Was ist ein Chatbot?

Chatbots auf Basis von generativer KI erreichen heute bereits beeindruckende Ergebnisse – doch das ist gerade erst der Anfang. Die nächste Generation wird noch weiterführende Funktionen bieten, da sie gängige Sprache und komplexe Anfragen immer besser verstehen, sich noch authentischer an den Gesprächsstil des Benutzers anpassen und bei der Beantwortung von Benutzerfragen ein höheres Level an Empathie zeigen können. Wirtschaftsführer können diesen Zukunftstrend ganz klar erkennen: 85 % der Führungskräfte geben an, dass generative KI in den nächsten zwei Jahren direkt mit den Kunden interagieren wird, wie in der Studie The CEO's guide to generative AI study vom IBV dargelegt. Eine KI-gestützte Lösung der Unternehmensklasse kann Unternehmen in die Lage versetzen, den Self-Service zu automatisieren und die Entwicklung außergewöhnlicher Benutzererlebnisse zu beschleunigen.

Klassische FAQ-Chatbots müssen aktuell mühsam mit Antworten auf bestimmte Fragen vorprogrammiert werden. Dieser Ansatz generiert einen hohen Arbeitsaufwand und stößt dennoch häufig an seine Grenzen. Mit einem modernen Ansatz lässt sich diese Herausforderung ganz einfach umgehen: Es ist leichter und zeitsparender, generative KI in Kombination mit der Wissensdatenbank eines Unternehmens zu verwenden, um Antworten auf ein breiteres Spektrum von Fragen automatisch zu generieren. Das Wissen und die Erfahrung, die ein Unternehmen im Laufe der Zeit angesammelt hat, kann so effektiv zum Einsatz gebracht werden, um wiederkehrende Probleme automatisch zu lösen und Mitarbeiter zu entlasten.

Während dialogorientierte intelligente Chatbots die Fragen oder Kommentare eines Benutzers verdauen und eine menschenähnliche Antwort generieren können, gehen generative intelligente Chatbots noch einen Schritt weiter und generieren neue Inhalte als Output. Diese neuen Inhalte können Texte, Bilder und Töne von hoher Qualität enthalten, die auf den Large Language Models (LLMs) basieren, welche ihre Trainingsgrundlage darstellen. Chatbot-Schnittstellen mit generativer KI können Inhalte als Antwort auf die Anfrage eines Benutzers erkennen, zusammenfassen, übersetzen, vorhersagen und erstellen, ohne dass ein menschlicher Eingriff erforderlich ist.

Selbstlernende, generative KI-Chatbots der Unternehmensklasse, die mit einem Produkt mit dialogorientierter KI erstellt wurden, verbessern sich kontinuierlich und automatisch selbst. Sie verwenden Algorithmen, durch die sie automatisch aus vergangenen Interaktionen lernen, wie sie Fragen am besten beantworten und die Gesprächsführung verbessern können. Ähnlich wie ein neuer Mitarbeiter, der im Laufe der Zeit immer vertrauter mit den individuellen Abläufen und dem spezifischen Know-how eines Unternehmens wird, lernt auch ein Chatbot kontinuierlich dazu – allerdings mit der Fähigkeit, direkt von Anfang an auf einen umfassenden Datenpool zugreifen zu können. Das bedeutet: Ein korrekt eingerichteter selbstlernender Chatbot ist bereits zu Beginn eine wertvolle Ergänzung, wird aber mit der Zeit immer besser in dem, was er tun soll. Er steigert seinen Wert also konstant selbst.

Chatbots können Benutzern das Auffinden von Informationen erleichtern, indem sie sofort auf Fragen und Anfragen in Form von Texteingabe, Audioeingabe oder beidem reagieren, ohne dass menschliches Eingreifen oder manuelle Recherchen erforderlich sind.

Chatbot-Technologien sind heute allgegenwärtig, von intelligenten Lautsprechern in den eigenen vier Wänden über in SMS, WhatsApp und Facebook Messenger integrierte Dienste für Verbraucher bis hin zu Messaging-Anwendungen am Arbeitsplatz wie Slack. Die neueste Entwicklungsstufe der KI-Chatbots, die häufig als „intelligente virtuelle Assistenten“ oder „virtuelle Agenten“ bezeichnet werden, kann nicht nur freie, natürliche Unterhaltungen durch die Verwendung ausgefeilter Sprachmodelle verstehen, sondern auch relevante Aufgaben automatisieren. Neben bekannten intelligenten virtuellen Assistenten für den Verbraucherbereich – wie Siri von Apple, Alexa von Amazon, Gemini von Google und ChatGPT von OpenAI – werden virtuelle Agenten auch zunehmend im Unternehmenskontext eingesetzt, um Kunden und Mitarbeiter zu unterstützen.

