19.04.2021

„Daten klassischer Analytics-Tools weichen um 30 Prozent von der Realität ab“

Im Interview erklärt Jentis-Gründer Thomas Tauchner, warum Analytics-Tools ungenau sind, was sein Startup anders macht und wie dieses sich im ersten Jahr entwickelt hat.
/artikel/jentis-tauchner-interview
Jentis: Gründer und Co-CEO Thomas Tauchner
(c) Jentis: Gründer und Co-CEO Thomas Tauchner
sponsored

Vor einem Jahr, im April 2020, also mitten im ersten Lockdown, launchte in Wien das Startup Jentis – der brutkasten berichtete. Das Unternehmen will mit seiner Daten-Tracking-Technologie nichts Geringeres als den gesamten Bereich neu zu erfinden. Inzwischen kann das Startup einige große Referenzkunden vorweisen. Und im ersten Jahr seines Bestehens holte es sich ein Investment und eine Förderung. Wir sprachen mit Gründer und Co-CEO Thomas Tauchner unter anderem über die Entwicklung im ersten Jahr und die Pläne für das zweite.

Ihr sagt, Google Analytics und Co messen nicht genau. Wie habt ihr das erhoben und woran liegt das?

Wir haben schon vor mehreren Jahren, als ich noch auf Agenturseite gearbeitet habe, erkannt, dass klassische Analytics Tools nicht ausreichend und zum Teil erheblich fehlerhafte Daten verarbeiten. Das liegt im Wesentlichen am umfangreichen Einsatz von Adblockern auf Nutzerseite und an der Integration von ITP (Anm. Intelligent Tracking Prevention) in den Webbrowsern. Die dadurch entstehenden weißen Flecken auf der „Datenlandkarte“ führen dazu, dass die abgebildeten User Journeys erheblich von der Realität abweichen – derzeit durchschnittlich um 30 Prozent, Tendenz steigend –, und in der Folge eklatante Fehlattribuierungen von Budgets und damit massive Mediaineffizienzen entstehen.

Was macht Jentis anders?

Wir setzen mit unserer Lösung einen entscheidenden Schritt weiter vorne in der Datenwertschöpfungskette an. Seit 2016 arbeiten wir daran, nicht erfassbare Daten umfänglich wieder zurückzugewinnen bzw. falsche Daten zu eliminieren. Wir haben eine hochwertige Hybrid-Technologie entwickelt, die das herkömmliche client-side Browsertracking um einen server-side Trackingansatz ergänzt. Die Datenerfassung erfolgt dabei nicht mehr über den Webbrowser des Nutzers, sondern den Jentis TwinServer. Anders als beim konventionellen Tracking kommt bei unserer Lösung anstelle externer Third-Party-JavaScripts ein einziges First-Party-JavaScript auf der Website zum Einsatz. Dadurch ist die Datenerfassung gegen externe Eingriffe geschützt. Fehlerhafte Daten durch kompromittierende Browser und Datenverluste lassen sich so eliminieren und die Datenqualität signifikant steigern.

Gleichzeitig sichert dieses Konzept den Website-Betreibern nicht nur den Rohdatenbesitz für z.B. den Einsatz von KI und erweiterte Datenanalysen, sondern auch die jederzeitige uneingeschränkte Kontrolle über die Daten und den Datenfluss. Damit erhalten Website-Betreiber die volle Autonomie über ihre proprietären First-Party-Daten. Wer mehr darüber erfahren will, sollte sich unbedingt für unser Webinar am 26. April anmelden.

Das soll wiederum auch das Google-Ranking verbessern. Wie das?

Das ist richtig. Durch die Ablösung der Third-Party-Pixel-Schwemme auf den Websites durch unseren Single-Pixel-Ansatz nimmt die Seitenladegeschwindigkeit – einer der wichtigsten Rankingfaktoren bei Google – rapide zu. Das bringt nicht nur einen erheblichen Zugewinn für die User Experience, sondern pusht auch die SEO-Optimierung. Zudem gilt: We are living in an algorithms‘ world. Auch Google Adwords nutzt Daten – und je umfangreicher und präziser diese sind, desto effizienter ist die Werbeaussteuerung. Unser Tool stellt also auch einen erheblichen Performance-Schub für Google dar.

