Welches Phänomen steckt hinter „Deep Learning“? Und bei welchen konkreten Anwendungsfällen können Verlage von dieser innovativen Technologie profitieren?

Ein Trend zeichnet sich ab
„Deep Learning“ ist ein Überbegriff für Algorithmen, welche die Funktionsweise des menschlichen Gehirns nachbilden. Technisch bestehen sie aus einer Vielzahl miteinander verschalteter Neuronen, die, natürlich rein in Software abgebildet, Signale verarbeiten und zu anderen Neuronen weitergeben. Und „eine Vielzahl“ heißt: Millionen davon.* Mit „Deep Learning“ können gigantische Datenmengen verarbeitet werden. Im Gegensatz zur menschlichen Intelligenz hat die Technologie keine persönliche Neigung und ist neutral in der Beurteilung. Rein aus den Erfolgen und Misserfolgen, die in den Daten versteckt sind, „lernt“ der Algorithmus und wird Stück für Stück zur perfekten Prognosemaschine. „Deep Learning“ arbeitet iterativ: Über Rückmeldung an das System, ob eine Entscheidung „gut“ oder „schlecht“ war, lernt das System selbständig und optimiert sich, mit dem Ziel, so viele „gute“ Entscheidungen wie möglich zu treffen. Aber auch wenn keine großen Datenmengen verfügbar sind, kann „Deep Learning“ eingesetzt werden.

Beispiele aus der Praxis
Die neuartige Technologie ist bereits Grundlage für die innovativsten Geschäftsmodelle der großen vier GAFA-Unternehmen Google, Apple, Facebook und Amazon: Ob Google Now, Siri von Apple oder Amazons virtueller Assistent Echo – alle Neuerungen nutzen „Deep Learning“ zur Spracherkennung und zum Sprachverständnis. Facebook hat gerade erst ein neues Tool patentiert, welches nur durch maschinelles Lernen funktioniert. Das Tool soll dabei helfen Hasskommentare, Fake News und pornografische Inhalte zu erkennen und aus dem Netzwerk zu verbannen.** Für Amazon ist „Deep Learning“ schon seit längerem fester Bestandteil seines Produkts und ein essentieller Umsatzbringer. Gemeint sind die Produktempfehlungen an Kunden im Wortlaut „Diese Produkte könnten Ihnen auch gefallen“. Dahinter steckt ein „Deep Learning“-Modell, welches Muster im Kaufverhalten erkennt und Cluster ähnlicher Käufertypen identifiziert.

Auswirkungen auf den Markt
Der große Umbruch zugunsten eines verbreiteten Einsatzes neuronaler Netze beruht auf dem technischen Fortschritt, der zwei wesentliche Probleme beseitigt hat: die begrenzte Rechen- und Speicherkapazität der Computer sowie die begrenzte Anzahl verfügbarer (Trainings-)Daten. Rechenkapazität ist heute fast unendlich verfügbar und kann über Cloud Services wie Amazon EC2 dynamisch erweitert werden. Durch die Explosion der Daten im Internet ist auch das Vorhandensein von (Trainings-)Daten kein Problem mehr. Früher benötigte man ausgebildete Mathematiker und riesige Serverfarmen, um neuronale Netze zu entwickeln und zu betreiben. Trotzdem waren die Ergebnisse nicht zufriedenstellend. Heute wird „Deep Learning“ als Service angeboten und damit hat sich die Umsetzung neuer Use Cases massiv vereinfacht.***

Empfehlungen für Unternehmen
Die Einsatzfelder von „Deep Learning“ in Medienunternehmen sind so vielfältig, wie die Datenquellen selbst:
a. Vermarktung: Welches Format passt zu welchem Kunden? Zu welchen Kunden muss der Außendienst als nächstes gehen, da die Verkaufschancen bei diesem Kunden am höchsten sind?
b. Abonnentengeschäft: Bei welchen Abonnenten besteht die höchste Kündigungsgefahr? Welche Kunden sind am besten für ein Zusatzprodukt aus dem Verlag empfänglich?
c. Online-Redaktion: Welche Texte haben Relevanz für die Leser? Welche Autoren sind bei den Lesern besonders beliebt? Wie kann ich schon während des Schreibens bewerten, ob der Artikel erfolgreich sein wird?
Verschaffen Sie sich einen Überblick über die Anwendungsfälle in allen Geschäftsbereichen ihres Unternehmens und priorisieren Sie die Ansätze z.B. nach Relevanz für Ihr Geschäftsergebnis und Datenqualität. Nun fehlt nur noch ein wichtiger Aspekt: Entwickeln sie Vertrauen. Wissen Sie im Detail wie ein Gehirn funktioniert? So ist es auch beim „Deep Learning“. Sie werden nie abschließend verstehen, wie der Algorithmus auf seine Ergebnisse kommt. Aber Sie werden sehen, dass die Ergebnisse wertvoll, überraschend, zielführend und richtig sind. SCHICKLER hat umfangreiche Erfahrung in der Entwicklung von Geschäftsfeldern und der Analyse von Daten. Mit dem  Startup Cargonexx nutzen wir selbst ein „Deep Learning“ Modell, um optimale Marktpreise hervorzusagen. Sprechen Sie uns an, um Ihren maßgeschneiderten Anwendungsfall zu identifizieren!