Das Herzstück der econda ARP und unseren erstklassigen econda Cross Sell Produktempfehlungen ist die Künstliche Intelligenz. Wer sorgt dafür, dass wir Euch die besten Empfehlungen ausspielen können? Wer schraubt an der econda KI?

Wir zeigen es euch im exklusiven Interview mit Dennis Weyland.

Dennis ist seit 2018 bei econda und verantwortet die Weiterentwicklung der KI-Lösung. Er hat am Karlsruher Institut für Technologie Physik studiert und blieb dem Technikstandort treu. Bei econda ist er als Data Engineer für die Weiterentwicklung der KI-Lösung econda ARP zuständig. Als Gründer und Leiter des Lautern Fanclubs FCK Fanclub Diabolic Teuti Est. ’14 und passionierter Lacrosse Spieler ist die Freizeit ebenfalls eng getaktet.

econda Inside: Interview mit unserem Data Engineer Dennis zum Thema Künstliche Intelligens

Marco: Hallo Dennis. Bei meiner Anfrage für dieses Interview ist mir ja direkt ein Fehler unterlaufen. Ich habe dich als Data Scientist bezeichnet. Was war daran falsch?

Dennis: (lacht) Ja, das stimmt. Offiziell bin ich nämlich Data Engineer.

Marco: Gibt es da denn überhaupt einen Unterschied?

Dennis: Also klare Grenzen gibt es da meistens nie. Ein Data Engineer ist eigentlich vor allem da, die Vielzahl von Daten vernünftig zu ordnen. Bei econda bekommen wir ja wirklich viele Daten durch unsere Lösungen. Durch Analytics oder über die ARP Profile. Das sind alles Daten, die kann man sich nicht als eine große Tabelle vorstellen, sondern es sind eher viele kleine Tabellen. Der Job eines Data Engineers ist quasi Prozesse zu erstellen, damit meine Daten genau dorthin fließen, wo ich sie haben will, damit man damit auch etwas anfangen kann. Der Data Scientist ist quasi der, der wenn die Daten mundgerecht da sind, Explorative Analysen macht und Zusammenhänge inhaltlich herausfindet. Und dann noch Machine Learning einsetzt, um Daten entsprechend auszuwerten

Marco: Auf der DMEXCO18 und der Internet World im Frühjahr hat man Künstliche Intelligenz wirklich überall gesehen. Bei der Definition was denn KI jetzt eigentlich ist, versteht gefühlt jeder etwas anderes darunter. Hilf uns doch mal auf die Sprünge und erkläre uns was KI ist.

Dennis: Künstliche Intelligenz besitzt im Allgemeinen ne sehr schwammige Definition. KI wird meistens als irgendeine Art Intelligenz eines Algorithmus gesehen. KI ist jeglicher Algorithmus, der eine Vorhersage trifft. Aktuell wird vor allem Machine und Deep Learning als KI verstanden. Wir bei econda bieten eine Lösung auf dem Deep Learning Modell an.

Marco: Also nutzen wir gar keine richtige Künstliche Intelligenz?

Dennis: Doch schon. Deep Learning ist an sich einfach eine Unterkategorie Künstlicher Intelligenz. Mit dem Begriff KI kann aber jeder halbwegs etwas anfangen. Anders als vielleicht mit dem Begriff Deep Learning,

Marco: Was versteht econda unter dem Begriff KI?

Dennis: Wir haben ja unser Cross Sell. Mit dem spielen wir Produktempfehlungen aus. Die Frage, die sich da unsere Kunden immer gestellt haben: Wie muss ich jetzt die Regelwerke einstellen, dass genau die Produkte ausgegeben werden, die relevant sind. Da arbeitet der Mensch mit Intuition, Erfahrung und Gefühl. Der Traum war aber immer eine Maschine zu haben, die quasi selbst weiß, was relevant ist. Diese Entscheidungen kann die Maschine aber nur treffen, wenn die Maschine das Verhalten der Kunden eines Webshops analysieren kann. Wir bei econda verstehen die KI vor allem als Möglichkeit, diese Entscheidung unseren Kunden abzunehmen. KI ist also Mittel zum Zweck, um Kunden relevanteren Content verfügbar zu machen.

Marco: Jetzt behauptet ja wirklich jeder im E-Commerce, dass er etwas mit KI macht. Steckt denn da auch überall KI drin?

