19.04.2021

“Daten klassischer Analytics-Tools weichen um 30 Prozent von der Realität ab”

Im Interview erklärt Jentis-Gründer Thomas Tauchner, warum Analytics-Tools ungenau sind, was sein Startup anders macht und wie dieses sich im ersten Jahr entwickelt hat.
/artikel/jentis-tauchner-interview
Jentis: Gründer und Co-CEO Thomas Tauchner
(c) Jentis: Gründer und Co-CEO Thomas Tauchner
sponsored

Vor einem Jahr, im April 2020, also mitten im ersten Lockdown, launchte in Wien das Startup Jentis – der brutkasten berichtete. Das Unternehmen will mit seiner Daten-Tracking-Technologie nichts Geringeres als den gesamten Bereich neu zu erfinden. Inzwischen kann das Startup einige große Referenzkunden vorweisen. Und im ersten Jahr seines Bestehens holte es sich ein Investment und eine Förderung. Wir sprachen mit Gründer und Co-CEO Thomas Tauchner unter anderem über die Entwicklung im ersten Jahr und die Pläne für das zweite.

Ihr sagt, Google Analytics und Co messen nicht genau. Wie habt ihr das erhoben und woran liegt das?

Wir haben schon vor mehreren Jahren, als ich noch auf Agenturseite gearbeitet habe, erkannt, dass klassische Analytics Tools nicht ausreichend und zum Teil erheblich fehlerhafte Daten verarbeiten. Das liegt im Wesentlichen am umfangreichen Einsatz von Adblockern auf Nutzerseite und an der Integration von ITP (Anm. Intelligent Tracking Prevention) in den Webbrowsern. Die dadurch entstehenden weißen Flecken auf der “Datenlandkarte” führen dazu, dass die abgebildeten User Journeys erheblich von der Realität abweichen – derzeit durchschnittlich um 30 Prozent, Tendenz steigend –, und in der Folge eklatante Fehlattribuierungen von Budgets und damit massive Mediaineffizienzen entstehen.

Was macht Jentis anders?

Wir setzen mit unserer Lösung einen entscheidenden Schritt weiter vorne in der Datenwertschöpfungskette an. Seit 2016 arbeiten wir daran, nicht erfassbare Daten umfänglich wieder zurückzugewinnen bzw. falsche Daten zu eliminieren. Wir haben eine hochwertige Hybrid-Technologie entwickelt, die das herkömmliche client-side Browsertracking um einen server-side Trackingansatz ergänzt. Die Datenerfassung erfolgt dabei nicht mehr über den Webbrowser des Nutzers, sondern den Jentis TwinServer. Anders als beim konventionellen Tracking kommt bei unserer Lösung anstelle externer Third-Party-JavaScripts ein einziges First-Party-JavaScript auf der Website zum Einsatz. Dadurch ist die Datenerfassung gegen externe Eingriffe geschützt. Fehlerhafte Daten durch kompromittierende Browser und Datenverluste lassen sich so eliminieren und die Datenqualität signifikant steigern.

Gleichzeitig sichert dieses Konzept den Website-Betreibern nicht nur den Rohdatenbesitz für z.B. den Einsatz von KI und erweiterte Datenanalysen, sondern auch die jederzeitige uneingeschränkte Kontrolle über die Daten und den Datenfluss. Damit erhalten Website-Betreiber die volle Autonomie über ihre proprietären First-Party-Daten. Wer mehr darüber erfahren will, sollte sich unbedingt für unser Webinar am 26. April anmelden.

Das soll wiederum auch das Google-Ranking verbessern. Wie das?

Das ist richtig. Durch die Ablösung der Third-Party-Pixel-Schwemme auf den Websites durch unseren Single-Pixel-Ansatz nimmt die Seitenladegeschwindigkeit – einer der wichtigsten Rankingfaktoren bei Google – rapide zu. Das bringt nicht nur einen erheblichen Zugewinn für die User Experience, sondern pusht auch die SEO-Optimierung. Zudem gilt: We are living in an algorithms‘ world. Auch Google Adwords nutzt Daten – und je umfangreicher und präziser diese sind, desto effizienter ist die Werbeaussteuerung. Unser Tool stellt also auch einen erheblichen Performance-Schub für Google dar.

