01.09.2017

Chatbot Steckbrief: 1 Mio. Nachrichten an User von “Mon Style”-Fashion-Bot Sophie

In unserer Artikelreihe "Chatbot Steckbrief" berichten wir jeden Freitag über einen Chatbot. Dieses Mal haben wir mit Mariel Noortman und Stephan Karner von Mon Style gesprochen. Mit "Sophie" haben sie einen Chatbot geschaffen, der seinen Usern beim Shoppen hilft und das Einkaufserlebnis sehr persönlich gestaltet. Mit dem Brutkasten haben die Gründer, die mit der virtuellen Fashion-Assistentin "Sophie" rund 90.000 User bedienen, über ihre Erfahrungen gesprochen.
/artikel/chatbot-steckbrief-sophie-die-virtuelle-fashion-expertin-von-monstyle
Die MonStyle-Gründer Mariel Noortman und Stephan Karner haben "Sophie" ins Leben gerufen.

Immer mehr Menschen shoppen online. Der stationäre Handel punktet beim Kunden oft nur noch beim persönlichen Kontakt und der Beratung. Um das Shopping-Erlebnis im Internet ebenfalls persönlich zu gestalten, haben die beiden Gründer von Mon Style die virtuelle Assistentin Sophie erschaffen. User können auf ihrer Plattform jeden Aspekt des Shopping-Erlebnisses personalisieren. Deep-Learning-Algorithmen durchsuchen Millionen Produkte und schlagen dem User genau den Artikel vor, der seinen Geschmack trifft.

Sophie auf Mon Style-Plattform seit 2017

 

“Sophie, unser Chatbot, war die natürliche Erweiterung unseres Service, das uns dabei hilft, unseren Usern ein noch persönlicheres Shoppingerlebnis anbieten zu können”, erzählen Mariel Noortman und Stephan Karner dem Brutkasten. Seit dem Start im Jahr 2017 hat ihr Chatbot, der sowohl auf Facebook Messenger, als auch auf ihrer Plattform integriert ist, über 1 Million Nachrichten an seine rund 90.000 User geschickt. Dem Brutkasten beantworten die beiden Gründer im Rahmen unseres “Chatbot Steckbriefes” ein paar Fragen.

Wieso habt ihr “Sophie” entwickelt?

Die Idee für Sophie kam uns als wir unser Produkt getestet und bemerkt haben, dass gerade beim online Shoppen der „persönliche“ Kontakt fehlt. Anders als im Geschäft kann der Kunde nicht auf Verkaufspersonal zurückgreifen , um sich bei seiner Entscheidung beraten zu lassen. Mittels Sophie kann der User direkt mit seinem persönlichen “Mode-Assistenten” interagieren. Für uns ist es ebenfalls eine win-win-Situation, da wir durch die Interaktion die notwendigen Informationen erhalten, um dem Benutzer eine genaue Stilberatung und Modevorschläge zu geben.

Seit wann gibt es den Chatbot nun schon? Wie viele User habt ihr bereits generiert und auf welchen Plattformen funktioniert “Sophie”?

Sophie ist seit April 2017 auf unserer BETA-Plattform monstyle.io zu finden. Bevor diese jedoch live gegangen ist, haben wir Sophie auf Facebook-Messenger integriert und getestet. Wir arbeiten gerade daran Sophie auch für andere Messenger Dienste anzubieten. Bis jetzt haben wir über 90.000 User, die mit Sophie über 1.000.000 Nachrichten ausgetauscht haben.

Wie seid ihr an das Marketing herangegangen und habt ihr eventuell Tipps?

Bis jetzt haben wir noch keine Marketingmaßnahmen getroffen. Nachdem der Bot auf Facebook Messenger gelaunched wurde, konnten wir innerhalb von fünf Wochen mehr als 30.000 User ohne Marketing-Budget akquirieren. Auch unser Auftritt bei 2min2mio hat uns ein starkes Wachstum gebracht. Ebenso konnten wir seitdem einen stetigen Wachstum beobachten. Derzeit werten wir User-Feedback aus, um Sophie immer intelligenter zu machen. Ab Oktober/November starten wir mit gezielten Marketingmaßnahmen.

