KI und Fundraising geht das zusammen und wenn ja, wie und welche Herausforderungen treten dabei für NPOs auf? Dieser Fragestellung habe ich mich in meiner Masterarbeit angenommen und versucht ein bisher wissenschaftlich unerforschtes und innovatives Thema für den NPO-Bereich durch die Befragung unterschiedlicher Experten_innen aus den Bereichen KI, FR und NPO zu beantworten. In der Arbeit konnten praxisrelevante Anwendungsmöglichkeiten aufgezeigt werden, auf welche in diesem Artikel der Fokus gelegt werden soll. Wer die gesamte Arbeit lesen möchte, findet diese unter folgendem Link

Klicken Sie auf den unteren Button, um den Inhalt von sozialmarketing.de zu laden.

Inhalt laden

Für den Begriff KI existiert nach heutigem Stand keine einheitliche Definition. Hinsichtlich der Praxisrelevanz habe ich KI für die Arbeit als ein Teilgebiet der Informatik definiert, das sich mit der Erforschung und Entwicklung intelligenter Agenten, die unter dem Einsatz verschiedener Methoden selbstständig bestimmte Probleme lösen können, befasst.

Die Befragung der ExpertInnen hat gezeigt, dass es für Organisationen verschiedene Anwendungsmöglichkeiten Künstlicher Intelligenz im Fundraising geben kann. Die Expert_innen waren sich darüber einig, dass die vielversprechendsten Bereiche die Kommunikation, sowie die Planung und Analyse von Fundraisingmaßnahmen sind. In den Interviews wurde jedoch auch deutlich, dass die meisten Organisationen noch nicht soweit sind KI einzusetzen und eine nachhaltige Verbesserung für Kommunikation und Fundraising zu erzielen, weshalb vorab ein Blick auf die Voraussetzungen für den Einsatz Künstlicher Intelligenz im Fundraising gegeben sein sollten.

Voraussetzungen für den Einsatz von KI im FR

Grundlegen muss es in der jeweiligen Organisation ein Bewusstsein für digitale Themen im Allgemeinen und KI im Besonderen gegeben sein. Hierzu bedarf es auf der obersten organisationsinternen Stufe einer Führungskultur, die digitale Themen und KI als Chance versteht und dies in der Breite lebt und in die Organisation trägt. Ein erster Ansatzpunkt könnte hier das Recruiting von CTOs in die Führungskader der Organisationen sein. Weiterhin müssen Organisationen die Ziele, die durch den Einsatz von KI erreicht werden sollen, definieren, diese in die strategische Planung integrieren, sowie finanzielle und personelle Ressourcen bereitstellen.

Auf der technischen Seite bedarf es einerseits einer entsprechenden IT-Infrastruktur, auf der KI-Systeme aufgesetzt werden und auf der anderen Seite muss der Zugang zu den technischen Lösungen selbst gegeben sein, welche dann auf den konkreten Anwendungsfall zugeschnitten werden müssen. Weiterhin grundlegend auf der technischen Ebene ist der Zugang zu Daten, um KI-Systeme unterfüttern zu können. Hierbei gilt es Klarheit darüber zu haben, welche Daten relevant sind und diese zu erfassen. Grundlegend gilt es für Organisationen zu verstehen, welche massiven Schätze in ihren Daten liegen und dass sie diese sinnvoll nutzen sollten.

