Fragmentierung als Stärke: Omio-CTO über Europas KI-Chance

Europas Fragmentierung als Vorteil für skalierbare, verantwortungsvolle KI und worauf es bei der Einführung von KI wirklich ankommt

Wenn Unternehmen morgens die Lichter einschalten, gehen sie davon aus, dass Strom verfügbar ist. Genau dieses Prinzip überträgt Tomas Vocetka, CTO des europäischen Reise-Unicorns Omio, auf große Sprachmodelle. Im Interview mit Computing Deutschland skizziert er, wie sich KI-Systeme bis 2030 von einem neuartigen Werkzeug zu einer verlässlichen Grundversorgung für europäische Unternehmen entwickeln sollen – vergleichbar mit dem Stromnetz oder dem Internet.

Der Vergleich mit der Energieinfrastruktur sei aus einem bestimmten Grund hilfreich, erklärt Vocetka: Unternehmen träfen keine täglichen Entscheidungen darüber, ob sie Strom nutzen – sie bauten ihre gesamten Abläufe auf dessen Verfügbarkeit auf. Sprachmodelle würden bis 2030 eine ähnlich verlässliche Schicht für sprach-, wissens- und urteilsabhängige Arbeit bilden. Kundenanfragen, Vertragsdokumente, technische Informationen und operative Entscheidungen würden zunehmend von KI unter menschlicher Aufsicht interpretiert. Für europäische Unternehmen bedeute das vor allem eine veränderte Arbeitsorganisation: Relevantes Wissen könne in mehr Kundeninteraktionen und interne Entscheidungen einfließen, ohne dass jede Fachkraft bei Null beginnen müsse.

Souveränität ist Kontrolle, keine Insel

Wie bewahren europäische Start- und Scale-ups bei Partnerschaften mit US-Tech-Giganten ihre Eigenständigkeit? Vocetka zieht eine klare Trennlinie: “Europäische Scale-ups werden die Gestalter ihrer Infrastruktur bleiben, sofern sie die Entscheidungshoheit darüber behalten, welche Aspekte eines allgemeinen Modells für ihre Branche von Nutzen sind.” Für ihn bedeutet das Antworten auf Fragen wie “welche Probleme das Modell lösen solle, auf welche Informationen es zugreifen könne, in welchen Systemen es operiere und welche Standards es für Kunden erfüllen müsse.” Proprietäre Daten, Orchestrierung, Bewertungsstandards und Kundenbeziehungen blieben in der Hand des Unternehmens. Bei Omio heiße das konkret: Live-Tarife, wechselnde Verfügbarkeiten, Ticketregeln, Stornierungen und Zahlungen müssen an reale Buchungssysteme angebunden werden. „OpenAI bringt die Modellfähigkeiten, während wir das Verständnis dafür mitbringen, wie Reisen tatsächlich funktioniert“, so Vocetka.

Mit über 25 Jahren Erfahrung bei Microsoft, Skype und Hewlett-Packard hat Vocetka bereits mehrere technologische Umbrüche miterlebt. Im Vergleich zur Cloud- und Mobile-Revolution stuft er den aktuellen KI-Wandel als grundlegender ein. Während die Cloud verändert habe, wie Unternehmen Systeme konzipierten und betrieben, und Mobile den Zugang zu digitalen Diensten verändert habe, verändere KI nun, wozu das alles überhaupt fähig sei: KI könne an Entscheidungen mitwirken, Aufgaben übernehmen und Informationen einordnen – Dinge, für die Menschen viel Zeit bräuchten. Das sei ein breiterer, aber auch folgenreicherer Umbruch. Allerdings hängt dessen Wert von der Datenqualität, dem Systemzugriff und davon ab, wo menschliches Urteilsvermögen verantwortlich bleiben muss.

Was KI kann – und was nicht

Besonders anschaulich wird diese Verantwortungsfrage in der Reisebranche selbst. Zwischen der kreativen Flexibilität von Sprachmodellen und der geforderten Präzision bei grenzüberschreitenden Buchungen in 50 Ländern zieht Vocetka eine strikte Grenze zwischen Interpretation und Wahrheit. Sprachmodelle seien exzellent darin, Absichten zu verstehen – was ein Reisender meine, welche Abwägungen ihm wichtig seien und wie sich Optionen verständlich erklären ließen. Die eigentliche Umwandlung einer Anfrage in eine reale, buchbare Reiseroute erfolge jedoch deterministisch über Omios eigene Systeme. Da es keinen einheitlichen Standard für Ticketing, Inventar oder Preisgestaltung gebe, habe man ein Jahrzehnt investiert, um Anbieter über 50 Märkte hinweg zu vernetzen – eine Grundlage, die sich nicht ohne Weiteres replizieren lasse.

Was „AI-native“ für Omio architektonisch und organisatorisch bedeutet, bringt Vocetka auf eine einfache Leitfrage: Wie würde KI dieses Problem lösen, wenn sie von Grund auf neu anfinge? Diese Frage präge inzwischen die Arbeit im gesamten Unternehmen, von der Anbindung neuer Verkehrsanbieter bis zur Kundenbetreuung. In der Praxis bedeutet das gesteuerten Zugriff auf vertrauenswürdige Daten, wiederverwendbare Modell-Services, kontinuierliche Evaluierung sowie klare Eskalationswege zu Menschen. Damit diese Kultur auch weniger technikaffine Teams erreicht, hat Omio Anfang des Jahres einen AI-Enablement-Manager eingestellt. Außerdem etabliert das Unternehmen derzeit „AI-Botschafter“ in jedem Team.

