Insights gewinnen

Wie das Hamburger Startup Cauliflower Datenanalyse leicht macht

   Artikel anhören
Lukas Waidelich (r.) und Gianluca-Daniele Speranza, Cauliflower
© Cauliflower
Lukas Waidelich (r.) und Gianluca-Daniele Speranza, Cauliflower
Das Analysieren von Freitexten ist meist zeit- und kostenintensiv. Potenziell aufschlussreiche Textdaten werden deshalb oft zu wenig genutzt. Das Hamburger Startup Cauliflower hat das Problem erkannt und an einem eigenen Tool gearbeitet. Die Gründer Lukas Waidelich und Gianluca-Daniele Speranza wollen Unternehmen dabei helfen, auch ohne tiefe Data-Science-Kenntnisse Insights aus Textdaten zu gewinnen. 
Was haben ein Algorithmus, der Unternehmen dabei hilft, selbstständig Insights aus Textdaten zu generieren, und Blumenkohl gemeinsam? Nicht viel, mag man meinen. Doch bei genauerer Betrachtung fällt auf, dass der Blumenkohl das Phänomen der mathematischen Selbstähnlichkeit aufweist: Die kleine Knospe hat exakt dieselbe Form wie der große Blumenkohl. Vom Kleinen aufs große Ganze schließen will auch das Hamburger Startup Cauliflower (zu Deutsch: Blumenkohl), dessen Algorithmus es Anwendern ermöglicht, auch ohne Vorkenntnisse im Bereich Data Science das meiste aus Online-Textdaten herauszuholen.


Gegründet wurde Cauliflower im Juli 2019 von Lukas Waidelich und Gianluca-Daniele Speranza. Die beiden stellten während ihrer gemeinsamen Arbeit in einer Unternehmensberatung fest, dass die Anwendbarkeit von Daten in der Marktforschung immer mehr an Bedeutung gewinnt. Hier sahen die Gründer jedoch Verbesserungspotenzial: Vor allem die Analyse von Freitexten ist oftmals mit einem großen Aufwand und hohen Kosten verbunden. Deshalb, so Waidelich, würden potenziell aufschlussreiche Textdaten meist zu wenig genutzt und Kundenfeedback nur sporadisch gelesen. Gleichzeitig steigt jedoch die Menge der verfügbaren Textdaten – und damit der möglichen Insights. Der Cauliflower-Gründer findet: „Kundenfeedback ist viel zu wertvoll, als dass es nur lückenhaft ausgewertet wird.” Deswegen machten sich Waidelich und Speranza auf die Suche nach einem Tool, das diese Probleme löst und gleichzeitig den manuellen Aufwand für Nutzer minimal hält – eine Suche, die erfolglos blieb, weshalb sich die beiden dazu entschlossen, ein solches Tool selbst zu entwickeln.

„Cauliflower soll Insights näher an den Anwender aus den Fachbereichen heranbringen“, beschreibt Waidelich die Hauptaufgabe des Algorithmus. Besonders ist hierbei, dass Fachanwender selbstständig Insights generieren und direkt bewerten können, auch wenn sie wenig Ahnung von Data Science haben. Somit soll Cauliflower auch für Unternehmen, die keine große Data-Science-Abteilung haben, nutzbar sein. Anwender von Cauliflower müssen laut Waidelich nicht mehr machen als ausgewählte Daten hochzuladen, um aus den vom Algorithmus analysierten Daten Insights abzuleiten. Das Startup sieht sich dabei als eine Plattform für die kollaborative Arbeit mit Insights innerhalb eines Unternehmens.


Was Cauliflower in der Funktionsweise von der Konkurrenz abhebt, so Waidelich, ist die Kombination leicht-gestützter und gänzlich ungestützter Verfahren aus den Bereichen Natural Language Understanding und Deep Learning. Das heißt, der Algorithmus wird einerseits mit bereits vorhandenen, öffentlich zugänglichen Trainingsdaten gefüttert, verarbeitet andererseits aber auch neue Daten, ohne vorher darauf trainiert worden zu sein. „So nutzt der Algorithmus beispielsweise die Komposition des Satzbaus für die Relevanzbewertung von einzelnen Bestandteilen“, erklärt Waidelich.

Die Textdaten, die der Cauliflower-Algorithmus analysiert, stammen aus einer Vielzahl an Quellen, darunter Reviews, Kundenfeedback und Social Media. Außerdem kann er die Erfolgswahrscheinlichkeit von neuen Produkten vorhersagen. So können wichtige Themen identifiziert und deren Relevanz und Zusammenhänge analysiert werden. Das hilft Unternehmen dabei, individuelle Bereiche – beispielsweise den Service – genauer zu verstehen, etwaige Plus- oder Schwachpunkte zu erkennen und entsprechend zu handeln.

Von zentraler Bedeutung ist bei Cauliflower der Aspekt Sprache: Für Waidelich ist diese Bindeglied von Menschen, Marken und Momenten. Deswegen betreibt sein Unternehmen im Gegensatz zu vielen anderen Anbietern ähnlicher Tools eine Analyse in der jeweiligen Originalsprache. „Das ist notwendig, um die vielfältigen Nuancen abzubilden, die es in den verschiedenen Sprachen gibt“, so der Gründer. So sei es gerade bei Sentiments-Analysen wichtig, diese Nuancen zu erkennen und richtig zu interpretieren.

Nicht zuletzt in Anbetracht der ständig wachsenden Textdatenmengen, die online generiert werden, stellt sich die Frage: Wird KI Jobs übernehmen? Cauliflower macht das händische Codieren überflüssig, sodass mehr Zeit für die eigentliche Marktforschung, nämlich die Analyse der Daten und das Stellen von Fragen, bleibt. Außerdem ermöglicht es die von Cauliflower entwickelte Technologie, bei Umfragen in Echtzeit auf die Teilnehmer einzugehen. Dies erfolgt mit einer Art Chatbot, der mit einer dynamischen Rückfrage spezifischeres Feedback einholt und Umfragen somit reaktiver gestaltet. Dadurch könne laut Waidelich die Relevanz von bewährten Methoden der Marktforschung sogar gestärkt werden.
Bitte loggen Sie sich hier ein, damit Sie Artikel kommentieren können. Oder registrieren Sie sich kostenlos für H+.
Ich habe die Datenschutzbestimmungen zur Kenntnis genommen und akzeptiere diese.
stats