KI in der Planung und Analyse von Fundraising Maßnahmen

Großes Potential für den Einsatz künstlicher Intelligenz bietet die Planung und Analyse von Fundraisingmaßnahmen. Elementarer Bestandteil ist dabei die Zielgruppensegmentierung, welche sich die Frage stellt, „Wen spreche ich wann, wie und über welchen Kanal am besten an?“ An dieser Stelle kann KI eingesetzt werden, um Fundraiser_innen dabei zu unterstützen die Maßnahmen effizient zu gestalten, denn das Treffen von Vorhersagen anhand bestehender Daten, sogenannte prädiktive Analysen ist genau eines der Stärken aktueller KI- Systeme. Hierbei werden mittels Analysen, Statistiken und Machine Learning-Techniken aus bestehenden Daten Zukunftsvorhersagen getroffen. Vorhersagemodelle versuchen dabei die Beziehung zwischen einer abhängigen und einer unabhängigen Variablen zu beschreiben. Die abhängige Variable, die Antwortvariable, könnte im Falle von NPOs zum Beispiel die Spendenwahrscheinlichkeit sein. Die unabhängige Variable, der Prädiktor, wird dazu genutzt, um die Vorhersage zu treffen. Welche Daten dabei für NPOs relevant sein können, wird weiter unten noch genauer erläutert. Die Daten werden verwendet, um die Beziehung zwischen den Variablen zu verstehen, also ein Muster darin zu erkennen, welche Prädiktorvariable oder Kombination von Prädiktorvariablen zur Antwortvariable führt.

„By uncovering patterns and trends hiding within your datasets, you can easily identify donors who may be willing to give more, or determine which programs offer the best return for your investment. And that means you can focus your limited resources and efforts on those areas where they’re likely to do the most good” heißt es auf der Website von IBM. Diese Tatsache zeigt, dass das Thema der prädiktiven Analysen durchaus bereits in der Praxis platziert ist und es, wenn auch wenige, Organisationen gibt, die diese Technik anwenden. Eine dieser Organisationen ist u.a. UNICEF Niederlande, die laut IBM durch den Einsatz von SPSS (IBMs Predictive Analytics Tool) beispielsweise die Antwortrate auf Door-to-Door Kampagnen mehr als verdoppeln konnte. Neben IBMs SPSS sind auch andere Softwarelösung für vorhersagende Analysen im Fundraising erhältlich. Beispielsweise seien hier das Tool Veera von Rapid Insight oder das cloudbasierte Lösung LityxIQ der Firma Lityx genannt. 

Als Prozess finden prädiktive Analysen für Fundraisingmaßnahmen in vier grundlegenden Schritten statt, welche in der folgenden dargestellt sind und im Nachfolgenden genauer beschrieben werden sollen. 

Der Prozess prädiktiver Analysen im Fundraising Quelle: IBM

Den grundlegenden ersten Schritt bildet die Ausrichtung der Rohspenderinformationen (Align). Hierzu werden alle vorhandenen Spenderdaten direkt aus unterschiedlichen Quellen in das Analyse-Tool gegeben. Unterstützt die Software nicht den Zugriff auf unterschiedlichen Quellen, sind die Daten vorher in einem Data-Warehouse zusammenzulegen. Zu Daten, auf die hierbei zurückgegriffen werden kann, zählen demografische Daten (Alter, Einkommen, Beruf, Familienstand, etc.), Kampagnendaten (Kontaktverlauf, Antworten und Spenden, Ergebnisse von Testkampagnen, etc.), Befragungsdaten (Feedback aus Social Media, Ergebnisse aus Emails oder Umfragen, die Rückschlüsse auf Wünsche und Präferenzen geben, etc.) und alle strukturierten oder unstrukturierte Daten bezüglich der Spendertätigkeit.

Im zweiten Schritt werden die Informationen anhand von Vorhersagemodellen analysiert, wodurch verstanden werden kann, was die Spender_innen als Nächstes tun werden (Anticipate). Die Modelle ermitteln die idealen Spendersegmente, gewichten die Daten und sagen die Wahrscheinlichkeiten zukünftiger Ereignisse (z. B. Wie wahrscheinlich ist es, dass ein Spender X auf eine bestimmte Marketingkampagne Y reagiert?) voraus. Ein weiterer wichtiger Punkt in diesem Schritt ist die Entscheidungsoptimierung, welche zusätzlich vorschlägt, wie die Information aus am prädiktiven Modell am effektivsten verwendet wird (Spender X reagiert am wahrscheinlichsten auf Kampagne Y, wenn er über Kanal Z angesprochen wird). 

Im dritten Schritt gilt es die erlangten Erkenntnisse in die operativen Abläufe und Systeme zu integrieren und die Förderer gemäß ihrer persönlichen Präferenz anzusprechen (Act). Gewonnene Erkenntnisse können ebenfalls für strategische Entscheidungen (Welche Maßnahme erhält wie viel Budget? Welche Aktivitäten zahlen sich langfristig aus?) herangezogen werden.

