Storytelling mit Daten Kann Künstliche Intelligenz Stories schreiben?

Anbieter zum Thema

momentum communication

Schindler Parent GmbH

Vogel Communications Group GmbH & Co. KG

SC-Networks GmbH

Künstliche Intelligenz (KI) dringt in immer mehr Bereiche des B2B-Marketings vor. Doch was leistet sie bei kreativen Prozessen wie dem Storytelling? Hilft die KI dabei, Themen zu finden und Texte zu verbessern oder schreibt sie uns das ganze Drehbuch?

„Wenn wir das Verhalten der Menschheit mit ihren Zielen vergleichen würden, käme man zu dem Schluss, dass die Menschheit auf kurzfristiges Vergnügen und selbstbestimmte Unterhaltung aus ist. In dieser Hinsicht unterscheidet sie sich nicht allzu sehr von einem neuronalen Netzwerk.“ Zu dieser Einsicht ist kein Mensch, sondern ein Computer gelangt. Genauer gesagt stammt sie von der derzeit mächtigsten künstlichen Intelligenz im Bereich der Sprachschöpfung: dem Generative Pretrained Transformer 3 (GPT-3). Dieses System ist in der Lage, alle möglichen Arten von Texten zu schreiben – Kurzgeschichten, Sketche und sogar Gedichte. Über eine Schnittstelle kann man sich auch mit GPT-3 austauschen, ihm/ihr Fragen stellen oder mit ihm/ihr diskutieren.

Braucht es also uns Menschen bald gar nicht mehr, um gute Storys zu schreiben? Ganz so einfach ist die Sache nicht. Auf absehbare Zeit sind wir Menschen in vielen Dingen der Maschine überlegen. Mit komplexen Situationen können wir oft besser umgehen und sind toleranter gegenüber Fehlern. Doch KI holt nicht nur auf. Sie nimmt uns auch schon an vielen Stellen die Arbeit ab oder macht Dinge, zu denen wir gar nicht in der Lage wären. Erst das Zusammenspiel von Mensch und Maschine setzt das ganze Potenzial frei und schafft einen echten Mehrwert. Das gilt auch für den Einsatz von KI beim Storytelling.

experte Geschichten aus dem Marketing

B2B Storytelling - ein Leitfaden mit echten Beispielen

Storytelling lebt von Muster-Erkennung

Storytelling ist längst fester Bestandteil des B2B Content-Marketing. Es basiert auf der Einsicht, dass es angesichts der weiter wachsenden Informationsflut immer wichtiger wird, die Aufmerksamkeit des Menschen zu gewinnen. Und in diesem Kampf um Aufmerksamkeit gibt es keinen Unterschied zwischen B2C und B2B. Unsere Wahrnehmung beruht auf Mustern, die wir vor rund 40.000 Jahren erlernt haben. Da spielt es keine Rolle, ob wir im privaten oder geschäftlichen Umfeld handeln. Als unsere Vorfahren noch am Lagerfeuer saßen, waren Geschichten das zentrale Element, um zu lernen, sich auszutauschen und zu organisieren. Darauf ist unser Gehirn seither trainiert und genau das machen wir uns heute in der Kommunikation zunutze. Die Hirnforschung hat nachgewiesen, dass Geschichten gleich mehrere Hirnregionen aktivieren, das Erleben intensiver wird und damit auch die Aufmerksamkeit wächst.

Gutes Storytelling lebt von unserer Fähigkeit, Muster zu erkennen. Das ist etwa die oft zitierte Heldenreise, die den Aufbau vieler Geschichten bestimmt: Jemand geht hinaus in die Welt, wird in einen Kampf verwickelt und geht daraus manchmal siegreich und meist klüger hervor. Nach diesem Grundmuster sind viele Geschichten aufgebaut. Storytelling ist aber noch viel mehr: Muster erkennen wir auch, wenn sich Geschichten ähneln, wenn sie sich verändern oder wenn sie sich auf andere Geschichten beziehen. Das bildet den Kontext der Geschichte. Eine Geschichte kommt ja nie allein, sie ist eingewoben in ein Geflecht von anderen Erzählungen.

