Adi Bathla, CEO und Gründer von Revv – Interview-Serie

Adi Bathla, CEO und Gründer von Revv, ist ein produktgetriebener Operator und Innovationsführer mit Sitz in New York, der seine Karriere an der Schnittstelle von Technologie, Systemdenken und Skalierbarkeit aufgebaut hat. Vor der Gründung von Revv leitete er Produkt- und digitale Kundenerfahrung-Initiativen bei hochwachsenden Handelsunternehmen, half bei der Einführung neuer Geschäftsbereiche innerhalb großer Unternehmensplattformen, führte Forschungen zu künstlicher Intelligenz und kollektiver Intelligenz am MIT Sloan durch und leitete earlier in seiner Karriere preisgekrönte Teams für Weltraumsystem-Design, die mit NASA-Forschungsprogrammen verbunden waren.

Revv ist eine künstlich intelligente Plattform für die Automobilreparatur, die sich auf die Vereinfachung der ADAS-Kalibrierung und -Diagnose für Kollision- und mechanische Reparaturwerkstätten konzentriert. Durch die Kombination von OEM-Grade-Dokumentation, intelligenter Arbeitsabläufen und tiefer Integration mit bestehenden Werkzeugen und Schätzsystemen hilft Revv Reparaturzentren, manuelle Recherchen zu reduzieren, die Einhaltung von Vorschriften und Sicherheit zu verbessern und zunehmend komplexe Kalibrierungsanforderungen in skalierbare, datengetriebene Betriebe umzuwandeln. Da Fahrzeuge immer mehr softwaredefiniert werden, positioniert sich Revv als Kerninfrastruktur für moderne Reparaturabläufe in Nordamerika.

Ihre frühe Exposition gegenüber der Auto-Reparaturindustrie hat offensichtlich Ihren Weg geprägt. Können Sie einen spezifischen Moment aus dieser Zeit teilen, der Ihnen zeigte, dass dieser Bereich eine AI-getriebene Lösung benötigt?

Es gab diesen einen Telefonanruf, der meine Sicht auf die Industrie vollständig veränderte. Ein Werkstättenbesitzer rief mich in Panik an: Er hatte ein Auto repariert, aber das Spurwechsel-System funktionierte danach nicht mehr, und er hatte Angst, verklagt zu werden. Dieser Moment ließ mich genauer in die ADAS-Systeme hineinschauen, und ich erkannte, dass diese unsichtbare Komplexität ein massives Problem war, das die Werkstätten nicht alleine lösen konnten. Da ADAS-Reparaturen nicht offensichtlich wie ein Kratzer oder eine Delle waren, war es leicht für sie, unbemerkt zu bleiben. Techniker verbrachten 3-4 Stunden damit, nur die Arbeit zu dokumentieren und Reparaturverfahren zu finden, als suchten sie nach einer Nadel im Heuhaufen. Da wusste ich, dass AI all diesen Lärm durchschneiden und den Technikern genau das liefern konnte, was sie benötigten, in Sekunden anstatt in Stunden.

Ihre Zeit, in der Sie an AI- und kollektiver Intelligenz-Forschung am MIT und früher an Systemebene bei der NASA arbeiteten, brachte Sie früh mit komplexen, sicherheitskritischen Umgebungen in Berührung. Wie beeinflussten diese Erfahrungen direkt Ihre Entscheidung, Revv zu gründen und sich auf die Fahrzeugkalibrierung als Software-Problem zu konzentrieren?

Meine Erfahrungen bei der NASA und am MIT lehrten mich, dass man, um zu bauen und ein erfolgreicher Unternehmer zu sein, nur schnell lernen und sich von den richtigen Experten umgeben muss. Diese Mentalität gab mir das Vertrauen, in eine Branche zu gehen, von der ich sehr wenig wusste, und die traditionelle Art und Weise, Dinge zu tun, in Frage zu stellen.