Ihr habt mit Jentis vor einem Jahr mitten im ersten Lockdown gestartet. Was habt ihr seitdem geschafft?

Wie bereits gesagt, arbeiten wir bereits seit 2016 an der Entwicklung von Jentis. Bis 2020 waren wir eine kleine, aber feine Truppe von drei Tracking-Spezialisten – heute sind wir ein Team von mehr als 20 Experten unterschiedlichster Disziplinen. Corona und der Lockdown haben uns also nicht ausgebremst, was wir nicht zuletzt auch einer schnellen und unbürokratischen Förderung des österreichischen Covid-Startup-Hilfsfonds verdanken. Im Gegenteil: Die sich beschleunigende Digitalisierung weiter Teile der Wirtschaft und die damit verbundenen data economics spielen uns in die Hand. Derzeit arbeiten wir gerade an der Überführung unserer Lösung in die Produktversion 2.0 und bauen das Vertriebsteam erheblich aus. Seit Anfang des Jahres intensivieren wir den Rollout von Jentis auch in Deutschland und der Schweiz und sind gerade dabei, nach zahlreichen erfolgreichen Pilottests erste Lizenzverträge abzuschließen. Und wir strecken bereits erste Fühler nach UK und Overseas aus.

Ihr habt jetzt schon einiges an Erfahrungen im Einsatz mit Kunden gesammelt. Was waren die größten Learnings?

Zum einen, dass wir mit unserer Lösung eine echten Schmerzpunkt treffen. Publisher und E-Commerce-Anbieter verstehen immer besser, dass sie, wenn sie in ihren bisherigen technischen Analytics Setups bleiben, ein Problem mit ihren Daten und mit den datenschutzrechtlichen Rahmenbedingungen haben. Zum anderen, und das ist eigentlich die schönste Erfahrung seit dem Start, dass sich die Ergebnisse aus unserem „Laborbetrieb“, im Praxiseinsatz immer bestätigen. Das hilft uns, potenzielle Kunden sehr schnell davon überzeugen, die Lösung zu implementieren und zu testen.

Gemeinsam mit 506 Data & Performance hat Jentis ein weiteres Projekt am Laufen. Worum geht es da?

KI-Anbieter und Datenunternehmen sind wesentliche Partner für uns. Als Technologie- und Produkthersteller halten wir uns fern von sämtlichen Projektgeschäften. Umso wichtiger ist es, dass wir auf Unternehmen wie 506 Data & Performance oder AI Automatica zählen können, die Kunden dabei unterstützen, mit den von Jentis gewonnenen Daten gewinnbringende Personalisierungsanwendungen einzusetzen. Dabei kann es um Produktempfehlungen, Sortierungslogiken, Suchvorschläge, Retourenquotenminimierung und vieles mehr gehen. Es hat sich bspw. gezeigt, dass alleine schon die datengestützte, nutzerindividuell richtige Sortierung der Zahlarten im Checkout einen signifikanten Mehrwert bringen kann.

Dieses Jahr plant ihr eine Finanzierungsrunde. Wofür braucht ihr das Kapital und was steht sonst noch am Plan?

Das Geld aus der Seed-Finanzierungsrunde werden wir hauptsächlich in zwei Richtungen investieren: Zum einen, um unser Team weiter zu verstärken. Wir sind u.a. gerade dabei, diverse Nearshoring Offices aus dem Boden zu stampfen. Das erste, und darauf sind wir wirklich stolz, werden wir bereits in vier Monaten mit vier neuen Kolleg:innen in Debrecen (Ungarn) eröffnen. Und dann haben wir uns für Ende dieses Jahres vorgenommen, den ersten Kunden ohne Vertriebsaktion zu gewinnen. Dazu müssen wir noch einiges in unser Marketing investieren – hierfür brauchen wir nicht nur die entsprechenden Expert:innen an Bord sondern auch das nötige Kleingeld.

