Unser Weg mit Adobe AI führte uns von prädiktiver Intelligenz über die generative Erstellung bis hin zu Agent-basierten Systemen, die mit Absicht handeln.Auf diesem Weg hat Adobe AI die Art und Weise verändert, wie wir Personalisierung skalieren, Produktivität optimieren und Innovationen vorantreiben.Hier erfahren Sie, was wir gelernt haben, was nötig war, um an diesen Punkt zu gelangen, und was als Nächstes kommt.

Einführung

KI ist kein futuristisches Schlagwort mehr, sondern der Motor für moderne Personalisierung, Produktivität und Skalierung.In der Tourismus- und Unterhaltungsbranche, bei der Präzision und Skalierbarkeit von entscheidender Bedeutung sind, haben viele Unternehmen mit Funktionen prädiktiver KI in Adobe Analytics und Adobe Target begonnen.Auf dieser Basis wurde die Einführung auf generative KI durch Tools wie den KI-Assistenten in Adobe Experience Platform ausgeweitet und schreitet nun in Richtung Agent-basierte KI-Funktionen innerhalb und außerhalb von Adobe Experience Platform voran.Dabei haben sich wichtige Lehren in Bezug auf Einführung, Governance und Innovation ergeben.Diese Erkenntnisse sind für jedes Unternehmen, das eine KI-gestützte Strategie für digitale Erlebnisse entwickelt, von zunehmender Bedeutung.

KI-Grundlagen

Adobe Analytics und Adobe Target waren unsere Ausgangspunkte für KI-gestütztes Marketing.Analytics lieferte prädiktive Erkenntnisse durch die Erkennung von Anomalien, Beitragsanalysen und Prognosen, während Target die Personalisierung durch Automatisierung von Targeting, Personalisierung und Empfehlungen praktisch umsetzte.

Diese Fähigkeiten legten den Grundstein für das Vertrauen in KI und demonstrierten den ROI auf vielfältige Weise:

• Effizienzgewinne: Verringerung des manuellen Aufwands, der erforderlich ist, um Erkenntnisse zu gewinnen oder Inhalte zu optimieren.
• Umsatzsteigerung: Messbare Verbesserungen bei Konversionen und durchschnittlichem Bestellwert durch personalisierte Erlebnisse.
• Auswirkungen auf das Kundenerlebnis: Schnellere, relevantere Interaktionen, die die Kundenbindung und -zufriedenheit verbessern.

Diese Ergebnisse zeigten den greifbaren geschäftlichen Nutzen prädiktiver KI und trugen dazu bei, das Vertrauen der Stakeholder in die Ausweitung auf fortgeschrittenere Anwendungsfälle zu stärken.

Anleitung: 3 erste Schritte zur Nutzung von KI in Adobe Analytics und Adobe Target

1. Beginnen Sie im Kleinen mit der Erkennung von Anomalien und der Beitragsanalyse in Adobe Analytics, um KI-gestützte Erkenntnisse zu validieren.
2. Nutzen Sie die automatische Personalisierung in Adobe Target, um für alle Besuchenden die beste Inhaltsvariante bereitzustellen, dynamisch optimiert durch prädiktive KI.
3. Verfolgen Sie die Wirkung und den ROI von automatischem Targeting und Empfehlungen, um frühzeitig greifbare Auswirkungen auf das Geschäft zu zeigen.

Der Sprung zu generativer KI mit dem KI-Assistenten in Adobe Experience Platform

Der eigentliche Wendepunkt kam, als wir Adobe Experience Platform (AEP) einführten und mit dem KI-Assistenten von Adobe begannen, der auf generativer KI basiert.Der Assistent erwies sich schnell als mehr als nur eine Neuerung und wurde zu einem täglichen Produktivitätswerkzeug in allen Teams.

Darum haben wir den KI-Assistenten eingeführt

Die Entscheidung für den Einsatz des KI-Assistenten ergab sich aus drei Bedürfnissen:

1. Schnellere Erkenntnisse: Benutzende aus dem Analyse- und Geschäftsbereich benötigten schnelle Antworten aus komplexen Datensätzen, ohne Abfragen manuell schreiben zu müssen.
2. Barrierefreiheit: Adobe Experience Platform ist leistungsstark, kann aber auf technisch nicht versierte Benutzende einschüchternd wirken.Eine natürlichere Art der Interaktion mit Daten und Erkenntnissen durch dialogorientierte Abfragen hilft dabei, diese Barriere zu senken.
3. Onboarding: Bei Neueinstellungen und Rollenwechseln war es zeitaufwendig, Teams in Adobe Experience Platform produktiv zu machen.Der KI-Assistent konnte als interaktiver „Coach“ dienen, der bei der Erkundung anleitet.

