KI-Personalisierung im Marketing kontrolliert planen

KI-Personalisierung sollte mit genau einer überprüfbaren Entscheidung beginnen: Für welche Person oder Gruppe ist in einem bestimmten Kontext welche nächste Aktion zulässig und durch den vereinbarten Zweck gedeckt? Die Antwort besteht nicht nur aus einem Modell-Score. Sie braucht feste Zulässigkeitsregeln, einen klaren Datenzweck, erlaubte Aktionen, Ausschlüsse, eine neutrale Standardoption und eine eigene Messung. Erst wenn diese Entscheidung auf einem Blatt erklärt werden kann, ist ein begrenzter Pilot sinnvoll.

Personalisierung ist eine Entscheidung, kein Dekor

Der Name in einer Begrüssung allein ist noch keine belastbare Personalisierungsstrategie. Umgekehrt muss die empfohlene nächste Aktion (Next Best Action) nicht für jede einzelne Person anders ausfallen. Sie kann beispielsweise aus drei freigegebenen Informationswegen wählen oder bewusst keine Aktion empfehlen. Entscheidend ist, dass der Auswahlraum vorab begrenzt wurde und das System nicht eigenmächtig neue Angebote, Versprechen oder Kontaktwege erfindet.

Formulieren Sie den Anwendungsfall als Entscheidungssatz: «Wenn ein Datensatz für Zweck A zulässig ist, keine Ausschlussregel greift und Kontext B vorliegt, darf das System aus den freigegebenen Optionen C wählen; fehlen die nötigen Daten, gilt Option D als neutrale Standardoption.» Damit werden fünf Dinge sichtbar: Zweck, Zulässigkeit, Kontext, erlaubte Auswahl und Standardoption. «Customer Experience mit KI verbessern» benennt keines davon und ist deshalb noch kein umsetzbarer Auftrag.

Erst eine kleine Zielgruppe und einen klaren Entscheidungspunkt wählen

Ein guter Einstieg ist weder die gesamte Customer Journey noch ein dauerhaftes Echtzeitversprechen. Wählen Sie eine klar abgegrenzte Situation, in der sich dieselbe Frage wiederkehrend stellt, und legen Sie vorab fest, welche Optionen zur Verfügung stehen und woran der Erfolg gemessen wird. Denkbar ist die Reihenfolge von Hilfsinhalten nach einem ausdrücklich gewählten Thema. Ein hypothetisches Beispiel: Nach der Auswahl «Einrichtung» darf eine Website eine Kurzanleitung, eine Checkliste oder die neutrale Startseite zeigen; bei unklarem Zustand erscheint die Startseite. Das Beispiel legt lediglich freigegebene Antwortoptionen fest, nicht ein bereits nachgewiesenes Ergebnis der Personalisierung, und es werden weder ein realer Kunde noch ein Ergebnis behauptet.

Notieren Sie, wer überhaupt in Frage kommt. Zulässigkeit ist mehr als technische Erreichbarkeit. Dazu gehören Zweckkompatibilität, Kanalstatus, Alter der Information, Ausschlusslisten, bereits erreichte Ziele und gegebenenfalls eine gültige Einwilligung. Eine Person, deren Datensatz im System vorhanden ist, ist nicht automatisch für jede Analyse oder Ansprache zulässig. Die Zulässigkeitsprüfung muss vor der Modellentscheidung liegen und deterministisch nachvollziehbar sein.

Daten nach Zweck statt nach Verfügbarkeit auswählen

Viele Personalisierungsprojekte starten mit der Frage, welche Daten vorhanden sind. Besser ist die umgekehrte Reihenfolge: Welche minimale Information ist für diese konkrete Entscheidung notwendig? Ein explizit gewähltes Thema kann ausreichen, während vollständige Kontakt- oder Verhaltenshistorien unnötig wären. Der EDÖB-Leitfaden betreffend Datenbearbeitungen mittels Cookies und ähnlichen Technologien (Version 1.1) verlangt für Cookies und ähnliche Technologien eine zweckbezogene, transparente und verhältnismässige Prüfung. Er lässt sich nicht pauschal auf jeden Kanal übertragen, stützt aber die Frage, ob jedes verfügbare Signal für den beschriebenen Zweck wirklich notwendig ist.

