*Wie Künstliche Intelligenz und Maschinelles Lernen die Optikbranche revolutionieren undein optimiertes Kundenerlebnisschaffen*
By Anja Fordon, EMEA Redakteurin
Max Weber, Head of People & Workplace Operations bei Mister Spex sprach im Interview mit Workday über den Einsatz von Künstlicher Intelligenz (KI) und Maschinellem Lernen (ML), zwei Schlüsselthemen, die die Art und Weise, wie Unternehmen wie Mister Spex arbeiten, revolutionieren. Aber was bedeutet das konkret? Wie verändert die Integration dieser fortschrittlichen Technologien die Betriebsabläufe eines Unternehmens, das sowohl im digitalen als auch im physischen Raum tätig ist?
Die Anwendungsmöglichkeiten von KI und ML sind vielfältig und erstrecken sich über verschiedene Bereiche - von der Optimierung der Lagerverwaltung bis hin zur Personalisierung des Kundenerlebnisses. Aber wie genau funktioniert das?
Bereit, einen Blick hinter die Kulissen zu werfen und zu erfahren, wie KI und ML die Welt der Augenoptik revolutionieren? Dann lesen Sie weiter und lassen Sie sich inspirieren. Denn die Zukunft ist hier, und sie sieht blendend aus.
Sehr besorgt
Etwas besorgt
Nicht besorgt
Wie setzt Mister Spex Künstliche Intelligenz und Maschinelles Lernen in seinen Betriebsabläufen ein?
Mister Spex, als ein Omnichannel-Händler, implementiert Künstliche Intelligenz und Maschinelles Lernen auf vielfältige Weise in seinen Betriebsabläufen. Wir setzen diese Technologien sowohl in unseren Einzelhandels- als auch in unseren Online-Geschäften ein.
Ein prominenter Bereich, in dem wir KI nutzen, ist unser Online-Shop. Künstliche Intelligenz spielt eine zentrale Rolle bei der Identifizierung der richtigen Produkte für jeden einzelnen Kunden. Ein Beispiel hierfür ist unser Empfehlungsalgorithmus, der Produkte basierend auf den Präferenzen des Kunden vorschlägt.
Ein weiterer praktischer Einsatzbereich für KI ist die Personaleinsatzplanung. Wir nutzen eine Solver-KI, um diesen Prozess zu optimieren und sicherzustellen, dass wir immer genügend Personal zur Verfügung haben, um den Anforderungen unserer Kunden gerecht zu werden.
Darüber hinaus verwenden wir Technologien wie Natural Language Processing in verschiedenen Bereichen. Beispielsweise kommt es in der Kommunikation mit unseren Mitarbeitern zum Einsatz und hilft uns dabei, das von unseren Kunden erhaltene Feedback auszuwerten.
Im Allgemeinen haben wir verschiedene Use Cases für KI und ML in unserem Geschäftsmodell integriert, von kleineren bis zu größeren Anwendungsfällen. Was wir jedoch zurzeit nicht haben, ist eine umfassende Machine Learning-Architektur. Für uns ist es jedoch vor allem wichtig, Wert für die Kundenerfahrung und in einigen Fällen für die Mitarbeitererfahrung zu generieren, anstatt ständig grundlegende Fragen in Bezug auf unsere technische Architektur zu stellen.
Inwiefern hat die kürzliche Übernahme von Tribe die Nutzung von Künstlicher Intelligenz und Maschinellem Lernen bei Mister Spex beeinflusst?
Die Übernahme von Tribe hat einen bedeutenden Einfluss auf unser Kundenerlebnis gehabt und unser Wissen im Bereich Künstlicher Intelligenz signifikant erweitert. Zum Beispiel, wenn Sie unsere Mister Spex Website besuchen oder unsere App nutzen, können Sie feststellen, dass wir KI nutzen, um live am Bildschirm bzw. vor der Handy-Kamera Ihre Gesichtsform und Ihren Augenabstand interpretieren, um die Pupillendistanz zu messen.
Durch den Erwerb von Tribe konnten wir zusätzliches Wissen und Technologien erwerben, die es uns nun ermöglichen, in den ersten Geschäften 3-D-gedruckte Brillen anzubieten. Mit Hilfe digitaler Vermessungstechniken können wir Brillen produzieren, die perfekt auf die Gesichtsform unserer Kunden zugeschnitten sind. Dieses einzigartige Angebot kann uns im hart umkämpften Brilleneinzelhandelsmarkt einen deutlichen Wettbewerbsvorteil verschaffen, sobald wir dieses Produkt weiter ausrollen.
Tribe, das seit 2021 zu unserer Familie gehört, war ein kleines Unternehmen mit einem spezifischen Use Case, der darauf abzielte, uns einen Wettbewerbsvorteil zu verschaffen. Deshalb hat sich die Akquisition von Tribe in jeder Hinsicht gelohnt.
