03.11.2017

Capital One: Der Chatbot einer Bank als bester Freund

Nach einer sechsmonatigen Testphase macht U.S.-Bank Capital One ihren Chatbot "Eno" für Millionen von Kunden zugänglich. Vice President Ken Dodelin verrät, was die Bank von einem Chatbot über ihre eigenen Kunden lernen konnte.
/artikel/capital-one-der-chatbot-einer-bank-als-bester-freund
(c)Capital One: Für seine User ist "Eno" mehr als ein Bank-Chatbot.

Im März diesen Jahres stellte Capital One den ersten Chatbot einer U.S. Bank vor. Damit einher ging der Start der Testphase, in der ausgewählte Personen den Chatbot testen durften. Sechs Monate später wird der Bot nun auch offiziell für Millionen Bankkunden gelauncht. “Eno”, so der Name des Bots, managt Anfragen zum Bankkonto oder zur Kreditkartenabrechnung. Außerdem kann man mit ihm über den Sinn des Lebens philosophieren.

Zum offiziellen Launch verrät Ken Dodelin, Vizepräsident und Leiter des A.I.-Departments bei Capital One, die drei Key Learnings, die das Team nach dem Soft-Launch lernen musste.

1. Nachricht an Eno wie an einen Freund

(c) Capital One

Dabei kommt heraus, dass Menschen mit einem Chatbot wie mit einem Freund schreiben- obwohl “Eno” eigentlich ein Bankprodukt ist. “Jeder unserer 100.000 invite-only Erstkunden, die mit Eno über ihre Kreditkarte oder ihr Bankkonto gechattet haben, hatte seinen ganz persönlichen Stil. Sie schreiben zu jeder Tages-und Nachtzeit in allen möglichen Formen”, so Dodelin. Etwas, was für den Chatbot nicht einfach ist.

Menschen chatten ganz unterschiedlich und verwenden beispielsweise Abkürzungen wie “bal” für “balance” oder schreiben so, wie sie sprechen würden: “Hi Eno! How much money do I have today?”. Dazu kommen Rechtschreibfehler oder Tippfehler, oft mehr als einmal in einem Satz. So könnte aus “bal” auch “val” werden, da auf der Tastatur die beiden Buchstaben nebeneinander liegen. Andere Menschen wiederum chatten vermehrt in Emojis. Fast 50 Prozent der Kunden senden etwa ein “Daumen Hoch”-Symbol, um einen Zahlvorgang zu bestätigen. Hier musste “Eno” anfangs lange trainiert werden, um auf alle Eventualitäten vorbereitet zu sein.

2. Über 2.200 Möglichkeiten für Kontostand-Abfrage

Damit Eno versteht, was der Kunde möchte, lernt das Programm bei jeder Konversation mit. Das heißt auch, dass Eno lange noch nicht alles verstehen wird, was von ihm verlangt wird. Zu Beginn sei es wichtig gewesen, sich vor allem auf jene Fragen zu konzentrieren, die am meisten gestellt werden. Kontostand, Kreditmöglichkeiten, Transaktionen, Kreditkartenabrechnungen.

2.200 verschiedene Möglichkeiten hat der Kunde nach dem Kontostand zu fragen. Von “bal” zu “balance” bis hin zu “val”, ausformulierten Sätzen oder Emojis. Jede Möglichkeit wird dem Chatbot beigebracht, damit er immer die richtige Antwort liefert. Das kommt bei den Kunden gut an und erleichtert auch die Kommunikation: “Nun, da Eno so spricht, wie du es tust, fühlt es sich an, als würden die Zeit, in der der Kunde die Sprache der Bank lernen musste, vorüber sein”.

3. Beziehung durch Konversation

“Durch einfache Fragen und Antworten beginnen Menschen eine emotionale Beziehung mit Eno aufzubauen. Eines der häufigsten Dinge, die Menschen zu Eno sagen, ist “Danke”- obwohl es wirklich keinen Grund gibt, einen Chatbot zu danken”, meint Dodelin. Allerdings ist es gerade das persönliche und emotionale Element der Konversation, wieso die Kunden Vertrauen aufbauen und eine wertvolle Beziehung zu Eno- und damit zur Bank.