Für jedes Eingabefeld braucht es einen Namen, eine Quelle, einen Zweck, einen Aktualitätsstatus und eine verantwortliche Person. Abgeleitete Merkmale werden separat markiert. Ein Feld wie «hohes Interesse» ist keine Beobachtung, sondern eine Interpretation. Das Team muss wissen, wie das Merkmal entstanden ist und wann es verfällt. Fehlende Werte dürfen nicht still durch vermeintlich plausible Annahmen ersetzt werden.

Personalisierung kann Profiling oder eine automatisierte Einzelentscheidung berühren. Ob eine konkrete Verarbeitung darunter fällt und welche Schutzmassnahmen gelten, hängt vom Einzelfall ab. Der EDÖB betont Transparenz über Zweck, Funktionsweise und Datenquellen sowie eine Möglichkeit zur menschlichen Überprüfung bei relevanten automatisierten Einzelentscheidungen. Bei voraussichtlich hohem Risiko ist zu klären, ob eine Datenschutz-Folgenabschätzung notwendig ist. Das ist eine Prüffrage, keine pauschale Diagnose für jeden Anwendungsfall.

Die erlaubte Auswahl absichtlich klein halten

Das Modell sollte nicht aus dem gesamten Marketinginventar frei kombinieren. Definieren Sie eine Positivliste erlaubter Aktionen und eine Negativliste. Zur Positivliste gehören nur fachlich und rechtlich geprüfte Varianten mit stabilen Kennungen. Die Negativliste kann Preisänderungen, Rabattversprechen, sensible Themen, neue Kontaktkanäle oder Aussagen ohne freigegebene Quelle enthalten. So wird aus einem offenen Generierungsproblem eine begrenzte Auswahlentscheidung.

Auch die Wirkung einer Aktion ist zu klassifizieren. Eine interne Empfehlung ist weniger eingriffsintensiv als eine automatisch versendete Nachricht. Ein sortierter Hilfebereich ist anders zu beurteilen als ein individuell veränderter Preis. Für den ersten Pilot sollte die Ausgabe reversibel sein und möglichst zunächst nur als Vorschlag erscheinen. Eine fachlich zuständige Rolle sieht Eingaben, Begründung, gewählte Option und Fallback, bevor eine externe Wirkung zugelassen wird.

Die neutrale Standardoption ist Teil des Produkts

Eine neutrale Standardoption ist kein technischer Fehlerzustand, sondern eine bewusst entworfene Kundenerfahrung. Sie greift, wenn Daten fehlen, sich Quellen widersprechen, das Modell ausserhalb der erlaubten Optionen antwortet, die Konfidenz unzureichend ist oder eine Sperre aktiv wird. Die Standardoption kann eine neutrale Hilfeseite, keine Nachricht oder eine manuelle Prüfaufgabe sein. «Trotzdem irgendetwas anzeigen» ist keine sichere Strategie.

Definieren Sie zudem Kontaktausschlüsse und Stoppsignale. Ein Widerruf, eine Beschwerde oder ein überschrittenes Kontaktlimit blockiert die davon betroffene Kontaktart oder Verwendung; eine unabhängige neutrale Hilfeseite bleibt davon unberührt. Das System darf den gleichen Vorschlag nicht endlos wiederholen. Jede Aktion erhält deshalb eine Gültigkeit, eine maximale Frequenz und einen Zustand, der sie beendet. Diese Regeln bleiben ausserhalb des Modells und werden protokolliert.