Deine ungelesenen Artikel:
29.07.2026

Wenn die KI das Experiment plant: Zu Besuch im Labor, das sich selbst steuert

Auf dem Campus Hönggerberg der ETH Zürich arbeiten Roboter und Künstliche Intelligenz zusammen: Eine Software des schweizerisch-amerikanischen Startups Atinary entwirft die Experimente, Roboter in den Laboren von SwissCAT+ an der ETH Zürich führen sie aus, rund um die Uhr. brutkasten war vor Ort und hat mit Atinary-Mitgründer und CTO Loïc Roch sowie Christoph Schnidrig, Head of Technology bei Amazon Web Services Schweiz, über den beschleunigten Forschungsbetrieb gesprochen. Und darüber, warum die größte Hürde nicht die Technologie ist.
/artikel/wenn-die-ki-das-experiment-plant-zu-besuch-im-labor-das-sich-selbst-steuert
29.07.2026

Wenn die KI das Experiment plant: Zu Besuch im Labor, das sich selbst steuert

Auf dem Campus Hönggerberg der ETH Zürich arbeiten Roboter und Künstliche Intelligenz zusammen: Eine Software des schweizerisch-amerikanischen Startups Atinary entwirft die Experimente, Roboter in den Laboren von SwissCAT+ an der ETH Zürich führen sie aus, rund um die Uhr. brutkasten war vor Ort und hat mit Atinary-Mitgründer und CTO Loïc Roch sowie Christoph Schnidrig, Head of Technology bei Amazon Web Services Schweiz, über den beschleunigten Forschungsbetrieb gesprochen. Und darüber, warum die größte Hürde nicht die Technologie ist.
/artikel/wenn-die-ki-das-experiment-plant-zu-besuch-im-labor-das-sich-selbst-steuert
Loïc Roch, Mitgründer und CTO von Atinary, in den SwissCAT+-Laboren am Campus Hönggerberg | (c) Martin Pacher

Wer auf den Hönggerberg im Norden Zürichs fährt, lässt die Stadt hinter sich. Der zweite Campus der ETH, entstanden ab 1961, liegt in ländlicher Umgebung, hier sind unter anderem die Departemente für Chemie, Physik und Materialwissenschaft zu Hause. Und hier, in den SwissCAT+-Laboren der Hochschule, lässt sich derzeit besichtigen, wie Forschung aussehen könnte, wenn nicht mehr der Mensch jeden einzelnen Handgriff macht.

In diesen Laboren übernehmen Roboter die Arbeit, die sonst Forschende beschäftigt: Sie hantieren mit Flüssigkeiten und Pulvern, bereiten Proben vor, testen sie und messen laufend die Ergebnisse. Das Bemerkenswerte daran ist aber nicht die Automatisierung selbst, sondern wer die Versuche plant: eine Künstliche Intelligenz. Die Software stammt vom Startup Atinary, das an der ETH keinen eigenen Standort hat, sondern mit der Technologieplattform SwissCAT+ zusammenarbeitet. Sie schlägt vor, welches Experiment als nächstes sinnvoll ist, lernt aus jedem Ergebnis und berechnet daraus den nächsten Schritt. Dieser Kreislauf läuft rund um die Uhr, ohne dass ein Mensch eingreifen muss.

„Ein Labor ist eine große Küche“

Wie soll man sich das vorstellen? Loïc Roch, Mitgründer und CTO von Atinary, greift im Gespräch mit brutkasten zu einem Alltagsbild: „Am Ende ist ein Labor eine große Küche. Wir liefern die Rezepte. Wir nutzen KI, um Rezepte zu erzeugen, die dann im Labor getestet werden.“ Das Ziel: möglichst schnell zum besten Rezept kommen. Denn jeder einzelne Versuch kostet Zeit, Material und Geld. Wer statt tausender Versuche nur ein paar Dutzend braucht, spart enorm.

