EliseAIs langfristige Wette: Conversational AI für die Wohnungswirtschaft, bevor die passenden Modelle existierten

Der Start mit KI im Jahr 2017, bevor es brauchbare Modelle gab

EliseAIs Gründungsgeschichte ist, wie Song sie erzählt, ungewöhnlich, weil es keinen einzelnen technologischen Moment gab, der die Wette ausgelöst hätte. Das Unternehmen setzte von Anfang an, im Jahr 2017, auf KI – zu einer Zeit, als die nützlichen generativen Modelle, auf die es sich heute stützt, noch gar nicht existierten.

Was den frühen Erfolg ausmachte, war die Wahl eines nahezu unberührten Zielmarkts. Song bezeichnet die Wohnungswirtschaft als Neuland, in dem selbst herkömmliche Technologie veraltet war – wodurch ältere Verfahren schon vor dem Aufkommen generativer KI einen echten Mehrwert boten.

Wir haben uns wirklich darauf konzentriert, Probleme für unsere Kunden zu lösen. Sobald wir die Probleme der Wohnungswirtschaft verstanden hatten, war völlig klar, dass KI der einzige Weg war, sie zu lösen.Montana Labs

In der Praxis bedeutete das, mit dem zu arbeiten, was verfügbar war. Bevor es leistungsfähige generative Modelle gab, nutzte EliseAI Modelle wie BERT, um ein klassisches Konversationserlebnis aufzubauen, und rüstete dann auf, sobald neue Fähigkeiten verfügbar wurden.

GPT-4 und Whisper als konkrete Wendepunkte

Song benennt genau, welche Fortschritte entscheidend waren. GPT-3.5 war eine deutliche Verbesserung gegenüber GPT-3, doch erst der Sprung zu GPT-4 zeigte dem Team, wie viele der Branchenprobleme sich damit tatsächlich lösen ließen.

Whisper öffnete eine ganz andere Tür. EliseAI hatte textbasierte Produkte für die Wohnungswirtschaft entwickelt, betrachtete Telefonanrufe jedoch als klare Lücke. Frühere Sprachtechnologie sei laut Song 'nicht einmal annähernd' brauchbar gewesen.

Diese Lücke war speziell im Gesundheitswesen existenzbedrohend. Song sagt, dass dort fast die gesamte Kommunikation über das Telefon läuft und dass das Unternehmen ohne funktionierende Sprach-KI gar nicht erst in die Branche hätte einsteigen können. Sprache war kein Feature-Wunsch, sondern die Eintrittskarte.

KI so gestalten, dass sie den Arbeitsablauf nachbildet, den sie ersetzt

Für nicht-technische Branchen verfolgte EliseAI eine bewusst zurückhaltende Einführungsstrategie in Sachen Neuartigkeit. Das Team bildete bestehende Arbeitsabläufe nach, damit sich das Tool vertraut anfühlte – das Ziel war, dass Nutzer das Gefühl hatten, die KI erledige eine Aufgabe genau so wie zuvor, nur schneller.

Song merkt an, dass sich das mit der Zeit verändert hat. Da Kunden zunehmend Vertrauen in KI gewinnen und die Marke wiedererkennen, tendiert EliseAI heute eher dazu, alltägliche Prozesse grundlegend neu zu denken, statt sie Schritt für Schritt nachzubilden.

Erfolg wird an den eigenen Kennzahlen des Kunden gemessen. In der Wohnungswirtschaft verweist Song auf Belegungsquoten, Servicequalität, Bearbeitungszeiten bei der Instandhaltung und Zufriedenheit der Bewohner. Die interne Kennzahl, die sie besonders hervorhebt, ist der Prozentsatz eines Arbeitsablaufs, den die KI automatisieren kann – gemessen an den besten menschlichen Mitarbeitenden, sowohl in Bezug auf Wirksamkeit als auch auf Zuverlässigkeit.

Das schwierigere Problem ist die Pflege alter Produkte, nicht der Launch neuer

Songs nützlichste Beobachtung für Teams, die KI entwickeln, ist kontraintuitiv. Die Schwierigkeit liegt nicht nur darin, für eine Zukunft zu planen, in der sich die Modelllandschaft ändern kann, bevor man mit der Entwicklung fertig ist. Es geht auch um 'Planung für die Vergangenheit' – bestehende Produkte für eine große installierte Nutzerbasis aktuell zu halten, während ständig neue Tools erscheinen.

Das rückt das Problem der sich schnell entwickelnden Modelle in ein neues Licht: als Frage der Wartung und Architektur. Jedes Mal, wenn EliseAI ein neues Tool für ein neues Produkt einführt, fragt sich das Team laut Song, ob es sich auch besser auf bereits gelöste Probleme anwenden lässt und ob die Architektur überdacht werden sollte.

Die konkrete Lehre aus EliseAI lautet: Wer in einem unberührten, nicht-technischen Marktsegment auf KI setzt, für den sind die Modell-Upgrades der leichte Teil – die dauerhafte Wettbewerbsarbeit besteht darin, ein laufendes Produkt fortlaufend an Fähigkeiten neu zu messen, die es beim Bau noch gar nicht gab. Wie Song es formuliert: Wer bestehende Produkte nicht ständig weiterentwickelt, dem tut es irgendwann jemand anderes.