17.09.2015

Empfehlungssysteme: Dieser Artikel könnte Ihnen gefallen

/artikel/empfehlungssysteme-dieser-artikel-koennte-ihnen-gefallen
Empfehlungssysteme ersetzten online den Verkäufer, funktionieren aber nicht immer perfekt

Wenn man von Amazon nach dem Kauf einer Waschmaschine noch wochenlang unter der Rubrik “das könnte Ihnen auch gefallen” weitere Waschmaschinen vorgeschlagen bekommt, gibt es zwei mögliche Erklärungen: vielleicht wird man aufgrund seines Surf-Verhaltens für einen Waschsalon gehalten, oder man ist soeben auf eine Schwachstelle sogenannter “Recommender Systems” gestoßen. Der Wurm steckt in diesem Fall in jenem Grundsystem, das die Eigenschaften eines Objektes charakterisiert und dann nach ähnlichen Objekten sucht. Was bei Schmuck und Mode sinnvoll ist, stößt bei Haushaltsgeräten naturgemäß an seine Grenzen.

Nutzer mit ähnlichen Vorlieben

Die “Recommendation Engine” von Amazon ist der Kern des Erfolgs des Online-Konzerns und hat deshalb natürlich auch noch andere Standbeine. Eine weitere Methode, die der Online-Händler zur Perfektion treibt, ist die Charakterisierung des Nutzers und die Suche nach ähnlichen Nutzern. Was nach der perfekten Partnersuche klingt, dient natürlich einem anderen Zweck: vorgeschlagen werden dann Objekte, die Nutzern mit ähnlichen Vorlieben gefallen. Amazon analysiert dazu nicht nur das Kaufverhalten, sondern auch angesehene Produkte, den Inhalt von Warenkorb und Wunschliste. Dieses System wiederum funktioniert erst dann, wenn man eine große Datenmenge zur Verfügung hat.

Königsdiziplin Filme und Musik

Auf dem Feld der Empfehlungssysteme gibt es noch viel zu erforschen und zu verbessern. Derzeit findet an der TU Wien noch bis Sonntag eine internationale Konferenz zu dem Thema statt. Schon die Liste der Unterstützer zeigt, dass “Recommender Systems” nicht nur für klassische Online-Händler interessant sind: Xing verwendet solche Systeme genauso wie Booikng.com, Pandora oder Netflix. Das “Matching” von Filmen oder Musik gilt als eine der Königsdisziplinen – es ist nicht einfach, sie mit berechenbaren Eigenschaften zu versehen und dann Filme oder Musik mit ähnlichen Eigenschaften zu finden, die demselben Nutzer auch gefallen. An der TU Wien arbeitet Hannes Werthner vom Institut für Softwaretechnik und interaktive Systeme daran, solche Systeme zu verbessern. Aktuell ist etwa die Empfehlung von Reisezielen auf Basis von Bildern, die einem Nutzer gefallen. „Letzten Endes ist ein Recommender-System genau dann gut, wenn der User damit zufrieden ist“, meint Hannes Werthner. „Unser Ziel ist nicht, den größtmöglichen Business Return zu generieren, sondern intelligente Lösungen zu entwickeln, die uns allen einen echten Vorteil bringen.“

Berechnen, ob es zu einem Kauf kommt

Die Algorithmen von “Recommender Systems” taugen aber nicht nur für Produktempfehlungen. Auf der Basis von Klicks, die ein Nutzer auf einer Website tätigt, kann auch berechnet werden, ob es zu einem Kauf kommt. Genau das ist die Aufgabe einer Challenge im Rahmen der internationalen TU-Konferenz. Firmen stellen anonymisierte Daten zur Verfügung und Teams aus aller Welt versuchen im Rahmen der “RecSys-Challenge” möglichst rasch daraus die richtigen Schlussfolgerungen zu berechnen.