Genau darauf ist die Software ausgelegt. Statt sich blind durch unzählige mögliche Kombinationen zu probieren, lernt das System mit jedem Experiment dazu und empfiehlt gezielt die vielversprechendsten nächsten Schritte. „Self-Driving Labs“ nennt Atinary das Prinzip, selbstfahrende Labore. Den Begriff hat sich das 2019 gegründete Unternehmen sogar markenrechtlich schützen lassen.

Loïc Roch, Co-founder und CTO von Atinary | (c) Martin Pacher / brutkasten

Den Bedarf für solche Werkzeuge begründet Roch mit einem unbequemen Befund: Forschung wird immer teurer und langsamer, es braucht immer mehr Zeit und Geld, bis Neues gefunden ist. Dazu kommt eine handfeste Vertrauenskrise: Roch verweist auf eine vielzitierte Befragung von rund 1.500 Forschenden, wonach ein Großteil daran scheitert, Experimente zu wiederholen, in der Chemie sind die Quoten besonders hoch. Das ist nicht nur für die Wissenschaft ein Problem: Ohne verlässliche Daten lässt sich auch keine verlässliche KI trainieren.

100 Jahre Forschung in sechs Wochen

Was das System kann, zeigt das Vorzeigeprojekt direkt vor Ort. Gemeinsam mit dem SwissCAT+-Team suchte Atinary nach dem besten Katalysator, also jenem Hilfsstoff, mit dem sich das Treibhausgas CO₂ in Methanol umwandeln lässt, einen Ausgangsstoff für nachhaltige Treibstoffe. Laut Atinary kamen dafür mehr als 20 Millionen mögliche Kombinationen infrage. Das Ergebnis wurde in einem Fachjournal publiziert: In sechs Wochen wurden 144 Katalysator-Kandidaten hergestellt und getestet, mit minimalem menschlichem Zutun. Die Zahl, mit der Atinary seither wirbt, ist eindrucksvoll: eine 1000-fache Beschleunigung, umgerechnet 100 Jahre Katalyse-Forschung in nur sechs Wochen. SwissCAT+-Chef Paco Laveille, der die Umsetzung an der ETH verantwortet, bestätigt beim Besuch die Größenordnung: von Jahren an Forschung hinunter zu Wochen.

(c) Martin Pacher / brutkasten

Beim konkreten Nutzen für Firmenkunden hält sich Roch hingegen zurück, aus einem strukturellen Grund: „Wir sind ein Dienstleister. Wir sehen den generierten Mehrwert nicht, und die Kunden wollen ihn nicht teilen.“ Das habe auch mit Sicherheitsanforderungen zu tun, ergänzt das Unternehmen: Angaben zum erzielten Return on Investment erhalte Atinary dann, wenn Kunden sie von sich aus teilen — teils münde das in gemeinsame Publikationen.

Die einzige konkrete Zahl, die er im Gespräch nennt, stammt aus einer gemeinsamen Publikation mit dem Aromen- und Duftstoffkonzern dsm-firmenich: Dort konnte der Einsatz eines teuren Edelmetalls so stark reduziert werden, dass dessen Kostenanteil um rund 95 Prozent sank. Es sei nicht die einzige gemeinsame Veröffentlichung mit Kunden, betont das Unternehmen — weitere gebe es etwa mit dem Pharmakonzern Takeda.

(c) Martin Pacher / brutkasten

Auch ein aktueller gemeinsamer Blogbeitrag von AWS und Atinary liefert Anhaltspunkte. Ein Manager von Takeda wird dort mit der Aussage zitiert, eine Optimierung habe mit dem selbstfahrenden Ansatz rund eine Woche gedauert, verglichen mit ein bis zwei Monaten auf dem herkömmlichen Weg. Am MIT wiederum löste ein Forschungsteam mit der Software eine knifflige Aufgabe aus der Solarzellenforschung in nur 25 Versuchen, innerhalb einer strikten Frist von vier Wochen. Und über das eigene Labor, das Atinary heuer in Boston eröffnet hat, heißt es: Es erzeuge in einer Woche mehr Versuchsdaten, als ein Doktorand in fünf Jahren produziert.