Als ich begann, Zeit in Auto-Werkstätten zu verbringen, sah ich Techniker, die in Handbüchern ertranken, versuchten, Sensoren zu kalibrieren, die kontrollierten, ob ein Auto richtig bremsen oder in seiner Spur bleiben konnte. Es erinnerte mich an die sicherheitskritischen Umgebungen, mit denen ich bei der NASA in Berührung gekommen war, wo Präzision der Schlüssel ist. Dies ist lebensrettende Technologie, aber die Werkstätten managten sie mit Papierverfahren und veralteten Systemen. Ich erkannte schnell, dass dies ein Software-Problem war, das als mechanisches Problem getarnt war. Autos waren zu Computern auf Rädern geworden, aber die Infrastruktur, um sie zu warten, hatte nicht mitgehalten. Das brachte mich zurück zu der unternehmerischen Mentalität, die ich am MIT und bei der NASA entwickelt hatte, und so bauten wir Revv: indem wir eine frische Perspektive von außen mit tiefem Fachwissen von den Technikern, die tatsächlich die Arbeit machten, paarten.

Bevor Revv, leiteten Sie Produkt- und Innovationsinitiativen bei Jet und Walmart im großen Maßstab. Welche Lektionen aus dem Aufbau von 0→1-Produkten im Handel trugen sich am deutlichsten auf die Gestaltung von Software für das Automotive-Reparatur-Ökosystem über?

Die größte Lektion, die ich aus meiner Zeit bei Walmart lernte, war, den Benutzer dort zu treffen, wo er ist, und nicht, wo man ihn haben möchte. Ich baute für Lieferanten und Hersteller, die nicht technisch versiert waren und Dinge seit Jahrzehnten auf die gleiche Weise gemacht hatten. Man kann nicht von ihnen verlangen, ihr gesamtes System zu ersetzen. Stattdessen bettet man sein Fachwissen in ihre bestehenden Arbeitsabläufe ein, sodass sie nicht einmal den Finger außerhalb dessen heben müssen, was sie bereits tun.

Das wurde zur gesamten These von Revv. Wir integrieren uns in die bestehenden Werkzeuge und Software der Werkstätten, laufen im Hintergrund und liefern Erkenntnisse, ohne ihre etablierten Prozesse zu stören. Aber ich übertrug auch, was ich bei Jet über Talent gelernt hatte: A-Spieler bringen A-Spieler, und man muss von Tag eins an obsessiv daran arbeiten, das richtige Team aufzubauen. Ich verankerte dies als unsere Einstellungspraxis bei Revv, weil keine der Arbeit, die wir tun, ohne das Team von Allstars möglich wäre, das wir aufgebaut haben.

Die Automobilreparatur ist eine der größten, aber am wenigsten modernisierten Branchen in den USA. Als Sie mit dem Aufbau von Revv begannen, welche Widerstände oder Skepsis trafen Sie an, und wie überwanden Sie sie?

Der Widerstand war anfangs eine enorme Herausforderung, weil Werkstätten Dinge seit über 40 Jahren auf die gleiche Weise gemacht hatten und Veränderung unangenehm ist. Aber hier ist, was funktionierte: Ich verkaufte ihnen nicht nur Software, ich verpflichtete mich, jedes einzelne Schmerzpunkt zu verstehen. Ich verteilte Karten mit meiner Telefonnummer und sagte: “Wenn Sie ein Problem haben, rufen Sie mich an.” Und sie taten es. Ich verbrachte Jahre damit, diese Datenbank des Vertrauens und des Wissens aufzubauen.

Der Durchbruch war, als ich ihnen zeigte, dass wir sie nicht aufforderten, ihre Systeme zu ersetzen oder ihre Art und Weise zu ändern. Wir bauten Revv, um direkt in ihre bestehende Software und Arbeitsabläufe zu integrieren, im Hintergrund zu laufen und zu liefern, was sie benötigten, ohne ihre aktuellen Prozesse zu stören. Als die Werkstätten sahen, dass wir tatsächlich ihre Welt verstanden und ihre Arbeit einfacher und nicht schwerer machten, begann die Skepsis zu schwinden.

Revv positioniert sich als Betriebssystem für softwaredefinierte Fahrzeuge und nicht als einzelne Punkt-Lösung. Was bedeutet dies in praktischen Begriffen für Kalibrier-Werkstätten und Reparatur-Netzwerke?