Da prädiktive Analysen nicht linear verlaufen, wird zuletzt die Vorhersage optimiert. Neuerlangte Erkenntnisse aus der operativen Umsetzung verfeinern die vorhandenen Quellen und zusätzlich können neue Datenquellen hinzugefügt werden. Somit verbessert sich das Modell mit jeder Wiederholung und liefert immer bessere Vorhersagen. 

Prädiktive Analysen können also dazu beitragen, sämtliche Fundraisingmaßnahmen effizient zu planen, die Ergebnisse der Maßnahme zu analysieren und diese in die Planung nachfolgender Maßnahmen mit einfließen zu lassen. Um Zielgruppen zu segmentieren, bedarf es also auf der einen Seite eines grundlegenden Zielgruppenverständnisses und auf der anderen Seite werden Daten in entsprechender Qualität und Güte benötigt, um derartige Techniken anzusetzen. Wenn die entsprechenden Daten jedoch gegeben sind, lässt sich eine Prognose etablieren, die es ermöglicht Leute sehr gezielt auf eine neue Möglichkeit des Investments [im Sinne von Projekten oder Kampagnen] anzusprechen.

Wichtig ist es zu unterscheiden, wie eine Organisation an ihre Daten gelangt. Handelt es sich um Förderer, die die Organisation seit Jahren begleiten, wo also ein gewisses Vertrauensverhältnis gegeben ist und von denen so entsprechende Daten und Präferenzen bekannt sind, kann eine zusätzliche Profilschärfung durch prädiktive Analysen eine Win-Win-Situation entstehen lassen. Geht es jedoch um die Exploration neuer Fördererdaten, bzw. um die Exploration der Daten von Personen die erst seit kurzem Förderer sind, bewegen sich Organisationen in einem hochsensiblen Bereich, in dem es sich mit ethischen und datenschutzrechtlichen Fragen auseinanderzusetzen gilt.  Generell ist es ein Leichtes, Informationen aus dem Internet mittels Web Mining, bzw. Web Content Mining, zu extrahieren und nutzbar zu machen. Wie weit eine Organisation hier gehen will, ob sie Daten über ihre Spender_innen durch jahrelange Begleitung und Donor-Journeys sammelt, oder Daten aus organisationsexternen Quellen bezieht, muss individuell abgewogen und entschieden werden. Generell bedarf es eines reflektierten Umgangs mit Daten und den Ergebnissen aus entsprechenden Analysen, da durchaus auch verzerrte Bilder exploriert werden können.Nur wenn auch tatsächlich Muster in den Datenstrukturen enthalten sind, funktionieren prädiktive Analysen. Das ist in vielen Fällen auch der Fall, dennoch ist der letzte Schritt stets der gesunde Menschenverstand, denn jede Vorhersage ist und bleibt eine statistische Analyse.

Die Anwendungsfelder für Datenanalysen gehen im Allgemeinen auch für NPOs natürlich weit über die Zielgruppensegmentierung und die Auswahl von passenden Kampagnen oder Kontaktkanälen hinaus. Datenanalysen und prädiktive Modelle können auch genutzt werden, um Bedarfs- oder Wirkungsanalysen durchzuführen. Die amerikanische Sektion von Amnesty International hat bspw. in Zusammenarbeit mit DataKind 5000 Hilfsanfragen der letzten 25 Jahre, die über das Urgent-Action Network eingegangen sind, analysiert. Hierbei konnten Muster identifiziert werden, die darauf hindeuteten, welche der Fälle in der Vergangenheit zu Krisen eskaliert sind. Anhand der Muster können für neue Urgent- Action Calls Dringlichkeitseinstufungen geschätzt werden, die bei der Priorisierung der Fälle helfen. Weitere Anwendungsbeispiele lassen sich auf der Homepage von DataKind finden (www.datakind.org). 

