Blockpit-Founder Florian Wimmer zu Feedback-Learning: “Die Zahlen sprechen”
Panische Reaktionen auf Feedback oder negative Rezensionen können wertvolle Zeit und Ressourcen verschwenden. Wie man besser damit umgeht, erzählt uns Blockpit-Founder Florian Wimmer. Er setzt dabei auf Tracking.
“Höre auf deine Kunden” – ist wohl nicht der schlechteste Ratschlag, den man Gründerinnen und Gründer geben kann. Man hört die Kritik, setzt sich zusammen und reagiert. Adaptiert, verbessert. Eigentlich ein normaler Vorgang eines Startups. Florian Wimmer von Blockpit betont jedoch, dass man bei Kunden-Feedback auf diverse Dinge achten muss, um nicht Ressourcen sinnlos zu verschwenden – das war eines seiner Learnings der letzten Zeit.
Blockpit und die Alarmglocken
Bei Blockpit war es früher üblich unmittelbar auf Feedback zu reagieren. Kam mal eine negative Rezension daher, so schrillten gleich Alarmglocken.
“Wir haben uns zusammengesetzt und viel Zeit sowie Ressourcen hineingesteckt”, erinnert sich Wimmer. “Und Lösungen entwickelt, die die Person mit der Kritik gar nicht mehr gesehen hat, weil sie weg war.”
In Restrospektive bezeichnet Wimmer diese Zeit als “harte Learnings”, in der man zu viele Ressourcen verschwendet hat, weil man: “zu schnell in Panik verfallen ist, wenn mal wer lauter geworden ist”.
Das Tracken begann
Also musste sich was ändern. Und tat es auch. Wimmer und Co. begannen Daten zu tracken und Fakten zu erstellen.
“Wir haben nicht gleich, wenn ‘requests’ hereingekommen sind, das ganze Produkt-Team zusammengetrommelt, nicht gleich eine ‘roadmap’ erstellt und sind auch nicht gleich in die Umsetzung gegangen.”, sagt er. “Sondern wir haben uns überlegt, wie wir Kundenanregungen minimal austesten können und schauen, ob das wirklich gebraucht wird.”
Ein Feedback sorgte schließlich für eine Überraschung, hat aber das Blockpit-Team in seiner Ansicht bestätigt. Ein Kunde wünschte sich die Möglichkeit mit Kryptowährungen bezahlen zu können und man dachte sich, das ergibt als Krypto-Asset-Startup durchaus Sinn.
“Coming Soon”
Statt jedoch (wie früher) allen Fokus auf dieses Kunden-Feedback zu setzen, hat man entschieden, es einmal auszutesten und hat in 15 Minuten eine Lösung umgesetzt. In Form eines “Jetzt mit Krypto-Bezahlen”-Button, der nach dem Klick ein Pop-up öffnet. Mit der Nachricht: “Coming Soon”.
Heute weiß man: Innerhalb von drei Jahren wurde dieser Button lediglich von 0,2 Prozent der zahlenden Kunden genutzt.
Blockpit-CEO: “Emotionen ausblenden”
“Wir haben gelernt auf Daten zu hören und Emotionen auszublenden”, sagt Wimmer. “Wenn man die Möglichkeit hat, sollte man die Daten die man hat, auch auswerten. Denn Zahlen sprechen.”
Dies ist eine “Learning-Geschichte”, die der Blockpit-CEO auch in dem Buch “Der Startup Code” erzählt, das er zusammen mit acht anderen Co-Autoren (darunter Kambis Kohansal Vajargah) geschrieben hat. Und in dem er seine Einsichten auch zu MVP, Rechtsformen, Anteilsverteilung unter Founder:innen, Community-Aufbau und Steuerrecht teilt.
Nachlese. Wo steht die österreichische Wirtschaft bei künstlicher Intelligenz zwei Jahre nach Erscheinen von ChatGPT? Dies diskutieren Doris Lippert von Microsoft und Thomas Steirer von Nagarro in der ersten Folge der neuen brutkasten-Serie "No Hype KI".
Nachlese. Wo steht die österreichische Wirtschaft bei künstlicher Intelligenz zwei Jahre nach Erscheinen von ChatGPT? Dies diskutieren Doris Lippert von Microsoft und Thomas Steirer von Nagarro in der ersten Folge der neuen brutkasten-Serie "No Hype KI".
Mit der neuen multimedialen Serie “No Hype KI” wollen wir eine Bestandsaufnahme zu künstlicher Intelligenz in der österreichischen Wirtschaft liefern. In der ersten Folge diskutieren Doris Lippert, Director Global Partner Solutions und Mitglied der Geschäftsleitung bei Microsoft Österreich, und Thomas Steirer, Chief Technology Officer bei Nagarro, über den Status Quo zwei Jahre nach Erscheinen von ChatGPT.
„Das war ein richtiger Hype. Nach wenigen Tagen hatte ChatGPT über eine Million Nutzer”, erinnert sich Lippert an den Start des OpenAI-Chatbots Ende 2022. Seither habe sich aber viel geändert: “Heute ist das gar kein Hype mehr, sondern Realität“, sagt Lippert. Die Technologie habe sich längst in den Alltag integriert, kaum jemand spreche noch davon, dass er sein Smartphone über eine „KI-Anwendung“ entsperre oder sein Auto mithilfe von KI einparke: “Wenn es im Alltag angekommen ist, sagt keiner mehr KI-Lösung dazu”.
Auch Thomas Steirer erinnert sich an den Moment, als ChatGPT erschien: „Für mich war das ein richtiger Flashback. Ich habe vor vielen Jahren KI studiert und dann lange darauf gewartet, dass wirklich alltagstaugliche Lösungen kommen. Mit ChatGPT war dann klar: Jetzt sind wir wirklich da.“ Er sieht in dieser Entwicklung einen entscheidenden Schritt, der KI aus der reinen Forschungsecke in den aktiven, spürbaren Endnutzer-Bereich gebracht habe.
