Im Jahr 2013 traf der Psychologe Dan Ariely die mittlerweile legendäre Aussage „Big data is like ­teenage sex: everyone talks about it, nobody really knows how to do it, everyone thinks everyone else is doing it, so everyone claims they are doing it“.

Zehn Jahre später sind Big Data und das damit eng verbundene Thema künstliche Intelligenz (KI) kaum noch aus der Marketingwelt wegzudenken. Daten­getriebenes Marketing belegt seit einigen Jahren den ersten Platz der „European Marketing Agenda“, der jährlichen Trendstudie der European Marketing Con­federation. Unzählige Beispiele belegen, dass Unternehmen durch datengetriebenes Marketing das Kundenerlebnis verbessern und somit Wettbewerbsvorteile generieren können.

Bei all der Euphorie darf nicht vergessen werden, dass Algorithmen immer nur so gute Ergebnisse liefern können, wie die Daten, mit denen sie gefüttert werden, es zulassen – so eine kritische Bestandsaufnahme von KI-Methoden, die jüngst im „Journal of Marketing ­Theory and Practice“ publiziert wurde. Auch bei großen Datenmengen gilt: Garbage in – Garbage out!

Mangelnde Datenqualität äußert sich beispielsweise durch fehlende, inkonsistente oder veraltete Werte. So werden typische Netflix-Nutzer*innen nur einen Bruchteil von Serien und Filmen wirklich anschauen und, je nachdem wer mitschaut, unterschiedliche Genres wählen. Solch ein Nutzerverhalten – in der Praxis völlig normal – stellt Empfehlungssysteme vor erhebliche Herausforderungen.

Zudem sind Methoden der KI rein korrelationsbasiert und fokussieren auf die Vorhersage von zukünftigen Umweltzuständen wie beispielsweise Kaufentscheidungen. In einigen Situationen mag dies ausreichend sein, aber wenn es um wichtige Entscheidungen geht, wollen (und sollten) Manager*innen die zugrunde liegenden kausalen Zusammenhänge verstehen, auch um die Rahmenbedingungen des eigenen Handelns einschätzen zu können – so eine aktuelle Studie von Forscher*innen um Paul Hünermund der Copenhagen Business School. Zusammenfassend attestiert die Studie den befragten Manager*innen eine gewisse Ernüchterung, die mit Blick auf die durch den KI-­Hype geschürten Erwartungen auch nicht überrascht. KI ist keine Wunderwaffe für perfekte Entscheidungen, sondern kann diese nur vorbereiten. Entsprechende Ergebnisse sollten um Daten aus Experimenten wie A/B-Tests, Beobachtungsstudien und Befragungen ergänzt werden, um die kausalen Zusammenhänge des beobachteten Verhaltens besser zu verstehen. Realistische Erwartungen sind wichtig, denn sonst könnten Manager*innen versucht sein, KI nur als „nice to have“ zu betrachten, was mit Blick auf deren Potenziale und aktuelle methodische Entwicklungen im Bereich der „kausalen KI“ fatal wäre.