Mercury.ai: 
Ein praktisch unberührter Markt mit unvorstellbarem Marktvolumen. Künstliche Intelligenz, die während des Gesprächs lernt und den Deep Personalization-Faktor erhöht.

Mercury.ai programmiert Chatbots, die Fragen beantworten, bevor sie sich euch überhaupt gestellt haben. Wenn ihr um 4 Uhr statt wie gewohnt um 8 Uhr aufwacht und den Chatbot aktiviert, sucht dieser Chatbot im Hintergrund vermutlich schon nach Tipps für einen erholsameren Schlaf.

Im Interview: Stefan Trockel, Co-Founder und Entwickler von Mercury.ai

Wie kamt ihr darauf, euer Produkt zu erstellen, was ist die Entstehungsgeschichte?

Wir haben uns im Rahmen eines allgemeinen Wissensaustauschs zwischen Publicis Pixelpark und dem Exzellenzcluster für Kognitive Interaktionstechnologien an der Universität Bielefeld getroffen. Unsere Interessen passten in diesem Feld derart gut zueinander, dass daraus die Idee für Mercury.ai entstand.

Wie seid Ihr vorgegangen um mit euerem Produkt zu starten?

Wir haben uns eine User Story überlegt, die den Nutzen eines Chatbots besonders gut verdeutlicht. Bei uns war das die Suche nach passenden Flugverbindungen, denn diese Aufgabe ist für Nutzer heute selbst auf gut gemachten Webportalen relativ zeitaufwändig. Dann haben wir eine minimale Version mit den wichtigsten Features „zusammen gehackt“. Mit Anbindung an die Google Flight Search API.

Als wir das hatten haben wir es mit zum SXSW nach Austin genommen und vielen Leuten gezeigt, um Rückmeldung zu bekommen. Besonders geholfen haben uns die ermutigenden Hinweise von Guy Kawasaki.

Mit all diesem Feedback im Gepäck haben wir die eigentliche Architektur und technologische Marschroute definiert. Von da an haben wir agil in Sprints unsere Plattform aufgebaut und machen das weiter so.

Wie groß ist das Business-Potenzial für euer Produkt und wie habt ihr das herausgefunden?

Das ist gar nicht so einfach zu sagen. Gerade bei neuen Technologien bzw. Märkten gibt es da sehr viele Abhängigkeiten. Was für uns wichtig zu verstehen war, ist zum einen, dass das disruptive Potential von natürlichsprachlichen Interfaces so groß ist, dass es auf Makro Ebene einen multi-milliarden Markt betrifft. Und zum anderen, dass die sich heute auftuende Nische für unsere erste Produktversion groß genug ist um eine Go to Market Strategie auf vernünftige finanzielle Füße zu stellen. Wir gehen zur Zeit allein in Deutschland von einem „addressable market“ von über 50 Millionen Euro in 2017 aus – Tendenz rasant steigend.

Was ist das Business-Modell hinter Eurer App – wie werdet Ihr Geld verdienen?

Wir haben keine App. Chatbots sind ja im Grunde der Gegenentwurf zur App. Sie „leben“ im Messenger, nehmen keinen Platz auf Deinem Handy ein, sind sofort verfügbar und saugen nicht Dein Datenvolumen auf 😉

Unsere Plattform, die wir als SaaS Subskription anbieten, bietet den kompletten Funktionsumfang zwischen Messenger Plattform und den Datenbanken und Systemen unserer Kunden. Also Sprachverständnis, Dialogsteuerung, Künstliche Intelligenz, Personalisierung, Analyse, ..

Da die Chatbots und Agenten, die auf unserer Plattform entstehen, verschiedene Funktionen in Kundenservice, Marketing und eCommerce erfüllen, die heute deutlich teurer sind oder in der permanenten Verfügbarkeit gar nicht realisierbar sind, ist unser Angebot sehr interessant für Enterprise Unternehmen bis zu größeren Mittelständlern.

Wie seid Ihr auf die Mehrwert-Funktionen gekommen, die Euer Produkt von anderen hervorhebt?

Wenn wir uns anschauen, wie sich der Botspace – also der Chatbot Markt – entwickelt, sehen wir relativ wenige Startups, die ihre eigene Technologie für NLP (Natural Language Processing) und Künstliche Intelligenz aufbauen. Die meisten nutzen die Services von Google, Facebook, Microsoft, IBM Watson oder Amazon. Diese haben aber aufgrund der jeweiligen Strategien und Business Modelle dieser Technologiekonzerne einen Produkt Scope, der eine Lösung wie unsere nur sehr schwer bis gar nicht umsetzbar macht. Unter den Startups, die ihre eigene NLP/AI Lösung entwickeln, haben wir sicher einen sehr eignen, aus dem wissenschaftlichen Hintergrund unseres Teams entstandenen Ansatz. Während die meisten Startups mit einem reinen computer science / deep learning Ansatz herangehen, haben wir auch einen starken Einfluss aus der (Computer) Linguistik.

Für welche Technologie zur Umsetzung habt Ihr Euch entschieden und warum. Muss bei der Zielgruppe eine bestimmte Technologie oder Endgeräte eingesetzt werden?

Für unsere Kunden ist Compliance mit Datenschutz und IT-Sicherheit sehr wichtig. Vor dem Hintergrund müssen wir sagen, dass unser Standort in Deutschland, mit dem im Vergleich zu den USA recht hohen Datenschutz Niveau, einen gewissen Wettbewerbsvorteil darstellt. Zumindest im Europäischen Markt.

Könnt Ihr erzählen, welche Schritte als nächstes kommen?

Unser erster Kunde wird in der ersten Jahreshälfte 2017 mit seinem Chatbot den go-live haben. Da es sich dabei um eine sehr bekannte Marke handelt, wird in dem Zuge auch unsere Sichtbarkeit deutlich steigen, was wiederum unserem Neugeschäft guttun wird.

Aber auch jetzt schon sind wir in sehr guten Gesprächen um in Q1 2017 neue Kunden auf unserer Plattform zu begrüßen. Parallel arbeiten wir mit Hochdruck an unseren Prozessen, dem Wachstum des Teams und der Vernetzung mit strategischen Partnern.

Kurzes Testimonial-Statement: Was hat Euch die Founders Academy gebracht?

Wir haben in der Founders Academy sehr viel praktisches Verständnis für Zusammenhänge in der Startup Economy vermittelt bekommen.

Welche Tipps würdet Ihr Gründern aus eurer bisherigen Erfahrung mitgeben?

Ich glaube, wir sind noch nicht so weit Tipps zu geben. Aber wir fahren sehr gut damit, einen Schritt nach dem anderen zu tun und nicht alles auf einmal zu wollen.

Wo könntet Ihr noch Unterstützung gebrauchen, was sucht Ihr gerade (Personal, Ressourcen, Investoren), worauf wir im Artikel hinweisen können?

Neben unserem sehr spezifischen Bedarf an Mitarbeitern und einer geeigneten Bürofläche ist für uns die Vernetzung in der internationalen High-Tech Startup Szene wichtig.