Strategische Perspektiven intelligenter Computersysteme im Internet der Dinge

Inhaltsverzeichnis

1 Einleitung
1.1 Zielsetzung
1.2 Gang der Arbeit

2 Grundlagen und Begriffserklärung
2.1 Computersystem
2.2 Definition Künstliche Intelligenz
2.2.1 Big Data
2.2.2 Smart Data
2.3 Definition Internet der Dinge
2.3.1 Entstehung/ Ursprünge
2.3.2 Funktionsweise/ Technologie
2.3.3 Einsatzgebiete/ Anwendungsszenarien
2.4 Definition Marketing
2.4.1 Content-Marketing
2.4.2 Personalisiertes-/ One-to-One-Marketing

3 Möglichkeiten von Smart Data-Systemen im Internet der Dinge
3.1 Vorteile und Nutzen für Industrie und Endkunde
3.1.1 Machine-to-Machine-Kommunikation zur Prozessoptimierung und -automatisierung
3.1.2 Das Internet der Dinge als Garant individueller Bequemlichkeit
3.2 Möglichkeiten von Smart Data im Internet der Dinge im marketingstrategischen Kontext
3.2.1 Derzeitiger Nutzen von Smart Data und Internet der Dinge im personalisierten und Content-Marketing
3.2.2 Marketingstrategische Perspektiven und Herausforderungen des Internets der Dinge in der Zukunft

4 Risiken und Gefahren des Internets der Dinge
4.1 Risiken im Rahmen des Einsatzes intelligenter Computersysteme für Industrie und Nutzer
4.1.1 Nachteile autonomer Vernetzung und automatisierter Fertigungsprozesse in der Industrie
4.1.2 Privatsphäre vs. Bequemlichkeit - Menschliche vs. Künstliche Intelligenz
4.2 Risiken und Nachteile im Marketing bei der Nutzung intelligenter Computersysteme
4.2.1 Allgemeine und aktuelle Risiken im Marketing
4.2.2 Marketingstrategische Gefahren und Risiken durch die Nutzung von Smart Data und Internet der Dinge

5 Fazit
5.1 Ausblick
5.2 Möglichkeiten zur Weiterbearbeitung der Thematik
5.3 Kritische Würdigung

Anhang I: Abbildungsverzeichnis
Anhang II: Abkürzungsverzeichnis
Anhang III: Literatur- und Quellenverzeichnis

1 Einleitung

Die Lebensumgebung des modernen Menschen unterliegt einem steten Wandel: Während noch vor wenigen Jahren das Mobiltelefon als technische Innovation galt, vereint dieses - heute längst zum Massenprodukt avancierte - „Technikwunder“ mittlerweile Telefonie-, Internet-, Navigation-, Mp3- und TV-Funktionen in sich.

Doch nicht nur die Funktionsbereiche von Smartphones werden durch die Einbettung zusätzlicher Logikkomponenten ausgebaut - auch Objekte anderer Kategorien durch- dringen durch ihre zunehmende Technisierung mehr und mehr den Alltag. Hier geht es nicht mehr allein um Funktion; die Dinge - sowohl jene des täglichen Gebrauchs als auch Maschinen in Produktion und Logistik - nehmen ihre Umgebung wahr, sie kom- munizieren über drahtlose Verbindungen untereinander und tauschen Daten aus. Kurzum, sie handeln autonom und verfügen über eine technische Intelligenz. Die hier zugrundeliegende Technologie der Radiofrequenzidentifikation ermöglicht es zuneh- mend, auch wertmindere Produkte zu „smarten“ Objekten werden zu lassen, welche mit der parallel hierzu verlaufenden Entwicklung des Internets zum unverzichtbaren Interaktionsmedium neue Netzwerke bilden, welche die Verschmelzung von realer und virtueller Welt vorantreiben.

Vor allem beruht ein Ausbau ebendieser technischen bzw. künstlichen Intelligenz der Objekte innerhalb des Internets der Dinge auf einer Erfolgskomponente: Die Systeme erfüllen nur ihren Zweck und können ihr „Wissen“ korrekt anwenden, je mehr Daten sie hierfür sammeln, auswerten und nutzen. Geht man exemplarisch von 40 Millionen Pri- vathaushalten in Deutschland aus, welche nahezu alle einen Kühlschrank, einen Stromzähler und ein Auto, zukünftig in Gänze ausgestattet mit datenverarbeitenden Sensoren, besitzen, scheint das allein hier aufkommende Datenvolumen kaum mehr greifbar. Es entstehen gigantische Datenmengen, die in keine Datenbank mehr passen und somit sowohl eine eigene logistische Struktur erfordern als auch einen besonderen datenschutzrechtlichen Anspruch erheben.

Dass ein derartiger Trend jedoch gleichermaßen als markt-, werbe- und wirtschaftsstrategisch aussichtsreiche Zukunftsperspektive angesehen wird, muss nicht gesondert erwähnt werden: Seit mehreren Jahren haben sich verschiedene Institutionen und zahlreiche Unternehmen in Verbundprojekten zusammengeschlossen, um die Einsatzmöglichkeiten dieser kommerziell aussichtsreichen Technologie für eigene Zwecke auszubauen und weiter zu entwickeln.

Es entstehen neue Strategien und Geschäftsmodelle, die sich im Kundenauftrag die Generierung von Mehrwerten aus dem Internet der Dinge zur zentralen Aufgabe ge- macht haben.