Es bedeutet, dass wir nicht nur ein Problem lösen, sondern dass wir die Infrastruktur werden, die ihren gesamten ADAS-Arbeitsablauf antreibt. Ein Auto kommt in die Werkstatt, Revv verbindet sich mit ihren bestehenden Werkzeugen, zieht Daten direkt vom Hersteller und liefert ein komplettes Paket an den Techniker in Sekunden. Es gibt ihnen schrittweise Reparaturanweisungen, jede erforderliche Kalibrierung, Original-Hersteller-Dokumentation und den Anspruchsbereit-Report, um ihn an die Versicherung zu senden.

Wir entwickeln uns von einem System des Records zu einem der Aktion, nicht nur, um ihnen zu sagen, was getan werden muss, sondern um die administrative Arbeit für sie zu erledigen. Bis 2025 werden über 74% unserer Nutzer unsere neuen Produkte übernehmen, weil sie uns als die einzige Plattform sehen, die ihren gesamten ADAS-Betrieb von Ende zu Ende abwickelt. Dies entspricht dem, was wir branchenweit sehen. In unserer jüngsten ADAS-Benchmark-Umfrage von 300 Autokörper-Profis fand, dass Inhouse-Kalibrierungen von 57% auf 64% in den nächsten zwei Jahren ansteigen werden.

Fahrzeuge sind jetzt rollende Computer, vollgepackt mit Sensoren, Kameras und Software-Abhängigkeiten. Wo haben menschliche Techniker heute am meisten Schwierigkeiten, und wie unterstützt AI ihre Entscheidungsfindung sinnvoll, ohne die Kontrolle von ihnen zu übernehmen?

Techniker haben am meisten Schwierigkeiten mit der administrativen Belastung, die jetzt mit modernen Reparaturen einhergeht. Von der Kalibrierung von Sensoren bis hin zur Suche nach Hersteller-Handbüchern und der Erstellung von versicherungsbereiten Berichten muss jeder Schritt recherchiert, dokumentiert und genehmigt werden, was einen hands-on-Job in einen voller Papierkram verwandelt. Jede Schätzung hat 100-200 Positionen, und jede davon hat eine Welleneffekt. Im Jahr 2023 erforderte jede Reparatur zwei bis drei Kalibrierungen. Jetzt sind es über fünf. Techniker verbringen drei bis vier Stunden damit, nur die Arbeit zu dokumentieren und Verfahren zu suchen, aber mit Revv und AI reduziert sich dieser Prozess auf drei bis fünf Minuten.

Revv’s AI verarbeitet all diese Komplexität im Hintergrund, verbindet sich direkt mit Hersteller-Daten, identifiziert jede erforderliche Kalibrierung und liefert schrittweise Anweisungen. Wir haben über 300.000 Reparaturen verarbeitet, mit über 5.000 Kunden, die jetzt die Plattform nutzen. Für die Dokumentation können Techniker Fotos einreichen und Revv generiert den gesamten versicherungsbereiten Bericht automatisch. Unsere Plattform markiert potenzielle übersehene Schritte und automatisiert die repetitive Arbeit, aber der Techniker bleibt in voller Kontrolle und trifft die Entscheidung ohne administrative Belastung.

Revv’s Modelle werden mit Hunderttausenden von realen Reparatur-Ereignissen trainiert. Wie stellen Sie sicher, dass die Datenqualität, Genauigkeit und Compliance gewährleistet sind, wenn AI-Empfehlungen direkt mit sicherheitskritischen Ergebnissen verbunden sind?

Für uns beginnt die Datenqualität und Genauigkeit damit, die AI in realen Reparatur-Erfahrungen zu verankern, mit unseren Modellen, die direkt auf Erkenntnissen von erfahrenen Technikern aus mehreren Regionen und Fahrzeugtypen basieren.

Wir bauen auch kontinuierliche Feedback-Schleifen ein, sodass Techniker AI-Empfehlungen in Echtzeit validieren können. Jede Kalibrierung und every Vorgehensweise wird gegen die exakten OEM-Handbücher und technischen Dokumentationen für ein bestimmtes Fahrzeug überprüft. Mit einer Datenbank von über 300.000 Reparaturen aus zwei Ländern lernt unsere Plattform kontinuierlich und verbessert sich, während Techniker die Kontrolle über den gesamten Prozess behalten.

Revv arbeitet mit Kalibrierern, Reparatur-Netzwerken, Versicherern und OEM-Systemen zusammen. Wie entwerfen Sie eine AI-Plattform, die Vertrauen und Wert über Stakeholder mit sehr unterschiedlichen Anreizen schafft?