Ihr habt mit Jentis vor einem Jahr mitten im ersten Lockdown gestartet. Was habt ihr seitdem geschafft?

Wie bereits gesagt, arbeiten wir bereits seit 2016 an der Entwicklung von Jentis. Bis 2020 waren wir eine kleine, aber feine Truppe von drei Tracking-Spezialisten – heute sind wir ein Team von mehr als 20 Experten unterschiedlichster Disziplinen. Corona und der Lockdown haben uns also nicht ausgebremst, was wir nicht zuletzt auch einer schnellen und unbürokratischen Förderung des österreichischen Covid-Startup-Hilfsfonds verdanken. Im Gegenteil: Die sich beschleunigende Digitalisierung weiter Teile der Wirtschaft und die damit verbundenen data economics spielen uns in die Hand. Derzeit arbeiten wir gerade an der Überführung unserer Lösung in die Produktversion 2.0 und bauen das Vertriebsteam erheblich aus. Seit Anfang des Jahres intensivieren wir den Rollout von Jentis auch in Deutschland und der Schweiz und sind gerade dabei, nach zahlreichen erfolgreichen Pilottests erste Lizenzverträge abzuschließen. Und wir strecken bereits erste Fühler nach UK und Overseas aus.

Ihr habt jetzt schon einiges an Erfahrungen im Einsatz mit Kunden gesammelt. Was waren die größten Learnings?

Zum einen, dass wir mit unserer Lösung eine echten Schmerzpunkt treffen. Publisher und E-Commerce-Anbieter verstehen immer besser, dass sie, wenn sie in ihren bisherigen technischen Analytics Setups bleiben, ein Problem mit ihren Daten und mit den datenschutzrechtlichen Rahmenbedingungen haben. Zum anderen, und das ist eigentlich die schönste Erfahrung seit dem Start, dass sich die Ergebnisse aus unserem “Laborbetrieb”, im Praxiseinsatz immer bestätigen. Das hilft uns, potenzielle Kunden sehr schnell davon überzeugen, die Lösung zu implementieren und zu testen.

Gemeinsam mit 506 Data & Performance hat Jentis ein weiteres Projekt am Laufen. Worum geht es da?

KI-Anbieter und Datenunternehmen sind wesentliche Partner für uns. Als Technologie- und Produkthersteller halten wir uns fern von sämtlichen Projektgeschäften. Umso wichtiger ist es, dass wir auf Unternehmen wie 506 Data & Performance oder AI Automatica zählen können, die Kunden dabei unterstützen, mit den von Jentis gewonnenen Daten gewinnbringende Personalisierungsanwendungen einzusetzen. Dabei kann es um Produktempfehlungen, Sortierungslogiken, Suchvorschläge, Retourenquotenminimierung und vieles mehr gehen. Es hat sich bspw. gezeigt, dass alleine schon die datengestützte, nutzerindividuell richtige Sortierung der Zahlarten im Checkout einen signifikanten Mehrwert bringen kann.

Dieses Jahr plant ihr eine Finanzierungsrunde. Wofür braucht ihr das Kapital und was steht sonst noch am Plan?

Das Geld aus der Seed-Finanzierungsrunde werden wir hauptsächlich in zwei Richtungen investieren: Zum einen, um unser Team weiter zu verstärken. Wir sind u.a. gerade dabei, diverse Nearshoring Offices aus dem Boden zu stampfen. Das erste, und darauf sind wir wirklich stolz, werden wir bereits in vier Monaten mit vier neuen Kolleg:innen in Debrecen (Ungarn) eröffnen. Und dann haben wir uns für Ende dieses Jahres vorgenommen, den ersten Kunden ohne Vertriebsaktion zu gewinnen. Dazu müssen wir noch einiges in unser Marketing investieren – hierfür brauchen wir nicht nur die entsprechenden Expert:innen an Bord sondern auch das nötige Kleingeld.