Bezahlter Pilot, Lizenz pro Arbeitsplatz

Wirtschaftlich steht Atinary noch am Anfang. Das Unternehmen befindet sich in der Seed-Phase, öffentlich auffindbar sind laut Roch rund zehn Millionen an bisheriger Finanzierung, eingesammelt über Venture Capital, Family Offices und Förderungen. Als Nächstes peilt er eine Series A an. Das Wachstumskapital dafür werde voraussichtlich aus den USA kommen: „Der Ansatz ist in Europa und den USA sehr unterschiedlich.“

Paco Laveille, Managing Director, SwissCAT+ East, ETH Zurich | (c) Martin Pacher / brutkasten

Verdient wird über Software-Lizenzen, abgerechnet pro Arbeitsplatz. Am Anfang steht ein dreimonatiger, bewusst kostenpflichtiger Testlauf. „Wenn der Pilot nicht bezahlt ist, stecken die Kunden nicht die Ressourcen hinein, um ihn richtig zu testen“, sagt Roch. Dass er mit diesem Modell Geld liegen lässt, räumt er offen ein: Eine Beteiligung am geschaffenen Wert wäre lukrativer, scheitert aber daran, dass die Kunden diesen Wert eben nicht offenlegen.

Die Kundschaft kommt bisher vor allem aus der Pharmabranche, die laut Roch am ehesten bereit ist, Neues zu riskieren; der Rest der Industrie folge dann. Einsatzfelder gibt es aber quer durch: Lebensmittel, Duftstoffe, Materialforschung, grüne Energie, und gemeinsam mit Stanford sogar Zelltherapien gegen Krebs. Umsatz machen vor allem Konzerne. Mit Universitäten arbeitet Atinary eng zusammen, weil sich dort Ergebnisse veröffentlichen lassen, sie werden so zu Botschaftern der Technologie. Auch KMU zählen zu den Kunden, das jüngste sei erst vor wenigen Tagen dazugekommen. Die Arbeitsteilung im Unternehmen: Das Entwicklerteam sitzt bei Roch in Lausanne, das eigene Labor steht in Boston, dort, wo die großen Pharma-Forschungszentren angesiedelt sind.

„Fast jeden zweiten Tag ein neues Startup“

Beim Thema Konkurrenz wird Roch deutlich: Der Bereich „AI for Science“ ziehe derzeit massiv Gründungen an, fast jeden zweiten Tag komme ein neues Startup dazu. Gefährlich sei daran vor allem eines: Mit den heutigen KI-Werkzeugen lasse sich sehr schnell ein beeindruckender Prototyp bauen, der Kunden begeistert. „Unter der Haube ist das aber kein produktionsreifer Code, der bei einem Großunternehmen laufen kann.“ Atinary sieht er im Vorteil, weil man seit 2019 das gesamte Paket aufgebaut habe: die Anbindung an die Laborgeräte, das eigene KI-Training, die Anwendungen und die wissenschaftliche Glaubwürdigkeit durch den eigenen Beirat. Dazu kommt laut Unternehmen ein Netzwerk an Technologiepartnern, darunter AWS, ABB Robotics, Agilent, Bruker, Chemspeed und Mettler-Toledo. Im wissenschaftlichen Beirat sitzt unter anderem der MIT-Chemiker Stephen Buchwald — im Bostoner Labor optimiert Atinary nach eigenen Angaben ausgerechnet die nach ihm benannte Buchwald-Hartwig-Reaktion.

(c) Martin Pacher / brutkasten

Zugleich beobachtet er seit heuer einen Umschwung im Markt: Kunden dächten zunehmend in einer Wettlauf-Logik. Wer die Technologie nicht als Erster einsetze, riskiere, dass es die Konkurrenz tut. Und wenn diese in Wochen schafft, wofür man selbst Jahre braucht, sei der Rückstand kaum aufzuholen.

