KI: Machine Learning, Generative KI & RPA als Team • Stefan Golling Konzepte

Irgendwie ist ja alles “KI”, und sie wird immer intelligenter: Das Zusammenspiel von Machine Learning, Generativer KI und Robotic Process Automation ermöglicht durchgetakte Automatisierungen, die a) auf Insights basieren und b) nicht halluzinieren. Als Entscheider (oder Anwender) wird man davon nicht viel mitbekommen, weil die großen Business-Software-Anbieter Komplettlösungen anbieten (oder anbieten werden).

In diesem Flowchart (Mermaid) siehst du eine Möglichkeit für den kombinierten Einsatz von Machine Learning, Generative KI und Robotic Process Automation in einer Marketingabteilung. Oben rechts ist der Start, mit der Datensammlung, und danach ist es ein ziemliches Ping Pong zwischen den KI-Tools.

graph TD
    A[(Datensammlung)] -->|RPA| B[Datenaufbereitung]
    B -->|ML| C[Kundenanalyse]
    B -->|ML| D[Marktsegmentierung]
    C --> E[Personalisierung]
    D --> E
    E -->|Gen AI| F[Inhaltserstellung]
    E -->|ML| G[Kanalauswahl]
    F --> H[Kampagnenerstellung]
    G --> H
    H -->|RPA| I[Kampagnenautomatisierung]
    I --> J[Kampagnenausführung]
    J -->|ML| K[Leistungsanalyse]
    K --> L[Optimierung]
    L --> A

    subgraph ML [Machine Learning]
        C
        D
        G
        K
    end

    subgraph GenAI [Generative KI]
        F
    end

    subgraph RPA [Robotic Process Automation]
        A
        I
    end

    style ML fill:#f9f,stroke:#333,stroke-width:3px
    style GenAI fill:#ff9,stroke:#333,stroke-width:3px
    style RPA fill:#9ff,stroke:#333,stroke-width:3px

Das sieht ein wenig kompliziert aus, ist es aber gar nicht.

Diese Schritte sind möglich:

Datensammlung: Der Prozess beginnt mit der Sammlung von Kundendaten und Marktinformationen. Das ist ein RPA-Thema – genauso wie die Weitergabe (und Aufbereitung) der Daten an die Analysesoftware.
Datenanalyse (ML): Machine Learning-Algorithmen analysieren die gesammelten Daten, um Muster und Erkenntnisse zu gewinnen.
Kundensegmentierung (ML): Basierend auf der Analyse werden Kunden in verschiedene Segmente eingeteilt.
Kampagnenplanung: Mit den gewonnenen Erkenntnissen wird die Marketingkampagne geplant. Das kommt generative KI ins Spiel.
Inhaltserstellung (Gen AI): Generative KI wird eingesetzt, um personalisierte Inhalte für verschiedene Kundensegmente zu erstellen.
Personalisierung (ML + Gen AI): Die Kombination aus ML und Gen AI ermöglicht eine hochgradige Personalisierung der Marketingbotschaften.
Automatisierte Auslieferung (RPA): RPA-Tools werden verwendet, um die personalisierten Inhalte automatisch über verschiedene Kanäle auszuliefern.
Performance-Analyse (ML): ML-Algorithmen analysieren die Leistung der Kampagne in Echtzeit.
A/B-Testing (ML + RPA): ML wird für die Analyse von A/B-Tests verwendet, während RPA die Tests automatisiert durchführt.
Berichterstattung (RPA): Zum Schluss erstellt RPA automatisch Berichte über die Kampagnenleistung.

Jede KI-Technologie spielt dabei ihre spezifische Rolle

ML wird hauptsächlich für Analysen und Vorhersagen eingesetzt.
Gen AI fokussiert sich auf die Erstellung von Inhalten.
RPA automatisiert repetitive Aufgaben wie die Auslieferung von Inhalten und die Berichterstattung.

In diesen Tortendiagrammen siehst du, wie unterschiedlich die “KI”-Technologien sind: Sie haben kaum Gemeinsamkeiten.

KI-Technologien im Vergleich

Machine Learning

Generative KI

Robotic Process Automation

Die Charts und Erläuterungen wurden alle mit der Unterstützung von Claude erstellt.

Über den Autor

Stefan Golling, Köln. Seit 2011 Freelance Creative Director, freier Texter, Creative Consultant und Online-Marketing-Berater mit Kunden von Mittelstand bis S&P 500. Erfahrung: 1998 mit Radiowerbung in Stuttgart gestartet, 2000 als Junior-Werbetexter zu Publicis München, 2001 Counterpart Köln, 2002 als Copywriter zu Red Cell Düsseldorf (heißt heute Scholz & Friends), dort ab 2007 Creative Director.

Kontakt aufnehmen

Artikel zu ähnlichen Themen

Gern 5 Sterne vergeben