ACM Conference on Recommender Systems
TU Wien, 16.-20. September 2015
http://recsys.acm.org/recsys15/

Deine ungelesenen Artikel:
31.07.2026

Sonnnig: Wie das Energy-Sharing-Startup seine Endkund:innen-Plattform für Energieversorger weiterentwickelt

Das Wiener Startup sonnnig baut eine White-Label-Lösung zur Verwaltung von Energiegemeinschaften. Nach dem Erfolg bei Privatabnehmer:innen will das zwei Jahre alte Unternehmen nun Energieversorgern unter die Arme greifen. Mit einer neuen aws-Seedfinancing-Förderung im Rücken sucht das Team Partnerunternehmen.
/artikel/sonnnig-wie-das-energy-sharing-startup-seine-endkundinnen-plattform-fuer-energieversorger-weiterentwickelt
31.07.2026

Sonnnig: Wie das Energy-Sharing-Startup seine Endkund:innen-Plattform für Energieversorger weiterentwickelt

Das Wiener Startup sonnnig baut eine White-Label-Lösung zur Verwaltung von Energiegemeinschaften. Nach dem Erfolg bei Privatabnehmer:innen will das zwei Jahre alte Unternehmen nun Energieversorgern unter die Arme greifen. Mit einer neuen aws-Seedfinancing-Förderung im Rücken sucht das Team Partnerunternehmen.
/artikel/sonnnig-wie-das-energy-sharing-startup-seine-endkundinnen-plattform-fuer-energieversorger-weiterentwickelt
Das sonnnig-Gründerteam: Roman Öfferlbauer, Jonathan Buchinger und Lukas Hückel © sonnnig

Dort, wo Technik und Unternehmertum zusammenkommen, kann Großes entstehen. So auch an der TU Wien im „Extended Study on Innovation“-Programm, wo sich das Gründer-Trio, bestehend aus Roman Öfferlbauer, Lukas Hückel und Jonathan Buchinger, zum ersten Mal begegnete. Parallel dazu gründete Öfferlbauer 2023 in seinem Heimatort in Niederösterreich eine Energiegemeinschaft, zu einem Zeitpunkt, an dem das Thema noch jung und „technisch schwierig abzuwickeln“ war, so Öfferlbauer.

Aus improvisierten Tools und selbst geschriebenen Mini-Scripts für den Eigenbedarf wurde ein Jahr später sonnnig. Eine White-Label-Lösung für Abrechnung, Mitgliedermanagement und Datenanalyse von mittlerweile 30 Energiegemeinschaften in ganz Österreich.

Wenn Strom aus der Nachbarschaft kommt

„Unser Blick war eigentlich immer auf Endverbraucher und Verbraucherinnen fokussiert. Also Privatpersonen, Unternehmen, Gemeinden“, erklärt Öfferlbauer im Interview. Eine Mission, die über die letzten zwei Jahre tausende Haushalte in ganz Österreich erreicht hat. Mittlerweile kann man über sonnnig den generierten Strom auch als Mitarbeiter:innen-Benefit oder Spende abgeben. „Im letzten halben Jahr hat sich da aber auch ziemlich viel auf der anderen Seite, also bei den Energieversorgungsunternehmen, getan“, verrät der Co-Founder.

Energieversorgungsunternehmen stünden zunehmend vor einem Einkaufs- und Prognoseproblem. In der Regel verbraucht die Kundschaft ihren Strom nach einem Standardprofil, mit dem der jeweilige Versorger seine Stromeinkäufe prognostiziert. Sind die Abnehmer:innen aber Teil einer Energiegemeinschaft, verschiebt sich dieses Profil radikal: Ein großer Teil des Energiebedarfs wird jetzt von der Energiegemeinschaft gedeckt und nur noch die Restmengen werden durch den Energieversorger geliefert. „Der Energieversorger hat die Energiemenge aber schon im Vorhinein eingekauft“ – und müsse sie kurzfristig wieder verkaufen, erklärt Öfferlbauer. Ein teures Ausgleichsenergie-Problem, das mit wachsendem Energy-Sharing-Anteil immer größer wird.

Sonnnig als potenzieller Partner für Energieversorger

Genau hier setzt das neue Produkt an, für das sonnnig gerade die dritte Förderung der Austria Wirtschaftsservice (aws) erhalten hat: eine White-Label-Lösung zum Energy Sharing, die Energieversorger direkt in ihr eigenes Kund:innenportal einbinden können. Im Hintergrund liefert sonnnig die Restlastprognose auf 15-Minuten-Basis, damit Versorger gezielter am Großhandel einkaufen können.

