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:
20.08.2026

Deepentix: sechsstellige Pre-Seed-Runde für NÖ-Deep-Tech-Startup – Kambis Kohansal Vajargah mit dabei

Mit einem SAFE (Simple Agreement for Future Equity) treibt das niederösterreichische Deep-Tech-Startup Deepentix seine nächsten Wachstumsschritte voran. An der Finanzierung beteiligen sich tecnet equity, der internationale Frühphaseninvestor Rockstart sowie der Business Angel Kambis Kohansal Vajargah.
/artikel/deepentix-sechsstellige-pre-seed-runde-fuer-noe-deep-tech-startup-kambis-kohansal-vajargah-mit-dabei
20.08.2026

Deepentix: sechsstellige Pre-Seed-Runde für NÖ-Deep-Tech-Startup – Kambis Kohansal Vajargah mit dabei

Mit einem SAFE (Simple Agreement for Future Equity) treibt das niederösterreichische Deep-Tech-Startup Deepentix seine nächsten Wachstumsschritte voran. An der Finanzierung beteiligen sich tecnet equity, der internationale Frühphaseninvestor Rockstart sowie der Business Angel Kambis Kohansal Vajargah.
/artikel/deepentix-sechsstellige-pre-seed-runde-fuer-noe-deep-tech-startup-kambis-kohansal-vajargah-mit-dabei
Deepentix
© tecnet equity - (v.l.) Investor Kambis Kohansal Vajargah, Endri Deliu, Morteza Amini und Altan Nar (alle Deepentix) sowie Peter Buchinger (tecnet equity).

Das NÖ-Startup Deepentix hat eine Enterprise-KI-Plattform entwickelt, die Unternehmen dabei unterstützen soll, aus Dokumenten wie Studien, Patenten oder internen Berichten einen sogenannten Wissensgraphen aufzubauen – ein Netzwerk aus Fakten und ihren Beziehungen. Dadurch lassen sich Antworten einer Künstlichen Intelligenz bis zum exakten Satz im Ursprungsdokument zurückverfolgen. Gerade in stark regulierten Branchen sei dies entscheidend, weil Aussagen jederzeit belegt und geprüft werden müssen.

Deepentix: Unternehmensdaten in Graphen überführen

Zielgruppe sind etwa Unternehmen in Branchen wie Pharma, Medizintechnik, Versicherungen oder Banken, die täglich mit großen Mengen an Studien, Patenten, Normen und internen Berichten arbeiten. Klassische generative KI liefere dazu zwar schnelle Antworten, könne deren Herkunft jedoch oft nicht lückenlos belegen. Genau hier möchte Deepentix ansetzen und unstrukturierte Unternehmensdaten in einen Wissensgraphen überführen – im Sinn einer nachvollziehbaren Wissensbasis für KI-Anwendungen.

„Wenn Mitarbeitende einer KI blind vertrauen müssen, weil sie deren Antworten nicht überprüfen können, ist das gerade in sensiblen Bereichen ein echtes Risiko. Genau dieses Vertrauensproblem lösen wir, indem wir jede Antwort bis zu ihrem Ursprung im Dokument sichtbar machen“, erklärt Morteza Amini, Mitgründer und CEO von Deepentix.

Mehrere Sprachmodelle

Der Aufbau von Wissensgraphen erfolge Deepentix nach häufig im Rahmen aufwendiger Beratungsprojekte oder über standardisierte Lösungen, die sich nur begrenzt auf einzelne Fachbereiche zuschneiden lassen. Bei Unternehmen, die ihre sensiblen Daten selbst kontrollieren und gleichzeitig präzise Ergebnisse benötigen, stoße dieser Ansatz oft an seine Grenzen. Aus diesem Grund entwickelte das Startup kein Beratungsprojekt für einzelne Kunden, sondern ein Werkzeug, mit dem Unternehmen Wissensgraphen selbst erstellen, betreiben und an ihre Anforderungen anpassen können.

Dabei setzt die Plattform nicht auf ein einziges großes KI-Modell aus der Cloud, sondern auf mehrere kleine, spezialisierte Sprachmodelle, die gezielt auf einzelne Fachbereiche wie Pharma oder Banken trainiert werden. Dadurch sollen die Ergebnisse präziser werden, während die Modelle bei Bedarf direkt auf den eigenen Servern der Unternehmen betrieben werden können.

Dafür gab es nun eine Pre-Seed-Finanzierung in sechsstelliger Höhe, an der sich tecnet equity, der internationale Frühphaseninvestor Rockstart sowie der Business Angel Kambis Kohansal Vajargah beteiligt haben. Das frische Kapital soll vor allem in Forschung und Entwicklung sowie in den Ausbau erster Pilotprojekte in regulierten Branchen fließen.

Deepentix baut Wissensnetz

„Wir verstehen uns nicht als Berater, die für einzelne Kunden ein Wissensnetz bauen, sondern als Technologieanbieter, der Unternehmen die volle Kontrolle über ihre eigenen Daten und Modelle gibt“, so Amini weiter. „Mit tecnet equity, Rockstart und Business Angel Kambis Kohansal Vajargah haben wir Partner an Bord, die den Weg von Deep-Tech-Startups aus erster Hand kennen. Das gibt uns nicht nur Kapital, sondern auch Zugang zu Netzwerk und Erfahrung, um in dieser Phase die richtigen Schritte zu setzen.“

Peter Buchinger, Investment Associate bei tecnet equity, ergänzt: „Uns hat neben der Technologie vor allem das stark aufgestellte Gründerteam von Deepentix überzeugt. Die Kombination aus wissenschaftlichem Hintergrund und Erfahrung in internationalen Unternehmen war ausschlaggebend, in dieser frühen Phase zu investieren.“

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