Es erinnert ein wenig an den Fall Theranos: Eine junge Gründerin – heute ist sie 30 Jahre alt – wird zum Liebling der Medien und zieht mit ihrem Startup namhafte VCs an Land. Bloß: Ihre fantastischen Versprechen entpuppen sich als falsch. So lautet zumindest der aktuelle Vorwurf. Und der kommt nicht von irgendwem sondern von jenem Unternehmen, das das besagte Startup erst vor 16 Monaten übernommen hat. 175 Millionen US-Dollar hat der US-Finanzriese JP Morgan Chase (JPMC) 2021 für das FinTech Frank hingeblättert. Jetzt will er den Kauf rückabwickeln.
Angeblich unter 300.000 statt über vier Millionen Frank-Kund:innen
Denn Gründerin Charlie Javice, die vor JPMC schon bekannte Silicon Valley VCs überzeugt hatte, soll im großen Stil Kund:innen erfunden haben. Frank will jungen Amerikaner:innen mit seinem Service einen einfachen Weg zu Studierendendarlehen (Student Loans) bieten. Javice habe in den Übernahmeverhandlungen mehr als vier Millionen Kund:innen angeführt, heißt es von JP Morgan Chase. Tatsächlich seien es aber weniger als 300.000 gewesen.
Gründerin CHarlie Javice lieferte eine vollständige Fake-Tabelle
Das sei deswegen erst später aufgefallen, weil die Gründerin auf Anfrage im Zuge der Due Dilligence-Prüfung nach anfänglicher Ablehnung mit Verweis auf den Datenschutz, Namen, Adressen, Geburtsdaten und weitere persönliche Informationen von 4,265 Millionen „Kund:innen“ geliefert hatte. Diese stellten sich aber später im Zuge einer E-Mail-Marketing-Kampagne von JPMC als größtenteils nicht existent heraus.
JP Morgan Chase will umfassende Beweismittel vorlegen
In der nun von JP Morgan Chase angestrengten Gerichtsverhandlung sollen umfassende Beweise für die Vorwürfe gegen Javice vorgelegt werden. Demnach habe die Gründerin zunächst einen ihrer Techniker um die Generierung einer Fake-Kund:innenkartei gebeten. Dieser habe jedoch abgelehnt, woraufhin die Gründerin die gefälschte Tabelle für 18.000 US-Dollar bei einem Datenwissenschafter eines New Yorker College erworben habe. Dazu will JPMC Screenshots der Rechnungen des Wissenschafters vorlegen. Die Gründerin habe versucht, diese nachträglich verschwinden oder verändern zu lassen, und habe zudem von einer Marketingfirma um 105.000 US-Dollar einen Datensatz zu 4,5 Millionen Studierenden gekauft.
Frank-Gründerin antwortet mit Gegenklage
Laut Forbes und Wall Street Journal zieht Charlie Javice mit einer Gegenklage vor Gericht. Ziel ist, dass der Finanzriese ihre Anwaltskosten übernimmt. Die Argumentation ihrer Anwälte: JPMC habe Frank überstürzt, ohne eine ordnungsgemäße Due Diligence, übernommen. Die Bank versuche außerdem mit ihrem Prozess, die Aufmerksamkeit von ihren Verstößen gegen die Datenschutzgesetze für Studierende abzulenken. Auf der Seite des Startups findet man aktuell nur einen Verweis, dass der Dienst nicht verfügbar ist.
CX-Expertin Katja Forbes: Wie Machine Customers die Spielregeln des Handels auf den Kopf stellen
KI-Agenten shoppen bereits selbst – schneller, kühler und kompromissloser als jeder Mensch. CX-Expertin Katja Forbes erklärt im brutkasten-Interview, warum "Machine Customers" die größte Disruption seit dem Aufstieg des E-Commerce werden, und wie sich Unternehmen darauf vorbereiten können.
CX-Expertin Katja Forbes: Wie Machine Customers die Spielregeln des Handels auf den Kopf stellen
KI-Agenten shoppen bereits selbst – schneller, kühler und kompromissloser als jeder Mensch. CX-Expertin Katja Forbes erklärt im brutkasten-Interview, warum "Machine Customers" die größte Disruption seit dem Aufstieg des E-Commerce werden, und wie sich Unternehmen darauf vorbereiten können.