Möglich macht das die Prognosefähigkeit, die sonnnig über Jahre mit echten Energiegemeinschaften aufgebaut hat. Ziel ist es, Versorgern einen besseren Einblick in ihre Stromverläufe zu geben und ihnen zu helfen, selbst ein Geschäftsmodell rund um Energy Sharing aufzubauen, auch als Beitrag zur Kund:innenbindung, erklärt Öfferlbauer. Am Markt kommt das gut an: „Energieversorgungsunternehmen spüren das Problem und sind zunehmend auf der Suche nach Lösungen und neuen Geschäftsmodellen im Energy-Sharing-Bereich, deshalb reden sie auf einmal mit uns“, sagt der Co-Founder. Davor sei die Beziehung eher einseitig gewesen. Zwei Pilotbetriebe hat sonnnig für das geförderte Projekt bereits akquiriert und zeigt sich offen für weitere Kooperationen.

Von First bis Seed: Der aws-Weg

Möglich wurde diese Entwicklung durch drei aufeinanderfolgende aws-Förderungen. Mit aws First Incubator, einem Programm für sehr junge Teams, teils noch vor der Firmengründung, kam das Startup zu ersten Beratungsleistungen und Mentoring. Mit aws Preseed – Innovative Solutions wurde zunächst die inhaltliche und wirtschaftliche Machbarkeit des Vorhabens überprüft und der Proof of Concept entwickelt. Darauf aufbauend unterstützt aws Seedfinancing – Innovative Solutions die Weiterentwicklung bis zum Markteintritt sowie die ersten Skalierungsschritte. In diesem Rahmen werden nun der Aufbau und der Launch des neuen B2B-Produkts finanziert.

Erwarteter Boom durch neues Elektrizitätswirtschaftsgesetz

Als besondere Meilensteine nennt Öfferlbauer Referenzprojekte mit bekannten Unternehmen wie Hartl Haus, der Nationalbank-Tochter IG Immobilien oder der Volkshilfe Wien sowie die wiederholte Verdopplung des Jahresumsatzes. Im ersten Halbjahr 2026 hat sich die geteilte Energiemenge, die über sonnnig abgewickelt wurde, laut eigenen Angaben gegenüber dem Vorjahr mehr als verdoppelt. Investor:innen hat das fünfköpfige Team bislang bewusst keine an Bord geholt, da laufende Umsätze und eine halbe Million Euro an lukrierten Entwicklungsförderungen das Team organisch tragen.

Rückenwind kommt bald auch auf politischer Ebene: Im Oktober tritt das neue Elektrizitätswirtschaftsgesetz (ElWG) in Kraft, das Energy Sharing über bilaterale Peer-to-Peer-Verträge statt über eine juristische dritte Instanz wie einen Verein oder eine GmbH erlaubt. Für sonnnig eine freudige Entwicklung: „Das baut natürlich extrem viele Hürden ab. Und deswegen erwarten wir auch einen ziemlichen Boom an neuen Mitgliedern und das nehmen auch Energieversorgungsunternehmen wahr.“


Disclaimer: Der Artikel entstand in Kooperation mit der Austria Wirtschaftsservice (aws).

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

Empfehlungssysteme: Dieser Artikel könnte Ihnen gefallen

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

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

Empfehlungssysteme: Dieser Artikel könnte Ihnen gefallen

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

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

Empfehlungssysteme: Dieser Artikel könnte Ihnen gefallen

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 …

Empfehlungssysteme: Dieser Artikel könnte Ihnen gefallen

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 …

Empfehlungssysteme: Dieser Artikel könnte Ihnen gefallen

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 …

Empfehlungssysteme: Dieser Artikel könnte Ihnen gefallen

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 …

Empfehlungssysteme: Dieser Artikel könnte Ihnen gefallen

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

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

Empfehlungssysteme: Dieser Artikel könnte Ihnen gefallen

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

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

Empfehlungssysteme: Dieser Artikel könnte Ihnen gefallen