Jede Menge Geld muss ein Mittelständler locker machen, wenn er seine Business-Intelligence-Systeme um zuverlässige, KI-gestützte Prognose-Funktionen erweitern will. Reizvoll wäre es schon, in die Zukunft zu blicken: den Umsatz nicht bloß für den nächsten Monat vorherzusagen (das ist meist nicht schwer, da muss man sich vor allem den Auftragsbestand anschauen), sondern für die nächsten 12 Monate. Das Problem: Dafür benötigt man Data Scientists und die zählen momentan zu den begehrtesten – und daher teuersten – Fachkräften überhaupt. 

Ausgefeiltes KI-Modell in nur einer Woche 

Daher hat der Technologie- und Managed-Service-Provider Konica Minolta sein eigenes Team aus Data Scientists ein KI-Modell entwickeln lassen, das Prognosen „out of the box“ ermöglicht. „Da stellt sich natürlich die Frage: Müssen solche Modelle nicht immer auf das individuelle Unternehmen maßgeschneidert sein?“, meint Markus Bauten, Manager Business Solutions bei Konica Minolta. Und gibt gleich selbst die Antwort: „Ja, eigentlich schon. Aber unser Modell liefert bereits in der Standardversion rund 80 Prozent. Vor Ort beim Kunden müssen wir nur mehr die restlichen 20 Prozent erledigen, vor allem das Modell mit den Daten des Unternehmens trainieren. Das ist innerhalb von einer Woche erledigt.“ Es sei offensichtlich, dass dieser Zugang viel günstiger kommt als ein herkömmliches, langwieriges Consulting-Projekt. 

Umsatz-Prognose auf Knopfdruck 

Noch herausfordernder ist die Prognose des Umsatzes. „Hier berücksichtigen wir nicht nur interne Daten wie Umsatztrends von einzelnen Produkten, sondern auch externe Daten, etwa über die Konjunktur, Zinssätze und Ähnliches – abhängig von der jeweiligen Branche“, erklärt Bauten. „Manche Controller*innen verbringen die Hälfte ihrer Zeit damit, solche Prognosen zu berechnen. Mit unserem Modell kann man das komplett automatisieren.“ Man kann also am Monatsersten bereits beginnen, Maßnahmen umzusetzen, anstatt Forecasts zu berechnen. „Dieses Tool ist besonders aufwändig, aber auch besonders gefragt“, sagt Bauten. „Der Hauptvorteil ist die Arbeitsersparnis. Zusätzlich ist es aber auch durchschnittlich um etwa 10 Prozent genauer als manuelle Berechnungen, da mehr Daten berücksichtigt werden können.“ Der mittlere Fehler bei einer 10-Monats-Prognose liegt bei gerade mal 4 Prozent. 

Von ABC-Segmenten zu Verhaltens-Clustern 

Die KI hilft auch dabei, die eigenen Kunden besser zu verstehen. Viele klassische Vertriebsteams nutzen eine ABC-Analyse: Die A-Kunden machen 80 Prozent des Umsatzes aus, die B-Kunden 15 Prozent und die C-Kunden rund 5 Prozent. „Das Problem ist natürlich, dass es innerhalb der A-Kunden sehr unterschiedliche Bedürfnisse und Verhaltensweisen geben kann“, meint Bauten. „Daher hilft diese Klassifizierung nicht bei der Vertriebsansprache.“ 

Die Lösung bietet auch hier die KI: Sie berechnet aufgrund von rund 20 Kennzahlen Cluster von Kunden, die ähnliche Verhaltensweisen an den Tag legen. Diese Cluster sind nicht vorgegeben, sondern die KI erkennt Muster und schlägt auf dieser Basis Gruppen von Kunden vor – die daher bei jedem Unternehmen anders aussehen. „Manuell kann man das de facto nicht berechnen“, so Bauten. „Das überschreitet die menschliche Analysefähigkeit.“ Ein Beispiel für ein Cluster wären Schnäppchenjäger. „Da weiß ich: Die kann ich etwa mit einem Rabattangebot ansprechen. Anderen muss ich vielleicht eher ein zusätzliches Service bieten“, so der -Experte. „Die Clusteranalyse ermöglicht es also, jede Kundengruppe gezielt auf eine für sie passende Weise anzusprechen.“