AI Ops FAQ

Wie genau ist die Prognose?

Das Phase-1-Ziel ist MAPE unter 35 % auf dem 4-Stunden-Horizont, je Hex und je Stunde. Die meisten Produktiv-Subaccounts landen nach einigen Wochen Warm-up im Bereich 25-30 %. Zellen mit geringer Fahrtmenge sind verrauschter; volumenstarke Zellen sind enger.

Sie können die Genauigkeit je Subaccount in der model_runs-Tabelle prüfen — jeder Inference-Aufruf schreibt eine Zeile mit MAPE und RMSE des Modells auf dem jüngsten Holdout.

Wie oft aktualisiert die Prognose?

Der Inference-Cron läuft stündlich. Neue Prognosen landen in demand_forecasts zur Minute 15 jeder Stunde. Das Dashboard zeigt die jüngste verfügbare Prognose — ist die jüngste älter als 90 Minuten, erscheint ein Stale-Forecast-Banner.

Das nächtliche Retraining läuft auf Modal gegen 02:00 UTC. Nach dem Retrain nutzt die nächste stündliche Inference das neu trainierte Modell.

Disponiert AI Ops Bewegungen automatisch?

Nein. Jede Rebalance-Empfehlung ist ein Vorschlag — der Operator muss Accept, Snooze oder Dismiss wählen. Es gibt genau eine automatisierte Aktion im System: Wenn ein Techniker eine Route akzeptiert, springen die Fahrzeuge an seinen Pickup-Stopps auf den Status maintenance, um Rider-Zugriffe zu verhindern. Siehe Techniker-Routen für die Auto-Maintenance-Regel.

Unterstützt AI Ops dynamische oder Surge-Preise?

Nein. AI Ops ist ein Betriebstool, kein Preistool. Die Prognose ist Fahrten pro Hex pro Stunde, keine Preiselastizitätsoberfläche. Dynamic Pricing ist in der breiteren Fleets-Roadmap, aber ein separates Produkt.

Kann ich meine eigene Prognose mitbringen?

Noch nicht. Die Architektur unterstützt einen Webhook-Receiver, der externe demand_forecasts-Schreibvorgänge entgegennimmt, ist aber nicht ausgeliefert. Sind Sie Enterprise-Kunde mit eigenem ML-Stack und möchten ihn einbinden, melden Sie sich beim Support, und wir priorisieren den Webhook nach Nachfrage.

Welche Daten sendet AI Ops an Dritte?

Drei externe Dienste erhalten Daten:

• Tomorrow.io — erhält H3-Hex-Mittelpunktkoordinaten für Wetterprognose-Abfragen. Keine Rider- oder Fahrzeugdaten.
• PredictHQ — erhält Bounding-Box-Koordinaten für Veranstaltungsabfragen. Keine Rider- oder Fahrzeugdaten.
• Modal — betreibt die trainierten Modelle. Empfängt Feature-Zeilen (Hex + Stunde + Wetter + Veranstaltungen + Lag-Features) für die Inference. Keine Rider-PII (keine Namen, keine Kontaktdaten, keine Zahlungsinfos).
• Routific (nur Enterprise) — erhält Stopp-Koordinaten und Fahrzeug-IDs zur Routenoptimierung. Keine Rider-Daten.

search_lat / search_lng aus Unmet-Demand-Ereignissen bleiben innerhalb der Levy-Infrastruktur — sie werden nie an einen Dritten gesendet.

Wie wird unbediente Nachfrage gemessen, wenn die Fahrt nie stattfand?

Die Rider-Mobile-App ruft POST /api/mobile/app-session-search bei jedem Karten-Open und jeder Fahrzeuglisten-Anfrage auf. Zeigt die Antwort null verfügbare Fahrzeuge im Umkreis von 500 Metern, wird eine Zeile in unmet_demand_events geschrieben. Die Fahrt fand nie statt, aber die Suche schon — und die Suche wird gemessen. Siehe Unbediente Nachfrage verstehen für den vollständigen Mechanismus.

Respektiert AI Ops RLS?