Erste Anwendungsfälle und deren Entwicklung

• Onboarding und Unterstützung: Neue Benutzende verwenden den KI-Assistenten als „geführten Coach“, um Datensätze zu erkunden, XDM-Schemata zu verstehen und die Funktionen der Plattformanwendungen (Real-Time CDP, Customer Journey Analytics und Adobe Journey Optimizer) praktisch zu erlernen.Anstatt die Dokumentation nur passiv zu lesen, können sie fragen: „Welche Metriken für die Kampagnenleistung gibt es?“ oder „Wie kann ich Trends bei den Interaktionen der Zielgruppe analysieren?“ Durch diesen interaktiven Ansatz konnte die Einarbeitung von Monaten auf Wochen verkürzt werden.
• Fehlerbehebung und Datenuntersuchung: Zu Beginn half der KI-Assistent den Benutzenden dabei, fehlende Felder oder inkonsistente Datendefinitionen zu verstehen.Heute validiert er auch Abfragen, deckt Anomalien auf und gibt Empfehlungen, um genauere Erkenntnisse zu ermöglichen.

Best-Practice-Tipps für die Verwendung des KI-Assistenten bei Abfragen in natürlicher Sprache

• Ermutigen Sie neue Benutzende, den KI-Assistenten als ersten Ratgeber zu betrachten, der ihnen hilft, Daten zu erkunden und die Plattformfunktionen interaktiv zu erlernen.
• Bereiten Sie eine Reihe von Einstiegs-Prompts vor, um typische Abfragen und bewährte Verfahren zu demonstrieren.
• Kombinieren Sie die Nutzung des KI-Assistenten mit strukturierten Sitzungen zur Unterstützung – diese Kombination führt am schnellsten zu Akzeptanz und schafft Vertrauen.

Wichtige Ergebnisse

• Benutzende aus dem Analyse- und Geschäftsbereich erhalten schneller verwertbare Erkenntnisse, da die Zeit für Abfragen und Berichte von Tagen auf Minuten reduziert wird.
• Benutzende ohne technischen Hintergrund gewannen Vertrauen in die direkte Arbeit mit Adobe Experience Platform, ohne auf Analyse-Teams angewiesen zu sein.
• Neue Mitarbeitende wurden 2- bis 3-mal schneller eingearbeitet, wodurch sich die Belastung für die leitenden Team-Mitglieder verringerte.

Die Vorteile lagen auf der Hand: Die Teams wurden effizienter, Adobe Experience Platform wurde zugänglicher und Abfragen in natürlicher Sprache ermöglichten es Benutzenden aller Funktionen, mit minimalem Aufwand Daten zu erkunden und Erkenntnisse zu gewinnen.

Die Einführung hatte aber auch ihre Herausforderungen:

• Angst und Missverständnisse: Die Rechts- und Compliance-Teams befürchteten anfangs, dass Gastdaten, wenn sie mit einem KI-Modell verwendet werden, nach außen gelangen oder von einem anderen Unternehmen wiederverwendet werden könnten.Um diese Bedenken auszuräumen, waren eine klare Dokumentation der Datennutzung, eine transparente Architektur und eine kontinuierliche Schulung erforderlich.
• Vertrauens- und Akzeptanzhürden: Innerhalb des Unternehmens befürchteten viele, dass KI das menschliche Urteilsvermögen ersetzen oder ihre Kontrolle einschränken könnte.Wir mussten betonen, dass KI ein Hilfsmittel ist, kein Ersatz – wir begannen mit KI als Assistent, nicht als Ersatz.
• Probleme bei der Datenbereitstellung: Unsere Technologie-Teams mussten feststellen, dass generative KI nur so gut ist wie die Daten, mit denen sie arbeitet.Bereinigte, gut orchestrierte 360°-Daten sind unerlässlich, um genaue Ergebnisse und verlässliche Erkenntnisse zu erzielen.Die Ebene der einheitlichen Profile und die zentralisierte Datenplattform von AEP halfen dabei, diese Herausforderung zu meistern.

Nachdem diese Hürden erkannt und beseitigt waren, wurden die Vorteile unbestreitbar.

Die neue Ära der Agent-basierten KI

Generative KI ist schon sehr leistungsfähig, doch Agent-basierte KI stellt die nächste Stufe dar.Anstatt nur auf Prompts zu reagieren, ermöglicht Agent-basierte KI die autonome Ausführung und Orchestrierung mehrstufiger Workflows – von der Strategieentwicklung über die Segmenterstellung und Personalisierung bis hin zur Überprüfung der Datenqualität. Es ist eine Verlagerung von „assistiver“ zu „kollaborativer Automatisierung“: GenAI antwortet auf Fragen und generiert Inhalte, während Agent-basierte KI mehrere Aufgaben koordiniert, Abhängigkeiten verwaltet und komplexe Workflows entsprechend definierter Ziele ausführt.

Unsere Erkundung umfasst derzeit Folgendes:

1. Adobe Experience Platform Agent Orchestrator – ermöglicht Agents die Zusammenarbeit bei mehrstufigen Marketing-Workflows.
2. Zielgerichtete Agents in Adobe Experience Platform – spezialisierte Agents für Segmentierung, Aktivierung und Erkenntnisse.
3. Adobe GenStudio und Firefly – Generierung personalisierter, markensicherer Inhalte im benötigten Umfang.