Deine ungelesenen Artikel:
13.01.2025

“Der größte Feind ist Zettel und Bleistift”: Erfolgsfaktoren und Herausforderungen in der KI-Praxis

Nachlese. Der Hype um künstliche Intelligenz ist längst im Rollen. Doch wie schaffen Unternehmen den Durchbruch in der Praxis? In der dritten Folge der neuen brutkasten-Serie “No Hype KI” schildern Expert:innen, welche Erfolgsfaktoren wirklich zählen und wie sich Herausforderungen souverän meistern lassen - von Datenlücken bis hin zur Einbindung der Belegschaft. Klar wird, dass die Technik nur ein Teil der Gleichung ist.
/artikel/no-hype-ki-folge-3
13.01.2025

“Der größte Feind ist Zettel und Bleistift”: Erfolgsfaktoren und Herausforderungen in der KI-Praxis

Nachlese. Der Hype um künstliche Intelligenz ist längst im Rollen. Doch wie schaffen Unternehmen den Durchbruch in der Praxis? In der dritten Folge der neuen brutkasten-Serie “No Hype KI” schildern Expert:innen, welche Erfolgsfaktoren wirklich zählen und wie sich Herausforderungen souverän meistern lassen - von Datenlücken bis hin zur Einbindung der Belegschaft. Klar wird, dass die Technik nur ein Teil der Gleichung ist.
/artikel/no-hype-ki-folge-3
Die dritte Folge von "No Hype KI" mit Manuel Moser, Alexandra Sumper, Moritz Mitterer und Clemens Wasner (v.l.n.r.) (c) brutkasten

„No Hype KI” wird unterstützt von CANCOM Austria, IBM, ITSV, Microsoft, Nagarro, Red Hat und Universität Graz.


Wie lässt sich KI “richtig” in Unternehmen integrieren? Wieso erleben Unternehmen einen “Bottom-Up-Push” und warum sprechen viele dabei noch von großen Hürden? Um diese und viele weitere Fragen ging es in der dritten Folge von “No Hype KI”. Zu Gast waren Alexandra Sumper von Nagarro, Manuel Moser von CANCOM Austria, Moritz Mitterer von ITSV sowie Clemens Wasner von AI Austria und EnliteAI.

Du willst bei "No Hype KI" am Laufenden bleiben?

Trag dich hier ein und du bekommst jede Folge direkt in die Inbox!

Der Bottom-Up-Push

“Der AI-Hype ist jetzt circa zehn Jahre alt”, startet Clemens Wasner die Diskussionsrunde. Was als “vorausschauende Warnung und Betrugserkennung” im B2B-Sektor begann, hat sich eine knappe Dekade später zu einer Bottom-Up-Push-Bewegung entwickelt. “Einzelne Mitarbeitende verfügen teilweise über weitaus mehr praktische Erfahrung mit Generativer KI”, als “das oft auf einer Projektebene passiert”, so Wasner.

Um KI federführend in Unternehmen zu verankern, sei es wichtiger denn je, Mitarbeitende einzubinden und ihnen intern eine Bühne für den Best-Practice-Austausch zu geben, erklärt Wasner weiter. Aktuell ginge der KI-Push immer intensiver von Mitarbeiter:innen aus. Vergleichbar sei diese Bewegung mit dem Aufkommen der Smartphones vor etwa fünfzehn Jahren.

Daten mit Qualität

Als Basis sollte zuerst allerdings der Datenhaushalt eines Unternehmens sauber strukturiert und reguliert werden, sagt Manuel Moser, Director Digital Innovation & Software Engineering bei CANCOM Austria. “Wenn ein Unternehmen in puncto Daten hinterherhinkt, kann das jetzt durchaus ein Stolperstein sein”, sagt der Experte. In CRM- und ERP-Systemen finden sich häufig unvollständige Angaben. Die dadurch entstehende unzureichende Datenqualität könne jede KI-Initiative ins Stocken bringen, so Moser.

“Der größte Feind ist Zettel und Bleistift”

Schon allein das Notieren von Informationen auf Zetteln gilt nicht nur als scheinbar banale Hürde, wie Moser im Talk erläutert. Analoge Gewohnheiten können enorme Auswirkungen auf den gesamten Digitalisierungsprozess des Unternehmens haben: “Ich sage immer: Bei Digitalisierungslösungen ist der größte Feind der Zettel und der Bleistift am Tisch, mit denen man das digitale Tool am Ende des Tages umgeht.”

Gerade der öffentliche Sektor sollte im KI-Einsatz sowie in der Verwaltung von Daten sorgfältig agieren. Moritz Mitterer, Aufsichtsratsvorsitzender der ITSV, spricht von besonders sensiblen Daten aus der Sozialversicherung, die ein enges rechtliches Korsett und damit ein höheres Maß an Vorsicht mit sich bringen.

