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:
20.10.2026

Mit Wiener Startup: Stadtwerke Klagenfurt starten Inhouse-GPT-Projekt

Künstliche Intelligenz im Unternehmensalltag nutzen, ohne sensible Daten aus der Hand zu geben: Die Stadtwerke Klagenfurt machen gemeinsam mit dem Wiener Startup BReact vor, wie ein souveräner, DSGVO-konformer KI-Assistent funktionieren kann, unterstützt durch die IÖB-Toolbox-Förderung der Austria Wirtschaftsservice (aws).
/artikel/mit-wiener-startup-stadtwerke-klagenfurt-starten-inhouse-gpt-projekt
20.10.2026

Mit Wiener Startup: Stadtwerke Klagenfurt starten Inhouse-GPT-Projekt

Künstliche Intelligenz im Unternehmensalltag nutzen, ohne sensible Daten aus der Hand zu geben: Die Stadtwerke Klagenfurt machen gemeinsam mit dem Wiener Startup BReact vor, wie ein souveräner, DSGVO-konformer KI-Assistent funktionieren kann, unterstützt durch die IÖB-Toolbox-Förderung der Austria Wirtschaftsservice (aws).
/artikel/mit-wiener-startup-stadtwerke-klagenfurt-starten-inhouse-gpt-projekt
Die Stadtwerke Klagenfurt versorgen die Region unter anderem mit Strom, Gas, Fernwärme, Wasser und verantworten den öffentlichen Personennahverkehr. © Stadtwerke Klagenfurt

Ob E-Mails, vertrauliche Kunden-Dokumente oder interne Richtlinien: Viele österreichische Unternehmen haben verstanden, dass der Einsatz von künstlicher Intelligenz unausweichlich wird, stehen allerdings vor der Herausforderung, KI sicher in die eigenen Arbeitsabläufe zu integrieren. Bei den Stadtwerken Klagenfurt entschied man sich bewusst gegen Standard-Lizenzen externer US-Hyperscaler und entwickelte stattdessen eine maßgeschneiderte Inhouse-Lösung: den „Stadtwerke GPT“, auch liebevoll „Susi-Sorglos“ genannt.

Die Vision: Ein DSGVO-konformer „Büro-Buddy“

Das Hauptziel war von Beginn an klar definiert: eine sichere Umgebung zu schaffen, in der Mitarbeiter:innen Bedenken bezüglich des Datenschutzes komplett ausräumen können. „Wir wollten unseren Mitarbeitern einen souveränen, DSGVO-konformen Chatbot anbieten, den sie komplett bedenkenlos nutzen können, wo sie personenbezogene Daten von Kunden reinkopieren und vertrauliche Dokumente hochladen können“, erklärt Peter Weratschnig, IT-Bereichsleiter der Stadtwerke Klagenfurt.

Neben der Chatbot-Funktion dient die KI als intelligenter „Büro-Buddy“. Über ein Retrieval-Augmented-Generation-System (RAG) wurden ca. 2.000 Seiten an internen Dokumenten, von Konzernrichtlinien bis hin zu IT-Anleitungen, eingebunden, um Fragen zu regulatorischen Vorgaben oder Systembedienungen direkt zu beantworten.

Der Gamechanger: Die Austria Wirtschaftsservice (aws)-Förderung

Das Projekt hat man nicht alleine umgesetzt, sondern entstand durch den Kontakt mit dem Wiener KI-Startup BReact, das 2022 von Raphael Fakhir und Nemanja Klincov gegründet wurde. Der entscheidende Impuls für die Realisierung lag in der Förderlandschaft. Denn das finanzielle Gesamtinvestment bewegte sich im fast sechsstelligen Bereich, erklärte Weratschnig im Interview.

Hier kam die IÖB-Toolbox-Förderung der Austria Wirtschaftsservice (aws) als entscheidender Beschleuniger ins Spiel. „Ohne diese Förderung hätten wir es nicht gemacht“, betont Weratschnig rückblickend. Die Förderung reduzierte das finanzielle Risiko für die Stadtwerke entscheidend und machte den Weg frei für die gemeinsame Entwicklung mit dem Startup.

Das Förderungsprogramm aws IÖB-Toolbox richtet sich an öffentliche Beschaffer und hat den Zweck, die Planung und Umsetzung von IÖB-Challenges als innovativem Instrument der Markterkundung, juristische und/oder technische Expertise für die Erstellung von Unterlagen für eine geplante Ausschreibung (Modul Prepare), sowie die Durchführung von innovativen Beschaffungen (Modul Transfer) zu ermöglichen. Damit sollen Anreize für eine verstärkte Innovationsnachfrage durch den öffentlichen Sektor gesetzt werden, insbesondere für Vorhaben mit positiven Beiträgen in den Bereichen Nachhaltigkeit und Digitalisierung.

Europäische KI-Architektur On-Premise

Auch technisch setzten die Partner auf digitale Souveränität: Als Sprachmodell dient ein Modell des französischen KI-Unternehmens Mistral, das Mitte des Jahres auch das Linzer Startup EmmiAI kaufte. Die Datenhaltung erfolgt laut Weratschnig ausschließlich On-Premise in eigenen IT-Systemen. Lediglich die reine GPU-Rechenleistung wird bei einem italienischen Anbieter angemietet. „Sobald das Modell nachdenkt, tut es das in dieser Infrastruktur ohne persistente Datenspeicherung. Danach sind keine Datenspuren außerhalb unseres IT-Systems zu finden“, erklärt der IT-Bereichsleiter. Das Resultat ist der angestrebte „Susi Sorglos“-Bot für den internen Arbeitsalltag.

Große Begehrlichkeiten & wertvolle Erkenntnisse

Nach der schrittweisen Bereitstellung als internes Web-Service stieß das Tool auf enormes Interesse in den Fachbereichen. Neben Fachfragen zu Richtlinien entstehen bereits Ideen für eigene Teil-Wissensdatenbanken oder interaktive Schulungsassistenten.

Gleichzeitig liefert das Projekt wertvolle Erkenntnisse für künftige KI-Initiativen. „Der Benefit aus unseren Lessons Learned ist fast ebenso hoch einzustufen wie das Tool an sich“, fasst Weratschnig zusammen. Seine zentralen Ratschläge an andere Unternehmen: Von Beginn an die eigene IT-Architektur und Lieferkette der Dienstleister genau prüfen sowie die Qualität der zugrundeliegenden Analog-Dokumente gründlich analysieren.


Disclaimer: Dieser Artikel ist im Rahmen einer Medienbeauftragung mit der Austria Wirtschaftsservice (aws) entstanden.

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