Korrekturen und Gruppenunterschiede sichtbar machen

Eine fachliche Prüfung sollte nicht nur einzelne Empfehlungen lesen, sondern auch wiederkehrende Muster suchen. Wie oft fällt das System je definierter Gruppe auf die neutrale Standardoption zurück? Welche Eingaben fehlen besonders häufig? Welche Option wird von Prüfenden korrigiert, und aus welchem Grund? Solche Unterschiede können auf Datenlücken, ungeeignete Merkmale oder eine schlecht gewählte erlaubte Auswahl hinweisen. Sie sind ein Anlass zur Untersuchung, nicht automatisch ein Beweis für Benachteiligung oder Modellqualität.

Betroffene Informationen müssen korrigierbar bleiben. Wird eine Quelle berichtigt oder ein Status widerrufen, darf die nächste Entscheidung nicht weiter auf einer alten Ableitung beruhen. Definieren Sie deshalb Aktualisierungsfristen und einen Weg, abgeleitete Merkmale neu zu berechnen oder zu löschen. Für jeden Pilot bestimmt eine benannte Rolle, welche Auffälligkeit eine Pause auslöst und wer die Ursache prüft. So wird Qualitätskontrolle zum laufenden Prozess statt zu einer einmaligen Modellabnahme.

Transparenz für Betroffene und für das Team

Transparenz hat zwei Ebenen. Betroffene Personen brauchen angemessene, zugängliche Informationen darüber, wie ihre Daten bearbeitet werden und wie sie Auskunft, Berichtigung oder Löschung verlangen können. Das interne Team braucht eine Prozessspur: Welche Datenversion wurde verwendet? Welche Regel machte den Datensatz geeignet? Welche Optionen standen zur Wahl? Wurde eine Empfehlung geprüft, ausgeliefert oder verworfen? Ohne diese Spur lassen sich weder ein Fehler erklären noch Auskunfts-, Berichtigungs- oder Löschungsbegehren zuverlässig beantworten.

Bei Cookies, Drittzugriff oder kanalübergreifendem Tracking muss die konkrete Konfiguration gesondert geprüft werden. Die aktualisierten Hinweise des EDÖB zeigen, dass personalisierte Werbung mit Drittzugriff und intensives, standort- oder websiteübergreifendes Profiling besondere Risiken auslösen können. Daraus folgt keine universelle Consent-Regel für jede Form der Personalisierung. Es folgt aber, dass ein Projekt die Datenflüsse nicht unter dem Sammelbegriff «Optimierung» verstecken darf. Die Hinweise stützen eine Prüfung von Zweck und Verhältnismässigkeit sowie die Unterscheidung zwischen gewöhnlichem und besonders riskantem Profiling.

Wirkung mit einem Vergleich statt mit Aktivität messen

Ein Modell kann viele Empfehlungen erzeugen, ohne die Customer Experience zu verbessern. Trennen Sie deshalb Betriebsmetriken von Wirkung. Betriebsmetriken sind etwa Anteil geeigneter Fälle, Fallback-Quote, Prüfquote, Fehlergründe und Zeit bis zur Entscheidung. Sie zeigen, ob der Prozess stabil läuft. Klicks, hilfreiche Aufgabenerledigung, qualifizierte Anfragen oder Kundenzufriedenheit sind Ergebnisgrössen und brauchen eine eigene Definition.

Vor einem Pilot wird eine Hauptmetrik gewählt, nicht nachträglich die schönste Zahl. Ergänzen Sie Schutzmetriken: Abmeldungen, Beschwerden, häufige manuelle Korrekturen und unerwartete Gruppenunterschiede. Wenn möglich, bleibt eine zufällig zugewiesene Kontrollgruppe bei der neutralen Standardoption. Eine solche Kontrollgruppe kann einen kausalen Effekt auf die vorab bestimmte Klickmetrik stützen; eine höher beobachtete Klickrate allein belegt jedoch weder Kausalität noch langfristigen Nutzen.