Katja Forbes zählt zu den gefragtesten internationalen Stimmen an der Schnittstelle von Customer Experience, Künstlicher Intelligenz und Digitalstrategie. Die gebürtige Australierin war Executive Director und Head of Client Experience bei der Standard Chartered Bank, zuvor International Director und Vice President im globalen Vorstand der Interaction Design Association (IxDA); heute teilt sie ihre Zeit zwischen Singapur und Australien auf. Mit ihrem jüngsten Buch „Machine Customers: The Evolution Has Begun“ hat sie ein Thema in den Fokus gerückt, das gerade von der Theorie in die Praxis kippt. brutkasten hat mit ihr am Exporttag 26 der Wirtschaftskammer Österreich gesprochen.
Der Begriff „Machine Customer“ geht auf Gartner zurück und beschreibt einen nicht-menschlichen wirtschaftlichen Akteur: eine KI, die eigenständig entscheidet, verhandelt und Geld ausgibt. Was nach ferner Zukunft klingt, ist längst Realität. Visa hat mit „Intelligent Commerce“ einen Zahlungsstandard für Agenten gestartet, Googles Shopping-Agent greift auf einen Produktgraphen mit Milliarden Einträgen zu, und Handelsriesen wie Walmart verhandeln Lieferantenverträge bereits weitgehend automatisiert.
Für europäische Unternehmen ist das mehr als eine technische Spielerei. Wenn KI-Agenten zu einem unkontrollierbaren Filter zwischen Marke und Kunde werden, verlieren klassische Marketing-Hebel ihre Wirkung – und maschinenlesbare, überprüfbare Werte- und ESG-Nachweise werden zum stärksten Verkaufsargument. Hinzu kommt eine geopolitische Dimension: die Abhängigkeit von US-Modellen und die Frage der „kommerziellen Souveränität“. Im Interview erklärt Forbes, was Konzerne, Startups und KMU jetzt tun sollten.
Was ist ein „Machine Customer“?
Die breiteste Definition kommt von Gartner: ein nicht-menschlicher wirtschaftlicher Akteur. Ich betrachte es lieber etwas kategorisierter: Es ist etwas, das in der Wirtschaft agieren, Transaktionen durchführen, Entscheidungen treffen und Geld ausgeben kann – entweder von einem Menschen gesteuert oder autonom. Ein B2C-Beispiel: Visa Intelligent Commerce ist letztes Jahr mit der Anweisung gestartet: „Finde mir die besten Kopfhörer unter 200 Dollar – und wenn du sie gefunden hast, kauf sie.“ Googles Spark geht noch weiter, weil darunter ein Produktgraph mit rund 65 Milliarden Einträgen liegt. Der Agent gleicht die Parameter ab, findet das Produkt und bezahlt über Google Pay. Das Bemerkenswerte: Es ist ein vollständig disintermediierter Kauf. Wenn Spark ein Paar Bose-Kopfhörer findet, geht es nie wieder auf die Bose-Website. Bose wird für Google effektiv zum Drop-Shipper – die Marke verschwindet aus der Beziehung.
Heißt das, Logik ersetzt Emotion?
Das ist der erste, naive Reflex – und er greift zu kurz. Ein Agent fällt zwar auf seine harten Vorgaben zurück, meist rund um den Preis. Aber Agenten sind bemerkenswert gut darin, emotionale Stimmungen zu quantifizieren. Wenn ich sage: „Ich will lustige Socken, die mich glücklich machen“, durchsucht der Agent das Web nach genau diesem Sentiment über zehntausende Bewertungen hinweg und verknüpft es mit meinem Wunsch. In China habe ich ein BYD-Auto gesehen, das die Stimmung erkennt und die Umgebung entsprechend anpasst. Mercedes Pay kann im Fahrzeug bereits bezahlen, parken und Ladevorgänge aushandeln. Neun chinesische Autohersteller bauen Alibabas Qwen-Modell ins Cockpit ein, ebenso BMW China. Agenten fühlen nichts – aber sie leiten Emotionen bemerkenswert kreativ ab. So einfach wie „Logik schlägt Emotion“ ist es also nicht.
