zum Inhalt

17.11.2026

Prof. Dr. Ganna Demydyuk erhält amerikanischen Forschungspreis

Forschung

KI-gestützte Auswertung von Kund:innenbewertungen soll Unternehmen helfen

Wie können Unternehmen aus Tausenden Kund:innenbewertungen erkennen, warum Kund:innen bleiben, weiterempfehlen oder zur Konkurrenz wechseln? Mit dieser Frage haben sich die Bremerhavener Professorin Dr. Ganna Demydyuk und Waqas Ali von der University of Wolverhampton beschäftigt. Mithilfe Künstlicher Intelligenz entwickelten sie einen Ansatz, der unstrukturierte Kund:innenkommentare in strukturierte Verhaltensinformationen übersetzt und damit für Management- und Controllingsysteme nutzbar macht. Für diese Forschung wurden sie kürzlich mit dem Best Paper Award der Global Conference on Technology and AI in Hospitality and Tourism (GLOTECH) ausgezeichnet.

Ob als Google-Rezension oder in Portalen wie Trustpilot: Bewertungen von Kund:innen können beeinflussen, ob weitere Menschen bestimmte Produkte kaufen oder Dienstleistungen in Anspruch nehmen. Aus diesem Grund sind sie für die Unternehmen wichtige Datenquellen. Sie helfen zu verstehen, welche Bedürfnisse Konsument:innen haben und was sie zum Kauf bewegt. Für die Bremerhavener Professorin Dr. Ganna Demydyuk sind diese Daten auch aus wissenschaftlicher Sicht spannend. Sie lehrt im Studiengang International Tourism Management (ITM) und möchte als Forscherin mit ihren Analysen Unternehmen zu wirtschaftlichem Erfolg verhelfen. „Unternehmen verfügen heute über enorme Mengen an Kundenfeedback. Die eigentliche Herausforderung besteht nicht darin, diese Daten zu sammeln, sondern sie so auszuwerten, dass daraus verwertbare Informationen für Managemententscheidungen entstehen. Unser Ansatz nutzt Künstliche Intelligenz, um Kundenkommentare in strukturierte Verhaltenssignale zu übersetzen, die sich mit betrieblichen und finanziellen Kennzahlen verbinden lassen“, erklärt Prof. Demydyuk.

Dass sie dabei Künstliche Intelligenz einsetzt, macht ihre Arbeit nach eigener Aussage zu etwas Besonderem: Während KI in Verhaltensforschung zunehmend eingesetzt wird, wird ihr Potenzial für betriebswirtschaftliche Fragestellungen bislang noch vergleichsweise wenig ausgeschöpft. Der innovative Teil der Forschung liegt nicht in der Nutzung von KI allein, sondern darin, wie KI eingesetzt wird. „Wir verwenden KI, um aus unstrukturierten Kundenerzählungen systematisch Informationen über Loyalität, Abwanderungsrisiken und zukünftiges Verhalten abzuleiten. Dadurch werden Kundenbewertungen erstmals als Teil eines kontinuierlichen Management- und Kontrollsystems genutzt können”, sagt die Professorin.

Gute Leistung verhindert Abwanderung, emotionale Erlebnisse schaffen Loyalität

In ihrer aktuellen Forschung untersuchten die Wissenschaftler:innen, wie Unternehmen aus  Kund:innenbewertungen Hinweise auf Kund:innenbindung, Abwanderungsrisiken und zukünftige Nachfrage gewinnen können. Als Anwendungsfall dienten 183.991 englischsprachige Kreuzfahrtbewertungen der Plattform cruiseline.com aus den Jahren 2002 bis 2023. Ziel der Studie war jedoch nicht die Analyse einer einzelnen Branche, sondern die Entwicklung eines übertragbaren Modells zur KI-gestützten Auswertung von Kund:innenerfahrungen.