Ja. Alle fünf neuen Tabellen (demand_forecasts, rebalance_recommendations, rebalance_routes, rebalance_route_stops, unmet_demand_events) haben subaccount_id-scoped Row-Level-Security entsprechend der bestehenden Policy auf rides und vehicles. weather_observations ist die Ausnahme — sie ist global und nur lesbar, weil Wetter nicht subaccount-spezifisch ist.

Was passiert mit Prognosen, wenn ich AI Ops deaktiviere?

Setzen Sie ai_ops_enabled = false, überspringen alle Crons den Subaccount. Bestehende Prognosen bleiben in der Datenbank (unter der 90-Tage-Retention), aber es werden keine neuen geschrieben. Die Heat-Maps-Seite fällt auf den alten "nur Ist-Fahrten"-Modus zurück. Beim Wiederaktivieren läuft die Cron-Pipeline beim nächsten Tick weiter.

Beeinflusst AI Ops Partner-Auszahlungen?

Nein, nicht direkt. Das Empfehlungssystem zeigt erwarteten Mehrertrag in USD auf jeder Karte, aber diese Dollar sind Schätzungen — sie tauchen in keinem Ledger auf und beeinflussen weder net_deposited noch Partner-Auszahlungsrechnungen. Der tatsächliche Umsatzeffekt zeigt sich später als mehr abgeschlossene Fahrten, die über den normalen Zahlungsfluss erfasst werden.

Kann ich AI Ops A/B-getestet gegen eine Kontrollgruppe einsetzen?

Ja. Der empfohlene Ansatz ist, AI Ops auf einer Teilmenge der Operator-Subaccounts zu aktivieren und eine vergleichbare Kontrollmenge auszulassen. Vergleichen Sie Fahrten-pro-Fahrzeug-Tag, Dead-Vehicle-Stunden und Unmet-Demand-Ereignisse über ein 30-Tage-Fenster. Ein erstklassiges A/B-Framework ist in der Roadmap; heute ist es manuell.

Verschwindet das Empfehlungssystem, wenn meine Modal-/PredictHQ-/Tomorrow.io-Schlüssel fehlen?

Nein. Jede externe Integration hat ein Fallback. Der Forecaster fällt auf einen reinen TypeScript-Boosting-Regressor zurück, Wetter auf Klimatologie, Veranstaltungen auf einen zyklischen Stub und der Routen-Solver auf einen lokalen Clarke-Wright-+-2-opt-Savings-Solver. Die Genauigkeit sinkt, aber nichts bricht. Siehe Datenquellen.

Wie wird AI Ops bepreist?

• Starter — im Growth-Plan und darüber kostenlos enthalten.
• Pro — 99 $/Operator/Monat + 1 $/Fahrzeug/Monat, gedeckelt bei 499 $/Operator/Monat.
• Enterprise — 299 $/Operator/Monat + 2 $/Fahrzeug/Monat + 0,15 $/abgeschlossener Stopp, gedeckelt bei 1.499 $/Operator/Monat.

Enterprise-Kunden können den OR-Tools-Solver gegen Routific tauschen (Levy reicht die Kosten pro Route durch).

Erscheint meine Prognose in MDS-Feeds an Städte?

Nein. AI-Ops-Prognosen sind explizit aus MDS-Exporten ausgeschlossen. Wir teilen Fahrtdaten mit Städten wie vorgeschrieben, Vorhersagen bleiben aber intern — Städte können noch keine Anforderungen gegen Features schreiben, von denen sie nichts wissen.

Was steht auf der AI-Ops-Roadmap?

• GNN+GRU-Modell-Upgrade (gekoppelt daran, dass Phase-1-MAPE über 28 % plateaut).
• Eine erstklassige Admin-UI für die Feature-Flags.
• Ein städtischer Prognose-Feed als separater SKU.
• Webhook-Receiver für BYO-Prognosen.
• Multi-Fahrzeug-(Multi-Techniker-)Joint-Optimierung mit echter teamübergreifender Zuteilung.

Verwandt

• Übersicht — der High-Level-Pitch.
• Erste Schritte — AI Ops für einen Subaccount aktivieren.
• Fehlerbehebung — wenn etwas hakt.