Dennis: Tja, die Sache mit den Buzzwods ist immer so ein Problem Wichtig ist immer nachzufragen, was gemeint ist. Nicht dass ein 10 Jahre altes Feature und KI neu verkauft wird.

Marco: Was soll ich den Softwareanbieter denn fragen? Wenn ich ihn frage, ob sein Modell neu ist, wird er ja den Teufel tun und sagen: Nö, das Teil ist schon 10 Jahre alt und wir verkaufen es nur als neues KI Feature.

Dennis: Das ist natürlich richtig. Meistens steckt in der KI ja ein Modell oder ein Algorithmus. Da kann man schon mal nachfragen, ob die da auch wirklich ein Deep Learning Modell nutzen. Wie setzen die das Modell ein? Finden regelmäßige Trainings statt? Oder aber auch ganz entscheidend: Wann wird denn diese angewendet bzw. wann darf sie rechnen? Wir bei econda machen das zum Beispiel alles in Realtime. Mit jedem Klick berechnen wie quasi die nächste Empfehlung. Alles in Echtzeit. Viele Anbieter im E-Commerce machen das nicht. Die laden 1x die Woche ihre KI-Vorhersagen hoch und das war es dann. Das funktioniert natürlich auch. Wenn der Nutzer aber eine neue Aktion macht, kann man diese Aktion erst auswerten, wenn dieser Job, der das hochlädt, neu gestartet wird. Wenn in meiner Session Sportschuhe angeschaut werden und ich dann auf Damenschuhe switche. Dann wird erst reagiert, wenn Daten wieder hochgeladen werden.

Echtzeit ist ein ganz wichtiger Prozess. Dafür braucht man nicht nur die notwendige Infrastruktur, sondern auch unsere ARP. Die rechnet mit Echtzeitdaten um entsprechende Empfehlungen ausgeben zu können.

Marco: Wie siehst du econdas Stellung am Markt in diesem Bereich?

Dennis: Was bei uns den konkreten Einzelfall angeht. Also Next Best Offers, hab ich bisher noch keinen anderen Anbieter gesehen, der mehr kann.

Marco: Wo glaubst du, muss econda noch besser werden?

Dennis: Wir möchten deutlich mehr Anwendungsfälle für unsere KI schaffen. Es muss ja nicht immer nur das passende Produkt rauspurzeln. Wir haben auch ein Feature, dass einem die passende Marke oder Kategorie vorhersagen kann. Wir wollen zum Kunden rausgehen können und ihm genau für sein Szenario den passenden Anwendungsfall mit econda zeigen.

Marco: Worin liegt da die Herausforderung? Ob ich da jetzt Produkte oder Kategorien am Ende ausgebe stelle ich mir im Prinzip nicht so schwer vor.

Dennis: Na ja, so eine KI ist ja kein einfaches Unterfangen. Klar, es gibt überall im Internet Tutorials, wo man in 4-5 Zeilen Code ne KI trainieren kann. Aber das sind alles Standardprobleme, die komplett durchdesignt sind. Wenn man das auf einen speziellen Fall wie unsere ARP Profile übertragen will, ist das nicht so einfach. Hier musst Du Daten wieder entsprechend aufbereiten. Je mehr Daten das sind, desto komplizierter wird der Transformationsprozess. Unser Ansatz ist ja auch, dass wir ein Modell haben, dass wir auf unsere Kunden speziell trainieren. Daher muss es für uns erst mal egal sein, ob der Webshop jetzt Medikamente oder Sportartikel verkauft. Die KI muss in der Lage sein, individuell auf den Daten des Kunden bestmöglich trainieren zu können. Gerade diese Diversität ist extrem herausfordernd.

Marco: Wir nutzen bei econda ja auch gerne das Buzzword selbstlernende KI. Wie hab ich mir das vorzustellen? Wenn das Modell läuft, musst Du nichts mehr machen und kannst nach Hause gehen?

Dennis: Genau. Wir haben nen Prozess entwickelt, der praktisch automatisiert täglich für jeden unserer Kunden individuell die notwendigen Daten für das Training generiert und das Modell trainiert wird. Ich stehe also nicht jeden Morgen um 3 Uhr nachts auf und klicke das für jeden unserer Kunden durch. Der E-Commerce ist eine schnelllebige Branche. Da ist es essenziell, dass unsere Modelle jeden Tag neu trainiert werden.