Was waren die größten Hürden und welche Learnings habt ihr seit dem Start mitgenommen?

Chatbots stehen erst am Anfang, das heißt es gibt verschiedene Probleme/Hürden: Wie intelligent kann ich meinen Bot machen? Wie nimmt der User den Bot an, bzw. ist er mit dem Prinzip eines Bots vertraut? Bezüglich der Intelligenz schauen wir uns seit längerem Konzepte im Bereich NLP /NLU (Anm. der Red: Neuro-Linguistische Programmieren/ Konzepte zum natürlichen Sprachverständnis) an, die auch das zentrale Thema unserer Research-Förderung „Call Co-Create“ sind. Bezüglich der User versuchen wir mit Hilfe des User Feedbacks möglichst viele Anregung in die Konzeption von Sophie miteinfließen zu lassen, um sie stetig zu verbessern.

Gibt es inzwischen ein Team? Und welche Ziele möchtet ihr als nächstes erreichen?

Mit Oktober werden wir auf acht Leute wachsen. Unsere Ziele sind derzeit eher technischer Natur- soll heißen, die Genauigkeit unserer Bilderkennung und unseres Recommender Systems weiter zu verbessern, sowie Sophie mit Hilfe von NLP und NLU smarter zu machen.

Habt ihr Sophie eigenständig programmiert oder einen Bot-Creator verwendet? Würdet ihr es so noch einmal machen?

Ja, wir haben Sophie und das Dialogerstellungssystem in Python “in-house” entwickelt, da wir sehr bestimmte Bedürfnisse hatten. Damals hat es auch noch nicht wirklich „Bot-Creator“ gegeben. Wir sind sehr zufrieden mit unserem System, da es uns ermöglicht, den Service und die Bedürfnisse der Kunden flexibel und stetig anzupassen. Wir würden es auf jeden Fall wieder selbst entwickeln.

Punkto (Charakter-) Design: Was war dir besonders wichtig?

Da unser Service und somit Sophie zu sehr vielen verschiedenen Frauentypen (für Männer steht der Service erst mit Ende des Jahres zur Verfügung) spricht, war es uns wichtig einen Charakter zu erstellen, mit dem sich der User identifizieren kann. Sie ist sehr casual und wirkt sehr natürlich. Sophie ist eine clevere Assistentin, die auch ab und zu einen Witz macht oder verlegen wirkt. Ebenfalls musste sie zu Mon Styles Corporate Identity (“Mon Style”, französisch für “mein Stil”) passen, weshalb Sophie aus Frankreich kommt und auch ab und zu französisch spricht. Dabei war es uns auch sehr wichtig, dass sie vom User als modisch und einprägsam, aber auch eindeutig als BOT wahrgenommen wird, weshalb wir Sie auch illustriert haben.

Vielen Dank!

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

Chatbot Steckbrief: 1 Mio. Nachrichten an User von “Mon Style”-Fashion-Bot Sophie

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

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

Chatbot Steckbrief: 1 Mio. Nachrichten an User von “Mon Style”-Fashion-Bot Sophie

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

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

Chatbot Steckbrief: 1 Mio. Nachrichten an User von “Mon Style”-Fashion-Bot Sophie

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 …

Chatbot Steckbrief: 1 Mio. Nachrichten an User von “Mon Style”-Fashion-Bot Sophie

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 …

Chatbot Steckbrief: 1 Mio. Nachrichten an User von “Mon Style”-Fashion-Bot Sophie

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 …

Chatbot Steckbrief: 1 Mio. Nachrichten an User von “Mon Style”-Fashion-Bot Sophie

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 …

Chatbot Steckbrief: 1 Mio. Nachrichten an User von “Mon Style”-Fashion-Bot Sophie

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

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

Chatbot Steckbrief: 1 Mio. Nachrichten an User von “Mon Style”-Fashion-Bot Sophie

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

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

Chatbot Steckbrief: 1 Mio. Nachrichten an User von “Mon Style”-Fashion-Bot Sophie