Ein großer, gelber Werbebanner in der Online-Enzyklopädie Wikipedia sorgt derzeit für Unmut. Es ist der alljährliche Spendenaufruf – die einzige Werbeanzeige auf der Seite, die die Wogen hoch treibt: “Warum braucht Wikipedia so viel Geld”, fragt sich das Handelsblatt in einem ausführlichen Artikel. Dem Leser werde suggeriert, dass sich das Unternehmen kaum über Wasser halten könne – was bleibt, sei ein schlechtes Gewissen.
Eine Reserve für schlechte Zeiten
77 Millionen Dollar hat die Wikipedia-Stiftung Wikimedia auf der hohen Kante. Eine Frechheit also, nach mehr Geld zu betteln, so die Kritik. Dass Spenden eine unsichere und schwer planbare Einnahmequelle sind und man deshalb Reserven benötige, wird vom Tisch gewischt. Dabei ist das im Non-profit-Bereich gängige Praxis – 25 Prozent der jährlichen Aufwendungen gelten dabei als absolutes Minimum. Laut Wikimedia würde die Reserve die Aufwendungen eines Jahres decken.
Spendenwunder Wikipedia
Rund 76 Millionen Dollar an Spenden konnte das Online-Lexikon 2014 sammeln – davon kamen immerhin 58 Millionen Dollar nur durch die Online-Kampagne herein. Eine stolze Summe für einen schlichten Banner auf der Website. In Deutschland gibt es keine Organisation, die erfolgreicher ist, gesteht sich auch der Autor des Handelsblatt-Artikels ein. Was ist das Geheimnis der angeblich nervigen, aber offenbar höchst effektiven Spendenkampagne?
Die Tricks der Wikipedia-Fundraiser
So simpel der Banner wirkt, dahinter steckt eine Menge Forschung, Berechnung und Trial-and-Error. Wikipedia hat nichts dem Zufall überlassen. Der erste Trick: keep it simple! Das Spendenformular, in dem Betrag und Zahlungsart gewählt werden, hat immer besser funktioniert, je weniger Felder und Buttons zu sehen waren. Herausgefunden hat die Online-Enzyklopädie das nicht über Befragungen, sondern über Tests am Live-System. Nur so sind die Ergebnisse praxistauglich.
Nicht einmal die seltsame gelbe Farbe in dem Banner ist dem Zufall geschuldet – mit dieser Gestaltung stieg die Zahl der Spenden tatsächlich. 60 Prozent der Spender reagieren auf den Banner, das erste Mal, wenn sie ihn sehen. Auch die Gestaltung des Banners hat Wikipedia durch spezielle Testing-Verfahren perfektioniert – und zwar für jedes Land, in jeder Sprache. Gleichzeitig hat sich das Fundraising-Team genau angesehen, an welchen Tagen der Banner am effektivsten ist und die Zahl der Tage auf ein absolutes Minimum reduziert. Last but not least setzt Wikipedia auf das Ego der Spender. Das ist zwar kein Geheimnis, aber dennoch eine effektive Maßnahme: Die Namen der Spender werden auf der Website angezeigt.
Nachlese. Wo steht die österreichische Wirtschaft bei künstlicher Intelligenz zwei Jahre nach Erscheinen von ChatGPT? Dies diskutieren Doris Lippert von Microsoft und Thomas Steirer von Nagarro in der ersten Folge der neuen brutkasten-Serie "No Hype KI".
Nachlese. Wo steht die österreichische Wirtschaft bei künstlicher Intelligenz zwei Jahre nach Erscheinen von ChatGPT? Dies diskutieren Doris Lippert von Microsoft und Thomas Steirer von Nagarro in der ersten Folge der neuen brutkasten-Serie "No Hype KI".
Mit der neuen multimedialen Serie “No Hype KI” wollen wir eine Bestandsaufnahme zu künstlicher Intelligenz in der österreichischen Wirtschaft liefern. In der ersten Folge diskutieren Doris Lippert, Director Global Partner Solutions und Mitglied der Geschäftsleitung bei Microsoft Österreich, und Thomas Steirer, Chief Technology Officer bei Nagarro, über den Status Quo zwei Jahre nach Erscheinen von ChatGPT.
„Das war ein richtiger Hype. Nach wenigen Tagen hatte ChatGPT über eine Million Nutzer”, erinnert sich Lippert an den Start des OpenAI-Chatbots Ende 2022. Seither habe sich aber viel geändert: “Heute ist das gar kein Hype mehr, sondern Realität“, sagt Lippert. Die Technologie habe sich längst in den Alltag integriert, kaum jemand spreche noch davon, dass er sein Smartphone über eine „KI-Anwendung“ entsperre oder sein Auto mithilfe von KI einparke: “Wenn es im Alltag angekommen ist, sagt keiner mehr KI-Lösung dazu”.
Auch Thomas Steirer erinnert sich an den Moment, als ChatGPT erschien: „Für mich war das ein richtiger Flashback. Ich habe vor vielen Jahren KI studiert und dann lange darauf gewartet, dass wirklich alltagstaugliche Lösungen kommen. Mit ChatGPT war dann klar: Jetzt sind wir wirklich da.“ Er sieht in dieser Entwicklung einen entscheidenden Schritt, der KI aus der reinen Forschungsecke in den aktiven, spürbaren Endnutzer-Bereich gebracht habe.
