15.09.2017

Chatbot Steckbrief: Lokal shoppen mit dem Chatbot von jingle

In unserer Artikelreihe "Chatbot Steckbrief" berichten wir jeden Freitag über einen Chatbot. Dieses Mal stellen wir "jingle" vor. Das Team möchte es Unternehmen, die noch keine Präsenz im Internet haben, ermöglichen, per Chatbot gefunden zu werden. Jingle ist Teil des ersten Batch des Wiener Chatbot-Accelerators ELEVATE von TheVentury.
/artikel/chatbot-steckbrief-lokal-shoppen-mit-dem-chatbot-von-jingle
Österreichische Founder auf dem Web Summit 2019 (c) Bernhard Holzer

In Zeiten der Digitalisierung fällt es Unternehmen, die noch keine Präsenz im Internet haben, zunehmend schwerer an Kunden zu kommen. Die Gründer von jingle kennen das Problem und möchten es per Chatbot lösen. Konkret können User Produkte des lokalen Handels per jingle finden. Der Kauf findet dann im Geschäft vor Ort statt. Auf diese Weise möchte man den Unternehmen eine größere Reichweite bieten.

ELEVATE sucht neue Chatbot-Ideen

Knapp eine Woche ist es her, dass jingle vor Investoren am Demo Day von ELEVATE gepitcht hat. Als Teil des Chatbot Accelerators von TheVentury wurde es dem dreiköpfigen Team ermöglicht, ihre Idee umzusetzen. „Unseren Bot haben wir selbst, zusammen mit TheVentury, entwickelt“, erzählt Co-Founder Gregor Wallner dem Brutkasten.

Mit dem Ende des ersten Durchgangs startete quasi die  Bewerbungsphase für den nächsten Batch des Accelerators. Bis 22. September kann man sich noch bewerben.

jingle: Lokaler Handel im Internet

Die jingle Gründer kannten sich bereits vor der Teilnahme bei ELEVATE. Gregor Wallner und Luke Binder lernten sich bereits während dem Studium kennen. Der technische Co-Founder Kevin Bachmann stieß später übers Netzwerk dazu. Mit ihrem Chatbot kann man per Facebook Messenger schreiben.

Dem Brutkasten beantwortet Wallner die Steckbrief Fragen und erklärt, wieso man sich überhaupt dazu entschieden hat, einen Chatbot – und nicht etwa eine App – zu entwickeln.

Wie seid ihr auf die Idee zu jingle gekommen?

Mir ist es öfter passiert, dass ich von Geschäft zu Geschäft lief und ein bestimmtes Produkt einfach nicht finden konnte. Ich bin sehr Internet-affin und habe mir jedes Mal aufs Neue gedacht: „Es muss doch eine Suchmaschine für Produkte in meiner Nähe geben?“ – doch die gab es nicht. So ein Produkt als Chatbot zu entwickeln hat den Hintergrund, dass wir den Mehraufwand verringern wollen, ständig eine neue App herunterladen zu müssen. Außerdem ist eine direkte Konversation in unseren Augen einfach die beste Möglichkeit, dem User das zu geben was er will und gleichzeitig sich als Plattform optimal zu branden. Für jeden Marketing-Fuzzi wie mir, ein Traum.

Seit wann ist jingle nun schon online?

Unser Bot ist nun seit knapp einem Monat als Prototyp online. Wir versuchen derzeit herauszufinden, was der perfekte User-Flow ist, wie User mit unserem Bot interagieren und fixen diverse Bugs. Zur Zeit läuft Jingle ausschließlich auf Facebook Messenger.

Wie bist du an das Marketing herangegangen und hast du Tipps für andere, die du teilen kannst?

Derzeit versuchen wir eine ganz kleine Zielgruppe mit Facebook Ads / AdWords zu targeten, um das Onboarding und den generellen User-Flow zu testen und zu perfektionieren. Großflächiges Marketing wird kommen. Mein Tipp wäre es, jede einzelne Konversation zu analysieren und herauszufinden, was der User wollte und was funktioniert hat/was nicht. Ich bin ein großer Fan von Tracking Pixels und Analyse Tools, da man wirklich jeden User auch einem Kanal und somit einem „Use-Case“ zuordnen kann.

Was waren die größten Hürden und welche Learnings hast du bisher gemacht? 

Man sagt conversational Interfaces sind nahezu das Ultimative User Interface – das ist schon ganz richtig. Aber User sind es heutzutage einfach gewohnt mal herum zu klicken und zu gucken, was das Ding so kann. Man muss hier besonders acht geben, sich nicht ZU sehr auf Texteingaben zu fokussieren – sonst springen viele ab weil sie einfach nicht wissen was sie tun sollen.

Wie groß ist euer Team? Und welche Ziele möchtet ihr als nächstes erreichen?

Wir sind derzeit ein 3-Köpfiges Team. Lukas, Kevin und Ich (Greg). Unsere nächsten Ziele sind den Prototypen so weit wie möglich zu optimieren und für den kommenden Weihnachtsmarkt bereit zu sein.

Was war euch beim (Charakter-) Design besonders wichtig?

Da sich unser User Flow derzeit laufend verändert gibt es sicher noch viel Luft nach oben bezüglich des perfekten Charakters. Einfach eine Person erfinden, ihr einen Namen geben, ein Gesicht, Hobbys und so weiter. Jedes Mal, wenn du dann einen neuen Dialog brauchst, stell dir vor: „Was würde diese Person jetzt sagen?“- und „wie“ würde sie es sagen?

Vielen Dank!