Was bedeutet das für Konsumgütermarken?
Ein Albtraum. Ich arbeite gerade mit vielen CMOs zusammen, und die Frage lautet immer: „Wie vermarkte ich an einen KI-Agenten?“ Die Antwort: gar nicht. Der Agent wird zu einem Filter, den man nicht mehr kontrolliert. Keiner der klassischen Hebel, mit denen man früher Menschen zum Kauf bewegt hat, wirkt bei einem Agenten.
Ich sehe drei Ebenen im Agentic Commerce. Erstens: Auffindbarkeit – GEO, AEO, im Grunde das, was früher SEO war, neu gedacht für Agenten. Rund 90 Prozent der Anbieteraktivität spielt sich hier ab, weil es am leichtesten zugänglich ist. Zweitens: die technische Vertrauensebene – kann ich eine vertrauenswürdige Transaktion abwickeln? Hier kommen die Payment-Rails ins Spiel – Mastercard, Visa, Stripe. Und drittens, die anspruchsvollste Ebene: Werte. In meinen Experimenten war der Ausschlag gebend, wenn alle gleich auffindbar und gleich vertrauenswürdig waren, dass eine Marke zu meinen Werten passte – und das unabhängig in Drittquellen überprüfbar war. Wenn ich sage: „Ich will einen Regenmantel, Nachhaltigkeit ist mir wichtig“, landet der Agent bei Patagonia, weil deren Footprint Chronicles das mit Daten belegen. Und genau darum geht es: Man kann eine KI nicht greenwashen. Sie kann jede Behauptung überprüfen – und was sich nicht belegen lässt, fliegt raus.
Wo stehen wir bei der Adoption?
Im B2C-Bereich sind wir noch ganz am Anfang. Eine aktuelle Gartner-Umfrage beziffert es auf rund 11 Prozent, die einem Agenten einen Kauf ohne Rückfrage zutrauen würden. Im B2B-Bereich steckt das eigentliche Geld – und dort ist man bereits weit fortgeschritten. Seit einem Pilotprojekt 2022 verhandelt Walmart mit Lieferanten über KI, via der von einem Esten gegründeten Plattform Pactum. Fast 70 Prozent der Verträge wurden ohne menschliche Beteiligung auf Walmart-Seite abgeschlossen, und drei Viertel der Lieferanten bevorzugten die Verhandlung mit der KI. Das Ergebnis: rund drei Prozent bessere Einkaufspreise und 35 Tage längere Zahlungsziele – Working Capital, das aus den Taschen der Lieferanten zurück zu Walmart wandert. Auch Maersk, Honeywell und Astra Zeneca sind Kunden. Für Lieferanten bedeutet das: Die KI hat alle Zeit der Welt, die Lieferkette bis ins Detail zu durchleuchten. Wenn ESG- und Werte-Nachweise nicht verifizierbar dokumentiert sind, kommt man nicht mehr durch.
Und die geopolitische Dimension – Europas Abhängigkeit von US-KI?
Es geht um kommerzielle Souveränität: Unternehmen müssen selbst bestimmen können, zu welchen Bedingungen sie KI-Akteure in ihr Geschäft lassen. Mein Rat: sich nicht nur auf die USA zu fixieren. Fünf der Top-Ten-Modelle kommen aus China – leichter und günstiger im Betrieb. Die VAE wollen bis 2028 mindestens die Hälfte ihrer Regierungsdienste über agentische KI abwickeln und dieses Governance-Modell in den Globalen Süden exportieren – womit der gesamte afrikanische Kontinent ins Spiel kommt. Australien hat ein souveränes Modell. KI ist nicht politisch neutral; entscheidend ist, wie sie gesteuert wird.
Deine Botschaft an KMU?
Findet heraus, welche Machine Customers bei euch anklopfen. Es gibt fünf Typen: den delegierten Agenten, den autonomen Käufer, das Multi-Agenten-Netzwerk, den Co-Buyer und den Intermediär – wie Amazons Rufus. Beginnt mit dem Machine Customer Canvas. Vielleicht baut ihr selbst Machine Customers: Mercedes-Fahrzeuge sind welche. Mit Agenten verdreifacht sich der mögliche Geschäftsmodellraum. Das wird alles verändern.
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.