Von erster Begeisterung zu realistischen Erwartungen
Anfangs herrschte in Unternehmen noch ein gewisser Aktionismus: „Den Satz ‘Wir müssen irgendwas mit KI machen’ habe ich sehr, sehr oft gehört“, meint Steirer. Inzwischen habe sich die Erwartungshaltung realistischer entwickelt. Unternehmen gingen nun strategischer vor, untersuchten konkrete Use Cases und setzten auf institutionalisierte Strukturen – etwa durch sogenannte “Centers of Excellence” – um KI langfristig zu integrieren. „Wir sehen, dass jetzt fast jedes Unternehmen in Österreich KI-Initiativen hat“, sagt Lippert. „Diese Anlaufkurve hat eine Zeit lang gedauert, aber jetzt sehen wir viele reale Use-Cases und wir brauchen uns als Land nicht verstecken.“
Spar, Strabag, Uniqa: Use-Cases aus der österreichischen Wirtschaft
Lippert nennt etwa den Lebensmittelhändler Spar, der mithilfe von KI sein Obst- und Gemüsesortiment auf Basis von Kaufverhalten, Wetterdaten und Rabatten punktgenau steuert. Weniger Verschwendung, bessere Lieferkette: “Lieferkettenoptimierung ist ein Purpose-Driven-Use-Case, der international sehr viel Aufmerksamkeit bekommt und der sich übrigens über alle Branchen repliziert”, erläutert die Microsoft-Expertin.
Auch die Baubranche hat Anwendungsfälle vorzuweisen: Bei Strabag wird mittels KI die Risikobewertung von Baustellen verbessert, indem historische Daten zum Bauträger, zu Lieferanten und zum Bauteam analysiert werden.
Im Versicherungsbereich hat die UNIQA mithilfe eines KI-basierten „Tarif-Bots“ den Zeitaufwand für Tarifauskünfte um 50 Prozent reduziert, was die Mitarbeiter:innen von repetitiven Tätigkeiten entlastet und ihnen mehr Spielraum für sinnstiftende Tätigkeiten lässt.
Nicht immer geht es aber um Effizienzsteigerung. Ein KI-Projekt einer anderen Art wurde kürzlich bei der jüngsten Microsoft-Konferenz Ignite präsentiert: Der Hera Space Companion (brutkasten berichtete). Gemeinsam mit der ESA, Terra Mater und dem österreichischen Startup Impact.ai wurde ein digitaler Space Companion entwickelt, mit dem sich Nutzer in Echtzeit über Weltraummissionen austauschen können. „Das macht Wissenschaft zum ersten Mal wirklich greifbar“, sagt Lippert. „Meine Kinder haben am Wochenende die Planeten im Gespräch mit dem Space Companion gelernt.“
Herausforderungen: Infrastruktur, Daten und Sicherheit
Auch wenn die genannten Use Cases Erfolgsbeispiele zeigen, sind Unternehmen, die KI einsetzen wollen, klarerweise auch mit Herausforderungen konfrontiert. Diese unterscheiden sich je nachdem, wie weit die „KI-Maturität“ der Unternehmen fortgeschritten sei, erläutert Lippert. Für jene, die schon Use-.Cases erprobt haben, gehe es nun um den großflächigen Rollout. Dabei offenbaren sich klassische Herausforderungen: „Integration in Legacy-Systeme, Datenstrategie, Datenarchitektur, Sicherheit – all das darf man nicht unterschätzen“, sagt Lippert.
“Eine große Herausforderung für Unternehmen ist auch die Frage: Wer sind wir überhaupt?”, ergänzt Steirer. Unternehmen müssten sich fragen, ob sie eine KI-Firma seien, ein Software-Entwicklungsunternehmen oder ein reines Fachunternehmen. Daran anschließend ergeben sich dann Folgefragen: „Muss ich selbst KI-Modelle trainieren oder kann ich auf bestehende Plattformen aufsetzen? Was ist meine langfristige Strategie?“ Er sieht in dieser Phase den Übergang von kleinen Experimenten über breite Implementierung bis hin zur Institutionalisierung von KI im Unternehmen.
Langfristiges Potenzial heben
Langfristig stehen die Zeichen stehen auf Wachstum, sind sich Lippert und Steirer einig. „Wir überschätzen oft den kurzfristigen Impact und unterschätzen den langfristigen“, sagt die Microsoft-Expertin. Sie verweist auf eine im Juni präsentierte Studie, wonach KI-gestützte Ökosysteme das Bruttoinlandsprodukt Österreichs deutlich steigern könnten – und zwar um etwa 18 Prozent (brutkasten berichtete). „Das wäre wie ein zehntes Bundesland, nach Wien wäre es dann das wirtschaftsstärkste“, so Lippert. „Wir müssen uns klar machen, dass KI eine Allzwecktechnologie wie Elektrizität oder das Internet ist.“
Auch Steirer ist überzeugt, dass sich für heimische Unternehmen massive Chancen eröffnen: “Ich glaube auch, dass wir einfach massiv unterschätzen, was das für einen langfristigen Impact haben wird”. Der Appell des Nagarro-Experten: „Es geht jetzt wirklich darum, nicht mehr zuzuwarten, sondern sich mit KI auseinanderzusetzen, umzusetzen und Wert zu stiften.“
Folge nachsehen: No Hype KI – wo stehen wir nach zwei Jahren ChatGPT?
Die Serie wird von brutkasten in redaktioneller Unabhängigkeit mit finanzieller Unterstützung unserer Partner:innen produziert.
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.