“Wir haben 2017 in der ITSV damit begonnen, innerhalb der Struktur damit zu experimentieren”, erzählt Mitterer. Ein essentielles Learning daraus: Gerade große Prozessmengen stellen sich als ideales Feld für KI heraus – wenn man vernünftige Leitplanken, klare Haftungsregeln und eine unternehmensweite Governance definiert.

Im Fokus stehen User:innen

Datenqualität, Governance und gleichzeitig reichlich Agilität? Worauf sollten sich Unternehmen in erster Linie konzentrieren, um KI lösungsorientiert einzusetzen? Alexandra Sumper, Director Delivery Österreich bei Nagarro, betont, dass KI-Projekte weit mehr als reine Technik voraussetzen: “Meine Erfahrung zeigt wirklich, nicht zu groß zu beginnen, wenn man erst am Anfang steht.“ Viele Firmen würden sich gerade anfangs in Strategiepapieren verlieren, anstatt realitätsgetreue Use Case zu definieren, so die Expertin.

“Man muss gut darauf achten, dass man liefert. Sowohl an Datenqualität, als auch an optimierter User Experience”, erläutert Sumper. Als Erfolgsbeispiel nennt sie die Asfinag, die einen KI-Chatbot erfolgreich eingeführt hat. Das Besondere dabei: Ein Kernteam entwickelte die KI-Lösung, achtete auf Datenqualität und band die künftigen Nutzer:innen ein. Die Akzeptanz im Unternehmen stieg rasant, erzählt Sumper von den Projektanfängen.

Ähnliche Schlüsse zieht Sumper aus der Beobachtung anderer Kund:innen: In erster Linie gelte es zu testen, ob KI in einem kleinen Rahmen Nutzen bringt. Sobald Mitarbeiter:innen erleben, dass KI ihre Arbeit wirklich erleichtert, wächst das Vertrauen und die Bereitschaft, weitere Schritte zu gehen.

“Am Anfang gibt es nichts, dass zu 100 Prozent funktioniert”

Dass sich eine Trial-and-Error-Phase gerade in den Anfängen des KI-Einsatzes nicht vermeiden lässt, scheint ein allgemeiner Konsens der Diskussionsrunde zu sein. “Es gibt nichts, was sofort 100 Prozent top funktioniert”, so Sumper. Um Fehlerquellen und deren Auswirkungen jedoch möglichst gering zu halten, empfiehlt die Expertin Qualitätssicherung durch ein Key-User-Team, um Fehler festzustellen, zu korrigieren und Daten-Gaps zu schließen.

Hierbei sollen die Möglichkeiten von generativer KI intelligent genutzt werden, wie Clemens Wasner hervorhebt: “Wir haben das erste Mal eine Technologie, die es ermöglicht, unstrukturierte Daten überhaupt auswertbar zu machen.” Nun gilt es, Effizienz in der Datenstrukturierung und -auswertung zu fördern, um mit der aktuellen Welle der digitalen Transformation mitzuhalten. Denn KI ist, wie Manuel Moser von CANCOM Austria bestätigt, ein wesentlicher Teil der digitalen Transformation: “Ein Baustein, wenn man so will, wie ein ausgestrecktes Werkzeug eines Schweizer Taschenmessers.”

KI-Bereiche mit Potenzial zur Ausgründung

Das Gespräch zeigte insgesamt, dass Unternehmen viel gewinnen können, wenn sie KI nicht als fertige Lösung, sondern als Lernprozess verstehen, in den die Belegschaft aktiv mit eingebunden wird. Auf einer soliden Datenbasis mit klarer Kommunikation ließe sich schon in kleinen Projekten ein spürbarer Mehrwert für das Unternehmen erzeugen.

In manchen Branchen, darunter Sozialversicherungen, E-Commerce sowie Luftfahrt und Logistik, sind Fortschritte unvermeidlich, um den steigenden Anforderungen von Markt- und Mitarbeiterseite gerecht zu werden.