„Overfitting tritt auf, wenn eine KI auf 100% der vorhandenen Daten trainiert wird. In diesem Fall neigt die KI dazu, die Welt genau so nachzubilden, wie sie bisher immer war, und lässt dabei wenig Spielraum für zukünftige Veränderungen.“
Max Weber, Head of People & Workplace Operations, Mister Spex
Wir wird Künstliche Intelligenz und Maschinelles Lernen das Personalwesen und den HR-Bereich im Allgemeinen beeinflussen?
Die Anwendung von Künstlicher Intelligenz (KI) und Maschinellem Lernen (ML) im Personalwesen stellt eine Herausforderung dar, da man dabei immer die Frage stellt: "Wie weit möchten wir gehen? Bis zu welchem Grad möchten wir Daten nutzen, um das Verhalten von Menschen vorherzusagen?" Wenn wir KI und ML in der Produktentwicklung oder im Risk Management anwenden, hat das weniger direkte Auswirkungen auf das Leben von Individuen. Wenn wir jedoch versuchen, das Verhalten von Mitarbeitern vorherzusagen, wie beispielsweise wann ein Mitarbeiter kündigen könnte, könnte dies dazu führen, dass wir Entscheidungen treffen, die stark in das Leben der Menschen eingreifen.
Trotzdem haben wir KI und ML in einigen Bereichen eingesetzt, insbesondere zur Verbesserung der Arbeitsabläufe und nicht zur Vorhersage individueller Verhaltensweisen. Zum Beispiel haben wir dieses Jahr "Workday Scheduling" eingeführt, ein KI-gestütztes Tool, das automatisch Personaleinsatzpläne erstellt. Es berücksichtigt sowohl das Kundenverhalten in unseren Geschäften als auch die Verfügbarkeit unserer Mitarbeiter, um optimale Einsatzpläne zu erstellen. Dieses Tool hat die Komplexität des Prozesses erheblich reduziert und uns wertvolle Zeit eingespart, was sich letztlich in einer Verbesserung unserer Profitabilität um mehr als zehn Prozentpunkte niedergeschlagen hat.
Darüber hinaus haben wir “Peakon Employee Voice” eingeführt, ein weiteres von Workday erworbenes Produkt, das ML verwendet, um übergreifende Trends zu identifizieren und Themen zu finden, die die Mitarbeiter beschäftigen. Hierbei geht es jedoch nicht darum, Vorhersagen über Einzelpersonen zu treffen, sondern über die gesamte Organisation. Ziel ist es, die Organisation insgesamt zu verbessern, statt einzelne Fälle zu managen. KI und ML sind daher wertvolle Werkzeuge für uns, vorausgesetzt, sie werden auf eine Weise eingesetzt, die die Privatsphäre und Autonomie der Mitarbeiter respektiert.
Welche Herausforderungen haben Sie bei der Implementierung von KI und ML in Ihre Betriebsabläufe erlebt? Können Sie spezifische Beispiele nennen, wo es Schwierigkeiten gab oder Dinge anders liefen als erwartet?
Eine der größten Herausforderungen bei der Anwendung von Künstlicher Intelligenz (KI), beispielsweise in der Personaleinsatzplanung, besteht darin, der KI ein klares Ziel zur Optimierung vorzugeben. Dieses Ziel leitet sich aus verschiedenen Daten ab, wie zum Beispiel Besucherzahlen, Ausgaben, Altersverteilung und so weiter. Doch die Definition eines klaren Ziels ist oftmals das größte Problem, da es darauf ankommt, qualitative Zusammenhänge in einer Weise zu verifizieren, die eine Maschine verstehen und darauf abzielen kann.
Gleichzeitig benötigt die KI jedoch auch valide Daten zum Lernen. Ein Vorteil der Nutzung von KI-Produkten, wie zum Beispiel denen von Workday, ist die Möglichkeit, auch von den Learnings aus Daten anderer Kunden zu profitieren. Allerdings muss man immer den Kontext und die Besonderheiten des eigenen Unternehmens berücksichtigen, da sich Vorschläge einer KI nicht immer direkt auf die eigene Situation anwenden lassen.
Ein konkretes Beispiel wäre die Situation, in der die KI in einem anderen Unternehmen lernt, dass ein Mangel an Sales Advisors zu geringeren Verkaufszahlen führt. Diese Information könnte nicht direkt auf ein anderes Unternehmen angewendet werden, welches vielleicht eine andere Verteilung oder Beziehung zwischen Kunden und Sales Advisors hat. Die Herausforderung besteht also darin, die Brücke zwischen allgemeinen Informationen, die die KI aus verschiedenen Datenquellen lernt, und spezifischen Informationen, die speziell für das eigene Unternehmen relevant sind, zu schlagen. Bei datengesteuerten Entscheidungen sollte dieses Unterscheidungsmerkmal immer berücksichtigt werden.
Wie ist die Akzeptanz und das Gefühl der Mitarbeitenden, wenn sie erfahren, dass ihre Einsatzplanung durch eine Künstliche Intelligenz vorgenommen wird? Gibt es dabei interne Hürden oder Widerstände?