Entscheidet sich eine Organisation datengetrieben zu arbeiten, darf sie die Themen Datenschutz, Datensicherheit, Ethik und Privatsphäre nicht außer Acht lassen, denn das Bewusstsein für diese Thematiken wird auch in der breiten Bevölkerung in der Zukunft stetig wachsen. Daher ist die Transparenz beim Erfassen von Daten von großer Wichtigkeit, denn das Thema Vertrauen spielt im Fundraising ohnehin eine große Rolle und dieses fehlt vielen Förderern gegenüber digitalen Kanälen noch. Wenn also Methoden, wie prädiktive Analysen, eingesetzt werden, die enormen Nutzen und Effekte haben können, dann sollte dies jedoch transparent für den einzelne Nutzer_innen und mit der jeweiligen Zustimmung geschehen. Aus soziologischer Perspektive ist es jedoch gar nicht notwendig auf eine 1:1- Ebene runterzugehen und die Spender_innen dadurch „gläsern“ zu machen, da es im Grunde genügen würde, segmentierte Gruppenebenen zu betrachten. In einer Befragung des Frauenhofer- Instituts für sichere Informationstechnologie, gab die Mehrheit der Befragten an, dass sie ab einer Gruppengröße von 100 Personen je Datensatz die Anonymität gewahrt sehen.

Dass es sich für Organisationen lohnt datengetrieben zu arbeiten, zeigt die Studie “Leap before you lag” von IBM, an der sich Führungskräfte und Mitarbeitende aus 330 unterschiedlich finanzstarken und großen Organisationen aus 34 Ländern beteiligten.  „We found that organizations that are more advanced in data and analytics practice are more effective in driving performance against their mission and achieving internal efficiencies” heißt es in der Studie. 

KI in der Kommunikation

Das Erstellen von Texten

Ob bei der Produktion von Mailings, dem Erstellen von E-Mail- Newslettern oder Social Media- Postings, im Fundraising geht es darum, die richtige Form der Ansprache zu finden. Dazu gehört auch das Erstellen von Texten, eine Aufgabe, die perspektivisch KI-Systeme übernehmen können. Es existieren bereits Softwarelösungen, die aus einer vorgegebenen Datengrundlage mittels NLP- Techniken automatisiert Texte erzeugen.  Für den deutschen Markt seien hier exemplarisch AX Semantics, text-on und Retresco genannt.

Auf Grundlage der durch Datenanalysen gewonnenen Erkenntnisse über die Zielgruppen lässt sich durch ein KI- System eine personifizierte Kommunikation erstellen. Durch den Einsatz von KI-Methoden müssen Fundraiser_innen nicht mehr durch A/B-Tests zwischen wenigen Textvarianten entscheiden, sondern es lassen sich viele unterschiedlich zugeschnittene Varianten von Texten erstellen, die eine wesentlich höhere Bereitschaft zum Spenden oder Engagieren wecken können

Hinsichtlich der Qualität der Texte lässt sich festhalten, dass in letzter Instanz das emotionale Korrektiv des Menschen weiterhin unerlässlich bleiben wird. Denn für emotionale Ansprachen notwendige Komponenten, wie Empathie und Gefühl, werden in absehbarer Zeit noch nicht durch Software und Algorithmus ersetzt werden können

Dynamische Websites

Neben dem Schreiben von Texten für Mailings oder Emails lassen sich Techniken künstlicher Intelligenz auch ansetzen, um die Kommunikation mit dem Nutzer auf der Organisationshomepage zu gestalten und die Conversions der Nutzer_innen gezielt zu verbessern. Zum einen lassen sich auch die Texte auf der Homepage, wie im vorangegangenen Punkt beschrieben, auf Grundlage von Daten automatisiert erstellen. Zum anderen lassen sich die Inhalte auf der Homepage dynamisch je nach Präferenzen der Nutzer_innen ausspielen. Auf Grundlage bekannter Daten aus Web- Analytics, CRM, geografischen Daten usw. können KI-gestützte Anwendungen Inhalte dynamisch je Nutzergruppe ausspielen und dabei gleichzeitig das Klickverhalten der Nutzer_innen analysieren und die gewonnenen Erkenntnisse, welche ausgespielte Variante bessere Ergebnisse (im Sinne von vorher definierten Conversions) liefert, sofort wieder verwerten. Die Website wird jedoch nicht automatisch zum Selbstläufer, da beim ersten Besuch der Website bereits die nichtpersonalisierte Variante überzeugen sollte. 

