Vom Algorithmus zur Kasse gebeten

Die EU hat Geoblocking verboten. Doch die nächste Generation der individuellen Preisgestaltung ist schon in der Mache. Künstliche Intelligenz schätzt den einzelnen Surfer ein, um ihm individuelle Preise zu berechnen.

Probefahrten mit Neuwagen anbieten kann nach hinten losgehen: „Nicht wenige fahren übers Wochenende ans Meer und geben den Wagen dann zurück“, berichtet Michael Witzenleiter von Erfahrungen französischer Autohändler. Gefaktes Kaufinteresse von echtem zu unterscheiden und nur Probefahrten anzubieten, die zu einen Kauf führen: Es wäre das Ideal des Gewinnmaximierers. Witzenleiters Brötchengeber „kameleoon“ trainiert lernfähige Algorithmen, dieses Kunststück fertigzubringen. Wer den Vorzug genießen darf und wer nicht, können dann Schaltkreise entscheiden.

Neu ist es nicht, dass Algorithmen die Kunden von Online-Shops in Schubladen stecken. Dort warten maßgeschneiderte Angebote und Preise. Das prominenteste Verfahren ist das so genannte Geoblocking, das die EU jetzt verboten hat. Ein Deutscher soll beim Online-Kauf eines Tickets für ein Konzert in Paris nicht mehr zahlen als ein Franzose. Derlei passierte bislang tagtäglich, weil erkennbar ist, ob jemand den Online-Shop aus dem Ausland ansurft. Er wurde dann etwa zur Website des Anbieters im eigenen Land umgeleitet, wo er oft mehr bezahlte.

Algorithmen nehmen nicht nur Nationalitäten, sondern auch andere Gruppen ins Visier: potenziell zahlungskräftige Kunden etwa. Schon vor Jahren enthüllten Journalisten, dass die US-amerikanische Online-Reisebörse Orbitz die Nutzer von Apples Mac zu teureren Hotels lenkte. Eine simple Regel entscheidet hier über den Preis: Besitzt er ein Endgerät von Apple oder nicht?

Der Algorithmus spricht zum Kunden persönlich

Doch Künstliche Intelligenz hebt das Prinzip auf eine höhere Stufe. Sie nimmt den einzelnen Kunden aufs Korn. Im Online-Shop bekommt der Interessent eine Art maßgeschneiderte Individualtour. Die Maschine schlüpft in die Rolle des erfahrenen Händlers, der dem Kunden ansieht, ob er kaufen will, wie viel er zu zahlen bereit ist, oder ob er auf bestimmte Anreize und Werbemaßnahmen ansprechen wird.

Auf einer Tagung im November in Berlin trafen sich Marketing-Experten, um sich über „Predictive Analytics“ auszutauschen, zu der die automatisierte Einnordung von Online-Kunden gehört. Routiniert führten sich Firmenvertreter gegenseitig vor, wie viele Interessenten ihre jeweilige KI in tatsächliche Käufer verwandelt. Die Technik fällt auf fruchtbaren Boden. Denn kein Unternehmen will, dass von einem Rabatt jene Kunden profitieren, die auch mehr bezahlt hätten. Gesucht wird die Marketingmaßnahme mit optimaler Rendite.

Ein bestimmtes Verfahren der KI war in Berlin in aller Munde: Maschinelles Lernen. Das meint Algorithmen, die anhand von vielen Beispieldaten lernen. Grob gesagt funktioniert das so: Man gibt dem Computer Tausende Bilder, die entweder Katzen oder keine Katzen zeigen. Die Software lernt, ähnlich wie ein Kind, was eine Katze im Allgemeinen ausmacht und erkennt die Tiere künftig auch auf zuvor unbekannten Bildern. Schwupps hat man ein Werkzeug, das eigenständig mit riesigen Datenmengen fertig wird. Täglich fluten 350 Millionen Fotos allein Facebook. Kein Mensch könnte daraus alle Katzenbilder filtern. Die Maschine hat damit kein Problem.

Datenwühler mit feinster Spürnase

Die KI kann es nicht nur schneller, sondern sie ist oft auch feinfühliger. Das zeigen medizinische Studien, bei denen Algorithmen Hautkrebs treffsicherer diagnostizierten als ein Team von Dermatologen. Bei Lungenkrebspatienten erkennen KIs Feinheiten auf Röntgenbildern, die dem Radiologen entgehen würden, aber vorhersagen, ob bestimmte Therapievarianten bei einer Person anschlagen oder nicht.

Dabei entscheidet die KI anders als ein Arzt, der den Hautkrebs an einigen Kriterien festmacht, wie Farben oder Formen des Melanoms. Die KI scannt Digitalbilder Pixel für Pixel und sucht nach eigenen diagnostischen Anhaltspunkten.