Die richtigen Themen finden

Das ist wichtig, wenn wir uns dem Thema nähern. Denn um im B2B-Storytelling erfolgreich zu sein, müssen wir wissen, welche Geschichten in den Köpfen unserer Zielgruppen sind, was ihnen wichtig ist und wie sie über bestimmte Dinge denken. Das ist im B2B schwieriger als im Consumer-Bereich, da in der Regel die Zielgruppen viel kleiner und weniger Informationen verfügbar sind.

Doch die digitale Transformation spielt uns hier in die Hände. Durch die Vielzahl an digitalen Quellen und insbesondere die Explosion der Social-Media-Kanäle ist es möglich, Nischenthemen und kleine Gruppen zu identifizieren und mehr über deren Einstellungen und Denken zu erfahren.

An dieser Stelle können uns Maschinen eine Menge Arbeit abnehmen. Aufgrund der schieren Menge an Daten geht das oft nur noch mit Verfahren der KI, vor allem mit dem sogenannten Machine Learning und einem Zweig davon, dem Deep Learning. Mit diesen Technologien lassen sich relevante Themen und wichtige Player identifizieren. Wenn ich etwa den Einsatz von Robotern in Fabriken analysieren möchte, dann sind möglicherweise Begriffsfelder wie Automation und Kollaboration relevant. Automation bedeutet, dass Maschinen Arbeiter überflüssig machen, beim Thema Kollaboration geht es darum, wie die Zusammenarbeit von Mensch und Maschine künftig aussehen wird. Durch das Auswerten von Artikeln, Posts und Kommentaren lassen sich dann die Fragen beantworten: Bei wem ist das Thema Automatisierung positiv besetzt? An welcher Stelle gibt es Widerstände? Wer nutzt welche Argumente? Auf welchen Kanälen sind sie aktiv? Auf diese Weise kann ich den Kontext eines Themas viel besser verstehen und relevante Player, also auch mögliche Influencer, identifizieren und auch Einstellungen zu diesen Themenbereichen herausfinden.

Die passenden Tools wählen

Es gibt inzwischen eine Menge Tools, die uns bei der Analyse dieser Themenfelder unterstützen können. Zwei Gruppen sind in diesem Bereich besonders relevant: Suchmaschinen- und Content-Marketing-Tools. Zur ersten Gruppe zählen Tools wie Ahrefs, Google Trends und Sistrix. Diese funktionieren in der Regel nicht mit KI, sondern sind in erster Linie riesige Crawler, die das Internet nach Suchbegriffen durchforsten und die Relevanz dieser Begriffe auswerten.

Anders sieht das bei der zweiten Gruppe aus, den Content-Marketing-Tools. Je nach Ausrichtung umfassen sie nicht nur Online- und Social-Media Kanäle, sondern auch Print, Radio und TV. Um die enorme Menge an Texten zu analysieren, zu clustern und in Themenfelder zu strukturieren, werden hier Verfahren des Machine Learning eingesetzt. Einige dieser Tools bieten auch eine sogenannte Sentiment-Analyse. Das heißt, dass darüber auch Einstellungen zu bestimmten Themenbereichen analysiert werden können (mehr Tools habe ich hier zusammengestellt).