Für ein dynamisches Ausspielen der Inhalte auf der Website bedarf es technischer Voraussetzung, die Website muss also entsprechend aufgesetzt sein. Im Zusammenhang mit personalisiertem Content auf der Website stellen sich jedoch auch identitätsbezogene Fragen hinsichtlich der Bedürfnisse und Wünsche der Nutzer_innen auf. Was geschieht, wenn Nutzer_innen immer genau das ausgespielt bekommen, was sie vermeintlich interessiert? Geht dabei ein gewisses Entdeckungserlebnis beim Besuch einer Website verloren. Es empfiehlt sich daher die Dynamisierung als Komfortmerkmal optionierbar und somit für den einzelnen User steuerbar zu machen. Die Nutzer_innen, die die Option nicht wahrnehmen wollen, bekommen entsprechend die von der Onlineredaktion bereitgestellte Homepage angezeigt

Supporter Service

Eine weitere vielversprechende Anwendungsmöglichkeit für Techniken Künstlicher Intelligenz lässt sich im Bereich des Spender- bzw. Supporter- Services finden. Die Mehrheit der an eine Organisation gerichteten Anfragen von Bestands- oder potentiellen Förderern lassen sich als sogenannte Standardanfragen bezeichnen (Änderungen der Bankverbindung, Informationsgesuche, etc.). Einer der Experten aus den Interviews beziffert den Anteil wiederkehrender Kommunikation mit etwa 80% und gibt weiterhin an, dass es im Schnitt etwa einen Mitarbeitenden je 10.000 Förderern benötigt, um alle Anfragen abzuarbeiten.

Genau an dieser Stelle könnten Chatbots eingesetzt werden. Chatbots sind Online-Dialogsysteme, mit denen die Nutzer_innen via Text- oder Spracheingabe kommunizieren und durch welche Anfragen in Form von Text- oder Sprachausgabe automatisiert beantwortet werden können. Hierzu bedarf es nicht zwangsläufig KI, doch der Einsatz intelligenter Systeme bringt folgende Vorteile mit sich:

  • Durch Deep Learning-Techniken können sich Bots selbst verbessern und anfängliche Verständnisschwierigkeiten durch permanentes Training und Analyse des User-Feedbacks ausräumen. Ein selbstlernender Bot wird somit intelligenter, kann Kontexte verstehen und liefert relevantere Antworten, je länger er im Einsatz ist.
  • Des Weiteren kann durch den Einsatz von Natural Language Processing-Techniken eine möglichst echt (im Sinne von menschlich) wirkende Sprachausgabe erreicht, sowie das Verständnis unterschiedlicher Dialekte und Betonungen verbessert werden.

Der Einsatz von Chatbots oder digitalen Assistenten im Supporter Service bringt zwei signifikante Vorteile für Organisationen mit sich. Einerseits sind Chatbots permanent erreichbar und nicht an Geschäftszeiten gebunden, sodass Anfragen zu jeder Tages- und Nachtzeit schnell bearbeitet werden können und dem Nutzer seine gewünschten Informationen stetig zur Verfügung stehen. Vorausgesetzt der Bot liefert gute Ergebnisse, ist davon auszugehen, dass die Nutzererfahrung für die Förderer eine positivere ist, als müssten sie mehrere Tage auf eine menschlich geschriebene Antwort warten. Altruja Geschäftsführer Nico sagte im Interview dazu: „Ich glaube, im Gesamten professionalisiert das die Arbeit der NPOs ungemein und führt dazu, dass Spender_innen besser und schneller geholfen wird und dass jeder für ihn das Relevante und Richtige bekommt und das ist es, was am Ende des Tages zu mehr Vertrauen führt“

