Vorwort: Die Macht der Daten und der Künstlichen Intelligenz	5
	Literatur	9
	Inhaltsverzeichnis	10
	Über den Autor	12
	Abbildungsverzeichnis	13
	Tabellenverzeichnis	19
	1: Einführung: Künstliche Intelligenz verändert unsere Kommunikation	21
	1.1 Unternehmen brauchen KI, um die Digitalisierung zu beherrschen	22
	1.2 Der Weg zur Künstlichen Intelligenz in Unternehmen	29
	1.3 Warum KI in die Kundenkommunikation gehört	32
	1.4 Wie Amazon, Zalando und McDonalds die Welt durch ihre KI verändern	35
	1.4.1 McDonald’s	36
	1.4.2 Netflix	38
	1.4.3 ABOUT YOU	39
	Literatur	40
	2: In digitaler Kommunikation mit dem Kunden	43
	2.1 Die moderne Customer Journey und die Daten	44
	2.2 Das Problem des klassischen Marketings und die Chance der Künstlichen Intelligenz	57
	2.3 So entsteht ein skalierbares Konzept für Personalisierung	66
	2.4 Das moderne Kontrollzentrum für Kundenkommunikation	70
	Literatur	73
	3: Künstliche Intelligenz verstehen und in der Organisation verankern	75
	3.1 Wie Maschinen lernen: Einordnung von Künstlicher Intelligenz, Machine Learning und Deep Learning	75
	3.1.1 Was ist Machine Learning?	77
	3.1.2 Was ist Deep Learning?	79
	3.1.3 Arten von Machine Learning	80
	3.1.4 Von der Idee zur Machine-Learning-Software	90
	3.1.5 Der Unterschied zwischen maschinellem Lernen und Softwareentwicklung	97
	3.1.6 Herausforderungen von maschinellem Lernen und Data Science	100
	3.2 KI-Plattformen und Architektur	105
	3.2.1 Was ist eine Data-Science-Plattform?	105
	3.2.2 Machine Learning Feature Store	110
	3.3 Das richtige Team – Jobprofile für KI-Projekte	114
	3.3.1 Data Engineer	114
	3.3.2 Data Scientist	116
	3.3.3 Machine Learning Engineer	117
	3.3.4 DevOps Engineer	118
	3.3.5 Domänenexperte	120
	3.3.6 Chief Analytics Officer	120
	3.4 KI in der Organisation verankern	121
	3.4.1 Die Kultur und Organisation für erfolgreiche KI-Projekte in Unternehmen	121
	3.4.2 KI in der Organisation konkret verankern	123
	3.4.3 Center of Excellence	125
	Literatur	127
	4: Anwendungsfälle und Praxisbeispiele von Künstlicher Intelligenz im Marketing und Vertrieb	129
	4.1 Der Kundenlebenszyklus	129
	4.2 Transaktionale vs. vertragsbasierte Geschäftsmodelle	134
	4.3 Kundensegmentierung – Kunden verstehen	136
	4.3.1 Vorgehen bei einer clusterbasierten Kundensegmentierung	137
	4.3.2 Datenaufbereitung für eine Kundensegmentierung	139
	4.3.3 Tipps für die Umsetzung von clusterbasierten Kundensegmentierungen	141
	4.3.4 Wann wird eine Kundensegmentierung eingesetzt?	144
	4.4 Customer Lifetime Value vorhersagen	145
	4.4.1 Moderne Customer-Lifetime-Value-Ansätze auf Basis von Künstlicher Intelligenz	146
	4.4.2 Mögliche Ansätze zur Vorhersage des Customer Lifetime Value	149
	4.4.3 Vorgehen und Prozess	153
	4.4.4 Anwendungsfälle für den Customer Lifetime Value	156
	4.5 Empfehlungssysteme	163
	4.5.1 Arten von Empfehlungssystemen	165
	4.5.2 Vorgehen und Prozess	173
	4.5.3 Einsatzmöglichkeiten von Empfehlungssystemen	174
	4.5.4 Herausforderungen bei der Entwicklung von Empfehlungssystemen	179
	4.6 Affinitätsmodelle und Next Best Action zur Steuerung der Kundenkommunikation	181
	4.6.1 Vorteile eines KI-basierten Kommunikationsansatzes	184
	4.6.2 Entwicklung von Affinitätsmodellen	186
	4.6.3 Anwendungsfälle für Affinitätsmodelle	190
	4.7 Churn Prediction zur Vorhersage von Kündigungswahrscheinlichkeiten	196
	4.7.1 Wie funktioniert Churn Modeling?	198
	4.7.2 Die benötigten Daten für ein Churn Modeling	202
	4.7.3 Herausforderungen beim Churn Modeling	205
	4.8 Uplift Modeling zur Optimierung von Marketingmaßnahmen	206
	4.8.1 Wie funktioniert Uplift Modeling?	207
	4.8.2 Einsatzmöglichkeiten von Uplift Modeling im Marketing	209
	4.8.3 Vorgehen und Kampagnendesign für Uplift Modeling	211
	4.8.4 Herausforderungen bei der Umsetzung von Uplift Modeling in der Praxis	214
	Literatur	215
	5: Vom Proof of Concept zum Regelbetrieb	218
	5.1 Strukturen und Kultur für den Erfolg von KI im Unternehmen	219
	5.2 Vom Experiment zum Regelprozess	224
	5.3 Make or Buy? Hilfestellung für KI-Projektverantwortliche im Marketing und Vertrieb	230
	5.4 Herausforderungen und Grenzen von KI im Marketing und Vertrieb	234
	6: Ausblick	237
	Erratum zu: Praxisleitfaden für Künstliche Intelligenz in Marketing und Vertrieb	241
	L. Wuttke, Praxisleitfaden für Künstliche Intelligenz in Marketing und Vertrieb, https://doi.org/10.1007/978-3-658-35626-2_7	241