Volltext-Downloads (blau) und Frontdoor-Views (grau)

Determinanten für Investitionen in KI - Eine empirische Analyse am Beispiel von Voicebots

  • Aufgrund intelligenter Softwares für die Prozessautomatisierung ist es möglich die regelbasierten Geschäftsprozesse zwischen den geschäftlichen Anwendungen mit Robotern zu automatisieren. Ob Amazon Alexa oder Apple Siri – Sprachassistenten in privaten Haushalten in Deutschland sind keine Seltenheit mehr. Einer Bitkom-Studie zufolge sind derzeit Sprachassistenten bei Privathaushalten in Deutschland sehr beliebt (vgl. Klöss 2021, S. 23). Aus diesem Grund ist das Thema der Spracherkennung und -verarbeitung mithilfe von künstlicher Intelligenz (KI) auch bei den Unternehmen im Bereich des Kundendienstes angekommen. Dazu zählt der allseits bekannte textbasierte Chatbot, der auf jeglichen Internetseiten eines Unternehmens implementiert ist. Um diverse Kundenservices erreichen zu können, greift man im Alltag oft auf die klassischen Chatbots zurück. Aufgrund der ähnlichen Konstruktion stellt dies im Hinblick auf die Voicebots ein hochrelevantes und zukunftsorientiertes Thema dar. Aktuell werden im telefonischen Kundenservice häufig „Interactive-voice-response (IVR)“-Systeme eingesetzt (s. Anhang B). Jedoch erfüllt ein IVR-System nicht die gleichen menschlichen Bedürfnisse wie der direkte, synchrone und persönliche Kontakt zum Unternehmen, der bei einem Voicebot der Fall ist. Ein weiterer positiver Aspekt des Voicebot-Systems ist die Fähigkeit, dass der Kunde1 das Gespräch führen kann und er somit eine kleine Machtposition hat. Durch den auffallenden Kostenvorteil einer Automatisierung der telefonischen Kundenbetreuung ist das Thema für eine Investition äußerst interessant und von hoher Bedeutung. Doch wie ist das alles in der heutigen Zeit möglich? Durch die „Big-Data-Welle“, den Aufschwung des Internets auf Smartphones und die steigende Rechenleistung, die vor einigen Jahrzehnten noch unrealisierbar waren, bewirkte die KI einen wiederholten Durchbruch (vgl. Culotta/Hartmann/Ten- Cate 2020, S. 5). Auf dieser Grundlage folgte auch die Entfaltung der künstlichen neuronalen Netze (KNN). Anhand derer waren Systeme in der Lage, ohne mathematische Rechnungen und vordefinierte Regeln selbstständig zu lernen. Dies ermöglichte den Einsatz der automatisierenden Spracherkennung (vgl. dsb.). Daher untersucht diese Arbeit die Fragestellung, inwiefern sich der Einsatz eines Voicebots in der Kundenbetreuung aus wirtschaftlicher Perspektive lohnt. Das Ziel ist herauszuarbeiten, ob sich der Einsatz von Voicebots für Unternehmen eher lohnt, als dass traditionell ein realer Mitarbeiter im Kundenservice eingesetzt wird. Ein weiteres Ziel dieser Arbeit ist, falls sich der Einsatz lohnt einen Voicebot zu implementieren, zu bestimmen inwiefern sich der Einsatz lohnt. Zudem ist die Zielsetzung hier zu ermitteln, 1 Aus Gründen der besseren Lesbarkeit wird in der vorliegenden Arbeit auf die gleichzeitige Verwendung der Sprachformen männlich, weiblich und divers (m/w/d) verzichtet. Sämtliche Personenbezeichnungen gelten gleichermaßen für alle Geschlechter. 2 für welche Unternehmen der Voicebot eine rentable Investition wäre. Dabei wird die Unternehmensgröße nach dem Kundenvolumen bestimmt. Das erwartete Ergebnis der Analyse ist, dass eine Einführung eines Voicebot umso eher stattfindet, je größer das Unternehmen ist. Die Kundenservicestrukturen sind in ihrer Komplexität recht einfach. Somit lässt sich begründen, dass auf Grundlage von eigenen plausiblen Annahmen eine Investitionsrechnung mithilfe von fünf „Key-performance-indicator“ (KPI) zu ermitteln ist. Durchgeführt wird eine quantitative Forschung. Dabei erfolgte zum einen eine Simulationsanalyse