Soon

bettersoon wollte ein Produkt bauen, das bei kranken Tieren aus Symptomen eine Verdachtsdiagnose erstellt, um Tiereltern noch mitten in der Nacht eine sichere Empfehlung zu geben, auch dann, wenn alle Telefone ausgeschaltet sind. Also wählten sie Machine Learning. Dann fehlten die Daten. Das Team suchte Prävalenzwerte, die nirgends existierten. Und wenn sie existierten, waren Qualität und Quantität nicht ausreichend. Lola Kotte baute ein Jahr lang Fälle von Hand und fragte sich nachts, ob das alles Sinn ergibt und was passiert, wenn es am Ende niemand haben will. Gemeinsam überlegte das Team: Wo sind eigentlich die kranken Tiere, und was können sie Tierärzt:innen abnehmen, damit diese ihnen die Daten ihrer Patienten geben? Wieder ein Pivot: ein LLM, das schöne Antworten gab, aber die falschen Fragen stellte.

Heute läuft etwas, das ganz anders aussieht als der erste Plan. Lola Kotte, Tiermedizinerin und Gründerin, erzählt, was zwischen „wir bauen ein Modell“ und „es läuft in echten Praxen“ wirklich passiert ist und was Startups laufend tun müssen, um die richtige Mischung aus „Compound AI“ zu finden.