„Scheitern nicht erlaubt“ heißt es in vielen deutschen Unternehmen. Doch eine
„Kultur des Scheiterns“ und der Mut zu neuen Risiken können sich durchaus lohnen
und Innovationen fördern. Dennoch wird das Scheitern im Beruf oft als fataler
Fehlschlag gesehen und als Tabu gehandelt.
Laut der „Digital Roadblock“-Studie von Adobe schätzen Marketingexperten aus
Großbritannien, Frankreich und den USA die Zukunft stellenweise ganz anders ein
als in Deutschland.
Die Studie zeigt, dass deutsche Unternehmen Risiken und Veränderungen scheuen.
Aus der Angst vor dem Scheitern wird eine eher geringe Risikobereitschaft an den
Tag gelegt.
Dass das Scheitern aber auch positive Aspekte haben kann, wissen wir bereits seit
Christopher Nolans ‚Batman Begins‘: Bruce Wayne stürzt als Kind in einen Brunnen.
Sein Vater gibt ihm daraufhin eine Lebensweisheit mit auf den Weg: „Warum fallen wir, Bruce? – Damit wir wieder aufstehen können.“ Diese Metapher begleitet ihn auf seinem Lebensweg –
Fehlschläge sind dazu da, um an ihnen zu wachsen. Das stellte auch Arianna Huffington fest, Sachbuchautorin, Journalistin sowie Mitbegründerin und Chefredakteurin der Huffington Post. Blickt sie auf den steinigen Weg zurück, den sie auf ihrem Weg zum Erfolg zurücklegen
musste, zitiert sie gerne ihre Mutter: „My mother said failure was a stepping stone to
success.“
Um die digitalen, mittlerweile in unser Leben integrierten Kommunikationswege
effektiv bespielen zu können, müssen die Rollen im Marketing neu gedacht und
besetzt werden. Das kostet nicht nur Geld – es ist auch erforderlich, neue Wege zu
gehen und fordert dabei eine gewisse Risikobereitschaft. Oft ist das Go-to-Rezept:
Neue Mitarbeiter anwerben, die neue Blickwinkel mitbringen und nach Möglichkeit
risikofreudig sind. Davon wiederum können sich langjährige Mitarbeiter in ihrer
Stellung bedroht fühlen. Fast wie ein Teufelskreis: Angetrieben von der Furcht vor
dem Scheitern werden junge Mitarbeiter eingestellt, die frischen Wind ins
Unternehmen bringen sollen und die „alten“ Mitarbeiter bei Erfolg verdrängen
könnten.
Oft geht es dann einfach darum, neue Ideen und Innovationen zu finden. Aber auf
frische, neue Ideen zu stoßen, ist nicht immer so einfach. Hier können Trendanalyse-
Tools den Unternehmen helfen. Beispielhaft ist hier die KI Pythia, die über ein
künstliches neuronales Netz verfügt, das riesige Datenmengen analysiert. Durch die
Analyse von Google- und Amazon-Sucheingaben sowie weiteren Datenquellen
können neue Trends bereits im Voraus erkannt werden. Unternehmen können
dadurch etwa die Entwicklung der Marktnachfrage besser einschätzen und die
Produktentwicklung dementsprechend planen.
DOCH WAS SIND NEURONALE NETZE?
Künstliche neuronale Netze sind selbstlernende Systeme, die sich ständig
verbessern können. Sie sind durch das menschliche Gehirn inspiriert und dessen
biologischem Aufbau nachempfunden. Ein neuronales Netz besteht aus einem
Modell miteinander verbundener Neuronen, auch Knoten oder Units genannt, durch
deren Verknüpfung und Anordnung sich Anwendungsprobleme computerbasiert
lösen lassen. Grundsätzlich kann zwischen verschiedenen Neuronenarten
unterschieden werden: Input-Neuronen nehmen Informationen von der Außenwelt
auf. Hidden-Neuronen stellen interne Informationsmuster dar und befinden sich
zwischen Output- und Input-Neuronen. Output-Neuronen geben Informationen als
Ergebnis an die Außenwelt ab. Über Kanten sind die unterschiedlichen Neuronen
verbunden. Dadurch kann der Output eines Neurons der Input für ein anderes
Neuron sein.
Neuronale Netze sind vielseitig einsetzbar. So werden sie beispielsweise schon zur
Bilderkennung eingesetzt. Sucht man etwa auf Google (oder – wie in unserem
Beispielbild – Bing) nach ‚katze‘, kann Google thematisch ähnliche Bilder anzeigen,
also andere Bilder mit Katzen.
Für den Menschen mag es selbstverständlich sein, eine Katze zu erkennen, aber ein
Computer sieht in einem Bild zunächst keine Katze, sondern nur Zahlen.
Durch maschinenbasiertes Lernen kann der Computer dann anhand von vielen
Vergleichswerten lernen, eine Katze in dem Bild zu erkennen.
Bevor ein neuronales Netz solche Entscheidungen zuverlässig treffen kann, muss es
trainiert werden. Anhand von vorbestimmtem Lernmaterial wird das Netz nach
bestimmten Regeln trainiert. Diese Regeln geben vor, wie das Lernmaterial das Netz
beeinflusst werden soll. Durch den fortlaufenden Vergleich zwischen Soll- und Ist-
Ergebnis lernt das Netzwerk, die Neuronen sinnvoll zu verknüpfen.
Neben der Bilderkennung sind weitere typische Anwendungsgebiete der letzten
Jahre u.a. das autonome Fahren sowie – durch uns – die Trenderkennung. Während
das autonome Fahren sich noch in Kinderschuhen befindet, findet die
Trenderkennung schon intensive Anwendung in der Praxis.
Zum Beispiel unsere KI Pythia, die sehr präzise Trendanalysen für kommende
Marktnachfragen erstellen kann. Ihre Algorithmen übernehmen das Sammeln,
Steuern und Auswerten von riesigen Datenmengen, die über ein künstliches
neuronales Netz analysiert werden. Statt lediglich komplexe Ist-Zustände zu
berechnen, die für das menschliche Gehirn zu umfangreich wären, kann sie
Prognosen erstellen. Dafür untersucht Pythia Informationen aus Google-
Sucheingaben auf neue Trends, um Prognosen zu erstellen, die einen relevanten
Wettbewerbsvorteil verschaffen können.
DIE ZUKUNFT IST BEREITS HIER
Wie Adobes „Digitale Trends 2019“-Studie zeigt, verwenden im Vergleich zum
Vorjahr bereits 50 % mehr Großunternehmen KI. Künstliche Intelligenz kann jetzt
schon dabei helfen, das Risiko für mögliche Fehler zu minimieren. Mit der KI Pythia
lassen sich etwa Trendanalysen zu kommenden Marktnachfragen erstellen.
Unternehmen können so Zeit und Sicherheit für ihre Produktentwicklung gewinnen.
Comments