Wir vermeiden eine vollständige Personalplanung durch Künstliche Intelligenz (KI), um statistisches Overfitting zu verhindern und den wertvollen Input unserer Store Manager zu nutzen. Overfitting tritt auf, wenn eine KI auf 100% der vorhandenen Daten trainiert wird. In diesem Fall neigt die KI dazu, die Welt genau so nachzubilden, wie sie bisher immer war, und lässt dabei wenig Spielraum für zukünftige Veränderungen. Ein praktisches Beispiel wäre, wenn ein Ereignis wie ein Justin Bieber-Konzert letztes Jahr zu einer erhöhten Kundenzahl geführt hat, eine vollständig datengetriebene KI würde an diesem Datum in diesem Jahr wieder mit vielen Kunden rechnen, auch wenn kein solches Ereignis geplant ist.
Um dies zu vermeiden, nutzen wir die KI, um den Großteil der Personaleinsatzplanung durchzuführen, und lassen den Store Managern Spielraum, um Anpassungen vorzunehmen und ihre Erfahrung und Intuition einzubringen. Diese Kombination erhöht die Akzeptanz der KI-gestützten Planung unter den Mitarbeitenden.
Darüber hinaus haben wir die Möglichkeit, Mitarbeiterpräferenzen in die Planung einzubeziehen, zum Beispiel wenn ein Teilzeitmitarbeiter freitags nie arbeiten kann. Dieses Feature, das von Workday bereitgestellt wird, fördert ebenfalls die Akzeptanz der KI-gestützten Planung. Mit digitalen Werkzeugen können wir außerdem Prozesse wie den Schichttausch einfacher und transparenter gestalten, was ebenfalls zur Akzeptanz der KI-gestützten Planung beiträgt.
Wie stellen Sie sicher, dass die Daten, die für die KI verwendet werden, valide, sauber und ausreichend vorhanden sind? Gibt es bei Ihnen eine Art menschliche Aufsicht oder Kontrolle, um die Qualität der Daten zu gewährleisten?
Ja, wir haben definitiv eine menschliche Aufsicht, besonders in Bezug auf die Personaleinsatzplanung. Sobald ein Plan von der KI generiert wird, überprüft eine Führungskraft, ob die Ergebnisse valide sind. Zudem werden alle von dem Algorithmus konsumierten Personaldaten ständig geprüft und müssen freigegeben werden. Jede Änderung wird auditiert und von mindestens zwei Personen überprüft, was uns ermöglicht, nach dem Vier-Augen-Prinzip sicherzustellen, dass unsere Datenbank keine fehlerhaften Daten enthält.
Was die Traffic-Daten angeht, ist es zwar eine Herausforderung, diese hundertprozentig genau abzubilden - beispielsweise, wenn zwei Personen gleichzeitig durch eine Lichtschranke gehen - aber das ist ein Big-Data-Problem. Eine Fehlerquote von vier bis fünf Prozent ist in diesem Kontext akzeptabel, da die grobe Richtung stimmt und wir uns auf die überwiegende Mehrheit der Daten verlassen können.
Inwiefern sehen Sie, dass Technologien wie KI die Augenoptik-Industrie, in der Mister Spex tätig ist, weiterhin beeinflussen und verändern werden? Erkennen Sie noch weitere Potenziale oder Bereiche, in denen diese Technologien einen bedeutenden Einfluss haben könnten? Auch bei Mister Spex selbst?
In der Optikbranche steckt zweifellos großes Potenzial für den Einsatz von Künstlicher Intelligenz. KI kann beispielsweise entscheidend zur Content-Erstellung und Verbesserung der Kundenerfahrung beitragen, etwa durch den Einsatz von Chatbots. Die Möglichkeit für Kunden, ihre Anliegen jederzeit, auch außerhalb der Kundendienstzeiten, zu klären, stellt einen klaren Mehrwert sowohl für sie als auch für Mister Spex dar.
Als Unternehmen mit einer langjährigen Online-Präsenz verfügen wir über einen wertvollen Datenpool, den wir strategisch einsetzen können. So könnten wir durch Brillenempfehlungen, die auf Gesichtserkennung oder vergangenen Bestellungen basieren, die Anzahl der Retouren verringern und die Kundenzufriedenheit steigern. 3D-gedruckte Brillen, entwickelt durch KI-gestützte Vermessung, repräsentieren eine revolutionäre Produktlinie, die wir in immer mehr unserer Filialen anbieten. Unsere Vorhersagen zu Bestellungen und Retouren tragen bereits heute zur besseren Arbeitsplanung und schnelleren Lieferung bei. Auch wenn ich nicht ins Detail gehen kann, möchte ich betonen, dass zahlreiche spannende Themen auf unserer Agenda stehen.
„Wenn wir jedoch versuchen, das Verhalten von Mitarbeitern vorherzusagen, wie beispielsweise wann ein Mitarbeiter kündigen könnte, könnte dies dazu führen, dass wir Entscheidungen treffen, die stark in das Leben der Menschen eingreifen.“