1.1 Zielsetzung

Die vorliegende Ausarbeitung setzt es sich zum Ziel, die derzeitigen strategischen Möglichkeiten des Internets der Dinge darzustellen und dessen zukünftige Perspektiven exemplarisch herauszuarbeiten. Als Grundlage wird hierbei der Begriff der künstlichen bzw. technischen Intelligenz als Oberbegriff des Handelns intelligenter Computersysteme mit in die Überlegungen einbezogen.

Die Ausführungen folgen der zentralen Fragestellung, welche grundlegenden Vor- und Nachteile das Internet der Dinge und die damit verbundene Smart Data-Technologie heute wie auch in Zukunft mit sich bringen.

Da in der herrschenden Literatur bereits eindringlich auf den Faktor des Internets der Dinge in Logistik und Produktion eingegangen wird, soll dieser hier - genau wie jener des Nutzers der Smart Data-Systeme - aus Gründen der Vollständigkeit zwar Erwäh- nung finden, jedoch nicht im Mittelpunkt des Interesses stehen. Im Fokus der Darstel- lung stehen vielmehr die Möglichkeiten und Herausforderungen sowie die Risiken die- ser künstlichen Intelligenz für und im Zuge von personalisierten Marketingstrategien.

Dabei wird zum einen der IST-Zustand in Marketing und Internet der Dinge abgebildet, zum anderen sollen zukünftige Einsatzmöglichkeiten der Technologie entworfen und die daraus resultierenden Marketingchancen, -herausforderungen und -gefahren abge- leitet werden.

Wie kann also das Marketing auf die technischen Möglichkeiten des Internets der Dinge reagieren? Welchen Mehrwert bieten dessen einzelne Einsatzbereiche für marketingstrategische Bemühungen? Und welche Herausforderungen bzw. Risiken lassen sich aus diesen für die Unternehmen ableiten?

1.2 Gang der Arbeit

Die vorliegende Untersuchung beginnt - wie auch in Abbildung 1 zu erkennen - zu- nächst mit einer Einleitung, welche die zentrale Fragestellung und die Zielsetzung zum Thema hinführend darstellt. Zudem wird an dieser Stelle der Aufbau sowohl textlich als auch grafisch skizziert. Dieser folgt, zugunsten eines einheitlichen und der Arbeit zug- rundliegenden Begriffsverständnisses, ein definitorischer Grundlagenteil. Hier werden die titelgebenden und grundlegenden Begriffe des Computersystems, der künstlichen Intelligenz (inkl. Big Data und Smart Data), des Internets der Dinge und des Marketings inhaltlich erläutert und wissenschaftlich verortet. Der Hauptteil der Arbeit gliedert sich darauffolgend in zwei Kapitel, welche sich zum einen den Möglichkeiten und Vorteilen des Internets der Dinge, zum anderen dessen Risiken und Nachteilen widmen. Dabei umfasst jede der beiden Hauptteilkomponenten zunächst eine kurze Darstellung des IST-Zustands des Internets der Dinge mit Ausblick auf zukünftige Perspektiven in Be- zug auf Industrie und Nutzer, bevor sie sich inhaltlich eindringlicher der derzeitigen und zukünftigen Smart Data-Nutzung im werbestrategischen Sektor und den damit verbundenen Herausforderungen zuwenden. In dem die zukünftigen Perspektiven betreffen- den Teil fungieren imaginierte Praxisszenarien als Verbildlichung der theoretischen Erkenntnisse. Ein Fazit fasst abschließend die gewonnenen Erkenntnisse zusammen, würdigt diese kritisch und gibt einen kurzen Ausblick zur weiteren Bearbeitung der Thematik.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 1 - Gang der Arbeit, Quelle: eigene Darstellung

2 Grundlagen und Begriffserklärung

Im folgenden Kapitel sollen die titelgebenden und grundlegenden Termini der Ausarbeitung definitorisch erläutert und wissenschaftlich verortet werden. Definitorisch besteht dabei inhaltlich kein Anspruch auf Vollständigkeit bei der Nennung der in der Fachliteratur existierenden Anschauungen, vielmehr ist es das Ziel dieser Ausführungen, eine einheitliche Begriffsauffassung zu schaffen, welche das Verständnis der Erläuterungen des Hauptteils gewährleistet.

So werden, nachdem der Ausdruck „Computersystem“ inhaltlich eingegrenzt wurde, zunächst der Begriff der „künstlichen Intelligenz“ und dessen Inhalte erörtert, bevor noch einmal genauer auf die damit korrelierenden Begriffe der „Big Data“ und der „Smart Data“ eingegangen wird. Anschließend wird der Terminus des „Internets der Dinge“ definiert, wobei im Rahmen der Entstehungsgeschichte auch die hierfür nötigen Technologien kurz erläutert werden. Da der Begriff als zentral für die Ausarbeitung anzusehen ist, soll ein ergänzender Exkurs exemplarisch die bisherigen Einsatzmög- lichkeiten dieser Technik in der Praxis aufzeigen. Dieses Kapitel abschließend wird noch überblickartig auf den Begriff „Marketing“, expliziter jenen des Content- und per- sonalisierten Marketings, eingegangen.

2.1 Computersystem

Ein Computer ist ein aus Gerätetechnik (Hardware) und Betriebssystem (Betriebssoftware) bestehendes elektronisches System zur Datenverarbeitung.¹

In dieser Ausarbeitung werden unter dem - hier titelgebenden - Begriff des Computer- systems alle Geräte subsummiert, die über ein derart eingebettetes elektronisches System verfügen und somit eine digitale Rechenleistung in jedweder Weise erbringen können.

