Am ausverkauften Swiss Insights Talk zum Thema «#Insights generieren mit #AI: Möglichkeiten und Grenzen» haben wir gelernt, dass…
💡Migros dank eines komplexen Recommender Systems rund 2 Mio. personalisierte Recommends ausspielen kann, das Instandhalten eines solchen Systems aber anspruchsvoll ist
💡 Die Bodennutzung und -bedeckung mit Millionen von Stichprobenpunkten mithilfe von AI ausgewertet wird, was bei hoher Qualität eine grosse Zeitersparnis ist
💡 die automatisierte Klassifizierung offener Kommentare bei klassischen Marktforschungsstudien eine grosse Zeitersparnis ist. Dass sich aber nicht alle Themenbereiche für eine Automatisierung gleich gut eignen
💡 «Silicon Samples» für Pretests oder zur Stimuli-Generierung durchaus ihre Berechtigung haben, es für Hauptstudien aber sehr wohl kritische Punkte gibt.
Fazit
🔑 KI bildet eine Hilfe bei repetitiven Aufgaben
🔑 KI ist in der Praxis ressourcenintensiv
🔑 Der Mensch muss ein zentrales Element in diesem Prozess bleiben, um Fehlentwicklungen zu vermeiden.
Vielen Dank Sven Kohler (Migros-Genossenschafts-Bund), Gillian Milani (Bundesamt für Statistik BFS), Maurice Gonzenbach (Caplena), Simon Bühler (Swisscom) und Steffen Mueller (ZHAW Zürcher Hochschule für Angewandte Wissenschaften) für die inspirierenden Referate sowie Irina Brandenberger für die hervorragende Moderation.
Danke an die Eventpartner
Ein grosses Dankeschön geht an unsere Eventpartner Caplena, GIM Suisse AG, intervista AG , Marketagent.com Schweiz AG und TX Group AG und an alle Teilnehmenden!
Präsentationen
Die freigegebenen Präsentationen werden in Kürze aufgeschaltet:
- ML für personalisiertes Einkaufserlebnis – Sven Kohler
(Präsentation nicht verfügbar) - Arealstatistik Deep Learning: Zuverlässigkeit & Anwendbarkeit – Gillian Milani
(Download Präsentation) - Quantifizierung offener Nennungen durch LLMs – Maurice Gonzenbach und Simon Bühler
(Präsentation auf Anfrage) - Können LLMs Probanden ersetzen? – Prof. Dr. Steffen Mueller
(Download Präsentation)
