There By — Know When to Leave

Hinweis: Diese Analyse basiert ausschließlich auf der vom Anrufer bereitgestellten, selbst gemeldeten und nicht verifizierten Projektdescription. Für die aufgestellten Behauptungen existiert keine externe Bestätigung.

Die Beschreibung gibt an, dass There By ein Werkzeug für U-Bahn-Pendler in NYC ist, das eine Frage beantwortet: Wann muss ich losfahren, damit ich nicht zu spät komme? Es präsentiert:

• Eine zentrale Abfahrtszeit
• Eine übliche Ankunftszeit
• Eine Worst-Case-Schätzung
• Verspätungsrisiko
• Bewertete Alternativen, wenn eine andere Route sicherer ist

Es nutzt GTFS-Realtime-Daten und ein kalibriertes Prognosemodell, aber die KI-Modelle haben keine Transportsfakten oder Prognoseergebnisse erfunden. Das Produkt wird in der Sprache als verbraucherfreundlich beschrieben ("Üblich", "Worst Case", "Verspätungsrisiko") anstatt mit statistischem Fachjargon.

Der Client ist eine Expo/React Native-App mit einer responsiven Web-Erfahrung. Das Backend ist ein typisierter FastAPI-Service, der GTFS-Realtime-Daten verbraucht und archiviert, unterstützte Linien- und Umsteigewege bewertet und Unsicherheitspuffer anwendet.

Schlussfolgerung: Das Produkt scheint eng auf einen einzelnen Entscheidungspunkt – wann abfahren – fokussiert zu sein, anstatt ein allgemeiner Routenplaner oder Kartendienst zu sein.

Der Autor gibt an, dass die Inspiration in der Idee wurzelte, dass U-Bahn-Fahrer in NYC keine weitere Karte brauchen, sondern eine vertrauenswürdige Antwort vor einer echten Deadline. Die Positionierung ist eng und ergebnisorientiert: „Wann muss ich losfahren, damit ich nicht zu spät komme?“

There By begann als Prädiktor und Kalibrierungsgrundlage und entwickelte sich dann während der Build Week zu einer installierbaren Beta. Die Entwicklung umfasste:

• Eine responsive Landingpage
• iOS TestFlight-Verteilung
• Erweiterte Stationsabdeckung
• Härtung der Benachrichtigungen
• Observability-Funktionen

Behauptung: There By ist als Werkzeug positioniert, das die Pendlerentscheidung vereinfacht, indem es Unsicherheit reduziert.

Die Beschreibung gibt an, dass es einen Zielkunden gibt: U-Bahn-Pendler in NYC mit festem Zeitplan. Das Produkt ist für Menschen konzipiert, die zu einer bestimmten Zeit ankommen müssen und wissen wollen, wann sie losfahren müssen, basierend auf Live-Bedingungen der U-Bahn.

Schlussfolgerung: Die ICP ist eng als U-Bahn-Nutzer in NYC mit festem Zeitplan definiert, nicht als allgemeine Transportsnutzer oder gelegentliche Fahrgäste.

Die Beschreibung enthält keine Angaben zu Preisen, Monetarisierung oder einem Geschäftsmodell. Es wird lediglich erwähnt, dass die Beta jetzt live ist und der Autor eine kleine Nutzergruppe rekrutiert, um die Genauigkeit der Abfahrtszeit und den Zeitpunkt der Benachrichtigungen zu validieren.

nicht belegt: Keine Hinweise auf Umsatz, Preise oder eine Monetarisierungsstrategie.

Das Produkt wurde mit folgenden Komponenten erstellt:

• Client: Expo/React Native-App mit responsiver Web-Erfahrung
• Backend: FastAPI in Python
• Datenquellen: GTFS-Realtime-Daten
• KI-Tools: Codex (mit GPT-5.5 und GPT-5.6)
• Hosting: Railway, Cloudflare R2
• Monitoring: Sentry
• Distribution: TestFlight

Die Beschreibung weist darauf hin, dass die technischen Herausforderungen darin bestanden, die letzte Meile vertrauenswürdig zu gestalten – dies umfasste eine breite Stationsabdeckung, idempotente Benachrichtigungen, beobachtbare Zustellungsresultate, authentifizierte Produktionsservices und wiederherstellbare Daten.

Schlussfolgerung: Der technische Stack ist modern und auf Zuverlässigkeit und Observability ausgerichtet. Die Verwendung von KI-Tools wie Codex und GPT-5.6 deutet auf einen schnellen Entwicklungsprozess mit KI-gestützter Engineering-Arbeit hin.

Die Beschreibung besagt, dass die Beta jetzt live ist und der Autor eine kleine Kohorte von New Yorker Pendlern mit festen Fahrplänen rekrutiert, um zu messen, ob sie an realen Morgen zurückkehren. Es wird auch die Validierung der Genauigkeit der Abfahrtszeit und des Benachrichtigungszeitpunkts vor dem breiteren Launch erwähnt.

nicht belegt: Keine Hinweise auf tatsächliche Nutzerakzeptanz, Retention oder Nutzung über die eigenen Tests und Beta-Rekrutierungsmaßnahmen des Autors hinaus.

Die Beschreibung erwähnt keine Wettbewerber. Das Produkt wird als Antwort auf eine spezifische, enge Frage – wann abfahren – beschrieben, anstatt ein vollständiges Verkehrsplanungserlebnis anzubieten.

nicht belegt: Keine Analyse des Wettbewerbslands oder der Differenzierung vorhanden.

• Keine Traction oder Nutzerdaten: Das Projekt weist keine Hinweise auf echte Nutzer oder Akzeptanz über die eigenen Beta-Tests des Autors hinaus auf.
• Unbewiesene kommerzielle Tragfähigkeit: Es gibt keine Hinweise auf ein Geschäftsmodell, Preise oder eine Monetarisierungsstrategie.
• Begrenzter Umfang: Das Produkt ist eng auf New Yorker U-Bahn-Pendler fokussiert und scheint sich nicht darüber hinaus skalieren zu lassen.
• Nur selbst gemeldet: Alle Aussagen sind unbestätigt, ohne Validierung durch Dritte oder historische Daten.

Schlussfolgerung: Das Projekt scheint sich in einer frühen Beta-Phase zu befinden und mangelt an kommerzieller Traction oder Hinweisen auf ein nachhaltiges Geschäftsmodell.

1. Wie hoch ist die tatsächliche Retention-Rate unter den rekrutierten Pendlern mit festen Fahrplänen?
2. Wie planen Sie, dieses Produkt über die aktuelle Beta-Phase hinaus zu monetarisieren?
3. Gibt es Pläne, sich über New Yorker U-Bahn-Pendler hinaus zu erweitern oder andere Verkehrssysteme einzubeziehen?
4. Wie wird die Genauigkeit der Abfahrtszeit unter realen Bedingungen validiert?
5. Welche sind die zentralen Annahmen Ihres Prognosemodells und wie werden sie kalibriert?