2.2 Definition Künstliche Intelligenz

Der Begriff der künstlichen Intelligenz (KI) geht auf den Informatiker JOHN MCCARTHY zurück und wurde von diesem als Projekttitel für eine im Jahr 1956 stattfindende Konferenz vorgeschlagen, in welcher es um die Vorstellung von „intelligenten“ Computersystemen ging, die Texte interpretieren und Schach spielen konnten.²

In der herrschenden Literatur ist man weit entfernt davon, eine einheitliche Definition von Intelligenz an sich und genauer von KI zu entwerfen.³ Um ein hier geltendes Begriffsverständnis zu initiieren, soll zunächst Intelligenz zu verstehen sein als […] Erkenntnisvermögen, als Urteilsfähigkeit, als das Erfassen von Möglichkeiten, aber auch als das Vermögen, Zusammenhänge zu begreifen und Einsichten zu gewinnen. [Dabei ist die] Art, die Effizienz und die Geschwindigkeit, mit der sich der Mensch bei der Problemlösung an die Umwelt anpaßt (Adaption), oder die Umwelt an sich angleicht (Assmiliation), […] ein wichtiges Merkmal von Intelligenz.⁴

Begreift man nun KI als Nachahmung menschlicher Wahrnehmens- und Verstandesleistungen, welche durch daten- und informationsverarbeitende Systeme verfügbar gemacht wird,⁵ ergibt sich für ebendiese folgende Arbeitsdefinition:

[KI ist die] Erforschung ‚intelligenten‘ Problemlösungsverhaltens sowie die Erstellung ‚intelligenter‘ Computersysteme. Künstliche Intelligenz (KI) beschäftigt sich mit Methoden, die es einem Computer ermöglichen, solche Aufgaben zu lösen, die, wenn sie vom Menschen gelöst werden, Intelligenz erfordern.⁶

Ergänzend muss in diesem Kontext angeführt werden, dass in der Fachliteratur sowohl ein starker als auch ein schwacher KI-Ansatz existiert, deren Unterscheidung auf den amerikanischen Philosophen JOHN R. SEARLE zurückgeht. Der schwache Ansatz räumt die Möglichkeit ein, dass Computersysteme in der Lage seien, mentale Phänomene nachzubilden und dadurch als nützliche Werkzeuge zur Erforschung ebendieser die- nen können; schwache KI kann demnach das richtige Programm und damit den richti- gen In- und Output konstruieren. Der starke, von SEARLE abgelehnte KI-Ansatz geht dagegen davon aus, dass Computersysteme autonom „echte“ mentale Phänomene hervorbringen können.⁷ Ihnen wird also die Fähigkeit zu denken und zu handeln wie ein Mensch zugeschrieben; Maschinen haben hier einen eigenen Geist und ein eige- nes Bewusstsein.⁸,⁹

Da also jede Form von (künstlicher) Intelligenz auf der Sammlung, Verarbeitung und Analyse von Information aus der Umwelt beruht, soll im Folgenden näher auf den Bereich der Datenverarbeitung, und damit auf die Begriffe der Big und der Smart Data, eingegangen werden.

2.2.1 Big Data

Im Falle des Begriffs „Big Data“ kann von einem Schlagwort der Neuzeit gesprochen werden, dessen Definition aufgrund seiner Neuartigkeit zwangsläufig nicht einheitlich fixiert werden konnte. Demzufolge ist sich die herrschende Literatur nicht einig darüber, was genau der Terminus bedeutet und welche datenverarbeitungstechnischen Komponenten er genau umfasst bzw. beschreibt.¹⁰

Es scheint im Zuge der Begriffskomplexität angebracht, dessen inhaltliche Grundfaktoren auf zwei Ebenen zu betrachten:

Somit bezeichnet Big Data zum einen die Daten selbst, die vorrangig im Zuge der Digi- talisierung der Welt¹¹ auf unterschiedlichen Wegen und mittels unterschiedlicher Quel- len erhoben werden. Diese Daten zeichnen sich explizit durch vier Größen (die vier V’s)¹² aus, welche im Folgenden kurz praktisch verortet werden sollen. Einerseits ist Big Data bestimmt durch die Menge (Volume) der Daten, welche eindeutig als na- mensgebender Faktor auszumachen ist. In diesem Zusammenhang ist jedoch nicht genau festgelegt, ab welcher Datengröße von Big Data zu sprechen ist, da die Gewich- tung einer derartigen Mengenwahrnehmung stark von den aktuell gegebenen techni- schen Möglichkeiten abhängig ist. Während also vor nicht allzu langer Zeit ein Tera- byte als immense Datenmenge galt, übernehmen diese Funktion nun Größen wie Peta-, Exa- und Yottabytes. Schätzungen der International Data Corporation (IDC) ge- hen davon aus, dass sich das weltweit anfallende Datenvolumen von 2012 bis 2020 alle 2 Jahre verdoppeln und somit auf 40 Trillionen Gigabytes (40.000 Exabytes) an- steigen wird. Festzuhalten ist in jedem Fall jedoch, dass die Qualität der Analyse- Ergebnisse immer parallel zur Menge der verwerteten Daten ausfallen wird.

Des Weiteren ist Big Data durch die Geschwindigkeit (Velocity) der Daten gekennzeichnet, welche parallel zur Datenmenge steigt. Hierbei gilt das Grundprinzip, dass nur schnell gewonnene und analysierte Daten durch deren Aktualitätsbezug nutzenstiftend für Unternehmen wirken können. Nicht nur im Finanzbereich scheint hierbei jede Sekunde entscheidend für Erfolg oder Misserfolg einer getroffenen Entscheidung zu sein; die Gedankengeschwindigkeit des Menschen wurde im Zusammenhang der Big Data längst von anderen Größen abgelöst.