Um die Leistungsfähigkeit der Anwendungen zu erhöhen, die ein Unternehmen bereits nutzt, können gut konzipierte Chatbots in die entsprechende Software integriert werden. So kann beispielsweise ein Chatbot als produktiver, anpassbarer Knotenpunkt zu Microsoft Teams hinzugefügt werden, in dem Inhalte, Tools und Mitglieder zusammenfinden, um zu chatten, sich zu treffen und effizient zusammenzuarbeiten. Hier automatisieren Chatbots Arbeitsabläufe und bieten schnelle Antworten auf Anfragen, deren Bearbeitung durch einen Mitarbeiter üblicherweise einige Zeit in Anspruch nehmen würde. So entlasten sie das gesamte Team und fügen sich durch ihre durchgehende Verfügbarkeit und nahtlose Einbindung perfekt in die Anwendungen ein, mit denen die Mitarbeiter bereits vertraut sind.

Um das Potenzial der vorhandenen Daten eines Unternehmens vollständig auszuschöpfen, können auf Unternehmen abgestimmte Chatbots in wichtige Systeme integriert werden und Workflows innerhalb und außerhalb eines CRM-Systems orchestrieren. Chatbots können so in Echtzeit routinemäßige Aktionen wie das Ändern eines Passworts oder sogar komplexe, mehrstufige Workflows verarbeiten, die Aktionen in mehreren Anwendungen umfassen. Darüber hinaus können mithilfe der Konversationsanalyse Erkenntnisse aus Gesprächen in natürlicher Sprache gewonnen werden, die in der Regel zwischen Kunden und Unternehmen über Chatbots und virtuelle Assistenten stattfinden.

Künstliche Intelligenz kann auch ein mächtiges Werkzeug für die Entwicklung von dialogorientierten Marketing-Strategien sein. Auch hier bieten sich zahlreiche potenzielle Anwendungsfälle. Intelligenter Chatbots sind rund um die Uhr für die Kundenbetreuung verfügbar und können Erkenntnisse über das Engagement und die Kaufmuster deiner Kunden gewinnen, um interessantere Gespräche zu führen und einheitlichere und personalisierte digitale Erlebnisse über deine Web- und Messaging-Kanäle hinweg zu bieten.

Die ersten Chatbots waren im Wesentlichen interaktive FAQ-Programme, die sich auf eine begrenzte Anzahl allgemeiner Fragen mit vorformulierten Antworten stützten. Diese grundlegenden Bots waren nicht dazu in der Lage, natürliche Sprache zu interpretieren. Die Abhängigkeit von häufig gestellten Fragen führte dazu, dass Benutzer aus einfachen Stichwörtern und Ausdrücken wählen mussten, um die Unterhaltung voranzutreiben. Solche rudimentären, traditionellen Chatbots können weder komplexe Fragen verarbeiten noch einfache Fragen beantworten, die nicht von den Entwicklern vorhergesehen wurden. Dadurch konnten gewünschte Effekte wie eine höhere Kundenzufriedenheit und eine Entlastung des Support-Teams häufig nur in begrenztem Maße erzielt werden. Während diese Technologie also bereits erste Erfolge erzielen konnte, waren weiterhin tiefgreifende Verbesserungen notwendig.

Im Laufe der Zeit wurden Chatbot-Algorithmen um umfassendere Funktionen erweitert, was eine komplexere regelbasierte Programmierung und sogar die Verarbeitung natürlicher Sprache ermöglichte. Dies erlaubte es Kunden, ihre Anfragen auf eine alltägliche Weise im Rahmen einer Unterhaltung zu formulieren. So entstand eine neue Art von Chatbot, der kontextbewusst agiert und mit Machine Learning ausgestattet ist, um seine Fähigkeit zur korrekten Verarbeitung und Vorhersage von Anfragen durch den fortlaufenden Kontakt mit menschlicher Sprache kontinuierlich zu optimieren.