Von erster Begeisterung zu realistischen Erwartungen
Anfangs herrschte in Unternehmen noch ein gewisser Aktionismus: „Den Satz ‘Wir müssen irgendwas mit KI machen’ habe ich sehr, sehr oft gehört“, meint Steirer. Inzwischen habe sich die Erwartungshaltung realistischer entwickelt. Unternehmen gingen nun strategischer vor, untersuchten konkrete Use Cases und setzten auf institutionalisierte Strukturen – etwa durch sogenannte “Centers of Excellence” – um KI langfristig zu integrieren. „Wir sehen, dass jetzt fast jedes Unternehmen in Österreich KI-Initiativen hat“, sagt Lippert. „Diese Anlaufkurve hat eine Zeit lang gedauert, aber jetzt sehen wir viele reale Use-Cases und wir brauchen uns als Land nicht verstecken.“
Spar, Strabag, Uniqa: Use-Cases aus der österreichischen Wirtschaft
Lippert nennt etwa den Lebensmittelhändler Spar, der mithilfe von KI sein Obst- und Gemüsesortiment auf Basis von Kaufverhalten, Wetterdaten und Rabatten punktgenau steuert. Weniger Verschwendung, bessere Lieferkette: “Lieferkettenoptimierung ist ein Purpose-Driven-Use-Case, der international sehr viel Aufmerksamkeit bekommt und der sich übrigens über alle Branchen repliziert”, erläutert die Microsoft-Expertin.
Auch die Baubranche hat Anwendungsfälle vorzuweisen: Bei Strabag wird mittels KI die Risikobewertung von Baustellen verbessert, indem historische Daten zum Bauträger, zu Lieferanten und zum Bauteam analysiert werden.
Im Versicherungsbereich hat die UNIQA mithilfe eines KI-basierten „Tarif-Bots“ den Zeitaufwand für Tarifauskünfte um 50 Prozent reduziert, was die Mitarbeiter:innen von repetitiven Tätigkeiten entlastet und ihnen mehr Spielraum für sinnstiftende Tätigkeiten lässt.
Nicht immer geht es aber um Effizienzsteigerung. Ein KI-Projekt einer anderen Art wurde kürzlich bei der jüngsten Microsoft-Konferenz Ignite präsentiert: Der Hera Space Companion (brutkasten berichtete). Gemeinsam mit der ESA, Terra Mater und dem österreichischen Startup Impact.ai wurde ein digitaler Space Companion entwickelt, mit dem sich Nutzer in Echtzeit über Weltraummissionen austauschen können. „Das macht Wissenschaft zum ersten Mal wirklich greifbar“, sagt Lippert. „Meine Kinder haben am Wochenende die Planeten im Gespräch mit dem Space Companion gelernt.“
Herausforderungen: Infrastruktur, Daten und Sicherheit
Auch wenn die genannten Use Cases Erfolgsbeispiele zeigen, sind Unternehmen, die KI einsetzen wollen, klarerweise auch mit Herausforderungen konfrontiert. Diese unterscheiden sich je nachdem, wie weit die „KI-Maturität“ der Unternehmen fortgeschritten sei, erläutert Lippert. Für jene, die schon Use-.Cases erprobt haben, gehe es nun um den großflächigen Rollout. Dabei offenbaren sich klassische Herausforderungen: „Integration in Legacy-Systeme, Datenstrategie, Datenarchitektur, Sicherheit – all das darf man nicht unterschätzen“, sagt Lippert.
“Eine große Herausforderung für Unternehmen ist auch die Frage: Wer sind wir überhaupt?”, ergänzt Steirer. Unternehmen müssten sich fragen, ob sie eine KI-Firma seien, ein Software-Entwicklungsunternehmen oder ein reines Fachunternehmen. Daran anschließend ergeben sich dann Folgefragen: „Muss ich selbst KI-Modelle trainieren oder kann ich auf bestehende Plattformen aufsetzen? Was ist meine langfristige Strategie?“ Er sieht in dieser Phase den Übergang von kleinen Experimenten über breite Implementierung bis hin zur Institutionalisierung von KI im Unternehmen.
Langfristiges Potenzial heben
Langfristig stehen die Zeichen stehen auf Wachstum, sind sich Lippert und Steirer einig. „Wir überschätzen oft den kurzfristigen Impact und unterschätzen den langfristigen“, sagt die Microsoft-Expertin. Sie verweist auf eine im Juni präsentierte Studie, wonach KI-gestützte Ökosysteme das Bruttoinlandsprodukt Österreichs deutlich steigern könnten – und zwar um etwa 18 Prozent (brutkasten berichtete). „Das wäre wie ein zehntes Bundesland, nach Wien wäre es dann das wirtschaftsstärkste“, so Lippert. „Wir müssen uns klar machen, dass KI eine Allzwecktechnologie wie Elektrizität oder das Internet ist.“
Auch Steirer ist überzeugt, dass sich für heimische Unternehmen massive Chancen eröffnen: “Ich glaube auch, dass wir einfach massiv unterschätzen, was das für einen langfristigen Impact haben wird”. Der Appell des Nagarro-Experten: „Es geht jetzt wirklich darum, nicht mehr zuzuwarten, sondern sich mit KI auseinanderzusetzen, umzusetzen und Wert zu stiften.“
Folge nachsehen: No Hype KI – wo stehen wir nach zwei Jahren ChatGPT?
Die Serie wird von brutkasten in redaktioneller Unabhängigkeit mit finanzieller Unterstützung unserer Partner:innen produziert.
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.