Ein zusätzlicher Faktor zur Definition von Big Data ist deren Variabilität (Variety). Demnach existieren Daten in unterschiedlichen Formaten, entstammen diversen Quel- len und beinhalten verschiedene Bedeutungen, je nach Analysehintergrund. In der Praxis seien an dieser Stelle aus einem riesigen Datenpool lediglich exemplarisch jene aus sozialen Netzwerken, Tracking-Ergebnisse von GPS-Empfängern, aufgezeichnete Temperaturen, Geschwindigkeiten und Suchergebnisse, Bilder von Überwachungskameras und Datenspuren durch Kartenzahlungen zu nennen. Die Herausforderung im Umgang mit Big Data besteht, bezogen auf deren Variabilität, demnach vor allem darin, die Rohdaten zu strukturieren und somit analysefähig zu machen.¹³

Zuletzt muss in diesem Kontext die Richtigkeit/ Verlässlichkeit (Validation) der Daten als maßgeblich für deren Klassifizierung als Big Data angeführt werden. Es liegt dabei nahe, dass vor allem die Gewährleistung dieses letztgenannten Kriteriums in gewisser Weise konträr zu den drei erstgenannten anzugehen ist. Technologien zur Filterung ebendieser vertrauenswürdigen Daten müssen somit auch den rasant aufkommenden Mengen verschiedenartiger Daten gerecht werden.¹⁴,¹⁵

Wie bereits aus den vorangehenden Ausführungen und Abbildung 2 hervorgeht, be- deutet Big Data - neben der Bezeichnung der Daten selbst - zum anderen gleicher- maßen die Speicherung, Verwaltung und Analyse ebendieser Datenmengen, welche die verarbeitenden Unternehmen vor eine große Herausforderung stellen, um final ei- nen marktstrategischen Nutzen aus ebendiesen ziehen zu können. Dabei betrifft der Umgang mit Big Data branchenübergreifend nahezu alle Wirtschaftszweige, welche die Möglichkeiten einer digitalisierten Welt für ihre eigenen Geschäftsprozesse nutzen wol- len.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 2 - Big Data, Quelle: eigene Darstellung in Anlehnung an Bitkom 2012 S. 19.

Um in dieser Arbeit ein einheitliches Begriffsverständnis von Big Data zu schaffen, soll, bezugnehmend auf die zwei Ebenen des Terminus‘, als grundlegende Definition jene von GARTNER INC. gelten, welche obengenannte Faktoren mit einbezieht:

Big Data is high-volume, high-velocity and high-variety information assets that demand cost-effective, innovative forms of information processing for enhanced insight and decision making.¹⁶

2.2.2 Smart Data

Mit der fortschreitenden Digitalisierung und der Technisierung der menschlichen Le- bensumgebung steigt, wie oben bereits ausführlich beschrieben, das aufkommende Datenvolumen rasant. In der Fachliteratur ist im Zuge dessen eine Weiterentwicklung des Begriffs Big Data in jenen der Smart Data zu erkennen, welcher nicht länger das Volumen der Daten, sondern stattdessen deren intelligente Auswertung in den Vorder- grund stellt.¹⁷ So ist der Terminus nicht als autonome Begrifflichkeit zu sehen; Smart Data sollte vielmehr als eine semantische Weiterentwicklung des Big Data-Begriffs anerkannt werden, welche der immer weitreichenderen Vernetzung der Welt Rechnung trägt.

So rückt Smart Data den wertvollen Inhalt erfasster Daten in den Fokus des Interesses und propagiert damit die Entwicklung der passenden Algorithmen zu deren Analyse. Im Gegensatz zur Big Data findet hier somit auch eine unmittelbarere Korrelation mit den Weiterentwicklungen der künstlichen Intelligenz statt: Exemplarisch bezugnehmend auf den Sektor des Marketings soll Smart Data, aufbauend auf den Erhebungen und Ana- lysen zum IST-Zustand im Sinne der Big Data, nicht nur die Frage danach beantwor- ten, was genau ein Konsument bevorzugt, sondern soll zusätzlich auch ermitteln kön- nen, warum er derart handelt und welche Handlungen in Zukunft daraus resultieren werden. Bei der Ermittlung von Smart Data werden demnach die ermittelnden Objekten intelligenter, indem sie neben der Erhebung der Daten bereits einen Nutzen aus diesen ziehen.¹⁸

Die vorliegende Ausarbeitung verwendet im Folgenden den Begriff der Smart Data bevorzugt zu jenem der Big Data, da dieser dem hier vorliegenden Verständnis intelligenter Datennutzung semantisch gerechter wird. Zudem werden die im Zuge des IoT agierenden Objekte in der herrschenden Literatur häufig mit dem Begriffszusatz „smart“ betitelt (smart cars, smart grid, smart building)¹⁹, was die Art des Datenumgangs gleichermaßen eher im Sinne der Smart Data impliziert.