Mit synthetischen Fällen und Schattenbetrieb beginnen

Testen Sie zunächst mit konstruierten Beispielen: vollständiger zulässiger Fall, fehlendes Pflichtfeld, widersprüchliche Signale, aktive Sperre, veraltete Daten und unerlaubte Ausgabe. Für jeden Fall steht vorab fest, ob das Ergebnis «nicht geeignet», «Fallback», «Review» oder «freigegebene Option» lauten muss. Ein Test gilt erst als bestanden, wenn auch der Protokolleintrag und das Stoppsignal stimmen.

Danach kann ein Schattenbetrieb Empfehlungen erzeugen, ohne die sichtbare Erfahrung zu verändern. Das Team prüft, welche Regeln fehlen und welche Daten nicht verlässlich sind. Erst eine begrenzte Stufe zeigt freigegebene Varianten an. Jede Ausweitung braucht erneut Zweck-, Risiko-, Qualitäts- und Messprüfung. Ein erfolgreich laufender kleiner Pilot ist keine automatische Erlaubnis, mehr Daten, Kanäle oder autonome Aktionen einzubeziehen. Beispiele für sichtbares Website-Verhalten in diesem Artikel sind hypothetisch und kein Kundenresultat.

Die Entscheidung vor der Technologie festhalten

Eine Personalisierungsentscheidung ist pilotbereit, wenn Zweck, zulässige Gruppe, minimale Eingaben, erlaubte Aktionen, Ausschlüsse, neutrale Standardoption, Freigaberolle, Messplan und Stoppsignale vollständig benannt sind. Fehlt ein Punkt, ist die nächste Aufgabe eine fachliche Klärung und nicht die Auswahl eines Modells.

Wie maitiq hilft: Zuerst eine relevante Variante, dann mehr Komplexität

Ein überschaubarer Pilot prüft, ob wiederkehrende Besucher auf ihr erklärtes Interesse eine passendere Antwort erhalten. Beginnen Sie mit transparenten, freigegebenen Segmenten und zwei fachlich geprüften Varianten. Unbekannte Merkmale dürfen nicht durch vermeintliches Wissen über einzelne Personen ersetzt werden.

Prüfen Sie Aufgabenabschluss, qualifizierte Kontakte und Beschwerden gegenüber einer unveränderten Vergleichsgruppe. maitiq kann Zielbild, Variantenlogik und Auswertung mit Ihrem Team erarbeiten. Datenzugriff, Ausspielung und Integration werden vor der Umsetzung konkret geklärt; Personalisierung ist kein pauschales Versprechen des Google-Ads-Produkts.

Wie ein erster Pilot mit maitiq beginnt

Eine begrenzte Vorabklärung zeigt, welcher Personalisierungsfall eng genug ist und wie Datenminimierung, Test und die Grenzen des späteren Betriebs aussehen sollen. Für ein vereinbartes Pilotprojekt halten wir den Projektumfang, die offenen Daten- und Kontrollfragen, den Pilotplan und die Kriterien für einen späteren Betrieb fest.

Entscheidungsregel: Personalisieren Sie nur, wenn Zweck, Datenquelle, zulässige Verwendung, Fallback und Wirkungsmessung vor dem Test feststehen.

Quellen und Einordnung

Die beiden Quellen sind unten verlinkt. Der Leitfaden des EDÖB betreffend Datenbearbeitungen mittels Cookies und ähnlichen Technologien (Version 1.1, englischsprachige Fassung) beschreibt die Prüfung von Cookies und ähnlichen Technologien nach Zweck, Transparenz und Verhältnismässigkeit; er ist die Grundlage für die Abschnitte zu Datenminimierung und Transparenz. Die Seite des EDÖB zu KI und Datenschutz ordnet Transparenz über Zweck, Funktionsweise und Datenquellen sowie die menschliche Überprüfung automatisierter Einzelentscheidungen ein. Als Behördenquellen ersetzen beide keine Prüfung des konkreten Falls.

Lassen Sie Ihren konkreten Fall von maitiq prüfen.