„Die Magic des MODELYZRs? Unser System erkennt Unternehmensstrukturen“ – Nils Niehörster zu Gast im kuehlhaus-Podcast

Bei der Modelyzr GmbH haben wir stets die modernsten Zukunftstechnologien im Blick und lassen uns von den neuen Möglichkeiten begeistern, die sie bieten. Das schließt natürlich KI-Anwendungen und Machine-Learning-Verfahren ein. Das hat auch die Digital Experience Agentur kuehlhaus interessiert, sodass sie unseren Gründer und Geschäftsführer Nils Niehörster zum Podcast-Interview eingeladen hat.

Unsere Data Analytics Engine MODELYZR setzt auf der Hochgeschwindigkeitsdatenbank SAP HANA auf und veredelt Unternehmensdaten mithilfe leistungsfähiger Algorithmen zu aussagekräftigen Ergebnissen. Hier präsentieren wir Auszüge aus „brennstoff“, dem Podcast-Format der kuehlhaus AG, in dem kuehlhaus-Host Clemens Weins mit Nils unter anderem über eine saubere Datenbasis spricht.

Clemens Weins: Nils, wie schafft man es, dass der MODELYZR mit sauberen Daten arbeitet?

Nils Niehörster: Häufig, wenn wir in Unternehmen gehen, bekommen wir zu hören, dass die Datenqualität im anzubindenden System, also etwa im CRM oder in der Marketing Automation, zu schlecht sei. Doch ist ja eben eine Stärke von Mustererkennungssystemen, dass die Daten gar nicht perfekt sein müssen. Algorithmen sind heute in der Lage, das Rauschen – also fehlerhafte Daten – herauszurechnen. Die Stärke des MODELYZRs ist also, dass er mit Daten arbeiten kann, die nicht perfekt sind und daraus die wahrscheinlichste Wahrheit extrahiert.  

So entsteht ein Bild, das so scharf wie möglich ist: Zum Beispiel könnte ein Ergebnis einer Abfrage sein, dass man es mit 142.000 Unternehmen zu tun hat, die einen bestimmten Markt darstellen. Es ist möglich, dass es tatsächlich nur 141.000 Unternehmen sind, eine gewisse Unschärfe bleibt. Betrachtet man dann diese Unternehmen genau, wird ersichtlich, dass sie zu 18.000 Konzernen gehören, von denen 15.000 Selling Opportunities bieten.

Es spielt dabei für das Marketing keine Rolle, ob es in Wahrheit nur 14.800 sind, solange die Fehlerquote unter zehn Prozent bleibt. Denn das Marketing muss nur wissen, in welchem Zielmarkt die besten Potenziale verborgen sind und kann damit dann prima arbeiten.

Für den Vertrieb reicht das wiederum nicht aus. Hier geht es um eine gezielte Ansprache. Auf dieser Einzelunternehmensebene spielt der MODELYZR bestimmte Informationen nicht aus, wenn diese missleading sein können.

Der MODELYZR entfernt also das Rauschen und schärft so das Ergebnis. Data Staging, also das Zusammenführen von Datenquellen und deren Bereinigung ist heute Stand der Technik. Das beherrschen auch andere Anwendungen. Das Sammeln von Daten, also die Anbindung der verschiedenen Datensilos in Unternehmen ist nur die Vorarbeit.

Clemens Weins: Data Staging ist die Vorarbeit, doch was ist das Geheimnis des MODELYZRs?

Nils Niehörster: Die „Magic“ ist, dass unser System Unternehmensstrukturen erkennen kann. Zu wissen, dass Allianz, Daimler oder UBS nicht jeweils ein, sondern hunderte Unternehmen sind, die zusammengehören. Und dass Unternehmensäste existieren, die eigenständige Nachfrager sind. Welche von diesen eigenständig Entscheidungen fällen dürfen und welche nicht. Die Kunst ist also, die Rohdaten zu einem Marktmodell zu aggregieren.   

Clemens Weins: Was passiert strukturell in einem Unternehmen, wenn durch die Einführung des MODELYZRs nicht mehr langjährige Erfahrung ausschlaggebend ist, sondern Daten, die für praktisch alle verfügbar sind?

Die Strukturen müssen entsprechend angepasst werden. Wenn ich ein neues Werkzeug einführe, aber sonst nichts verändere, kann ich nicht erwarten, dass irgendetwas besser wird. Es ist entscheidend, die eigenen Prozesse an neue Möglichkeiten anzupassen.

Wenn ein Unternehmen etwa ein Machine Learning System nutzt, dass die Ausfallwahrscheinlichkeit von Turbinen prognostiziert, bringt es nichts, einfach die Serviceintervalle zu verlängern. Sondern die Service- und Supportorganisation, die zugehörigen Prozesse und das Ticketing müssen angepasst werden, um die neuen Möglichkeiten auch optimal zu nutzen.     

Wenn ein Tool wie der MODELYZR eingesetzt wird, bringt es nichts, das Marketing zu beauftragen, die Daten nach „Most likelyhood to buy“ zu sortieren und dann wie gehabt das Mailing anzustoßen. Stattdessen müssen die Prozesse bereits ab dem Planing angepasst werden.

Üblicherweise wird das Planing auf Basis der letzten Jahre gestaltet. Man schaut also in den Rückspiegel und möchte aus der Historie ableiten, wie die Zukunft aussehen könnte. Ist nun ein System verfügbar, dass zeigen kann, welche Potenziale noch zu erschließen sind, muss auch das Planing angepasst werden. Planen heißt dann nicht mehr Schätzen, sondern: Segmentieren, Whitespaces aufdecken und zu wissen, wo ein Produkt noch unterverkauft und wo der Markt bereits gesättigt ist.

Und so zieht sich der Data-Driven-Ansatz durch die komplette Prozesskette, angefangen beim Planing bis hin zur Execution und After Sales.

Die ganze Folge hören An dieser Stelle bedanken wir und bei der kuehlhaus AG für die Einladung und das spannende Gespräch mit Clemens. Wer die gesamte Folge „Mensch vs. Maschine“ des kuehlhaus-Podcasts „brennstoff“, anhören möchte, folgt ganz einfach dem Link.


31.01.2023