Wird andererseits die ökonomische Perspektive betrachtet, lassen sich hier erhebliche Personalkosten anderweitig sinnvoller einsetzen. Nach der oben aufgemachten Rechnung benötigt eine Organisation mit 150.000 Förderern ungefähr 15 Personen im Supporter-Service. Wird ein Arbeitgeber-Brutto von 3000 € pro Monat angesetzt und davon angenommen, dass 80%, also 12 Personen, mit Standardkommunikation beschäftigt sind, lassen sich pro Jahr 216.000 € Personalkosten anderweitig investieren, wenn davon ausgegangen wird, dass nur die Hälfte der Arbeit durch einen KI-gestützten Chatbot erledigt wird. In der Praxis dürfte es ohnehin unwahrscheinlich sein, dass 15 Personen im Supporter- Service einer Organisation mit 150.000 Förderern eingesetzt werden, weshalb oft Wartezeiten in der Beantwortung von Anfragen entstehen, womit der erste beschriebene Vorteil noch mehr Aussagekraft gewinnt. 

Bevor ein Bot eingesetzt wird, gilt es für Organisationen grundlegend die Frage zu klären, was der Bot leisten soll. Hier kann zwischen Informationsbots, welche ausschließlich Fragen beantworten und Servicebots, die Aufgaben erledigen und Fragen beantworten, unterschieden werden. Für Organisationen scheint hier der Einsatz von Servicebots sinnvoll. Weiterhin gilt es zu entscheiden, wie der Bot aufgesetzt wird. An dieser Stelle müssen sich Organisationen zwischen der Verwendung vorgefertigter Bot Frameworks von bekannten Chatbot Development Plattformen (bspw. Botpress, Facebooks Wit.ai oder Googles API.ai) und der eigenen Programmierung entscheiden. Die Programmierung auf der eigenen Infrastruktur ist zwar deutlich arbeits- und kostenintensiver, bringt jedoch zwei Vorteile mit sich. Einerseits behält die Organisation die Hoheit über teilweise sensible Daten der Förderer (bspw., wenn über den Bot Adressänderungen u.Ä. abgebildet werden sollen) und andererseits lassen sich die Codes auf diese Art zusätzlich anderweitig verwenden. Sind die essentiellen Entscheidungen getroffen, gilt es die Use Cases für den Bot zu definieren (z. B. „Änderung der Spenderdaten“ oder „Informationsbereitstellung“) und die Konversationsstrategie zu entwickeln. Um die Absicht des Users zu verstehen, muss der Chatbot die Utterances (Äußerungen), Intents (Absichten) und Entities (Entiäten) korrekt identifizieren, bevor er sinnvoll reagieren kann.

Um Sätze und Absichten zu erkennen, benötigt der Bot KI-Regeln, die definieren, was bei welcher Absicht geschehen soll. Pro Regel sollten dem Bot mehrere Phrasen vorgegeben werden, damit später die Bedeutung ähnlicher Phrasen erkannt werde. Beispielsweise sollten durch die Aussagen „Ich will meine Bankverbindung ändern!“, „Bankverbindung ändern!“ und „Können Sie mir helfen, meine Bankverbindung zu ändern?“ dieselbe Absicht erkannt werden. Bevor der Bot live geht, sollte er ausgiebig getestet werden. Hierzu existieren automatische Testframeworks (z. B. Botium), aber auch Alpha- und Betatests sind notwendig, um reale menschliche Verhaltensmuster zu testen. Nachdem der Bot der Öffentlichkeit zur Verfügung steht, sollte er kontinuierlich verbessert werden. Negatives Feedback sollte eingearbeitet und nicht verstandene Utterances analysiert werden, um einen fortlaufenden Lernprozess und damit eine stetige Verbesserung des Bots zu erreichen.

Der Anwendungsbereich von Chatbots geht deutlich über das Bearbeiten von Standardanfrage über die eigene Homepage hinaus. Chatbots können auch in Messenger- Diensten (etwa dem Facebook-Chat oder WhatsApp) eingesetzt werden, um hier die Kommunikation mit den Nutzer_innen zu führen, den Follower_innen Push-Nachrichten zur Mobilisierung zukommen zu lassen, den persönlichen Kontakt mit Mitarbeitenden der Organisation auslösen oder sogar den Spendenprozess übernehmen, wenn eine Zahlungsoption hinterlegt ist (hier dürfte die Hemmschwelle in Deutschland jedoch ziemlich hoch liegen). 

