Wie die Salzburg AG mit einer neuen Crowdinvesting-Plattform die Energiewende vorantreibt

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

✨ AI Kontextualisierung

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:

die Redaktion

24.06.2026

Ora Computing: Wiener KI-Startup holt 3,5 Mio. Euro Seed-Finanzierung

Das Wiener KI-Startup Ora Computing hat eine Seed-Finanzierung über 3,5 Millionen Euro abgeschlossen. Mit seiner Technologie zur effizienten Komprimierung großer KI-Modelle will das Unternehmen die Kosten und den Energiebedarf von KI-Anwendungen senken und die Nutzung auf unterschiedlichster Hardware ermöglichen.

/artikel/ora-computing-wiener-ki-startup-holt-35-mio-euro-seed-finanzierung

die Redaktion

24.06.2026

Ora Computing: Wiener KI-Startup holt 3,5 Mio. Euro Seed-Finanzierung

/artikel/ora-computing-wiener-ki-startup-holt-35-mio-euro-seed-finanzierung

Ora Computing, ein Star t up, das sich auf die Optimierung und Komprimierung von KI-Foundation-Modellen spezialisiert hat, gab heute den Abschluss einer Seed-Finanzierungsrunde in Höhe von 3,5 Millionen Euro bekannt. Die Runde wurde von Constructor Capital und Greencode Ventures angeführt, mit fortgesetzter Unterstützung des Gründungsinvestors XISTA Science Ventures, der beim Aufbau und der Einführung des Unternehmens geholfen hat.

Ora Computing schrumpft Modelle

KI-Inferenz – der Prozess der tatsächlichen Ausführung eines KI-Modells zur Generierung von Outputs – ist zu einem erheblichen und schnell wachsenden Kostenfaktor für jedes Unternehmen geworden, das KI im großen Maßstab einsetzt. Große Implementierungen können mittlerweile allein für die Rechenleistung zig Millionen Euro pro Monat kosten, und das Problem verschärft sich, da die Modelle immer größer werden. Für Unternehmen, die KI lokal auf Geräten wie Autos oder Industrieanlagen ausführen möchten, seien die Modelle oft schlichtweg zu groß.

Hier setzt Ora Computing an. Seine Software komprimiert diese Modelle – sie schrumpft ihre Größe um bis zu 80 Prozent und lässt sie bis zu viermal schneller laufen – während der Genauigkeitsverlust bei Null bis fünf Prozent gehalten wird, so der Claim.

Da komprimierte Modelle deutlich weniger Rechenleistung für die Ausführung benötigen, sollen sich die Effizienzgewinne auch direkt in einem geringeren Energieverbrauch und reduzierten CO₂-Emissionen niederschlagen: Ora schätzt, dass seine Technologie bei einer Marktdurchdringung von ein Prozent jährlich mehr als 50.000 Tonnen CO₂ einsparen könnte.

Ansatz über verschiedene Hardwaretypen

„Wir haben Ora Computing gegründet, um die Annahme infrage zu stellen, dass eine massive Skalierung erforderlich ist, um nutzbare Intelligenz zu erreichen. Wir glauben, dass die nächste Welle der KI-Einführung durch kompaktere Modelle vorangetrieben wird, die hocheffizient und für spezifische Anwendungsfälle optimiert sind, anstatt durch große, universelle Cloud-Modelle. Ora baut den Software- und Algorithmen-Stack auf, der diesen Übergang ermöglicht“, sagt Stefan Sack, CEO und Mitgründer von Ora Computing.

Im Gegensatz zu bestehenden Komprimierungstools funktioniere der Ansatz von Ora über verschiedene Hardwaretypen hinweg und füge sich direkt in Standard-Inferenz-Frameworks ein – ohne Änderung an der bestehenden Infrastruktur. Wo konkurrierende Ansätze eine binäre Entscheidung zwischen Komprimierungsstufen erzwingen, bilde der Algorithmus von Ora kontinuierlich den gesamten Kompromiss zwischen Modellgröße und Genauigkeit ab, sodass Unternehmen für ihre spezifischen Hardware- und Kostenbeschränkungen optimieren können, so der Mitgründer.

2025: Ora Computing tritt hervor

Ora wurde von Stefan Sack und Raimel Medina gegründet, beide Forscher im Bereich Quantencomputing aus der Serbyn-Gruppe am Institute of Science and Technology Austria (ISTA). Das Unternehmen verließ Ende 2025 den Stealth-Modus und möchte die frischen Mittel dazu nutzen, um das Team zu vergrößern, die Komprimierungsfähigkeiten auf die größten Frontier-Modelle auszuweiten und ein kommerzielles Produkt für Cloud-Inferenz-Anbieter und Unternehmen, die KI am Edge einsetzen, auf den Markt zu bringen.

Ora hat die Anwendbarkeit seiner Technologie nach eigenen Angaben an einem Modell mit 70 Milliarden Parametern nachgewiesen. Der Komprimierungsprozess beanspruchte hierbei wenige Stunden und verursachte Rechenkosten von unter 1.000 US-Dollar, wohingegen der bisherige Branchenstandard für vergleichbare Leistungen ein Vielfaches dieses Betrages erfordere.

„Hunger wächst schneller“

„Der Energiehunger der KI wächst schneller, als die Welt die Infrastruktur aufbauen kann, um ihn zu stillen. Ein wichtiger Ansatz ist es, die KI selbst effizienter zu machen, und genau das tut Ora. Modelle radikal zu komprimieren, ohne die Genauigkeit zu opfern, macht für ihre Kunden einen enormen Unterschied“, sagt Terhi Vapola, Gründerin und Managing Partner bei Greencode Ventures.

Und Valentino Jadrisko, Senior Associate bei Constructor Capital, ergänzt: „Die Ära der Brute-Force-KI stößt an ihre physikalischen Grenzen: Hyperscaler nehmen wieder Kernreaktoren in Betrieb, Frontier-Labs verbrennen Milliarden für Rechenleistung, Reasoning-Modelle vervielfachen die Inferenzkosten jedes Quartal. Die einzige nachhaltige Antwort besteht darin, den Betrieb von Frontier-KI drastisch günstiger zu machen. Das ist es, was Ora Computing tut: Sie komprimieren Frontier-LLMs so, dass sie überall laufen können – in der Cloud, im Auto, in der Hosentasche. Und das ist der Grund, warum Constructor Capital stolz darauf ist, ihre 3,5-Millionen-Euro-Seed-Runde als Co-Lead anzuführen.“

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