Allgemein gesagt wühlt sich die Maschine durch Daten, die Millionen von Eigenschaften einer Sache enthalten und findet darin versteckte Muster. Ein Gemüsehändler etwa könnte eine KI mit den Verkaufszahlen von Kopfsalat füttern, gleichzeitig mit Daten über Wetter, Großmarktpreise, Feiertage, Fußballergebnisse oder Nachrichten über Fleischskandale. Mit diesem Wust an Information kann der Händler nicht viel anfangen. Seine KI hingegen könnte unerwartete Wechselbeziehungen zwischen diesen Faktoren finden.

Das funktioniert auch mit Datenspuren, die Online-Kunden hinterlassen. Je umfangreicher die Datenbasis („Big-Data“), desto feinere Unterschiede kann ein lernfähiger Algorithmus herausziehen. Er findet versteckte, aber maßgebliche Faktoren. Daraus baut er sich eine Art Raster, in dem er einzelne Personen genau verorten kann: ähnlich wie ein Persönlichkeitsprofil immer genauer auf eine bestimmte Person abzielt, je mehr Kriterien es umfasst.

Jeder einzelne von Tausenden Kunden hinterlässt eine Menge an Datenspuren. Das ist einmal sein Verhalten auf der Webseite: Welche Seiten ruft er auf? Wie oft besucht er den Laden? In welcher Preis- oder Produktkategorie sucht er? Auch den Kontext kann sich der Online-Laden merken: Tag und Uhrzeit, Wetter, Herkunftsort der Anfrage, das verwendete Endgerät oder der Browser. Dazu kommen, falls verfügbar, „kalte Daten“ wie Alter, Geschlecht, Bildung oder Status. Die KI beobachtet, unter welchen Bedingungen Kunden einen Kauf tätigen. So berechnet sie die Kaufneigung eines neuen Besuchers als einen Score von 1 bis 100.

Rabatte je nach Kaufneigung

Unter den Berliner Experten für Predictive Analytics berichtete Jean-René Boidron von der Firma kameleeon vom Einsatz derartiger Software durch einige französische Unternehmen. Beim französischen Online-Discounter „Cdiscount“ bewerte der Algorithmus das Kaufinteresse des Kunden und biete Rabatte nur den unentschiedenen, so Boidron. Und zwar individuell berechnet: Je mehr Kaufinteresse, desto weniger Rabatt. Das habe die Kosten für Rabattaktionen um 50 Prozent gesenkt und den Umsatz um 50 Prozent erhöht, berichtete Boidron. Auf Toyotas französischer Webseite bietet die Software nur „heißen Leads“, also wirklich Interessierten, eine Probefahrt. Der Online-Reifenhändler "Allopneus" will mit der KI seine Sonderangebote gezielter unterbreiten. Der Test sei erfolgreich gewesen, klärt kameleoons deutsche Website auf.

Forscher bestätigen den Nutzen von KI für die Preisdiskriminierung. Maßgeschneiderte Preise, die eine KI anhand des Online-Verhaltens berechnet, hätte den Profit des Streaming-Dienstes Netflix um Millionen von US-Dollar erhöhen können, fand der Forscher Benjamin Shiller von der Brandeis-University in Waltham bei Boston im Jahr 2013. Bestimmte Kunden hätten über 60% mehr für das Abo bezahlt. Der Streamingdienst Netflix überlegte, die Technik einzusetzen, sah aber davon ab.

Launische Preise im Online-Shop

Neben gezielter Preisgestaltung hilft KI auch bei etwas, was Autofahrer von Tankstellen kennen: schwankende Preise, im Fachjargon "dynamische Preisgestaltung" genannt. Auch sie ist im Online-Handel üblich, wie das Marktwächterteam der Verbraucherzentrale Brandenburg jüngst fand. Neu ist es nicht, dass Händler ihre Preise der Marktlage anpassen. Sie haben bei einem heftigen Platzregen den Preis für Regenschirme schon vor hundert Jahren angehoben. KI kann dieses Prinzip nun zur Perfektion treiben, indem es parallel zum aktuellen Wetter noch viele andere Faktoren einbezieht: Lagerbestand, Wettbewerberpreise oder Tage, an denen typischerweise Gehälter gezahlt werden. Die deutsche Firma prudsys bietet eine solche KI an. Zu den Kunden gehören bekannte Unternehmen wie Obi, Thalia oder C&A.

Die Hoffnung, Kunden könnten beim analogen Einkauf in der Innenstadt unbeobachtet bleiben, dämpfte in Berlin René Schallner vom GfK Verein in Nürnberg. Der Marktforscher hat eine Datenbrille gebastelt, die dank eingebauter Webcam und KI erkennt, welche Marken der Träger beim Bummel durch die Altstadt in den Blick nimmt. Die Brille detektierte mehr „Markenkontakte“ als die Erinnerung der 26 Probanden hergab. Die dazu passende Zukunftsvision: Das Kaufinteresse berechnet sich schon bald danach, wie oft der Kunde beim Shopping eine Marke anvisiert. Das elektronische Preisetikett zeigt einem dann den höchsten Preis, den man zu zahlen bereit ist. Es wäre eine Welt ohne angenehme Überraschungen.

Flatrate ab 8 € RiffReporter unterstützen
KI für alle