Der Bot könnte ebenso als Frühwarnsystem fungieren, um positive oder negative Trends zu erkennen. Wird er bspw. von Nutzer_innen nach dem Thema „Kündigung“ gefragt, könnte der Bot den Fundraiser_innen ein Signal geben, welcher daraufhin Gegenmaßnahmen einleitet, um den Förderer zu halten. Andererseits könnte der Bot auch ein Signal geben, wenn die Chance besteht, den Förderer auf die nächste Stufe der Spenderpyramide zu heben (Förderer erkundigt sich bspw. beim Bot über das Thema „Großspender“ oder „Testament“).

Bei dem Einsatz von Bots gilt es einige Dinge zu beachten. Einerseits sollte den Nutzer_innen, die mit dem System agieren, transparent gemacht werden, dass sie mit einem Bot kommunizieren. So wird von vornherein vermieden die Erwartungshaltung zu wecken, mit einem Menschen zu kommunizieren und dann zu enttäuschen, wenn dem nicht so ist. Im gleichen Schritt sollte den Nutzer_innen auch deutlich gemacht werden, was der Bot im Stande zu leisten ist und was nicht, um auch hinsichtlich der Funktionsweise etwaigen Enttäuschungen vorzubeugen. Stößt der Bot im Dialog an seine Grenzen, sollte den Nutzer_innen immer die Option geboten werden auf menschlichen Kontakt umzustellen und um die Mündigkeit der Nutzer_innen zu wahren, sollte diesen von vornherein die Wahl gelassen werden, ob er mit einem Bot kommunizieren möchte oder mit einem Menschen.

Es gibt durchaus Anzeichen, dass sich einige Organisationen bereits mit dem Thema auseinandersetzen. Das Schweizer Rote Kreuz (SRK) hat beispielsweise bei dem Hackathon „BärnHäckt“ die Erstellung eines Chatbots als Challenge ausgeschrieben. Die Anforderungen an den Bot waren dabei u.a. die Integrationsfähigkeit in Messenger-Dienste, die Anbindungsmöglichkeit an das geplante CMS und CRM-System und die Verfügbarkeit Schweizer Zahlungsmittel, was darauf hindeutet, Spenden über den Bot generieren zu wollen. 

Einen Überblick über aktive Chatbots gibt die Onlinedatenbank chatbottle.co, auf der über 10.000 Bots für den Facebook-Messenger gelistet sind. Unter dem Suchbegriff „Non-Govermental Organization“ sind 565 Organisationen aufgeführt, die bereits einen Chatbot im Messenger im Einsatz haben, darunter unter anderem Oxfam Australia, World Vision USA oder unterschiedliche Greenpeace- Sektionen. 

Zusammenfassend lässt sich festhalten, dass es verschiedene Möglichkeiten gibt künstlicher Intelligenz im Fundraising einzusetzen, um Mitarbeitende zu entlasten und eine weitere Professionalisierung des Fundraisings voranzutreiben, wodurch dem stetig wachsenden Druck auf dem Spendermarkt durch Effizienz und Effektivität entgegengewirkt werden kann. 

Dass das Thema KI in Zukunft eine immer wichtigere Rolle spielen wird, dürfte unstrittig sein und auch für Organisationen geht der Einsatz von KI weit über den Funktionsbereich Fundraising hinaus, sodass bspw. eine Integration von KI in den Bereichen HR oder Accounting denkbar wäre. Gerade die Automatisierung von Standardprozessen durch selbstlernende Systeme erscheint perspektivisch großes Potential für Nonprofits zu haben, um knappe personelle Ressourcen sinnvoller einsetzen zu können. Aber auch die inhaltliche Arbeit von Organisationen kann durch den Einsatz von Datenanalysen gestützt werden.

An dieser Stelle nochmal ein herzliches Dankeschön an Katja Prescher, Maik Meid, Dr. Kai Fischer, Nicolas Reis, Prof. Dr. Christoph Benzmüller und Tobias Hübers für ihre Zeit und die Teilnahme an den Interviews.

Altruja Coach
Digital Fundraising Software
Altruja CRM
Kunden
Erfolgsgeschichten
Ratgeber
Blog
Fundraising Studie