ihrer Kunden von Komplexität zu befreien. Am Ende geht es um Kundenzufriedenheit. Wenn es nur drei Sorten von Zahnpasta gibt, kann der Kunde leicht eine auswählen und fühlt sich gut dabei. Wenn über 50 angeboten werden, wird die Auswahl kompliziert. Man muss sich entscheiden, ist sich aber nicht sicher, ob die Entscheidung die richtige ist. Je mehr Möglichkeiten, desto schwieriger wird es für den Kunden. Unsere bekanntesten Algorithmen stammen aus diesem Bereich: Das Filtern von Produktvorschlägen basierend auf bisherigen Käufen von Produkten mit ähnlichen Attributen oder auf dem Verhalten von anderen Kunden, die sich für ähnliche Dinge interessierten.
Seit 2004 ist der niederländische Informatiker bei Amazon.com tätig 
(Quelle: Amazon)
Zur Zufriedenheit des Kunden trägt natürlich auch gleichbleibende Qualität bei. Intelligente Unterstützung macht hier Anbietern und Kunden das Leben leichter. Für Amazon Fresh haben wir beispielsweise Algorithmen entwickelt, die lernen, wie frische Lebensmittel aussehen müssen, wie lange dieser Zustand anhält, und wann Lebensmittel nicht mehr verkauft werden sollten. Fluglinien oder Transportdienstleister auf der Schiene könnten diese ebenfalls für Qualitätskontrolle nutzen, indem sie über Bilddaten der Fracht einen Algorithmus laufen lassen, der verdorbene oder beschädigte Ware erkennt und automatisch aussondert.
Im B2B- wie im B2C-Geschäft ist es entscheidend, dass Waren schnell verfügbar sind. Deswegen haben wir bei Amazon Algorithmen entwickelt, die die tägliche Warennachfrage vorhersagen können. Besonders komplex ist das bei Modeartikeln, die es immer in vielen verschiedenen Grössen und Ausführungen gibt und die nur sehr begrenzt nachbestellt werden können. In unser System fliessen z.B. Informationen über Nachfrage der Vergangenheit, aber auch Schwankungen, die bei Saisonware auftreten, der Effekt von Sonderangeboten und die Sensibilität der Kunden bei Preisschwankungen. Heute können wir genau voraussagen, welche Stückzahl von einem Shirt in bestimmter Grösse und Farbe an einem bestimmten Tag verkauft wird. Wir haben diese Aufgabenstellung durchgespielt, und die Technologie auch anderen Firmen als Web Service zur Verfügung gestellt. So profitiert zum Beispiel MyTaxi von unserem ML-basierten Service, um zu planen, welche Kunden zu welchem Zeitpunkt und an welchem Ort ein Fahrzeug benötigen.

Neue Arbeitsteilung

KI kann jedoch mehr als nur Voraussagen treffen. Im Bereich Fulfillment, der für zahlreiche Branchen relevant ist, arbeiten wir an Ideen, wie wir einen weiteren Schritt weg von der tayloristischen Arbeitsgestaltung gehen können. Wer KI in Robotern einsetzt, kann den Menschen von körperlich anspruchsvollen und oft aufreibenden Routinetätigkeiten befreien. Denn «Maschinen» sind sehr gut bei Aufgaben, die für den Menschen kompliziert sind, und übertreffen uns manchmal dabei sogar – etwa für eine Menge von Bestellungen die bestmögliche Route in einem Lager auszurechnen. Mit vermeintlich einfachen Aufgaben ist er dagegen überfordert, zum Beispiel eine Kiste zu erkennen, die nicht im dafür vorgesehenen Regal gelandet ist.
Wie bringen wir das Beste beider Protagonisten zusammen? Indem wir intelligente Roboter von Menschen lernen lassen, die richtigen Waren zu identifizieren, mehrere Aufträge anzunehmen und sich autonom auf der effizientesten Route durch das Lager zu navigieren. Auf diese Weise nehmen den Menschen den ermüdendsten Teil der Aufgabe ab und setzen die Ressourcen stattdessen bei der Interaktion mit dem Kunden ein.


Das könnte Sie auch interessieren