Außerhalb der Plattform von Adobe evaluieren wir auch Agent-basierte KI für Datenqualität, Identitätsauflösung und Personalisierungsstrategien, um sicherzustellen, dass KI über die gesamte Customer Journey hinweg funktioniert.

Die Erstellung einer Kampagne erfordert heute oft mehrere Übergaben: Die Datentechnik bereitet die Zielgruppe vor, Marketing entwirft die Inhalte und Operations verwaltet die Aktivierung.In naher Zukunft kann ein koordinierter Satz von Prozessen Agent-basierter KI diese Schritte nahtlos ausführen, wodurch manuelle Übergaben reduziert werden.Diese Verlagerung ermöglicht es den Teams, sich stärker auf die Strategie und die kreative Entscheidungsfindung zu konzentrieren, und verkürzt die Time-to-Market von mehreren Monaten auf wenige Tage.

Anleitung: 3 vorbereitende Schritte für Agent-basierte KI

1. Frühzeitige Einbindung der Rechts- und Sicherheits-Teams: Dokumentieren Sie die Architektur, die Workflows und die Datennutzung und weisen Sie nach, dass Vorschriften, Datenschutz und Sicherheitsvorkehrungen beachtet werden.
2. Definieren Sie die Rollen und Zuständigkeiten der Agents: Legen Sie fest, welche Prozesse oder Workflows jeder Agent verwaltet (z. B. Segmentierung, Inhaltserstellung, Optimierung und Validierung), und stellen Sie so die Ausrichtung auf die Unternehmensziele sicher.
3. Testen Sie zunächst begrenzte Workflows: Beginnen Sie mit kleinen, kontrollierten Experimenten, bevor Sie die Orchestrierung auf das gesamte Unternehmen ausweiten, und leiten Sie die ersten Ergebnisse weiter, um Vertrauen und Verständnis zu schaffen.

GenAI und Agent-basierte KI: Was ist der Unterschied?

Wichtigste Erkenntnis: GenAI hilft, Dinge schneller zu tun; Agent-basierte KI hilft, Dinge zu tun, die vorher nicht möglich waren.

Gewonnene Erkenntnisse und Ausblick

Auf unserem Weg haben wir einige wichtige Erkenntnisse gewonnen:

• Mit kleinen und risikoarmen Pilotprojekten starten: KI als Assistent, nicht als Ersatz. Der Mensch bleibt eingebunden und behält die Kontrolle.
• Mit den KI-Grundlagen beginnen, um Vertrauen zu schaffen, zeigen, wie KI in Unternehmensqualität die Sicherheit von Daten gewährleistet und der Schutz der Privatsphäre intakt bleibt; dann auf generative KI und Agent-basierte KI erweitern.Vertrauen schaffen durch messbare Ergebnisse, bevor das Projekt skaliert wird.
• Die automatisierte Personalisierung in Adobe Target ist einer unserer stärksten ROI-Treiber, der durchgängig messbare Verbesserungen bei gleichzeitiger Reduzierung des manuellen Aufwands liefert.Außerdem wird das Vertrauen der Beteiligten gestärkt, da schnell greifbare Ergebnisse erzielt werden.
• Architektur, Datennutzung und Praktiken der gemeinsamen Nutzung klar und deutlich dokumentieren und die Unterstützung der Rechts- und Sicherheits-Teams sichern.Compliance-Leitplanken festlegen, einschließlich Datenschutz, geistiges Eigentum und Data Governance, bevor auf sensible Anwendungsfälle skaliert wird.
• ROI auf breiter Basis messen: Nicht nur in Dollar, sondern in Form von Produktivitätssteigerungen, schneller Markteinführung und kreativem Output, der durch KI-Tools ermöglicht wird.

Entwicklung der KI-Fähigkeiten verstehen

• GenAI beschleunigt Aufgaben wie Inhaltserstellung, Segmentierung und Analyse.
• Agent-basierte KI geht über die Beschleunigung hinaus und führt zu einer autonomen Orchestrierung, die mehrstufige Workflows umsetzt, Agents koordiniert und Kampagnen kontinuierlich optimiert.Dieser Wandel ermöglicht es den Teams, sich auf Strategie, Kreativität und Innovation zu konzentrieren und gleichzeitig die Zeit bis zur Markteinführung von Monaten auf nur wenige Tage zu verkürzen.

Mit Blick auf die Zukunft sehen wir, dass Agent-basierte KI nicht nur die Produktivität verändern wird, sondern auch die Art und Weise, wie Erlebnisse gestaltet, orchestriert und bereitgestellt werden.Koordinierte Agents verwalten Zielgruppen, Inhalte und Aktivierung nahtlos, sodass Marketing-Teams mehr Zeit für strategische Planung und kreative Innovation haben.

Mein Rat an Kolleginnen, Kollegen und Fachleute ist einfach: Betrachtet KI als Partner, nicht nur als Werkzeug.Fangt klein an, teilt Erfolge und bereitet euch auf eine Agent-gestützte Zukunft vor.