Moderne KI-Chatbots verwenden heute Natural Language Understanding (NLU), um die Bedeutung von Benutzereingaben in Freiform zu erkennen und dabei zusätzliche erschwerende Faktoren von Tippfehlern bis hin zu Übersetzungsproblemen zu überwinden. Fortschrittliche KI-Tools ordnen diese Bedeutung dann der spezifischen „Absicht“ zu, auf die der Chatbot reagieren soll, und verwenden dialogorientierte KI, um eine angemessene Antwort zu formulieren. Diese KI-Technologien nutzen sowohl Machine Learning als auch Deep Learning – verschiedene Elemente der KI mit einigen nuancierten Unterschieden –, um eine zunehmend granulare Wissensdatenbank mit Fragen und Antworten zu entwickeln, die von Benutzerinteraktionen informiert werden. Diese Raffinesse, die sich auf die jüngsten Fortschritte im Bereich der Large Language Models (LLMs, auch große Sprachmodelle) stützt, hat zu einer höheren Kundenzufriedenheit und vielseitigeren Chatbot-Anwendungen geführt.

Die Zeit, die für die Entwicklung eines KI-Chatbots benötigt wird, hängt vom verwendeten Technologie-Stack und den Entwicklungstools, der Komplexität des Chatbots, den gewünschten Funktionen, der Datenverfügbarkeit und davon ab, ob eine Integration mit anderen Systemen, Datenbanken oder Plattformen notwendig ist. Mit einer benutzerfreundlichen No-Code/Low-Code-Plattform können KI-Chatbots noch schneller erstellt werden.

Die Begriffe Chatbot, KI-Chatbot und virtueller Agent werden häufig austauschbar verwendet, was zu Verwirrung führen kann. Die Technologien, auf die sich diese Begriffe beziehen, sind zwar eng verwandt, allerdings führen feine Unterschiede zu wichtigen Unterschieden in ihren jeweiligen Fähigkeiten.

Chatbot ist der umfassendste und allgemeingültigste Begriff. Jede Software, die menschliche Gespräche simuliert, unabhängig davon, ob sie durch traditionelle, starre Navigation durch Decision Trees oder modernste dialogorientierte KI unterstützt wird, ist ein Chatbot. Chatbots sind in fast jedem Kommunikationskanal zu finden, von Navigationsbäumen bei Hotlines über automatische Antworten in den sozialen Medien bis hin zu bestimmten Apps und Websites.

KI-Chatbots sind Chatbots, die eine Vielzahl von KI-Technologien einsetzen. So kommen unter anderem häufig Machine Learning – bestehend aus Algorithmen, Funktionen und Datensätzen – zur kontinuierlichen Optimierung der Antworten sowie Natural Language Processing (NLP) und Natural Language Understanding (NLU), zum Einsatz, um Benutzerfragen genau zu interpretieren und sie bestimmten Absichten zuzuordnen. Deep-Learning-Funktionen ermöglichen es KI-Chatbots, mit der Zeit immer präziser zu reagieren, was wiederum Menschen ermöglicht, auf natürlichere und fließende Weise mit KI-Chatbots zu interagieren, ohne missverstanden zu werden.

Virtuelle Agenten sind eine Weiterentwicklung von KI-Chatbot-Software, die nicht nur dialogorientierte KI zum Führen von Dialogen und Deep Learning zur eigenen Verbesserung im Laufe der Zeit nutzt, sondern diese KI-Technologien oft mit Robotic Process Automation (RPA) in einer zentralen Schnittstelle kombiniert, um direkt auf die Absichten des Benutzers zu reagieren, ohne dass weitere menschliche Eingriffe erforderlich sind.

Um die Unterschiede zu verdeutlichen, stellen Sie sich vor, ein Benutzer interessiert sich für das morgige Wetter. Bei einem herkömmlichen Chatbot kann der Benutzer die spezifische Phrase „Nenn mir die Wettervorhersage“ verwenden. Der Chatbot sagt, dass es regnen wird. Eine abweichende Fragestellung würde er allerdings nicht verstehen und keine zufriedenstellende Antwort liefern. Mit einem KI-Chatbot kann der Benutzer eine freie Formulierung wie „Wie sieht das Wetter von morgen aus?“ verwenden. Der Chatbot interpretiert diese Frage richtig und sagt, dass es regnen wird. Mit einem virtuellen Agenten kann der Benutzer „Wie sieht das Wetter von morgen aus?“ fragen, und der virtuelle Agent sagt nicht nur den morgigen Regen voraus, sondern bietet auch an, den Wecker früher zu stellen, um regenbedingte Verzögerungen im morgendlichen Berufsverkehr zu berücksichtigen.