Marco: An was arbeitest Du aktuell?

Dennis: Ein aktuelles Projekt, an dem ich gerade arbeite, ist zum Beispiel die personalisierte Suche. Da sind wir mit Partnern dabei zu sagen. Okay wir haben unser KI, aber wir möchten unsere KI auch so verdrahten können, dass wir, wenn ein Kunde uns und den Suchanbieter hat, die Suchergebnisse so pushen können, dass die Ergebnisse dann auch entsprechend relevanter werden.

Ein anderes Thema ist die ständige Verbesserung unserer KI. Hier möchten wir bereits anhand des Wochentages und der Uhrzeit automatisiert Empfehlungen ausgeben können. Selbst wenn ein User komplett frisch auf einer Seite ist und wir nichts über ihn wissen. Gerade solche Empfehlungen sind zwar noch nicht krass personalisiert, aber die sind halt noch immer besser als ein Topseller, den man dann meistens gezwungenermaßen auf die Startseite packt, weil man keine bessere Alternative hat.

Marco: Ich stell mit vor das grade im Bereich KI es besonders wichtig ist up2date zu bleiben. Wie schaffst Du das?

Dennis: Was man da natürlich immer machen kann, sind Konferenzen. Es gibt auch eine Community mit Leuten, die genauso verrückt sind nach Künstlicher Intelligenz und Deep Learning wir ich. Da tauscht man sich gerne aus oder zeigt, was man geschafft hat. Das ist ein ganz wichtiger Austausch. Es gibt auch genug Forschungseinrichtungen, die gerne mal Paper erstellen über neue Technologien. Die liest man sich auch regelmäßig durch und prüft, ob die vielleicht sexy für meinen Anwendungsfall sind. Und dann gibt es natürlich auch noch Infos von den Frameworks, also von Leuten, die die passende Software dafür bereitstellen. Die aktualisieren natürlich auch ihre Software und da kommen neue Möglichkeiten hinzu. Da muss man natürlich auch up2date bleiben.

Marco: Hast Du da konkrete Adressen für mich?

Dennis: Als lokale Events kann ich immer Meetups empfehlen. Wenn Du was lesen willst. Die Blogs von DeepMind zum Thema Künstliche Intelligenz sind ziemlich gut. Sehr interessante Firma, die sehr viel dafür tut, um die technologischen Grenzen von Deep Learning zu erweitern.

Als Framework bietet sich Tensorflow an. Das ist gerade mitten im Update 2.0. Das ganze User Interface wird einfacher gestaltet. Gerade für Leute, die nach dem Interview Bock auf KI haben sollten da vielleicht doch mal reinschauen. Sehr einfacher Einstieg für Neulinge mit KI. Gerade durch das selber machen bekommt man da ein sehr gutes Gefühl dafür, was möglich ist und was nicht.

Marco: Witzig meine nächste Frage zielt genau darauf ab. Angenommen ich hab jetzt so richtig Lust auf Künstliche Intelligenz und ich will mir das näher anschauen. Wie fange ich damit am besten an?

Dennis: Also am Anfang stehen immer die Daten. Da gibt es aber meistens gewissen Plattformen, die klassische Datensets bereitstellen. Es gibt da sogenannte Kaggle Challenges. Da stellen gewisse Personen Daten zur Verfügung. Da geht es darum, wer das beste Modell dazu erstellt. So bekommt man schon mal einfach an seine Daten. Dann kann man sich die großen Frameworks mal anschauen. Die können unheimlich komplex werden, tun aber auch viel für einen einfachen Einstieg. Und dann kann man einfach mal anfangen, sich die Daten anzuschauen. Was steht da eigentlich drin um dann zu schauen, dass man sein erstes kleines Modell trainiert bekommt.

Marco: Vielen Dank für Deine Zeit Dennis!

Nach dem ganzen Text willst Du unbedingt mehr zum Thema KI bei econda erfahren aber brauchst ein bisschen Bewegtbild? Wie wäre es mit unserer Masterclass auf der OMR zum Thema KI und Next Best Offer im Kundenprojekt?

Dir hat das Interview gefallen? Du willst unbedingt mehr zum Thema Künstliche Intelligenz erfahren? Dann ruf uns einfach an oder schreib uns ne Mail. Wir freuen uns auf Dich.

Das könnte Dich auch interessieren ...