Wir denken an Revv als das verbindende Gewebe zwischen Technikern, Versicherern und Kunden, also arbeiten wir daran, alle ihre kollektiven Bedürfnisse zu erfüllen.

Für Techniker sparen wir Stunden an administrativer Zeit, während wir ihnen helfen, verpasste Einnahmen zu erfassen, indem wir Kalibrierungen identifizieren, die durch die Lücken gefallen wären. Versicherer erhalten schnellere Genehmigungen, genaue Dokumentation und weniger Streitigkeiten. Kunden erhalten ihre Autos zurück, sicherer und schneller, weil wir sicherstellen, dass jede erforderliche Kalibrierung tatsächlich durchgeführt wird.

Wenn Fahrzeuge weiterhin zu vollständig softwaredefinierten Plattformen evolvieren, was sieht der Erfolg für Revv drei Jahre von jetzt an aus, und welche Fähigkeiten muss die Reparatur-Infrastruktur entwickeln, um Schritt zu halten?

Um Schritt zu halten, werden Werkstätten Inhouse-Fähigkeiten, eine Pipeline von Next-Generation-Technik-Talent und ein starkes Netzwerk der Zusammenarbeit benötigen, um sicherzustellen, dass jede Reparatur genau und effizient ist. Bis 2029 werden Vorschriften erfordern, dass alle neuen Automodelle mit Notbremsen ausgestattet sind, und Werkstätten beginnen zu sehen, wie viel Wert die Durchführung von Inhouse-Kalibrierungen für ihr Geschäft bringt. In unserer jüngsten Umfrage berichteten 74% der Autokörper-Profis, dass ADAS als Gewinnquelle gilt, mit 60%, die das Wachstum von ADAS-Einnahmen als “extrem wichtig” oder “sehr wichtig” betrachten.

Was wir bereits sehen, ist, dass ADAS-Kalibrierung zu ihrer eigenen Kategorie wird, mit neuen Spezialisten, die jeden Monat auftauchen, und echtem Geschäfts-Momentum, das um sie herum aufgebaut wird. Wenn wir in die Zukunft blicken, sehen wir Revv als Rückgrat dieses gesamten Ökosystems. Das bedeutet, dass die Plattform zum Standard wird, der in allen Kollisions-Werkstätten verwendet wird, und Technikern, Versicherern und Kunden ein einheitliches System bietet, um sichere, konforme Kalibrierungen im großen Maßstab zu verwalten und bereitzustellen. Wir bauen die Infrastruktur, die bestimmt, wie softwaregetriebene Fahrzeuge repariert werden, und letztendlich legen wir die Standards fest, die die Zukunft der Branche prägen werden.

Für Gründer, die AI in tief verwurzelte, traditionell analoge Branchen bringen, welche häufigen Fehler sehen Sie, und welche Annahmen mussten Sie persönlich unlernen, während Sie Revv skalierten?

Etwas, das ich früh lernte, war, durch den Lärm zu schneiden und mich auf das Problem zu konzentrieren, nicht auf die Lösung. Es ist leicht, sich von dem Rummel mitreißen zu lassen und etwas Beeindruckendes zu bauen, aber das wird oft zu einer Lösung, die nach einem Problem sucht.

Was zählt, ist, das Problem zu finden, das Kunden tatsächlich jeden Tag erleben. Die Annahme, die ich unlernen musste, war, dass bessere Technologie allein den Sieg bringen würde. Ich unterschätzte, wie sehr die Arbeitsabläufe in dieser Branche verwurzelt sind. Als wir Revv 2022 starteten, verbrachte ich Zeit in Werkstätten mit Technikern, um ihre Arbeitsabläufe aus der Nähe zu sehen und zu verstehen, was sie behinderte. Dies lehrte mich, dass echte Veränderung nicht durch die Implementierung von beeindruckender Technologie oder durch die Überzeugung von Werkstätten, eine neue Art und Weise zu tun, kommt. Es kommt davon, seine Lösung so nahtlos in ihre bestehenden Arbeitsabläufe einzubetten, dass sie nicht einmal etwas ändern müssen. Man fordert sie nicht auf, zu ändern, man macht ihre aktuelle Art und Weise besser.