Verbraucher nutzen KI-Chatbots für viele verschiedene Aufgaben, von der Interaktion mit mobilen Apps bis hin zur Verwendung von speziell entwickelten Geräten wie intelligenten Thermostaten und Küchengeräten. Die Einsatzmöglichkeiten für Unternehmen sind ebenso vielfältig: Marketingfachleute nutzen KI-gestützte Chatbots, um Kundenerlebnisse zu personalisieren und E-Commerce-Abläufe zu rationalisieren. IT- und HR-Teams können Mitarbeitern mit Chatbots den Self-Service ermöglichen und Kontaktzentren verwenden sie zur Optimierung der eingehenden Kommunikationen und zur Weiterleitung ihrer Kunden zu den passenden Ressourcen.

Dialogorientierte KI-Chatbots können sich an Gespräche mit Benutzern erinnern und diesen Kontext in ihre Interaktionen einbeziehen. In Kombination mit Automatisierungsfunktionen wie z. B. der Robotic Process Automation (RPA) können Benutzer komplexe Aufgaben direkt durch ihre Interaktion mit dem Chatbot erledigen. Sollte ein Benutzer dennoch unzufrieden sein und mit einem echten Menschen sprechen wollen, kann die Übertragung nahtlos erfolgen. Im Anschluss daran kann der Live-Support-Agent den gesamten Chatbot-Konversationsverlauf einsehen und hat so direkt einen vollen Überblick über die Situation.

Auch die dialogorientierten Benutzeroberflächen können variieren. KI-Chatbots werden häufig in Social-Media-Messaging-Apps, eigenständige Messaging-Plattformen, proprietäre Websites und Apps und sogar in Anrufsysteme integriert (wo sie auch als integrierte Sprachantwort oder Integrated Voice Response (IVR) bezeichnet werden).

Typische Anwendungsfälle sind:

• Zeitnahe, rund um die Uhr verfügbare Unterstützung für Kundenservice oder Personalfragen.

• Personalisierte Empfehlungen in einem E-Commerce-Kontext.

• Bewerben von Produkten und Dienstleistungen mit Chatbot-Marketing.

• Definieren von Feldern in Formularen und finanziellen Anwendungen.

• Aufnahme und Planung von Terminen für Büros im Gesundheitswesen.

• Automatisierte Erinnerungen für zeit- oder ortsbezogene Aufgaben.

Die Fähigkeit von KI-Chatbots, natürliche menschliche Sprache genau zu verarbeiten und basierend darauf einen personalisierten Service zu automatisieren, schafft klare Vorteile für Unternehmen und Kunden zugleich.

Vor dem Aufkommen von Chatbots erforderten alle Kundenfragen, -anliegen oder -beschwerden, egal in welchem Umfang, eine menschliche Antwort. Natürlich treten zeitnahe oder sogar dringende Kundenprobleme manchmal außerhalb der Geschäftszeiten, am Wochenende oder während eines Feiertags auf. Aber die Besetzung von Kundenservice, um unvorhersehbare Nachfragen rund um die Uhr zu erfüllen, ist ein kostspieliges und schwieriges Unterfangen.

Chatbots sind heute in der Lage, Kundeninteraktionen rund um die Uhr zu verwalten und dabei die Qualität der Antworten kontinuierlich zu verbessern, während gleichzeitig die Kosten niedrig gehalten werden. Chatbots automatisieren Workflows und entlasten Mitarbeiter von sich wiederholenden Aufgaben. Ein Chatbot kann auch lange Wartezeiten für den telefonischen Kundensupport oder noch längere Wartezeiten für den E-Mail-, Chat- und webbasierten Support vermeiden, da er sofort für eine beliebige Anzahl von Benutzern gleichzeitig verfügbar ist. Das ist ein großartiges Benutzererlebnis – und zufriedene Kunden zeigen eher Markentreue.