2.3 Definition Internet der Dinge

Im Folgenden soll die Begrifflichkeit des Internets der Dinge (Internet of things, IoT) definitorisch erläutert werden. Um eine strukturierte Lesbarkeit dieses zentralen Aspekts der Arbeit zu gewährleisten, werden die Erörterungen in drei Unterpunkte gegliedert, welche sich gesondert mit der Entstehung, den technologischen Komponenten und den derzeitigen Einsatzgebieten des IoT auseinandersetzen. Es sei allerdings anzumerken, dass aufgrund des begrenzten Umfangs und des thematischen, nicht-IT bezogenen Schwerpunkts der Arbeit die komplexen technischen Komponenten des IoT nicht in vollem Umfang dargestellt und erklärt werden können.

Bevor näher auf die oben genannten Unterkategorien eingegangen wird, soll einfüh- rend eine dieser Ausarbeitung zugrundeliegende Definition des IoT gegeben werden. In der herrschenden Literatur existiert in diesem Kontext eine Vielzahl unterschiedlicher Begriffsbestimmungen, welche an dieser Stelle nicht ausführlich betrachtet werden können. Aufgrund ihrer Einbeziehung unterschiedlicher Begriffsebenen soll deshalb hier die Definition nach ATZORI/ IERA/ MORABITO als Verständnisgrundlage dienen:

The Internet of Things (IoT) is a novel paradigm that is rapidly gaining ground in the scenario of modern wireless telecommunications. The basic idea of this concept is the pervasive presence around us of a variety of things or objects - such as RadioFrequency Identification (RFID) tags, sensors, actuators, mobile phones, etc. - which, through unique addressing schemes, are able to interact with each other and cooperate with their neighbors to reach common goals.²⁰

Da die vorliegende Ausarbeitung einem begrenzten quantitativen Umfang unterliegt, sollen im Hauptteil maßgeblich jene Komponenten/ Objekte des IoT im Fokus des Inte- resses stehen, deren grundlegende Funktionsweise nicht offensichtlich mit dem Inter- net verknüpft ist. Praktisch bedeutet dies, dass eher datenverarbeitende Kühlschränke, Strommesser und Kleidungsstücke im Vordergrund stehen, während Smartphones und Tablets - aufgrund ihrer deutlich computerähnlichen Funktion - weniger Erwähnung finden.

2.3.1 Entstehung/ Ursprünge

Das IoT geht technisch aus der Vision des Ubiquitous Computing (ubicomp) des Infor- matikers MARK WEISER im Jahr 1988 hervor, welche beinhaltet, dass der Computer als Gerät aus der Gegenwart verschwindet und stattdessen durch intelligente Gegenstän- de ersetzt werden wird.²¹ Eine Weiterführung des Gedankens fand anschließend durch die pragmatischere Vorstellung des Pervasive Computing statt, welche die ursprüngli- che, akademisch-idealistische Vision der „Rechnerallgegenwart“ WEISERS um die kommerzielle Sichtweise der Industrie ergänzt.²²,²³ Das IoT lässt sich nun insofern von diesen oben genannten Modellen abgrenzen, als dass es über diese hinausgeht, da es den Aspekt des autonomen Handelns von unbelebten Objekten propagiert und damit die Umgebungswahrnehmung (Context Awareness) des Ubiquitous und Pervasive Computing in eine Umgebungsintelligenz (Ambient Intelligence) wandelt.²⁴

Der Begriff „Internet of things“ geht auf den Technologie-Pionier KEVIN ASHTON, damals leitender Angestellter des Auto-ID Centers am Massachusetts Institute of Technology (MIT), zurück. Er stellte damals die Forderung nach einem

Internet of things, a standardized way for computers to understand the real world.²⁵ Das System der Technologie entstammt somit auch ebendiesem Auto-ID Center, welches im gleichen Jahr als erstes eine firmenübergreifende RFID-Infrastruktur (RadioFrequency Identification) etablierte.²⁶

ASHTON verfolgte dabei die Vision eines Computersystems, welches autark, also unabhängig von dessen menschlicher Bedienung, dazu fähig ist, Daten zu sammeln und somit Informationen zu generieren. Er erkannte darin bereits einen Mehrwert bzgl. Kostenersparnis und Zeiteffizienz für verschiedene Wirtschaftszweige.²⁷

2.3.2 Funktionsweise/ Technologie

Wie im vorangehenden Abschnitt bereits kurz angedeutet, kann die RFID-Technologie als Basis des IoT angesehen werden. Sie bezeichnet eine auf Hochfrequenzen basie- rende Form der Informationsübertragung und gehört zur Gruppe der AutoID- Technologien (Automatische Systeme zur Identifikation von Waren). RFID kann als eine Art Funketikett (Smart Label) verstanden werden, welches kontaktlos Signale sendet sowie empfängt und damit überall dort eingesetzt werden kann, wo Prozesse der automatischen (Er)Kennung, Lagerung, Registrierung, Verfolgung und Überwa- chung gefragt sind.²⁸

Wie in Abbildung 3 dargestellt, stehen hinter dem aus der RFID-Technologie entstam- menden Begriff des IoT mehrere sich teils ergänzende, teils konvergierende, teils intel- ligent miteinander interagierende Technologien und Funktionen. Zu diesen gehören beispielsweise Kommunikations- und Kooperationstechnologien, wie Wi-Fi, UMTS (Universal Mobile Telecommunication System) oder Bluetooth, Identifikationsfunktionen, wie RFID, EPC (Elektronischer Produktcode) und Strichcodes, oder aber auch Lokali- sierungstechniken, wie GPS (Global Positioning System) und UWB (Ultra-Wide Band).²⁹

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 3 - Funktionsbündel Internet der Dinge, Quelle: eigene Darstellung in Anleh- nung an Mattern/ Flörkemeier 2010 S. 109.

