Texterous: Wiener Startup setzt auf (skalierbare) maßgeschneiderte AI-Tools

Das Wiener Startup “Texterous“ baut maßgeschneiderte KI-Lösungen für Unternehmen. Dabei hat sich das sechsköpfige Team rund um CEO Markus Keiblinger schon lange vor dem ChatGPT-Marktstart mit künstlicher Intelligenz befasst. Im Nachgang eines KI-Workshops bei “re:think media“, einem Medienevent der Wiener Zeitung, erklärte Keiblinger Trending Topics, worum es bei Texterous im Detail geht. Und: Weshalb (skalierbare) Customized-KI-Lösungen trotz KI-Universalprodukten von großen Anbietern immer wichtig sein werden.

6 Co-Founders rund um Texterous

An B2B-Projekten arbeitet das Texterous-Team erst seit Oktober 2023. Davor gab es eine SaaS-Plattform, die User:innen die Möglichkeit gab, selbst KI-Tools für einfache Tasks zu erstellen. “Es war ein langer Prozess, bis wir herausgefunden haben, was wir genau machen wollen“, verrät Co-Founder Keiblinger. Heute sei es glasklar: Texterous nutzt modernste LLM-Technologien und schneidet diese auf die individuellen KI-Bedürfnisse von Unternehmen zu. Die nahtlose Implementierung, Integration und strategische Beratung zur Optimierung der Abläufe soll dabei im Mittelpunkt stehen. Zusätzlich werden KI-Schulungen für Unternehmen angeboten. Das junge Gründungsteam besteht hauptsächlich aus KI-Experten und Entwicklern, allesamt zwischen 1998 und 2002 geboren und mit Sitz in Österreich, den Niederlanden und Italien.

“Um zu skalieren, brauchen wir erst einmal Geld”

“Keiner von uns hat eine Ahnung von Venture Capital oder möglichen Förderungen gehabt. Als ChatGPT herausgekommen ist, war plötzlich ein Riesen-Hype da. Für uns war das absolut nicht verständlich, weil die Entwicklungen rund um KI seit zwei bis drei Jahren da waren und niemanden interessiert haben. Und dann auf einmal, nur weil man jetzt chatten konnte, fanden es alle cool”, erklärte Keiblinger. Aber Texterous hat davon profitiert: Genau zu dieser Zeit kamen dann aktiv Firmen auf die jungen Gründer zu und wollten “auch etwas in Richtung KI machen”.

Die vorhandene Nachfrage am Markt hat das Startup für sich genutzt und gemeinsam mit diversen Unternehmen erste Projekte umgesetzt. Der ursürüngliche Gedanke war: “Um zu skalieren, brauchen wir erst einmal Geld.” Was zuerst als Querfinanzierung für die SaaS-Plattform gedacht war, hat sich dann in ein eigenes Geschäftsmodell entwickelt. Mittlerweile, so Keiblinger, ist Texterous an einem Punkt, wo neben den maßgeschneiderten KI-Tools auch möglichst skalierbare Lösungen entwickelt werden.

OpenAI strebt globale Expansion an: Neue Standorte in Singapur, Paris und Brüssel

“AcademiaOS“ und Bildungsassistent “Ella“

Um sich besser vorstellen zu können, was Keiblinger mit “maßgeschneiderten” KI-Tools überhaupt meint, erzählte er vom Open-Source-Tool “AcademiaOS“ und dem Bildungsassistenten „Ella“. Das ist spannend, denn Texterous hat sich mit der Integration von KI in den Bildungsbereich befasst: So geht es bei AcademiaOS, einem Tool, das Texterous Co-Founder Thomas Übellacker entworfen hat, um die gezielte Suche nach wissenschaftlichen Arbeiten im Rahmen des Literature Review Prozesses. Das Tool hilft, relevante Informationen schnell zu finden, indem es automatisch Daten aus den Papers extrahiert und in Tabellen formatiert.

Der Bildungsassistent „Ella“, den Texterous für ein Unternehmen in den Niederlanden entwickelt hat, ist speziell dafür konzipiert, Lehrkräften bei der Nutzung bestehender Lerninhalte zu unterstützen. Dabei wird auf eine Datenbank mit verschiedenen Materialien, wie PDFs von Schulbüchern und MP3s, zugegriffen, verrät Keiblinger. Ella will es Lehrkräften ermöglichen, gezielt Informationen zu bestimmten Themen basierend auf vorgegebenen Materialien abzurufen – ihnen sozusagen einen KI-Assistenten zur Seite stellen.

“Das sind zwei einfache Anwendungsfälle, die auf sehr grundlegenden RAG-Systemen basieren. Bei komplexeren Anwendungen wird es jedoch schwieriger, da mehrere Tools miteinander verbunden werden müssen. Deswegen ist es auf keinen Fall empfehlenswert, alle internen KI-Ressourcen im Unternehmen abzubauen.”

Customized-KI-Modelle vs. massentaugliche KI-Frontier-Modelle

Keiblinger erzählte, dass einige Unternehmen die ChatGPT-Integration aus Datenschutzgründen verbieten. Aber auch andere vollumfängliche KI-Integrationslösungen, wie sie Salesforce mit “Agentforce“ anbietet, könnten für manche nicht in Frage kommen. “Es wird vermutlich nicht mehr so lange dauern, bis Microsoft eine ähnliche Lösung herausbringt.“

Der Texterous-CEO weist auf mehrere Punkte hin, die dafür sprechen, auf Customized-KI-Modelle zu setzen, wie etwa das Server-Hosting und die Datensicherheit. Die Kombination von Daten aus verschiedenen Quellen machen laut ihm ein “Custom System“ wirklich interessant. “Außerdem wollen viele nicht, dass ihre Daten ins Ausland fließen und setzen ausschließlich auf europäische Server – im Extremfall sollen die Daten vielleicht sogar on-premise gehostet sein.” Dazu sei gesagt, dass sowohl Salesforce als auch Microsoft über Server innerhalb der Europäischen Union verfügen, um der Datenschutz-Grundverordnung zu entsprechen. Doch Keiblinger geht grundsätzlich nicht davon aus, dass die meisten Unternehmen “wirklich alle Informationen und Daten auf Tools eines einzelnen externen Anbieters zentral gebündelt haben“.

Organisational Learning als Schlüsselfaktor

“Bei individuellen Lösungen ist das Thema Datensicherheit viel stärker personalisiert und auf den spezifischen Use Case angepasst. Ich glaube, was viele unterschätzen, ist das Organisational Learning. Als Organisation ist es wichtig, selbst in Richtung KI aktiv zu werden, selbst wenn die großen Player in Zukunft noch viele sinnvolle Tools herausbringen”, so der CEO und Co-Founder.

Nicht zu unterschätzen ist in seinen Augen, dass die Komplettlösungen großer Anbieter wie Salesforce sehr kostspielig sind und nur dann optimal funktionieren, wenn ihre gesamte Palette gebündelt eingesetzt wird. Dadurch gerieten Kund:innen in eine Art Abhängigkeit (Lock-in). Auch seien diese bei massentauglichen KI-Frontier-Modellen in ihren Anwendungsbereichen viel eingeschränkter. “Mit eigenen Tools ist man unabhängiger und kann vor allem Daten aus verschiedenen Quellen verbinden. Auch wenn alle immer die ‚Single Source of Truth‘ predigen – in der Realität nutzt doch jedes Unternehmen mehrere Datenquellen, die für ein KI-Tool relevant sind“, so Keiblinger abschließend im Interview mit Trending Topics.

Apple-Studie: LLM-basierte AI-Modelle können nicht richtig rechnen und denken