Diese Tools nutzen externe Daten in großem Umfang. Viele Unternehmen verfügen darüber hinaus über interne Datenquellen, die sie erfolgreich nutzen: Daten aus CRM-, ERP- und Shopsystemen, aus Social-Media-Kanälen, Websites und Newslettern. Die richtige Fragestellung und Datenstrategie vorausgesetzt, kann ich hier mit passenden Tools mehr über die Interessen und Einstellungen meiner Zielgruppen sowie deren Verhalten erfahren. KI steckt inzwischen auch in den Verfahren, mit denen sich Content bewerten lässt. Das Magazin Focus hat mit dem sogenannten „Constructive Score“ eine Metrik eingeführt, mit der sich Artikel bewerten und weiter optimieren lassen. Ähnliches gibt es auch auf Unternehmensseite. So setzt Siemens mit dem „Impact Score“ eine Metrik ein, die Inhalte aus verschiedenen Kanälen vergleichbar macht. Solche Verfahren eignen sich vor allem für große Unternehmen und solche, die sehr viel Content produzieren.

Vorhersagen treffen

Die meisten Tools helfen uns bei der Exploration, der ersten Stufe der analytischen Verfahren, bei denen sich KI einsetzen lässt (siehe Abbildung – die Systematik stammt vom Datenstrategie-Berater Datentreiber). Einen Schritt weiter gehen Tools, die uns nicht nur bei der Diagnose helfen, sondern auch Vorhersagen treffen. Sie sind in der Regel speziell auf einzelne Fragestellungen und Datenpools hin ausgerichtet. Auf diese Weise lassen sich Vorhersagen etwa für Trendthemen oder für das Verhalten von Kunden entlang der Customer Journey treffen. Diese Verfahren gibt es nicht mehr von der Stange. Und sie brauchen vor allem Daten aus dem eigenen Ökosystem.

Als dritte Stufe lassen sich sogenannte präskriptive Verfahren anwenden. In Sachen Storytelling helfen sie uns bei der Optimierung von Inhalten. Sie schreiben keine Texte, aber verbessern unsere Headlines und machen Vorschläge für zielgruppengerechte Sprache in Artikeln, Blogbeiträgen und Newslettern. Sie sollen die Öffnungsraten von Newslettern sowie die Klickraten und die Suchmaschinenrelevanz von Beiträgen verbessern. Da sie speziell auf die Zielgruppen eingelernt werden müssen, ist das mit entsprechendem Aufwand verbunden. Der Vorteil: je mehr ich sie nutze, desto besser werden diese Verfahren.

Autonome Systeme schließlich handeln ohne menschliches Zutun. Dazu zählen Recommendation Engines, bekannt etwa von Amazon, und Marketing-Automation Tools. Für das Storytelling relevant sind hier aber vor allem automatisiert erstellte Texte zum Beispiel für Product Information Management (PIM)-Systeme. Retresco bietet hier eine automatisierte Lösung, mit der sich Texte auf verschiedene Zielgruppen und Kanäle wie etwa Onlineshops und Produktkataloge hin aussteuern lassen. So entstehen einfache Gebrauchstexte mit zielgruppengenauer Ausrichtung, aber keine großen Geschichten.

gesponsertContent Marketing

B2B Content Marketing – Studien, Trends & Tipps

Konkrete Anwendungsfälle entwickeln

Für das Entwickeln und Schreiben der großen Storys werden wir Menschen noch eine ganze Weile gebraucht. Selbst eine so mächtige KI wie GPT-3 wird das in absehbarer Zeit nicht schaffen. Aber richtig eingesetzt liefert uns KI mächtige Unterstützung für das Storytelling. Bei der Umsetzung zählt vor allem, möglichst schnell konkrete Anwendungsfälle zu entwickeln und Pilotprojekte umzusetzen. Beginnen sollten Unternehmen dabei auf den unteren Stufen der analytischen Verfahren. Hier lassen sich am besten Erfahrungen im Zusammenspiel von Mensch und Maschine sammeln. Je mehr Erfahrungen und eigene Daten vorliegen, desto weiter lässt sich der Einsatz von KI im Storytelling und im Marketing insgesamt vorantreiben.

* Dr. Hans-Wilhelm Eckert ist Autor des Buches „Storytelling mit Daten“ (Springer 2021) und Geschäftsführer der B2B-Kommunikationsberatung Momentum Communication.

(ID:47490498)