Teil 3: Matchmaking: Ausprobieren, ausprobieren, ausprobieren
KI im Eventmanagement
Begegnungen mit Impact machen erfolgreiches Networking aus. Matchmaking-Tools helfen, die richtigen Menschen zu treffen. Künstliche Intelligenz unterstützt auch hier. Foto: Cvent
Begegnungen mit Impact machen erfolgreiches Networking aus. Matchmaking-Tools helfen, die richtigen Menschen zu treffen. Künstliche Intelligenz unterstützt auch hier. Foto: Cvent
Es gibt nur wenige Plattformen, die sich so sehr zum Networken eignen wie Events. Matchmaking-Tools helfen, schon im Vorfeld zu Veranstaltungen Kalender zu erstellen, um möglichst erfolgversprechende Meetings in begrenzter Zeit zu planen. Das geht jetzt auch mit künstlicher Intelligenz (KI). Dies ist der dritte Teil unserer neuen Rubrik, in der wir transformative KI-Tools auf Events näher betrachten.
Networking ist ein zentrales Element von Veranstaltungen und Messen. Es dient nicht nur dazu, neue Kontakte zu knüpfen, sondern auch bestehende Beziehungen zu stärken und Wissen auszutauschen. Im beruflichen Kontext kann effektives Networking Karrieren voranbringen, Partnerschaften fördern und Innovationen anstoßen. Trotz der zentralen Bedeutung von Networking stehen viele Teilnehmer vor der Herausforderung, relevante Kontakte auf einer Veranstaltung zu identifizieren. Insbesondere bei größeren Events kann die schiere Anzahl an Teilnehmern überwältigend sein. Hier setzen Matchmaking-Tools an, indem sie gezielt Verbindungen herstellen, die sowohl für persönliche als auch berufliche Ziele von Nutzen sind.
Wie funktionieren Matchmaking-Tools?
Matchmaking-Algorithmen suchen gezielt nach Verbindungen zwischen zwei oder mehr Menschen, um eine direkte Interaktion zu ermöglichen. Ein Matchmaking-Algorithmus analysiert beispielsweise berufliche Interessen, Fachwissen und Ziele, um zwei Teilnehmer zu identifizieren, die sich gegenseitig unterstützen können. Diese Algorithmen sind dynamischer und setzen auf tiefere Analysen, um Begegnungen zu schaffen, die sowohl persönlich als auch professionell bereichernd sind.
Advertisement
Jens Schindler, Director DACH bei ExpoPlatform, beschreibt es so: „Ein Matchmaking-Algorithmus funktioniert auf verschiedenen Ebenen.“ Auf der Basisebene vergleicht der Algorithmus Interessen und Angebote der User miteinander und verknüpft sie mit passenden Inhalten wie Personen, Produkten, Nachrichten oder Vorträgen. Auf der nächsten Ebene analysiert der Algorithmus nicht nur Begriffe, sondern auch das Verhalten der Nutzer: Welche Inhalte werden angesehen, welche angeklickt? Dadurch können die Vorschläge gezielter auf individuelle Vorlieben abgestimmt werden. Auf der höchsten Stufe erkennt der Algorithmus Muster im Nutzungsverhalten und nutzt dieses Wissen, um den gesamten Datenbestand zu durchforsten. So kann er noch präzisere und relevantere Empfehlungen erstellen.
Dieses Prinzip dürften die meisten bereits von Netflix, Amazon oder der Dating-App kennen, wo ein Algorithmus Benutzerverhalten analysiert und anschließend Serien oder Produkte empfiehlt. McNeel Keenan, VP Product Management bei Cvent, ergänzt: „Diese Algorithmen analysieren demografische Daten und Engagement-Muster, um personalisierte Networking-Vorschläge zu erstellen.“
Wie KI das Matchmaking verbessert
Laut Schindler wissen Menschen oft gar nicht genau, was sie wollen. Künstliche Intelligenz hilft, diesen Aha-Moment herzustellen, indem sie Verhaltensmuster erkennt und passende Vorschläge macht. „KI hilft vor allem dadurch, dass das Matchmaking dynamisch auf dem Nutzungsverhalten beruht.”
KI Matchmaking-Tools – Eine Auswahl
1. ExpoPlatform 2. Cvent 3. InvitePeople 4. Brella 5. b2match 6. InEvent 7. MEETYOO
Grundlage für einen gutes Matchmaking sind auch hier die Art und Menge an Daten, die in den Algorithmus eingespeist werden. Dabei werden gar nicht so viele Daten gebraucht, meint Schindler. „Aber die Ergebnisse werden natürlich immer besser, je mehr Daten man hat.” So führt Schindler die klassischen Datenpunkte aus Messekatalogen an: Jobtitel, Jobkategorie, Entscheider ja/nein, Art der Entscheidung.