und zum anderen eine empirische Arbeit. Überdies war die Vorgehensweise induktiv, wodurch neue Erkenntnisse in diesem Forschungsgebiet gewonnen werden konnten. Die erforderlichen Daten für die Simulationsanalyse wurden anhand von standardisierten Fragebögen erhoben. Dabei wurden drei Voicebot- Anbieter auf dem deutschen Markt angefragt, die unabhängig voneinander dieselben Fragen beantwortet haben. Jedem Unternehmen lag der gleiche Fragebogen vor und der Zeitraum der Umfrage betrug ungefähr einen Monat. Die Daten wurden erhoben, um diese zu einem späteren Zeitpunkt für die KPI weiterverarbeiten zu können. Abschließend wurde die These im fünften Kapitel mithilfe einer statistischen Methode überprüft und anschließend mithilfe des Kontingenzkoeffizienten die Stärke des Zusammenhangs zwischen den zwei nominalen Merkmalen – Kommunikationskanal und Unternehmensgröße nach Kundenzahl – ermittelt. Die eigene empirische Analyse wurde mittels telefonischer Anfrage an 99 Unternehmen durchgeführt und in Form von drei Tabellen in Microsoft Excel erfasst. Die Tabellen veranschaulichen, welche Unternehmen welchen Kommunikationskanal im Kundenservice derzeit eingesetzt haben. Dabei wurden die 99 Unternehmen nach Kundenzahl in drei Kategorien – wenige Kunden, mittelviele Kunden und viele Kunden – unterteilt. Die vorliegende Arbeit ist folgendermaßen aufgebaut. Sie beginnt mit der Einleitung, in der das Forschungsgebiet und die Fragestellung eingegrenzt werden, die Motivation der Forschung und die Zielsetzung und die Vorgehensweise aufgeführt werden. Das zweite Kapitel beginnt mit den Kommunikationskanälen, die in deutschen Unternehmen speziell im Kundenservicebereich verwendet werden. Im Hauptteil des zweiten Kapitels ist die Analyse der grundlegenden Literatur zum Thema KI. Außerdem geht es im letzten Teil des zweiten Kapitels darum wie ein Voicebot aufgebaut ist. Zudem wird im letzten Teil ein Überblick über den Markt im Hinblick auf den Voicebot verschafft. Anschließend folgt das dritte Kapitel, das den theoretischen Rahmen beinhaltet und der Vorgehensweise zur Beantwortung der Forschungsfrage dient. Anschließend wird im vierten Kapitel die Analyse anhand der fünf KPI durchgeführt. Zuletzt wird ein Indikator, der die Stärke des Zusammenhangs zwischen den Kommunikationskanälen und der Kundenzahl aufzeigt, dargelegt. Dabei wird das vierte Kapitel und das fünfte Kapitel mit einer Datengrundlage eingeleitet, da die erhobenen Daten für die Durchführung der Analyse essenziell sind. Am Ende des vierten Kapitels wurden die zentralen Ergebnisse der Analyse zusammengefasst. In 3 Kapitel 5 geht es um die aufgestellte These, die anhand von einer eigenen empirischen Analyse untermauert und überprüft wird. Dabei wird diese entweder verifiziert oder falsifiziert. Anschließend wird der statistische Zusammenhang der beiden nominalen Variablen bestimmt. Im Schlussteil dieser Arbeit wird die Forschungsfrage ein wiederholtes Mal aufgestellt, um alle nennenswerten Informationen auf einem Blick darzustellen. Anschließend werden die wichtigsten Ergebnisse aus der Arbeit vorgestellt und mittels dieser Ergebnisse wird die Forschungsfrage beantwortet. Im abschließenden Teil der gesamten Arbeit wird eine kritische Reflexion der Arbeit und der weitere Forschungsbedarf bestimmt

Download full text files

Export metadata

Additional Services

Search Google Scholar

Statistics

frontdoor_oas
Metadaten
Author:Zarina Varufac
URN:urn:nbn:de:hbz:1393-opus4-7694
Document Type:Bachelor Thesis
Language:German
Year of Completion:2022
Release Date:2022/07/29
Institutes:Fachbereich 2 - Wirtschaftsinstitut
DDC class:300 Sozialwissenschaften / 330 Wirtschaft
Licence (German):License LogoNo Creative Commons