In diesem Zusammenhang ist zu beachten, dass für spezifische Einsatzmöglichkeiten jeweils nur ein Teil dieser oben dargestellten technischen Funktionen vonnöten ist. Die günstigste Lösung für beispielsweise Logistikunternehmen sind demnach derzeit RFIDund EPC-Technologien, um Objekte identifizieren und lokalisieren zu können,³⁰ während der Überwachungssektor vorrangig auf die Kombination von Sensorik und Kommunikationsfunktionen zurückgreift.

Das IoT kann somit durch die Verschmelzung der darin enthaltenen Technologien als Symbiose aus Mensch, Objekt und Internet verstanden werden. Es entwickelt sich demnach stetig von einem Internet mit Dingen zu einem nie dagewesenen System des umgebungsintelligenten Austauschs von Netzwerken und Objekten untereinander,³¹ welches den Nutzer in seiner Arbeits- und Alltagsumgebung autonom unterstützt.

Laut einer Studie des Netzwerkunternehmens Cisco werden bis zum Jahr 2020 bereits

37 Milliarden Geräte im IoT aktiv sein, nach der IDC liegt diese Zahl sogar bei 212 Mil- liarden mit einem Marktvolumen von 8,9 Billionen Dollar.³² Diesem Trend trägt auch die Initiierung des neuen Internetprotokolls IPv6 Rechnung, welches, im Gegensatz zu seinem Vorgänger IPv4 mit 4,3 Milliarden IP-Adressen, 340 Sextillionen von ebendie- sen bereitstellt.³³

2.3.3 Einsatzgebiete/ Anwendungsszenarien

Wie eingangs bereits erwähnt, wird bereits heute branchenübergreifend an der Tech- nologie des IoT geforscht und gearbeitet, da in diesem Kontext zahlreiche Möglichkei- ten zur Steigerung von Effizienz und Qualität vermutet werden. So betreffen die derzei- tigen Anwendungsszenarien sowohl das Lebens- und Arbeitsumfeld des Individuums als auch gewerbliche und industrielle Prozesse.³⁴ Im Folgenden sollen diese exempla- risch dargestellt werden, um dem Leser einen praktischen Einblick in die eingangs the- oretisch dargestellte IoT-Technologie zu gewähren. Dabei besteht, aufgrund der Kom- plexität der Anwendungsmöglichkeiten des IoT, kein Anspruch auf Vollständigkeit.

Für das private Lebensumfeld des Individuums sind in diesem Zusammenhang Smart Home- bzw. Smart House-Systeme anzuführen, welche durch intelligente Vernetzung von Haustechnik (Heizung, Strom, Beleuchtung etc.) und Entertainmentelektronik (In- ternet, TV, Video-on-Demand etc.) den Nutzerkomfort und die Energieoptimierung vo- rantreiben. Explizit bedeutet dies, dass durch die Interaktion der einzelnen Objekte das Haus, die Wohnung oder aber ganze Gebäude (smart buildings) automatisiert werden können und so beispielsweise umfassend auf technische Betriebsdaten zugegriffen, oder aber die Arbeitsumgebung individuell angepasst werden kann.³⁵ Ähnlich funktio- niert auch die heute noch in den Anfängen steckende Car-to-Car-Technologie, welche den unmittelbaren Austausch sowohl verkehrs- als auch KFZ-bezogener Daten ermög- licht, und so frühzeitig auf Gefahrenstellen bzw. technische Fehler hinweisen kann.³⁶,³⁷

Des Weiteren kann das IoT im Gesundheitssektor von Nutzen für Privatperson und Institution sein. So können medizinische Geräte, wie beispielsweise Wearables,³⁸ gesundheitsrelevante Daten zur Überwachung des Patientenzustandes erfassen und auswerten; Krankheitsverläufe erfahren eine automatisierte Protokollierung, was gleichermaßen dem Wohl des Patienten als auch den Maßnahmen des behandelnden Arztes Rechnung tragen kann.³⁹

Ein weiteres Anwendungsfeld des IoT ist im sicherheitstechnologischen Bereich angesiedelt. Durch neuartige Sensornetze, die unmittelbar Daten austauschen und in Echtzeit verarbeiten können, ergeben sich neue Überwachungsmöglichkeiten und damit ein verschnellertes, sicherheitsrelevantes Eingreifen im Falle von beispielsweise Anschlägen oder Naturkatastrophen. So informieren bereits heute mit dem Internet verbundene Rauchmelder umgehend den Brandschutz, anstatt lediglich durch akustische Signale vor der drohenden Gefahr zu warnen.⁴⁰

Unbestreitbar relevant ist das IoT bereits heute für den Sektor der industriellen Produktion. Dabei trägt das IoT vor allem der steigenden Komplexität von Produktionstechnologien, der Zunahme an Fertigungsschritten und der wachsenden Produktindividualisierung Rechnung; eine intelligente Machine-to-Machine-Kommunikation (M2M)⁴¹ ermöglicht hier einen autonomen Produktionsprozess. Explizit lassen sich in diesem Bereich somit die Steuerung von energieautarken Anlagen sowie die Vernetzung der Geräte untereinander als Maßnahmen des IoT anbringen.⁴²

Der wohl heute bereits am eingehendsten vom IoT profitierende Sektor ist die Logistik. Mittels der Schlüsseltechnologie des IoT, der RFID, werden hier Informationen über Produkte bereitgestellt, welche per Funk drahtlos zwischen Chip und Empfangseinheit ausgetauscht werden können. Dabei „lernen“ die heutigen Funketiketten bereits dazu, sammeln Daten, messen Temperaturen und geben diese an Kontrolleur, Empfänger oder Absender weiter.⁴³

Welche Anwendungsfelder des IoT heute im Bereich des Marketings existieren, soll im Hauptteil der vorliegenden Ausarbeitung genauer betrachtet werden,⁴⁴ nachdem nachfolgend zunächst definitorisch auf dessen Begrifflichkeit eingegangen wird.