Ein Kundensupport-Center Tag und Nacht zu besetzen, erzeugt in der Regel hohe Kosten. Auch die Zeit, die für die Beantwortung sich wiederholender Anfragen aufgewendet wird (und die Schulung, die erforderlich ist, um diese Antworten einheitlich zu gestalten), ist kostspielig. Viele ausländische Unternehmen bieten die Auslagerung dieser Dienste an, doch dies ist mit erheblichen Kosten verbunden und verringert die Kontrolle über die Interaktion einer Marke mit ihren Kunden.

Ein Chatbot hingegen kann problemlos 24 Stunden am Tag, sieben Tage in der Woche Fragen beantworten. Er kann als neue erste Anlaufstelle für den Support fungieren, den bereits vorhandenen Support in Spitzenzeiten ergänzen oder mühsame wiederkehrende Fragen übernehmen, damit sich die menschlichen Mitarbeiter auf komplexere Probleme konzentrieren können. Chatbots können dazu beitragen, die Anzahl der Benutzer, die menschliche Hilfe benötigen, zu reduzieren. So können Unternehmen ihre Mitarbeiterschaft effizienter skalieren, um eine erhöhte Nachfrage oder Anfragen außerhalb der Geschäftszeiten zu erfüllen.

Chatbots können bei der Lead-Generierung helfen und die Konversionsraten verbessern. Ein Kunde, der sich auf einer Website nach einem Produkt oder einer Dienstleistung umsieht, könnte zum Beispiel Fragen zu verschiedenen Funktionen, Eigenschaften oder Plänen haben. Ein Chatbot kann diese Antworten umgehend bereitstellen, um den Kunden zur Kaufabwicklung zu bewegen. Bei komplexeren Käufen mit einem mehrstufigen Verkaufstrichter kann ein Chatbot Fragen zur Lead-Qualifizierung stellen und den Kunden sogar direkt mit einem geschulten Vertriebsmitarbeiter verbinden.

Jeder Vorteil eines Chatbots kann auch ein Nachteil sein, wenn man die falsche Plattform, Programmierung oder Daten verwendet. Herkömmliche KI-Chatbots können einen schnellen Kundenservice bieten, haben aber Einschränkungen. Viele dieser Chatbots verlassen sich auf regelbasierte Systeme, die Aufgaben automatisieren und vordefinierte Antworten auf Kundenanfragen liefern.

Neuere Chatbots mit generativer KI können Sicherheitsrisiken mit sich bringen, wie etwa die Gefahr von Datenlecks, mangelhafter Vertraulichkeit und Haftungsbedenken, Problemstellungen im Zusammenhang mit geistigem Eigentum, unvollständiger Lizenzierung der Quelldaten sowie Unsicherheiten in Bezug auf Datenschutz und die Einhaltung internationaler Gesetze. Falls es an geeigneten Eingabedaten mangelt, besteht die Gefahr der „Halluzination“. Darunter versteht man ungenauen, irrelevanten oder sogar faktisch inkorrekte Antworten, die den Kunden veranlassen, das Gespräch auf einen anderen Kommunikationskanal zu verlagern.

Es können auch Sicherheitsrisiken und die Gefahr von Datenlecks entstehen, wenn sensible Informationen Dritter oder interner Unternehmen in einen Chatbot mit generativer KI eingegeben werden. Da Eingabedaten zum Training des Datenmodells des Chatbots verwendet werden, kann es auch dazu kommen, dass diese an andere weitergegeben werden, sofern sie entsprechende Fragen stellen. Daher werden KI-Chatbots auch zunehmend Angriffsziele böswilliger Akteure, die aktiv versuchen, mit geschickt formulierten Prompts an sensible Daten zu gelangen. Dies könnte zu Datenlecks führen und gegen die Sicherheitsrichtlinien eines Unternehmens verstoßen. Umso wichtiger ist es, sich für eine robuste Lösung zu entscheiden, die gegen derartige Problemstellungen vorgeht, und wichtige Daten durch eine korrekte Konfiguration zu schützen.

Die Wahl des richtigen Chatbot-Produkts kann sich sowohl für Unternehmen als auch für Benutzer auszahlen. Die Benutzer profitieren von einem sofortigen, stets verfügbaren Support, während Unternehmen ihre Erwartungen besser erfüllen können, ohne kostspielige personelle Umstrukturierungen vornehmen zu müssen.

