Media Production

November 2018
Am Digital-Shift bei Farner drehte sich alles um die Auswirkungen, die AI auf die moderne Medienproduktion mit sich bringen. Am Beispiel von Adobe erhielten wir einen guten Eindruck, in welche Richtung die Branche sich bewegt. Adobe ist dabei, ihre Plattform massiv umzubauen. In Zukunft wird der Fokus nicht mehr auf einzelne Software Pakete wie Photoshop liegen, sondern eine umfassende Cloud Plattform mit Machine Learning Komponenten werden neue Workflows ermöglichen. Dank einer stärkeren Integration von Data-Analytics, kann Medienproduktion analytischer werden.

Sandro Looser zeigte, wie Adobe seine Produkte und Services auf das Schlüsselwort Kundenerlebnis (“Experience” und “Customer Journey”) ausrichtet. Bisher ist es für Unternehmen aufwendig, eine Kampagne zu konzipieren und zu begleiten, denn es gibt verschiedene Systeme und Apps, um seine Website, Social Media oder Email zu bedienen. Adobe’s Strategie ist, für seinen Kunden mit der Experience Cloud eine einzige Plattform anzubieten, um Kommunikationskampagnen zu gestalten, auszuliefern und auszuwerten. Ein wichtiger Bestandteil der Experience Cloud ist Adobe Sensei, die Machine Learning Komponente, die hilft, Unbekanntes zu entdecken, Arbeitsabläufe zu beschleunigen und Entscheidungen zu treffen (Reasoning). So kann man eine Kommunikationskampagne aufsetzen, die sich selbst optimiert. Die Plattform bestimmt beispielsweise autonom, welche Variationen einer Website an verschiedene Kundentypen ausgeliefert werden und misst, wie diese darauf reagieren, worauf es dann nur noch die besten Variationen zeigt. In Zukunft soll man die Plattform nutzen können, um beliebig viele Variationen zu generieren. Das Ziel der Experience Cloud ist, personalisierte Kundenerlebnisse automatisch und in grossem Umfang zu erstellen. Dabei ist die Machine Learning Komponente keine Blackbox, sondern zeigt, welche Attribute relevant waren. In der Schweiz setzen unter anderem UBS, SBB und Swisscom die Experience Cloud schon ein. So hat Swisscom seine Click-Through-Rate um bis zu 40% steigern können.

Für Harald Taglinger ist klar, dass mit Machine Learning generierte Kampagnen ein komplett neues Medium sind. Er beleuchtet, welche Auswirkungen ein solches System hat, das Inhalte autonom zusammenstellt, ausliefert, validiert, analysiert und optimiert. Eine so gestaltete Kampagne hat keinen Anfang und Ende, sondern läuft in einer Endlos-Schlaufe. Die Optimierung findet in Echtzeit statt. Das System ermöglicht Dinge, die ein Unternehmen nicht einmal mit 100 fleissigen Grafikern können. Ein Unternehmen kann so unendliche Variationen einer Kampagne gestalten und als Konsequenz wird auch das Ergebnis gleichermassen gesteigert. Die Kosten wie auch die Time-to-Market sinken auf 0. Aber die Diversität sinkt und das Spektrum wird schmaler, denn es ist ein konservatives System und die Variationen sind auf den Massengeschmack optimiert. Der Long Tail wird kürzer, weil das System möglichst effizient die Varianten ausliefert. Es wird wohl keine Disruptionen mehr geben und Inhalte werden “Marvelisiert”. Vielleicht heben sich dadurch punkige Nischenprodukte hervor, weil sie noch mehr aus der Masse herausfallen. Oder die dynamischen Systeme werden in Zukunft besser konzipiert, so dass sie nicht mehr wie eine Spirale das Spektrum zunehmend verengen.

Urs Bucher zeigt in einem Diagram, wie man herausfindet, ob ein System eine Machine Learning Komponente hat. Das Zentrale ist, dass ein System die Fähigkeit hat, zu entscheiden (Reasoning). Ein solches System ist damit ein Tool, uns zu helfen, schneller und besser zu werden. Manuelle, repetitive und lästige Arbeit wird abgenommen, dh, diese Arbeit, die bisher von “Pixelschubser” erledigt wurde, wird automatisiert. Aber es wird immer das Bedürfnis geben für Leute, die diese Systeme bedienen können. Dazu werden andere Profile gebraucht, die verstehen, eine Geschichte zu erzählen, mit Data-Analytics um zu gehen und die strategisch und auch ausserhalb des Spektrums denken. Wenn man die Kundenseite betrachtet, sind solche Profile in Schweizer Unternehmen ein rares Gut.

Vor nicht allzu langer Zeit war es noch schwierig zu erfahren, welche Kommunikationsmassnahme gewirkt hat. Da hörte man of Sätze wie “20% in der Kommunikation ist wirksam, aber wir wissen nicht welche 20%”. Auch Personalisierung in der Kommunikation war wichtig, doch aufwendig. Mit A/B Testing und Data-Analytics wird schnell klar, was funktioniert. Plattformen mit Machine Learning Komponenten sind nun so weit, dass man personalisierte Kommunikation effizient skalieren kann. Nun gilt es zu lernen, wie dieses neue Medium richtig eingesetzt wird.

Falls die Effizienzgewinne für Unternehmen wirklich so hoch sind wie von Adobe gezeigt, dann sind solche Systeme ein sehr mächtiges Werkzeug für solche, die es zu nutzen wissen. Allerdings muss ein Unternehmen dann verstehen, dass datenbasierte Entscheidungsprozesse effektiver und effizienter sind als komplexe Corporate Governance oder Firmenpolitik. Es ist fraglich, wieviele Schweizer Unternehmen zur Zeit fähig und gewillt sind, datenbasiert zu handeln. Da die Schweiz keine Insel ist, ist offen, wie lange man es sich leisten kann, solche Entwicklungen zu ignorieren.
Alle Themen