Wasner spricht hierbei von einem Fokus auf Digital Business, der sich bereits in der Entstehung neuer Geschäftsfelder am Markt zeigt: Immer häufiger bündeln Unternehmen Wissensträger:innen zu den Bereichen Data, IoT und Machine Learning in einer eigenen Organisation oder Ausgründung. Gezielt wird hier das Potenzial eines eigenen KI-Kernteams zu nutzen und auszubauen versucht.

Luft nach oben

Dass es in vielen Branchen noch reichlich ungenutztes Potenzial gibt, haben mittlerweile einige Reports aufgeschlüsselt dargestellt. Gerade im Healthcare-Bereich sei “mit Abstand am meisten rauszuholen” – unter anderem im Hinblick auf den sicheren und effizienten Umgang mit Patienten- und Amnesie-Daten zur schnellen und akkuraten Behandlung.

Laut Moritz Mitterer der ITSV besteht eine große Herausforderung darin, sensible Patientendaten und strenge Regulatorik mit dem Wunsch nach Fortschritt zu vereinen. Gerade in Sozialversicherungen sei es wichtig, eine klare Governance zu schaffen und den Einsatzrahmen von KI zu definieren. Nur so könne Vertrauen gefestigt und sichergestellt werden, dass neue Technologien nicht an bürokratischen Hemmnissen oder Sicherheitsbedenken scheitern.

Vertrauen ist “noch ein starker Blocker”

“Am Ende des Tages probieren Unternehmen aus: Wie reagiert die Technologie, wie geht man damit um, welche Art von Projekten macht man?”, rundet Manuel Moser von CANCOM Austria die Diskussion ab. Der nächste Schritt liege darin, immer “mehr in die Kernprozesse von Unternehmen reinzukommen”, so Moser. “Und das, glaube ich, ist ein sehr wesentlicher Punkt.” Das Vertrauen, dass es die Technologie braucht. Das ist aktuell noch ein “starker Blocker in Unternehmen”.

Die Expertenrunde teilt einen universellen Konsens: Der Mensch sowie sein Know-how und Vertrauen in KI spielen bei der digitalen Transformation eine erhebliche Rolle. Sobald KI-Anwendungen auf eine verlässliche Datenstruktur und klare Organisation treffen, kann sich KI im Unternehmensalltag entfalten. Erst durch das Zusammenspiel von Technik, Datenkultur und motivierten Teams wird KI zum Treiber neuer Chancen.


Die gesamte Folge ansehen:

Die Nachlesen der bisherigen Folgen:

Folge 1: “No Hype KI – wo stehen wir nach zwei Jahren ChatGPT?

Folge 2: “Was kann KI in Gesundheit, Bildung und im öffentlichen Sektor leisten?


Die Serie wird von brutkasten in redaktioneller Unabhängigkeit mit finanzieller Unterstützung unserer Partner:innen produziert.

No Hype KI
Toll dass du so interessiert bist!
Hinterlasse uns bitte ein Feedback über den Button am linken Bildschirmrand.
Und klicke hier um die ganze Welt von der brutkasten zu entdecken.

brutkasten Newsletter

Aktuelle Nachrichten zu Startups, den neuesten Innovationen und politischen Entscheidungen zur Digitalisierung direkt in dein Postfach. Wähle aus unserer breiten Palette an Newslettern den passenden für dich.

Montag, Mittwoch und Freitag

AI Summaries

“Daten klassischer Analytics-Tools weichen um 30 Prozent von der Realität ab”

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

“Daten klassischer Analytics-Tools weichen um 30 Prozent von der Realität ab”

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

“Daten klassischer Analytics-Tools weichen um 30 Prozent von der Realität ab”

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Innovationsmanager:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

“Daten klassischer Analytics-Tools weichen um 30 Prozent von der Realität ab”

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Investor:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

“Daten klassischer Analytics-Tools weichen um 30 Prozent von der Realität ab”

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Politiker:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

“Daten klassischer Analytics-Tools weichen um 30 Prozent von der Realität ab”

AI Kontextualisierung

Was könnte das Bigger Picture von den Inhalten dieses Artikels sein?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

“Daten klassischer Analytics-Tools weichen um 30 Prozent von der Realität ab”

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

“Daten klassischer Analytics-Tools weichen um 30 Prozent von der Realität ab”

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

“Daten klassischer Analytics-Tools weichen um 30 Prozent von der Realität ab”