Ein konkretes Beispiel für den Nutzen von KI liefert die Integration von über 3.000 Transportpartnern mit eigenen Tarifregeln und Stornobedingungen und höchst unterschiedlichen Datenformaten – von Tabellenkalkulationen bis hin zu Datenbanken. Omio übersetzt diese Vielfalt in ein einheitliches Modell, wobei KI die Dokumentation der Anbieter lese, Felder identifiziere und Zuordnungsvorschläge sowie Teile des Integrationscodes generiere. Für die Freigabe dieser Zuordnungen sind weiterhin die eigenen Ingenieure verantwortlich. Preise, Verfügbarkeiten und Ticketbedingungen werden live automatisiert validiert. Der Effekt sei bemerkenswert: Statt bislang bis zu 60 Ingenieurwochen dauere die Anbindung eines neuen Anbieters in manchen Fällen nur noch drei bis vier Wochen.

Warum aber scheitern so viele KI-Pilotprojekte auf dem Weg in den produktiven Einsatz?

“Das größte Hindernis sind in der Regel die Zuständigkeiten und das Betriebsmodell, nicht das Modell selbst”, sagt Vocetka. Ein Prototyp könne mit kuratierten Daten, manueller Unterstützung und geringer Nutzerzahl erfolgreich sein – im produktiven Maßstab stiegen jedoch Anfragevolumen, Grenzfälle und Betriebskosten erheblich. Der Übergang in den Regelbetrieb erfordere daher einen Verantwortlichen, verlässliche Daten, die Integration in Produktivsysteme, messbare Servicelevel und nachvollziehbare Kosten pro Vorgang. Bei Omio stehe deshalb stets das Ergebnis am Anfang: Kunden- oder Geschäftsproblem, erwarteter Nutzen und Erfolgsmessung würden definiert, bevor über den KI-Einsatz entschieden werde. „Wir setzen KI nicht um der KI willen ein“, betont er.

Eine Kennzahl macht noch keinen Erfolg

Für jeden Anwendungsfall würden vorab das erwartete Ergebnis, Qualitätsleitplanken und Stückkosten definiert und anschließend mit dem bisherigen Prozess verglichen. In der Entwicklung zähle etwa die Zeit von der Idee bis zur Produktion, im Kundenservice die Erstlösungsquote und die Kundenzufriedenheit.

“In der Technik messen wir den Entwicklungsaufwand und die Zeit von der Idee bis zur Produktion sowie Fehler, Nacharbeiten und Zuverlässigkeit. Im Kundenservice betrachten wir die Lösung beim ersten Kontakt, die Eskalationsrate, die Kundenzufriedenheit und die Kosten pro gelösten Fall. Bei unseren Reiseprodukten messen wir, ob Kunden die passende Reise finden, vergleichen und erfolgreich buchen können, ohne dass es zu einer Zunahme von Buchungsfehlern oder Supportanfragen kommt”, erläutert der Omio-CTO.

Token-Ausgaben seien lediglich ein Kostenfaktor unter vielen, nicht aber ein eigenständiges Erfolgskriterium – aussagekräftiger sei, was ein erfolgreicher Vorgang tatsächlich koste und ob sich das mit wachsender Nutzung tragen lasse.

Europas Schwäche ist seine Stärke

Zu Europas oft beklagter Fragmentierung vertritt Vocetka eine gegenläufige These: Die Zersplitterung sei kein Nachteil. Die Fähigkeiten, die europäische Unternehmen im Umgang damit entwickelt haben, sind ein nicht zu unterschätzender Gewinn. Wer von Anfang an über Sprachen, Regulierungen und Zahlungssysteme hinweg arbeiten müsse, entwickle zwangsläufig anpassungsfähige Systeme, die Compliance von Anfang an mitbringen. KI mache diese Fähigkeiten noch wertvoller, da Modelle zwar den Interpretationsaufwand über Sprachen und Dokumente hinweg senken, aber auf vertrauenswürdige Daten und verlässliche Systeme angewiesen sind.

Auch die vielkritisierte europäische Regulierung lässt sich aus seiner Sicht in einen Wettbewerbsvorteil verwandeln – vorausgesetzt, Unternehmen behandeln Compliance als wiederverwendbare technische und operative Fähigkeit statt als Checkliste. Klare Regeln zu Tools, Datenfreigaben und Verantwortlichkeiten erlaubten es Teams, mit mehr Zuversicht schneller zu handeln – gerade in der Reisebranche, wo KI mit sensiblen Standort-, Zahlungs- und Passagierdaten arbeite.

Daten sind kein Nebenprodukt

Für etablierte Unternehmen, deren Datenarchitektur ihre KI-Ambitionen bremst, hat Vocetka zwei Tipps: Daten müssten als Produkt mit benanntem Verantwortlichen und messbaren Qualitätsstandards gelten. Und man solle man mit jenen Arbeitsabläufen beginnen, bei denen Genauigkeit am wichtigsten sei.

Im Wettbewerb um KI-Talente gegen das Kapital des Silicon Valley setzt Omio auf die Attraktivität ungewöhnlich komplexer Probleme: die Vernetzung tausender Transportanbieter, Tarifstrukturen und Steuerungsprozesse zu einem konsistenten globalen Kundenerlebnis. Vocetkas Angebot an Ingenieurinnen und Ingenieure weltweit fasst er knapp zusammen: „Come to Europe to build AI where complexity is real and quality matters“ – kommt nach Europa, um dort KI zu bauen, wo Komplexität real ist und Qualität zählt.