Kunde aus der Automobilbranche
Erkundung neuer Mobilitätsdienste und Risikominderung bei Technologieinvestitionen
Herausforderung
Künstliche Intelligenz, Data Mining, Automatisierung: Der potenzielle Wert neuer Technologien wird breit diskutiert und ist - in der Theorie - leicht zu erkennen. Aber unbekannte Technologien auf ihren Wert in realen Anwendungen zu prüfen und die richtigen Anwendungsfälle zu identifizieren, kann eine viel größere Herausforderung sein.
Unser Kunde aus der Automobilbranche wollte das wahre Potenzial einer KI-basierten Technologie im Zusammenhang mit Mobilitätsdiensten herausfinden: Wo liegen die Grenzen dieser Technologie? Wie lässt sich trotz strenger Datenrichtlinien ein Mehrwert schaffen? Schafft sie einen tatsächlichen Wert, der vom Kunden wahrgenommen werden kann?
Wir machten uns also daran, ein gehyptes Trendthema in ein reales Experiment zu übersetzen und die relevanten geschäftlichen Auswirkungen zu validieren.
Unser Ansatz
In einem Design Sprint haben wir drei neue Services entwickelt, die Mobilitätslösungen der nächsten Generation auf Basis von Predictive Analytics anbieten.
Die Services, die in einer ersten Feedbackrunde am besten abschnitten, wurden prototypisch in digitale Anwendungen umgesetzt, die die Grundlage für die Interaktion zwischen Marke und Nutzer:innen bilden.
Der Moment der Wahrheit
Im Sinne eines „Wizard of Oz“-Ansatzes simulierten wir diese Services in der realen Welt, inklusive aller operativen Aufgaben, wie dem Transport realer Nutzer:innen von A nach B, der Kund:innenservice-Hotline oder der Abrechnung der genutzten Mobilitätsdienste.
Auf diese Weise konnten wir nicht nur valides Feedback zur Akzeptanz und Sympathie der Dienste erhalten, sondern auch, wie reale Datenpunkte das Erlebnis beeinflussen und verändern - was wertvolle Einblicke in die Potenziale und Grenzen von Software mit künstlicher Intelligenz im Mobilitätskontext liefert.
3 Neue Service Ideen, 10 Prüfszenarien, 50 Test-User:innen, 8 Wochen
Jean Boucsein
Business Partner Company Innovation, diffferent
"Mit Hilfe des Minimum Viable Products konnten wir nicht nur die Akzeptanz und die Einstellung der User:innen gegenüber des datengetriebenen Mobilitätsservices ermitteln, sondern auch den Mehrwert und die Qualität der eingesetzten Predictive Engine beurteilen."
Das Ergebnis
Es ist uns gelungen, das Risiko von Innovations- und Technologieinvestitionen in künstliche Intelligenz zu verringern.
Die positiven Ergebnisse der Simulation und das positive Feedback der Nutzer:innen waren ausschlaggebend, um das Management davon zu überzeugen, diesen Anwendungsfall über den ersten Prototyp hinaus weiterzuverfolgen.
Durch die Arbeit mit echten Mobilitätsdaten in realen Anwendungsfällen in der Simulation waren wir in der Lage, die Vorteile, aber auch die Grenzen und Herausforderungen von Predictive Analytics in diesem Kontext realistisch darzustellen und einen einzigartigen Proof Point für die Evaluierung der Technologie zu liefern.
Es wurden Nutzungsanforderungen generiert, um potenzielle Partner:innen und Software zu evaluieren, die nun das Rückgrat aller zukünftigen Mobilitätsdienste der Marke bilden.
Key Insights
- Aufbau und Testing von 3 Serviceideen
- Berücksichtigung von 10 Testing-Szenarien
- 50 User:innen im Real Life Testing
- Zeitraum: 8 Wochen
Methoden
- Design Sprint
- Schnelles Prototyping
- Simulation der realen Welt („Wizard of Oz“-Testing)
- App & Interface Design & Erstellung
- Datenentwurf & Architektur
- Bewertung der Zweckmäßigkeit und Akzeptanz
Neues Wachstum
Real World Simulation ermöglicht es, komplexe Service und Use Cases in einer passenden Umgebung zu testen und Risiken zu minimieren. So können Unternehmen mit neuen Services wachsen, ohne große Risiken eingehen zu müssen oder das bestehende Geschäft zu gefährden.
Weitere Projekte
Wir freuen uns über Projektanfragen
Jean Boucsein,
Business Partner Company Innovation