Ein E-Commerce-Unternehmen könnte zum Beispiel einen Chatbot einsetzen, um Kunden, die sich im Internet umsehen, detailliertere Informationen über die Produkte zu liefern, die sie sich ansehen. Die Personalabteilung eines Unternehmens könnte einen Entwickler damit beauftragen, einen Chatbot zu entwickeln, der Mitarbeitern einen integrierten Zugriff auf alle ihre Self-Service-Leistungen ermöglicht. Und Softwareentwickler möchten vielleicht einen KI-Chatbot direkt in ihr komplexes Produkt integrieren.

Hier sind fünf Best Practices und Tipps, wenn Sie sich für einen Chatbot entscheiden.

1. Entscheiden Sie sich für eine Lösung, mit der Sie unmittelbare Ziele erreichen können, die aber zukünftige Erweiterungen nicht einschränkt. Warum wünscht sich ein Team einen eigenen Chatbot? Wie wird dieses Ziel derzeit angegangen und welche Herausforderungen ergeben sich aus dem Bedarf an einem Chatbot? Bietet die gewählte Lösung Vorlagen, die Unternehmen dabei helfen, ihr Chatbot-Angebot in Zukunft zu erweitern und zu diversifizieren, oder müssten andere Teams dafür einen von Grund auf neuen Ansatz entwickeln? Ermöglicht die Oberfläche ein besseres Chatbot-Design? Lässt die Preisgestaltung eine effiziente interne Expansion zu?
   
   
2. Verstehen Sie, welche Auswirkungen KI auf die Customer Experience hat. Chatbots spiegeln Marke selbst wider. Die richtige KI kann nicht nur genau verstehen, was Kunden brauchen und wie sie ihre Bedürfnisse äußern, sondern auch auf eine menschlich wirkende Art und Weise reagieren, die ein gutes Licht auf ein Unternehmen wirft. Ohne die richtigen KI-Tools ist ein Chatbot nur eine glorifizierte FAQ.
   
   
3. Fragen Sie, was nötig ist, um Chatbots über einen längeren Zeitraum zu entwickeln, zu trainieren und zu verbessern. Benötigt das Unternehmen lediglich einen simplen, vorgefertigten Ansatz oder einen anspruchsvollen API-Zugriff für eine benutzerdefinierte Implementierung? KI trainiert sich nicht selbst. Unternehmen müssen sich darüber im Klaren sein, welche Inhalte vorgefertigt sind und welche intern erstellt werden müssen. Einige Chatbots bieten die Möglichkeit, historische Chatprotokolle und Transkripte zu verwenden, um diese Zielsetzungen aufzubauen, was Zeit spart. Chatbots, die maschinelles Lernen verwenden, können ihre Antworten auch im Laufe der Zeit automatisch anpassen und verbessern.
   
   
4. Suchen Sie nach Möglichkeiten, bestehende Investitionen zu ergänzen, anstatt sie zu ersetzen. Oft herrscht der Eindruck, neu entstehende Kommunikationskanäle oder Technologien würden etablierte Kanäle ersetzen. Stattdessen werden sie viel eher zu einem weiteren Medium, das ein Unternehmen verwalten muss. Ein Chatbot, der eine Verbindung zu diesen Kanälen und Systemen für Kundensupportfälle herstellt, kann das Beste aus beiden Welten bieten: Er modernisiert die Customer Experience und leitet die Benutzer genauer zu den Informationen und Personen weiter, die ihre Probleme lösen können.
   
   
5. Legen Sie fest, ob der Chatbot die Bereitstellungs-, Skalierbarkeits- und Sicherheitsanforderungen erfüllt. Jedes Unternehmen und jede Branche hat ganz eigene Anforderungen und Bedürfnisse in Bezug auf die Einhaltung von Vorschriften. Daher ist es wichtig, diese Kriterien klar zu definieren. Viele Chatbots werden über die Cloud bereitgestellt, um auf die Erkenntnisse und Ergebnisse anderer Kundengespräche zurückgreifen zu können. Wenn Sie also eine On-Premises-Lösung oder eine Single-Tenant-Umgebung benötigen, ist die Liste der verfügbaren Anbieter deutlich kürzer. Es ist auch wichtig, zu verstehen, ob und wie Daten verwendet werden, da dies in stark regulierten Branchen weitreichende Auswirkungen haben kann.