Weiterführende Links: jingle

Deine ungelesenen Artikel:
07.07.2026

„Europa kann doch State of the Art“: Hochreiters NXAI präsentiert neues Modell

Das Linzer KI-Startup NXAI rund um KI-Pionier Sepp Hochreiter hat mit TiRex-2 ein neues Modell für Industrie-Vorhersagen veröffentlicht. Dieses soll extrem effizient bei der Analyse von Live-Datenströmen sein.
/artikel/europa-kann-doch-state-of-the-art-hochreiters-nxai-praesentiert-neues-modell
07.07.2026

„Europa kann doch State of the Art“: Hochreiters NXAI präsentiert neues Modell

Das Linzer KI-Startup NXAI rund um KI-Pionier Sepp Hochreiter hat mit TiRex-2 ein neues Modell für Industrie-Vorhersagen veröffentlicht. Dieses soll extrem effizient bei der Analyse von Live-Datenströmen sein.
/artikel/europa-kann-doch-state-of-the-art-hochreiters-nxai-praesentiert-neues-modell
KI-Pionier Sepp Hochreiter ist Co-Founder und Chief Scientist von NXAI | (c) NXAI
KI-Pionier Sepp Hochreiter ist Co-Founder und Chief Scientist von NXAI | (c) NXAI

Das Linzer KI-Startup NXAI hat sein neuestes Modell TiRex-2 veröffentlicht. Die Entwicklung des sogenannten „Time Series Foundation Models“ (Zeitreihen-Basismodell) stand unter der wissenschaftlichen Leitung von KI-Pionier Sepp Hochreiter, der Mitgründer ist und als Chief Scientist des Startups fungiert.

Das Modell wurde auch als Open-Source-Software frei zugänglich gemacht. Es ist darauf spezialisiert, historische Datenreihen aus der Industrie zu analysieren, um zukünftige Entwicklungen vorherzusagen. In der Presseaussendung zum Release zeigt sich das Startup selbstbewusst: „Europa kann doch SOTA-Modelle“ (Anm. State of the Art). Laut Hochreiter teilt sich das neue Modell in den offiziellen Bestenlisten „die Spitzenplätze mit AWS“.

Mehrere Signale gleichzeitig im Blick

Die wesentliche technische Neuerung des Modells liegt in der Verarbeitung multivariater Zeitreihen. Während herkömmliche Vorhersagesysteme oft nur eine einzelne Datenreihe anhand ihrer eigenen Vergangenheit analysieren, bezieht TiRex-2 zusätzliche Einflussfaktoren – in der Fachsprache Kovariaten genannt – mit ein. Für Industrieunternehmen soll das zum entscheidenden Vorteil werden, da Maschinen und Prozesse selten nur ein isoliertes Signal erzeugen. In der Praxis bedeutet dies: Will ein Logistik- oder Energiebetrieb den künftigen Verbrauch prognostizieren, kann das Modell neben den historischen Verbrauchsdaten auch begleitende Faktoren wie das Wetter, Kalenderdaten oder Produktionspläne auswerten. Das macht die Vorhersagen präziser und aussagekräftiger.

xLSTM soll Effizienz-Boost bringen

Im Gegensatz zu bekannten KI-Systemen wie ChatGPT, die auf der speicherintensiven Transformer-Architektur basieren, nutzt TiRex-2 das von Hochreiter mitentwickelte xLSTM-Verfahren. Das soll ein zentrales Problem industrieller Live-Anwendungen lösen: Bei kontinuierlich einlaufenden Datenströmen (Streaming) explodiere bei herkömmlichen Systemen nämlich der Rechen- und Speicheraufwand, argumentiert man beim Startup. TiRex-2 hingegen verarbeitet Daten sequenziell und aktualisiert fortlaufend einen internen Zustand. Dadurch würden der Speicherbedarf und die Rechenkosten auch bei unbegrenzten Datenströmen konstant niedrig bleiben. Lukas Fischer, Head of Applied Research bei NXAI, erklärt dazu: „Mit TiRex-2 können wir kontinuierliche Datenströme in Echtzeit analysieren, ohne Einbußen bei der Modellperformance.“ Dies prädestiniert das Modell für den direkten Einsatz an Maschinen vor Ort (Edge-Anwendungen).

„Kunden müssen für unterschiedliche Maschinen nicht immer ein neues KI-Modell trainieren“

Die Leistungsfähigkeit des Modells wird durch das begleitende wissenschaftliche Paper des Forscherteams untermauert. Darin zeigen die Wissenschaftler, dass sich TiRex-2 besonders gut für das sogenannte Zero-Shot-Forecasting eignet. Das bedeutet, dass das Modell ohne vorheriges, spezielles Training präzise Vorhersagen für völlig neue Maschinentypen oder Datensätze treffen kann.

Laut dem CEO von NXAI, Albert Ortig, bringt diese Generalisierungsfähigkeit handfeste wirtschaftliche Vorteile im Betrieb: „Die Kunden müssen für unterschiedliche Maschinen nicht immer ein neues KI-Modell trainieren.“ Ein weiterer Vorzug des vergleichsweise kompakten Modells mit 82 Millionen Parametern ist, dass es auf Wunsch direkt auf den eigenen Servern der Kunden (On-Prem) betrieben werden kann, was die Datensicherheit für sensible Industrie-Prozesse erhöht.

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: Lokal shoppen mit dem Chatbot von jingle

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

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

Chatbot Steckbrief: Lokal shoppen mit dem Chatbot von jingle

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

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

Chatbot Steckbrief: Lokal shoppen mit dem Chatbot von jingle

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: Lokal shoppen mit dem Chatbot von jingle

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: Lokal shoppen mit dem Chatbot von jingle

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: Lokal shoppen mit dem Chatbot von jingle

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: Lokal shoppen mit dem Chatbot von jingle

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

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

Chatbot Steckbrief: Lokal shoppen mit dem Chatbot von jingle

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

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

Chatbot Steckbrief: Lokal shoppen mit dem Chatbot von jingle