2.4 Definition Marketing

Der Terminus „Marketing“ lässt sich in seiner Wortherkunft auf lat. „mercatus“, „der Markt“, und weiter auf das englische Verb „to market“, „Handel treiben“, zurückführen.⁴⁵ Wirtschaftsdefinitorisch unterliegt der Begriff einem steten Wandel, welcher die sich verändernden Marktaspekte mit einbezieht. Nach MEFFERT bedeutet Marketing […] die Planung, Koordination und Kontrolle aller auf die aktuellen und potenziellen Märkte ausgerichteten Unternehmensaktivitäten. Durch eine dauerhafte Befriedi- gung der Kundenbedürfnisse sollen die Unternehmensziele verwirklicht werden.⁴⁶

Diese Begriffserklärung kann ergänzend durch den modernen Marketingbegriff der AMA (American Marketing Association) erweitert werden, welche die Rolle des Marke- tings in der Gesellschaft und dessen Funktion als Wissenschaft und Philosophie mit einbezieht:

Marketing is the activity, set of institutions, and processes for creating, communicating, delivering, and exchanging offerings that have value for customers, clients, partners, and society at large.⁴⁷

Als vier Kernaufgaben des Marketings werden - unterteilt sowohl in Leistungs- und Kundenperspektive, als auch in bestands- und zukunftsgerichtete Maßnahmen - zum einen Leistungsinnovation und Leistungspflege, zum anderen Kundenakquise und Kundenbindung bezeichnet (s. Abbildung 4).

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 4 - Kernaufgaben des Marketings, Quelle: eigene Darstellung in Anlehnung an: Tomczak/ Reinecke 1998 Seite 10.

Um diese vier Kernaufgaben des Marketings zu erfüllen, bedienen sich Unternehmen unterschiedlicher Strategien, welche meist in Form eines Marketing-Mixes in Aktionen umgesetzt werden. Ebendieser klassische Ansatz begründet sich auf vier miteinander kombinierbare Säulen, welche in der herrschenden Literatur als die „Vier P’s“, Produkt, Preis, Platzierung (Distribution), Promotion (Kommunikation), des Marketings bezeichnet werden.⁴⁸

Um jedoch der heutigen Notwendigkeit einer individualisierten Kundenorientierung für ein effizientes Marketing gerecht zu werden, welche auch im Fortgang dieser Bachelo- rarbeit besonders von Interesse sein wird, sei an dieser Stelle zusätzlich auf die Wei- terentwicklung des Marketing-Mix-Konzeptes nach LAUTERBORN, welcher das System der Vier P’s in ein der Kundensicht angepasstes System der Vier K’s, Käuferbedürfnis- se und -wünsche, Kosten für den Käufer, Komfort beim Kauf und Kommunikationsbe- darf, abwandelte.⁴⁹

Um im Hauptteil einen direkten Bezug zwischen dem Sektor Marketing und dem Sektor IoT herstellen zu können, welcher die strategischen Möglichkeiten und Gefahren einer solchen Symbiose fokussiert, sollen die der Kommunikations-Säule zugehörigen Mar- ketingtechniken des Content- und One-to-One-Marketings folgend kurz gesondert defi- niert werden.

2.4.1 Content-Marketing

Während die klassische Marketingkommunikation das beworbene Produkt bzw. dessen Anbieter in den Fokus rückt, werden beim Content-Marketing nützliche bzw. unterhalt- same Inhalte für den Empfänger bereitgestellt; das werbende Unternehmen bleibt im Hintergrund und bewirbt seine Marke damit lediglich indirekt. Somit kann das Content- Marketing sowohl wörtlich als auch inhaltlich als kontextueller Werbeansatz verstanden werden, welcher vom Adressaten meist nicht als solcher erkannt wird und somit vor allem bei der Erfassung von Zielgruppendaten⁵⁰ enorme Potenziale bietet. Die Kom- munikation zwischen Anbieter und Rezipient ist im Content-Marketing zielgruppenori- entiert gestaltet und wirkt unternehmensstrategisch zielführend, indem sie dem poten- ziellen Kunden einen Mehrwert bietet. Nach PULIZZI lässt sich das Content-Marketing folgendermaßen definieren:

Content marketing is the marketing and business process for creating and distrib- uting relevant and valuable content to attract, acquire, and engage a clearly defined and understood target audience - with the objective of driving profitable customer action.⁵¹

Als 5 Grundpfeiler des Content-Marketings können demnach - wie auch in Abbildung 5 verbildlicht - die redaktionelle Basis (editorial-based), ein verkaufsstrategischer Hin- tergrund (marketing-based), die Verhaltensgetriebenheit (behavior-driven), eine multimediale Plattform (multi-platform) und die Zielgruppenorientierung (targeted) abgeleitet werden.⁵²

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 5 - 5 Säulen des Content-Marketings, Quelle: eigene Darstellung in Anleh- nung an: The Internet Marketing Academy 2011 S. 10.

