Chatbot Steckbrief: Flux meldet Störungen der Wiener Linien
In unserer Artikelreihe "Chatbot Steckbrief" berichten wir jeden Freitag über einen Chatbot. Dieses Mal stellen wir "Flux" vor, den Chatbot der UX-Designerin Carina Pfann. Der Bot warnt vor Störungen bei Fahrten mit Bim, Bus oder U-Bahn der Wiener Linien. Dem Brutkasten beantwortet die Entwicklerin ein paar Fragen.
Die Wiener Linien betreiben aktuell 179 Linien. Rund 954 Millionen Fahrgäste wurden bereits zur Zielstation gefahren. Wer auf öffentliche Verkehrsmittel in Wien angewiesen ist, weiß allerdings auch, wie ärgerlich Störungen im Fahrbetrieb sein können. Der Chatbot “Flux” der Entwicklerin Carina Pfann informiert User in Echtzeit über Probleme- und auf welchen Linien Öffi-Nutzer “freie Fahrt” haben. Mit pseudonym hat Pfann eine Agentur für Konzept, Design und UX-Design mit einem Schwerpunkt auf interaktiven Anwendungen gegründet, Flux ist eines ihrer Projekte.
Teilnahme bei Lemmings.io
Sie war ebenfalls Teil des ersten Batch des Wiener Artificial Intelligence- und Chatbot Inkubatorprogramms Lemmings.io. Dieses wurde im Jahr 2016 von Thomas Schranz und Allan Berger gestartet. Der dritte im Bunde, David Pflügl, kam kurz darauf ebenfalls an Board. Lemmings.io unterstützt junge, innovative Menschen, ihre (Startup-) Projekte im Chatbot-Bereich umzusetzen.
Kein User-Tracking
(c) Lemmings: Pfann war im ersten Batch des A.I.-Inkubator Lemmings.io.
Carina Pfanns Chatbot gibt es nun seit Sommer 2016. “Er läuft auf Facebook Messenger und Telegram. User Tracking mache ich im Moment bewusst nicht”, meint Pfann. “Ich möchte ein Service anbieten, kein Business daraus machen und achte die Privatsphäre der Benutzer.” Administratoren können nämlich sehen, was Bot User schreiben. Mit ihrer Herangehensweise möchte sie ihren Usern jenen Schutz bieten, den sie auch für sich selbst beansprucht.
“Der Punkt, dass Botbetreiber sehen können, was ich schreibe – und das durch das Profil auf sehr persönlicher Ebene – hält mich davon ab, gewisse Bots zu nutzen. Und was ich selber nicht mag, tu ich anderen nicht an”, so Pfann. Dem Brutkasten beantwortet die Designerin, wieso sie Flux überhaupt entwickelt hat und welche Probleme sie bei der Entwicklung lösen musste. Der Chatbot ist auf Facebook Messenger und Telegram aktiv.
Wieso hast du den Chatbot gestartet?
Begonnen hat alles mit diesem Gedanken: “Hoffentlich hat die U4 nicht wieder eine Störung, weil sonst sollten wir mit der Straßenbahn fahren!” Als ich damals dann zur U4 gekommen bin, hat es tatsächlich eine Störung gegeben, aber keine Information darüber, was passiert ist oder wie lange die Störung dauert. Hätte ich das vorher gewusst, hätte ich die andere Route gewählt. Eine schnelle, unkomplizierte Abfrage für meine Linie(n)- das wär’s doch! Da ist mir die Idee für Flux gekommen: Ohne App, ohne auf einer Website zu navigieren- einfach per Chat mit dem Linienkürzel die Information bekommen, ob alles störungsfrei ist.
Wie bist du an das Marketing herangegangen und hast du Tipps für andere, die du teilen kannst?
Flux ist hauptsächlich durch Artikel in Zeitschriften und Mundpropaganda bekannt geworden. Spezielle Marketingaktionen gab es nicht, weil der Bot eher als Nebenprojekt gestartet wurde.
Was waren die größten Hürden und welche Learnings hast du bisher gemacht?
Die Wiener Linien API ist etwas eigenwillig und die Dokumentation karg. Darum gab es am Anfang oft Probleme mit unvorhergesehen und unvollständigen Daten, womit der Bot Probleme hatte. Learning daraus: externe Daten sind nicht immer zuverlässig, darum ausreichend Testzeit einplanen, um Sonderfälle abzufangen.
“Externe Daten sind nicht immer zuverlässig, darum ausreichend Testzeit einplanen, um Sonderfälle abzufangen”, Carina Pfann.
Gibt es ein Team? Und was ist das nächste Ziel, das du mit “Flux” anstrebst?
Flux wird nur von mir betreut. Bots sollten meiner Meinung nach einen spezifischen Use Case sehr gut erfüllen und nicht zu umfangreich werden, weshalb sich die geplanten Erweiterungen in Grenzen halten. Aber eine Abomöglichkeit von Störungsmeldungen zu bestimmten Linien und Zeiten kann ich mir in Zukunft vorstellen.
Hast du den Bot selbst programmiert oder einen Bot-Creator verwendet? Würdest du es so noch einmal wieder machen?
Der Bot ist in Python selbst geschrieben. Ich habe gerne Einfluss auf alle Details meines Bots und meinen Code, und möchte nicht von externen Plattformen oder Tools abhängig sein. Ich tue mir dann wesentlich leichter, spezielle Anpassungen zu machen. Darum ja, ich würde weitere Bots wieder selbst entwickeln.
Was war dir beim Charakter-Design besonders wichtig?
Flux sollte etwas Wienerisch wirken, aber mir war und ist wichtig, dass er trotzdem klar als Bot verstanden wird. Es sollen keine falschen Erwartungen geweckt werden! Die Benutzer sollen ihn als charmante Serviceleistung sehen- und nicht in Versuchung kommen, mit ihm zu Chatten.
“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.
“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.
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.
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.
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.