Die größte Hürde ist der Mensch

Und was bremst die Verbreitung? Nicht die Technik, sagt Roch, sondern der Mensch. „Der Wissenschaftler im Labor ist oft seit 15, 20 Jahren dort. Wenn man ihm sagt: Wir können deine Forschung um den Faktor zehn oder hundert beschleunigen, sagt er: Nein. Ich kenne mein Fach besser als irgendein Algorithmus.“ Es sei dabei weniger mangelndes Vertrauen, die Technologie werde schlicht als Bedrohung für den eigenen Job empfunden. Christoph Schnidrig von AWS ergänzt: Dieses Muster kenne man von jeder Technologiewelle, von der Einführung der Cloud bis zur KI in der Softwareentwicklung. Rochs Haltung dazu: Jobs würden sich verändern, aber nicht verschwinden. „Am Ende ist es ein Werkzeug. Der Mensch bleibt am Steuer.“

(c) Martin Pacher / brutkasten

Zum Vertrauen gehört auch die Datenfrage, schließlich legen die Kunden ihr wertvollstes Gut, ihre Forschungsdaten, in die Plattform. Die läuft vollständig auf der Cloud von AWS. Roch verweist auf Prüfungen, Audits und Sicherheitstests; personenbezogene Daten würden praktisch keine gespeichert, schon gar keine Patientendaten, dafür sei man in der Forschung viel zu früh angesetzt. Auch deshalb sieht er im EU AI Act derzeit kein Hindernis: In Kundengesprächen sei die Regulierung bislang schlicht kein Thema gewesen.

Auszeichnung vom Weltwirtschaftsforum

Während brutkasten mit Roch in Zürich spricht, befindet sich sein Mitgründer, CEO Hermann Tribukait, gerade im chinesischen Dalian, um dort den Technology-Pioneer-Award des Weltwirtschaftsforums entgegenzunehmen. Zu den früheren Preisträgern der Auszeichnung zählen Roch zufolge Namen wie Google, Dropbox und Airbnb. Preisgeld gibt es keines, der Wert liege im Zugang zum Netzwerk des Forums und zu Entscheidungsträgern großer Unternehmen. Kunden in China hat Atinary übrigens keine, und das dürfte vorerst so bleiben: Als in den USA registriertes Unternehmen sei das Geschäft mit chinesischen Firmen „wegen der Geopolitik sehr heikel“.

Gefragt nach dem Blick fünf Jahre voraus, skizziert Roch eine Vision, die er ausgerechnet am Vorbild seines Cloud-Partners entwirft: Labore, die wie Rechenleistung aus der Cloud abrufbar sind, weltweit vernetzt, mit einer übergeordneten KI, die Erkenntnisse zwischen Forschungszentren auf verschiedenen Kontinenten austauscht.

Den Antrieb dahinter beschreibt er ganz persönlich: Er und seine Mitgründer seien Naturliebhaber, und die Energiewende brauche schnellere Forschung. „Der Planet kann nicht noch ein Jahrzehnt warten, bis wir Lösungen finden.“ Sein Befund nach sieben Jahren: „R&D ist heute noch zu langsam.“


Disclaimer: Die Reise- und Übernachtungskosten wurden von Amazon Web Services übernommen.

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

„Daten klassischer Analytics-Tools weichen um 30 Prozent von der Realität ab“

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

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

„Daten klassischer Analytics-Tools weichen um 30 Prozent von der Realität ab“

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

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

„Daten klassischer Analytics-Tools weichen um 30 Prozent von der Realität ab“

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 …

„Daten klassischer Analytics-Tools weichen um 30 Prozent von der Realität ab“

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 …

„Daten klassischer Analytics-Tools weichen um 30 Prozent von der Realität ab“

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 …

„Daten klassischer Analytics-Tools weichen um 30 Prozent von der Realität ab“

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 …

„Daten klassischer Analytics-Tools weichen um 30 Prozent von der Realität ab“

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

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

„Daten klassischer Analytics-Tools weichen um 30 Prozent von der Realität ab“

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

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

„Daten klassischer Analytics-Tools weichen um 30 Prozent von der Realität ab“