Weiterführende Links: Capital One

Deine ungelesenen Artikel:
01.06.2026

Die Suche nach dem grünen Faden: Andritz präsentiert Sortier-KI „teXscan“

Angesichts von weltweit 92 Millionen Tonnen Textilmüll jährlich will das Grazer Technologieunternehmen Andritz mit dem "teXscan" die Auswahl des optimalen Recyclingprozesses erstmals zerstörungsfrei automatisieren. Im brutkasten-Interview erklärt Branchenexperte Michael Waupotitsch das System und seine aktuellen Grenzen.
/artikel/die-suche-nach-dem-gruenen-faden-andritz-praesentiert-sortier-ki-texscan
01.06.2026

Die Suche nach dem grünen Faden: Andritz präsentiert Sortier-KI „teXscan“

Angesichts von weltweit 92 Millionen Tonnen Textilmüll jährlich will das Grazer Technologieunternehmen Andritz mit dem "teXscan" die Auswahl des optimalen Recyclingprozesses erstmals zerstörungsfrei automatisieren. Im brutkasten-Interview erklärt Branchenexperte Michael Waupotitsch das System und seine aktuellen Grenzen.
/artikel/die-suche-nach-dem-gruenen-faden-andritz-praesentiert-sortier-ki-texscan
Michael Waupotitsch, Vice President Textile Recycling bei Andritz © Andritz Group

Allein in Österreich könnten zukünftig rund 220.000 Tonnen davon besser verwertet werden. Bisher scheitert eine echte Kreislaufwirtschaft jedoch an der Praxis: „Wirkliches Faser-zu-Faser-Recycling, also sprich aus Abfällen wirklich wieder ein Kleidungsstück zu machen, das liegt im Bereich von 1% und weniger“, zieht Michael Waupotitsch, Vice President Textile Recycling bei Andritz, im Gespräch ernüchternde Bilanz. Der Großteil der Altkleider wird deponiert oder verbrannt.

Vorhersage statt bloßer Materialbestimmung

Hier setzt die neue Technologie „teXscan“ an, die Andritz gemeinsam mit der französischen Tochtergesellschaft Laroche entwickelt. Während bestehende Nahinfrarot-Systeme lediglich die reine Materialzusammensetzung bestimmen können, soll die neue Lösung erstmals die konkrete Rezyklierfähigkeit zerstörungsfrei vorhersagen.

„Die Innovation dabei ist, dass man erstmals nicht nur Farbe oder Zusammensetzung messen, sondern eine Vorhersage treffen kann, wie gut etwas recycelbar ist.“, so Waupotitsch. Das System ordnet den Textilien einen Score von 0 bis 100 zu, der auf Kriterien wie der Faserlänge und dem Kurzfaseranteil basiert. Waupotitsch betont jedoch im Gespräch, dass es sich hierbei um „keinen industriellen Standard“, sondern primär um eine „Entscheidungshilfe“ für Sortier- und Recyclingbetriebe handelt.

Der teXscan © Andritz

Bislang nur weiße Baumwolle identifizierbar

Bislang beschränkt sich die Analysefähigkeit des Prototyps ausschließlich auf weiße Baumwollfasern. Die größte Herausforderung im Massenmarkt stellen jedoch Mischgewebe und gefärbte Stoffe dar, die den Großteil heutiger Fast Fashion ausmachen. Andritz plant, bis Ende des Jahres verlässliche Aussagen über farbige Baumwolle zu treffen; Mischgewebe sollen als nächstes folgen.

Aktuell existiert das System als Tischgerät. Um industriell relevant zu werden, soll die Technologie zu Handheld-Geräten oder vollautomatisierten Online-Sensoren für Förderbänder weiterentwickelt werden, erklärt der Textil-Recycling-Experte.

teXscan als strategischer „Door Opener“

„Recycling von Textilien steht im Wettbewerb mit extrem günstigen Frischfasern“, merkt Waupotitsch im Gespräch an. Man müsse das gesamte wirtschaftliche System beachten und vorsichtig sein sich in dieser Hinsicht nicht selbst zu belügen, denn „unterm Strich muss es sich auch rechnen“, so der Experte. Zudem fehlen in Europa flächendeckende, genormte Sammelsysteme, wie man sie vom Altpapier kennt.

Für den Technologiekonzern ist der Scanner ohnehin nicht das primäre Endprodukt sondern eine Möglichkeit der Zusammenarbeit. Andritz versteht sich als Maschinen- und Anlagenbauer. Das Messgerät soll vielmehr als „Door-Opener“ fungieren, um letztlich großskalierte mechanische und chemische Recyclinganlagen zu vertreiben.

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

Capital One: Der Chatbot einer Bank als bester Freund

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

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

Capital One: Der Chatbot einer Bank als bester Freund

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

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

Capital One: Der Chatbot einer Bank als bester Freund

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 …

Capital One: Der Chatbot einer Bank als bester Freund

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 …

Capital One: Der Chatbot einer Bank als bester Freund

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 …

Capital One: Der Chatbot einer Bank als bester Freund

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 …

Capital One: Der Chatbot einer Bank als bester Freund

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

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

Capital One: Der Chatbot einer Bank als bester Freund

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

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

Capital One: Der Chatbot einer Bank als bester Freund