Maschinelles Lernen: Mehr Schein als Sein?

Der Autor Fabian Specht ist Managing Director EMEA für IDeaS Revenue Solutions.

Können die Effizienz von Revenue-Management-Tools und die Auswertung von Daten mithilfe von maschinellen Lernverfahren verbessert werden – oder ist „maschinelles Lernen“ nur ein Schlagwort ohne Schlagkraft?

IDeaS entwickelte schon vor fast 30 Jahren automatisierte Entscheidungstools für das Umsatzmanagement von Hotels. Damals hatten viele Hotelbesitzer Vorbehalte gegenüber einer Software, die Preis- und Verfügbarkeits-Entscheidungen innerhalb ihrer verschiedenen Buchungssysteme automatisch implementiert. Schnell jedoch haben sie die Vorteile erkannt: Die Lösung bietet höhere Konsistenz und Verlässlichkeit sowie profitable Umsatzoptimierung.

Heute kann eine ähnliche Entwicklung beim maschinellen Lernen im Rahmen von Revenue-Management-Lösungen in Hotels beobachtet werden. Das Angebot an Tools, mit denen Hoteliers sicherstellen können, dass ihr Produkt auf beliebig vielen Absatzkanälen verfügbar ist, wächst so rasant wie die Zahl der Absatzkanäle. Hotels verfügen über zentrale Reservierungssysteme, Channel Manager, Revenue-Management-Systeme und Online-Reisebüros, die Preise kommunizieren und in vielen Fällen auch festlegen.

Beim maschinellen Lernen muss unterschieden werden zwischen Tools, die nur auf den Zug aufspringen, und solchen, die Effizienz und Einblicke durch maschinelles Lernen tatsächlich verbessern können. Dank Big Data bietet sich Maschinen eine breite Datenbasis. Die Frage ist: Ist ein Lerneffekt erkennbar oder machen Ihnen die Maschinen das Leben schwerer, da man all die zusätzlichen Daten erst noch entschlüsseln muss?

Hoteliers müssen sich entscheiden zwischen einem komplexen Tool, das maschinelle Lernverfahren anwendet, das auf der Basis von Analysen Entscheidungen trifft und einem, für das Regeln manuell festgelegt werden müssen. Die Frage ist also: Arbeitet Ihr Tool für Sie, oder arbeiten Sie für Ihr Tool? Maschinelle Lernverfahren nützen dann nichts und das System wird aufgrund der großen Datenmengen noch komplexer.

Hotelbetreiber stehen den Vorteilen von maschinellem Lernen skeptisch gegenüber, besonders, weil es in der Hotellerie auf menschliche Interaktion ankommt. Maschinelles Lernen sollte dennoch als weitere Möglichkeit verstanden werden, durch die die Schlagkraft von Analysen noch besser genutzt werden kann, um alle verfügbaren Daten auszuwerten. Denn das ist manuell oder mithilfe von Tabellen kaum möglich. Die Kombination verschiedener Systeme, die richtigen Daten und Strategien, die Interaktion mit Benutzern, maschinelles Lernen und Analysen liefern zukunftsorientierten Hoteliers über kurz oder lang die besten Ergebnisse. Nutzen Sie also die Möglichkeiten, die Ihnen effektives maschinelles Lernen bietet.