Foto: Cvent
„Empfehlungen werden nur dann präziser, wenn sowohl digitale als auch Daten aus der physischen Welt über das Engagement des Teilnehmers in den Matchmaking-Algorithmus einfließen.“
McNeel Keenan, VP Product Management bei Cvent
Auch für Keenan ist klar: „It starts with robust, secure, data collection.“ Veranstalter sammeln schon bei der Registrierung und beim Onboarding zum Event Datenpunkte. Wichtig ist, nicht nur digitale Daten aufzunehmen, sondern auch auf Datenpunkte aus der physischen Welt zurückzugreifen. Dazu gehören dann beispielsweise berufliche und persönliche Interessen, Hobbys sowie Engagement-Daten wie etwa Anwesenheiten bei verschiedenen Sessions. Cvent setzt dafür auch auf Gamification-Elemente, um Teilnehmer bei der Anmeldung zu motivieren, ihr Profil zu vervollständigen. Für Schindler zeichnet sich am Horizont bereits die Monetarisierung von Daten ab: „Wenn Du meinen Algorithmus auf Basis Deiner Daten lernen lässt, wie ich mein Angebot für Dich verbessern kann, dann bin ich bereit, Dir etwas zu zahlen bzw. einen Rabatt einzuräumen.”
Herausforderungen
Damit das System seinen vollen Mehrwert entfalten kann, benötigt es also Daten zum Lernen, die über demografische Daten hinausreichen. Zu Beginn, insbesondere bei einer Erstanwendung, zeigen sich die Vorteile oft nicht in dem Maße, wie es wünschenswert wäre. Dies verbessert sich jedoch mit der zweiten und den nachfolgenden Anwendungen. Bei sehr kleinen Veranstaltungen unter 500 Teilnehmern kann es jedoch schwierig sein, einen ausreichend großen Datenpool zu generieren, um einen spürbaren Effekt zu erzielen, wie Schindler betont. Keenan weist hingegen darauf hin, dass Veranstaltungen mit mehreren Tausend Teilnehmern wie Kongresse oder Messen auch eine Herausforderung darstellen, um relevante Matches effizient zu berechnen. Dies benötige eine starke Rechenleistung. Es gilt also, genug Zeit und Geduld einzuplanen, bis sich alle Vorteile einer KI-Matchmaking-Plattform entfalten können. Die Vorteile von KI sind messbar. Schindler berichtet von mehr als verdoppelten Lead-Scanning-Ergebnissen bei Veranstaltungen, die KI nutzen: „Besucher, die bereits im Voraus Meetings buchen, erleben ein deutlich erfolgreicheres Event.“
Foto: Jens Schindler
„Besucher, die bereits im Voraus Meetings buchen, erleben ein deutlich erfolgreicheres Event.“
Jens Schindler, Director DACH bei ExpoPlatform
Für Entwickler bleibt aber auch hier ein Problem mit KI: die Nachvollziehbarkeit von Ergebnissen. Nicht alle setzen deshalb auf KI. „A large downside of using generative AI is the difficulty of actually validating the result”, erzählt Erik Gullestad, CTO & Founder von InvitePeople. Besprechungspläne ließen sich zwar ähnlich schnell wie Marketingtexte und Bilder mit GenAI wie ChatGPT erzeugen. Doch anders als fehlerhafte Bilder oder Texte lassen sich Besprechungspläne nicht schnell auf Fehler überprüfen. InvitePeople setzt daher auf einen Graphen-Algorithmus, der auf der Grundlage der Anfragen der Teilnehmer und der verfügbaren Zeitfenster und Räume den bestmöglichen Zeitplan ermittelt.
Foto: InvitePeople
„In der Zukunft, wenn uns fortschrittlichere KI-Modelle zur Verfügung stehen, werden wir die Plattform wahrscheinlich nicht mehr über eine Benutzeroberfläche konfigurieren müssen. Dies wird von einer generativen KI über Text- oder Spracheingabe vorgenommen.“
Stephanie Hellstedt, Geschäftsführerin InvitePeople
Die Zukunft des Matchmaking
Es gibt neben dem Matchmaking-Algorithmus noch weitere Möglichkeiten, KI ins Tool zu integrieren. InvitePeople experimentiert derzeit mit einem Gen-KI-Chatbot. „In der Zukunft, wenn uns fortschrittlichere KI-Modelle zur Verfügung stehen, werden wir die Plattform wahrscheinlich nicht mehr über eine Benutzeroberfläche konfigurieren müssen. Dies wird von einer generativen KI über Text- oder Spracheingabe vorgenommen“, erzählt Stephanie Hellstedt, Geschäftsführerin bei InvitePeople. Auch Cvent will eine Gen-AI-Anwendung im Matchmaking-Prozess einführen, um den Workflow zu vereinfachen und die Ergebnisse transparenter darzustellen.
Die Verbindung der Zukunft
Matchmaking-Tools verändern die Art und Weise, wie wir Veranstaltungen erleben. Durch die Kombination von Datenanalyse und KI schaffen sie eine neue Dimension des Networkings. Keenan fasst es so zusammen: „Overtime, AI-driven matchmaking will not be a nice to have but it will instead be a baseline expectation by event audiences. Their time away from their home and office is limited so attendees will come to expect powerful matchmaking tools to ensure that every moment is maximised – whether through making valuable connections or gaining insights from the community and content provided.” Daher rät Schindler: „Ausprobieren, ausprobieren und ausprobieren!”
Maxi Nessmann