In der herrschenden Literatur findet neben dem Begriff des Content-Marketings aktuell auch rudimentär der Terminus des Context-Marketings Erwähnung. Dieser bezieht den Kontext des Adressaten, welcher durch die Erhebung und Auswertung von Kundenda- ten ermittelt wird, in die Marketingprozesse mit ein und reagiert somit auf die Diskussi- onen um Big und Smart Data.⁵³ Die vorliegende Ausarbeitung versteht den Begriff als reine semantische Erweiterung des Content-Marketing-Begriffs, in dessen oben ge- nannter Definition⁵⁴ auch bereits die Kundenausrichtung berücksichtigt wurde. Die Termini werden daher im Folgenden synonym gebraucht, da die grundlegende Thema- tik an dieser Stelle generell das Medium Internet und die daraus resultierende Smart Data-Erhebung als essentiell betrachtet.

[...]

---

¹ Vgl. Duden Informatik 2006 S. 69.

² Vgl. Wichert 2000.

³ Für eingehende Infromationen zur technischen Größe der künstlichen Intelligenz, vgl. Russell/ Norvig 2013.

⁴ Görz 2003 S. 2.

⁵ Vgl. Görz 2003 S. 1.

⁶ Lackes o. J.

⁷ Vgl. Dresler 2009 S. 63f.

⁸ Vgl. Strasser 2006 S. 30f.

⁹ Für eingehendere Informationen zum schwachen und starken KI-Ansatz, s.: Searle, 1984.

¹⁰ Vgl. Klausnitzer 2013.

¹¹ Vgl. Fraunhofer IAIS 2012 S. 6.

¹² In der herrschenden Literatur wird als zusätzlicher fünfter Kategorisierungsfaktor, als fünftes V von Big Data noch der unternehmerische Mehrwert der erhobenen Daten (Value) ergän- zend genannt. Dieser soll im Rahmen dieser Ausarbeitung keine gesonderte Erwähnung fin- den, da er stattdessen als obligate Voraussetzung für die Beschäftigung mit Big Data ange- sehen wird, zur weiteren Auseinandersetzung s. Bachmann/ Kemper/ Gerzer 2014 S. 28.

¹³ Vgl. Bachmann/ Kemper/ Gerzer 2014 S. 23ff.

¹⁴ Vgl. Klausnitzer 2013.

¹⁵ Vgl. Kalyvas/ Overly 2014 S. 1ff.

¹⁶ Gartner Inc. O. J. /

¹⁷ Vgl. Salkowitz 2014.

¹⁸ Vgl. Heuring 2014.

¹⁹ s. Kapitel 3, S. 21ff.

²⁰ Atzori/ Iera/ Morabito 2010 S. 2787.

²¹ Vgl. Mattern 2005 S. 2.

²² Vgl. Diekmann 2007 S. 12f.

²³ Das Bundesministerium für Wirtschaft und Energie führte bis 2011 ein Förderprogramm mit dem Titel „NextGenerationMedia“ durch, in dessen Rahmen die oben genannten Visionen als technische Innovationen vorangetrieben werden sollten, nähere Informationen unter s.: BMWi 2011.

²⁴ Vgl. Brand u. a. 2009 S. 14.

²⁵ Vgl. Friedewald u. a 2010 S. 44.

²⁶ Vgl. Brand u. a. 2009 S. 13.

²⁷ Vgl. Fraunhofer IML o. J.

²⁸ Vgl. Brand u. a. 2009 S. 32f.

²⁹ Vgl. Hilty u. a. 2012 S. 15ff.

³⁰ Vgl. Fürstenberg/ Truschkin 2009 S. 24.

³¹ Vgl. Mattern/ Flörkemeier 2010 S. 109f.

³² Vgl. Z_punkt GmbH 2014 S. 13.

³³ Vgl. Dembowski 2007 S. 201f.

³⁴ Vgl. Brand u. a. 2009 S. 17f.

³⁵ Vgl. Brand u. a. 2009 S. 17.

³⁶ Vgl. Brand u. a. 2009 S. 18.

³⁷ s. hierzu genauer Kapitel 3.1.2, S. 24ff.

³⁸ Als Wearables werden an dieser Stelle, aufbauend auf dem Begriff des wearable computings (tragbare Datenverarbeitung), Computersysteme verstanden, welche in Kleidung und Ac- cessoires, wie Uhren, Brillen, Armbändern, Ringen etc. eingebaut sind, für weitergehende In- formationen zum wearable computing, vgl. Mann 2001.

³⁹ s. hierzu genauer Kapitel 3.1.2, S. 24ff.

⁴⁰ Vgl. Brand u. a. 2009 S. 20.

⁴¹ s. hierzu genauer Kapitel 3.1.1, S. 21ff.

⁴² Vgl. Brand u. a. 2009 S. 19f.

⁴³ Bünder 2007 S. 16.

⁴⁴ s. Kapitel 3.2.1, S. 27.

⁴⁵ Vgl. Duden 2006.

⁴⁶ Meffert, in: Meffert/ Burmann/ Kirchgeorg 2008 S. 11.

⁴⁷ AMA, in: Meffert/ Burmann/ Kirchgeorg 2014 S. 13.

⁴⁸ Vgl. Pepels 2004 S. 349ff.

⁴⁹ Vgl. Kotler u. a. 2011 S. 193.

⁵⁰ s. hierzu auch Kapitel 2.4.2, S. 19f.

⁵¹ Pulizzi o. J.

⁵² Vgl. The Internet Marketing Academy 2011 S. 9ff.

⁵³ Vgl. Simmet 2013.

⁵⁴ s. hierzu Abbildung 5, Begriff „tar0geted“.