Mithilfe KI-gestützter Textanalyse und statistischer Modelle untersuchten die Forschenden, wie unterschiedliche Erlebnismerkmale mit Stimmung, Zufriedenheit und geäußerten Verhaltensabsichten zusammenhängen. „Kreuzfahrten eignen sich besonders gut für solche Analysen, weil Kundinnen und Kunden sehr ausführlich emotional über ihre Erlebnisse berichten. Die dabei entwickelten Verfahren lassen sich jedoch grundsätzlich auf viele andere Branchen übertragen, etwa auf Hotellerie, Gastronomie, Einzelhandel, Mobilität oder E-Commerce“, erklärt Prof. Demydyuk. Ein wichtiges Ergebnis der Studie ist, dass Zufriedenheit allein kein verlässlicher Indikator für Kund:innenbindung ist. Entscheidend ist vielmehr, wie Kund:innen das Gesamterlebnis wahrnehmen, emotional verarbeiten und als Preis-Leistungs-Verhältnis bewerten. „Die Ergebnisse zeigen, dass Kundenbewertungen nicht nur nach Sachthemen, sondern auch nach ihrem emotionalen Gehalt und den darin enthaltenen Verhaltenhinweisen ausgewertet werden sollten“, sagt die Professorin. Die Analyse macht deutlich, dass Reisende häufig über andere Aspekte sprechen als jene, die ihre Loyalität oder ihre Wiederbuchungsabsicht tatsächlich beeinflussen. Grundlegende Leistungsmerkmale wie Zuverlässigkeit, Organisation oder Servicequalität verhindern vor allem die Abwanderung zur Konkurrenz. Langfristige Kund:innenbindung entsteht dagegen häufig durch emotional geprägte Erlebnisse, etwa besondere Erfahrungen, soziale Interaktionen, kulturelle Eindrücke oder das Gefühl, etwas Einzigartiges erlebt zu haben. „Für Unternehmen ist dies besonders relevant, weil Kundenkommentare damit weit mehr liefern als Zufriedenheitswerte. Sie enthalten Hinweise auf zukünftiges Kundenverhalten, die sich mit Hilfe von KI systematisch identifizieren und für Managemententscheidungen nutzbar machen lassen.“

Modell soll Unternehmen unterstützen

Auf Basis der Analysen entwickelten die Forschenden ein mehrschichtiges Modell, das Kund:innenkommentare, emotionale Reaktionen, Zufriedenheitsbewertungen und Verhaltensabsichten miteinander verknüpft. Ziel ist es, unstrukturierte Textdaten in entscheidungsrelevante Informationen zu überführen, die sich mit operativen Kennzahlen, Management-Reports und Controlling-Systemen verbinden lassen. Kund:innenbewertungen enthalten nicht nur Meinungen, sondern Frühindikatoren für zukünftiges Verhalten. Die Herausforderung besteht darin, diese Signale sichtbar zu machen und für Managemententscheidungen nutzbar zu machen. Die tatsächliche wirtschaftliche Wirkung von Kund:innenbewertungen muss allerdings noch überprüft werden: Die Studie enthält keine Umsatz- oder Wiederbuchungsdaten und weist daher weder höhere Erlöse noch eine erfolgreiche Verhinderung von Kund:innenabwanderung nach. Perspektivisch wäre es möglich, das Feedback mit internen Transaktions- und Buchhaltungsdaten zu verbinden und Veränderungen über die Zeit zu untersuchen. Die Jury des Best Paper Awards der Global Conference on Technology and AI in Hospitality and Tourism haben die Ergebnisse der Studie bereits jetzt überzeugt. Ganna Demydyuk und Waqas Ali konnten sich in diesem Jahr über die Auszeichnung für ihre Veröffentlichung „A Multi-Layer Model of Customer Experience Management for Continuous Data Auditing“ freuen.

Die Studie entstand im Rahmen der Kreuzfahrtforschung an der Hochschule Bremerhaven, deren langjährige Expertise in den Bereichen Kreuzfahrtmanagement, Tourismus und maritime Wirtschaft ein wichtiger Grund für den Wechsel von Prof. Dr. Ganna Demydyuk an die Hochschule war. Die Teilnahme an der Konferenz sowie die Präsentation der Forschungsergebnisse wurden durch den Forschungsfonds der Hochschule unterstützt.

Redakteur:in