KI & Produktkonfiguration für intelligente Datenanreicherung

Ausgangslage: Datenmenge trifft auf Kostenproblem

Für die Lösung wurde eine KI-Anwendung entwickelt und zunächst mit rund 50 Adressen getestet. Die KI wurde dabei nicht auf eine allgemeine Auswertung trainiert, sondern gezielt mit den Kriterien angereichert, die für die Segmentierung relevant waren, wie z.B. welche Merkmale für einen Premiumkunden sprechen, welche zusätzlichen Informationen für die Bewertung notwendig sind und welche Segmente unterschieden werden sollen.

Im Testbetrieb funktionierte die automatisierte Analyse zuverlässig. Beim Hochrechnen auf den vollständigen Datenbestand zeigte sich jedoch ein Kostenproblem: Die externe Recherche über KI-Modelle verursachte bei einer Abfrage von rund 60 Cent pro angereicherter Adresse Gesamtkosten, die bei 140.000 Datensätzen wirtschaftlich nicht vertretbar waren.

Lösungsansatz: KI und bestehende Systemlogik kombinieren

An diesem Punkt kam die Logik-Engine des CPQ-Systems ePOS ins Spiel. Anstatt sämtliche Informationen für jede Adresse vollständig über externe KI-Abfragen zu ermitteln, wurde vorhandenes Wissen und vorhandene Berechnungslogik aus ePOS genutzt. Die Aufgaben wurden dadurch klar aufgeteilt:

• ePOS übernimmt die Recherche und die Bewertungslogik auf Basis bestehender Regeln.
• Die KI übernimmt gezielt die Datenanreicherung dort, wo strukturierte Logik allein nicht ausreicht.

Diese Kombination war der entscheidende Hebel: Durch das Zusammenspiel aus KI und ePOS-Logik-Engine sanken die Kosten für die Anreicherung von rund 60 Cent auf rund 0,1 Cent pro Adresse.

Ergebnis: Strukturierte Daten statt KI-Blackbox

Am Ende des Prozesses steht keine unstrukturierte KI-Ausgabe, sondern das, was im Unternehmen tatsächlich benötigt wird: eine strukturierte und angereicherte Excel-Liste mit allen 140.000 Adressen. Diese lässt sich nach den definierten Kriterien weiterbearbeiten und für die gezielte Ansprache des neuen Premiumsegments nutzen.

Was der Case Study zugrunde liegt

Der Anwendungsfall zeigt exemplarisch, wo die Kombination aus KI und einem bestehenden System wirtschaftlich sinnvoll ist: KI muss nicht jede Aufgabe vollständig selbst übernehmen. Sie übernimmt in diesem Szenario genau den Teil, bei dem sie ihre Stärke ausspielen kann – die Anreicherung unstrukturierter Informationen. Die bestehende Logik aus ePOS liefert dagegen die deterministische, bereits vorhandene Bewertungsgrundlage. Das Ergebnis ist eine skalierbare Datenanreicherung mit deutlich geringeren Kosten und 140.000 nutzbaren Datensätzen als Basis für die weitere Vertriebsarbeit.

Für Unternehmen mit großen, historisch gewachsenen Adress- oder Kundendatenbeständen liefert der Fall ein übertragbares Muster: Statt KI-Abfragen pauschal auf den gesamten Datenbestand anzuwenden, lohnt sich die Prüfung, welcher Anteil der Aufgabe bereits über bestehende Systemlogik abgedeckt werden kann. Die KI wird dann gezielt dort eingesetzt, wo sie tatsächlich Mehrwert schafft – nicht als Ersatz für vorhandene Logik, sondern als Ergänzung.