22.08.2024
FÖRDERUNG

factorymaker: Junges Wiener DeepTech-Startup erhält sechsstellige aws-Förderung

Das Planen von Industriebauten und Fabriken schluckt ordentlich viele Ressourcen. Dass es hier Verbesserungsbedarf gibt, erkannte Gründerin Julia Reisinger schon 2019. Auf Basis ihrer Doktorarbeit gründete sie vor Kurzem ein DeepTech-Startup zur Industriebauplanung - und erhielt dafür Unterstützung von der aws.
/artikel/factorymaker-junges-wiener-deeptech-startup-erhaelt-sechsstellige-aws-foerderung
Das Core-Team von factorymaker (v.l.n.r.): Leonardo Lino, Thomas Reisiner, Julia Reisinger und Maria Antonia Zahlbruckner (c) Factorymaker

Es will den Bau von Industrie- und Fabrikgebäuden so nachhaltig, effizient und kostengünstig wie möglich gestalten. Mit dieser Vision hat factorymaker, ein in Wien gegründetes und sitzendes Industrie-Design-Startup für moderne Gebäudeplanung, eine sechsstellige aws-Pre-Seed-Förderung erhalten.

Die Förderung der Austria Wirtschaftsservice GmbH (aws) beläuft sich auf eine Höhe von 300.000 Euro für eine Laufzeit von 1,5 Jahren. Mit der Finanzspritze hat das vierköpfige Team rund um Gründerin Julia Reisinger große Pläne – auch, wenn Reisinger ursprünglich nicht auf eine Startup-Gründung aus war.

Zwei Wochen junges SaaS-Startup

Gegründet wurde das Startup erst vor zwei Wochen. Konkret handelt es sich bei factorymaker um eine SaaS-Lösung für automatisierte Fabrik- und Industriebauplanung. Die Idee dazu hatte Reisinger schon im Jahr 2019, als sie ein FFG-Forschungsprojekt im Zuge ihrer Doktorarbeit startete. Dabei ging es darum, Prozesse in Produktionsplanung und Architektur von Industriebau und Fabriken zu optimieren. Denn diese gestalten sich üblicherweise wenig digitalisiert, repetitiv und „nicht sehr wertschöpfend“, wie Reisinger im Gespräch mit brutkasten erklärt.

Die Frage, mit der sich Reisinger in ihrer Forschungsarbeit auseinandersetzte, war folgende: Wie kann ich Prozesse in der Fabrik- und Industriebauplanung automatisieren und integral in einer Plattform kombinieren, um Ressourcen zu sparen?

Aus Forschungsprojekt wurde Geschäftsidee

Nach intensiver Forschungsarbeit schloss Reisinger ihre Doktorarbeit sowie ihr Forschungsprojekt im September 2022 an der TU Wien ab. Dabei entstand ein erster Prototyp, auf dem später die Geschäftsidee von factorymaker basieren sollte.

Die Unternehmensgründung war allerdings nicht primäre Intention der Forscherin: „Nach Abschluss meiner Doktorarbeit sind Bau- und Industrieunternehmen auf mich zugekommen und wollten die Lösung meiner Arbeit haben.“ Einige hätten Käufervorschläge eingebracht, erzählt Reisinger. „Vorerst habe ich mit den Interessenten dann aber Pilotprojekte gestartet, um die Software von beiden Seiten noch optimieren zu können.“

Anfragen aus Industrie- und Bauplanung nahmen zu, woraufhin sich Reisinger ein Team aufbaute. „Seit Ende 2023 steht das factorymaker Team nun: Wir sind drei Co-Founder, darunter Maria Antonia Zahlbruckner, Thomas Reisinger und ich. Seit Kurzem haben wir auch Leonardo Lino als CTO und vierten Co-Founder an Bord“, erzählt die Gründerin.

300.000 Förderung soll MVP auf den Markt bringen

Mit der frischen aws-Förderung will das Team seinen Prototypen marktreif machen. Bislang finanzierte man sich aus Eigenmitteln, das Unternehmen ist nach wie vor bootstrapped. Erkenntnisse zum Product und Business Development zog man aus Pilotprojekten mit Unternehmen aus Fabrik- und Industriebau. Basierend darauf soll eine Cloud-SaaS-Lösung gelauncht werden, die den „Weg für eine erfolgreiche Kommerzialisierung“ ebnen soll.

Die SaaS-Lösung von factorymaker dient in erster Linie als Entscheidungsunterstützung in der Frühphasenplanung von Fabrik- und Industriebau. Mithilfe von KI-Algorithmen wird die effizienteste und konstengünstigste Bauvariante erarbeitet.

„Bevor ich zu planen anfange, kann ich anhand der Requirements der Planer:innen Vorschläge erhalten. Die Vorschläge werden von der KI automatisiert und anhand von Gebäuden und Fabriksprozessen generiert. Insofern kann der oder die User:in noch vor der konkreten Planung entscheiden, welche Variante er oder sie wählen will“, erklärt die Co-Founderin.

Generatives Design als Nischenlösung

Das Team rund um Reisinger fokussiert sich auf Fabrik- und Industriebau als Nische, was hohe Genauigkeit versprechen soll. Die KI-basierte Plattform basiert auf Generative Design und -AI. Aktuell entwickelt man jene Algorithmen weiter, die noch während der Forschungsarbeit Reisingers entstanden sind. „Die KI lernt künftig mit unserer Plattform weiter, um generierte Prozesse zu verbessern“, so die Gründerin.

Für die bevorstehenden 1,5 Jahre will sich das Team auf bezahlte Pilotprojekte fokussieren und seine SaaS-Lösung kommerzialisieren. Außerdem will man die Belegschaft weiter ausbauen. Auch im Venture-Capital-Bereich hat factorymaker große Pläne: Mitte 2025 strebt das Startup eine Fundraising-Phase an.

Deine ungelesenen Artikel:
10.11.2026

KI-Agenten gezielt steuern: Warum klare Grenzen im Kundenservice entscheidend sind

KI-Agenten können im Kundenservice viel leisten, solange sie wissen, wo ihre Grenzen liegen. Ein Gastbeitrag über die gezielte Steuerung von KI im Kundenkontakt.
/artikel/ki-agenten-gezielt-steuern-warum-klare-grenzen-im-kundenservice-entscheidend-sind
10.11.2026

KI-Agenten gezielt steuern: Warum klare Grenzen im Kundenservice entscheidend sind

KI-Agenten können im Kundenservice viel leisten, solange sie wissen, wo ihre Grenzen liegen. Ein Gastbeitrag über die gezielte Steuerung von KI im Kundenkontakt.
/artikel/ki-agenten-gezielt-steuern-warum-klare-grenzen-im-kundenservice-entscheidend-sind

Ein Kunde fragt nach dem Lieferstatus seiner Bestellung. Ein anderer benötigt eine Produktempfehlung. Ein dritter möchte wissen, welche Bedingungen für eine Reklamation gelten. Obwohl alle drei Anfragen im Kundenservice eingehen, stellen sie unterschiedliche Anforderungen an den Einsatz künstlicher Intelligenz. Denn während eine Produktberatung individuell formuliert werden kann, müssen Auskünfte zu Vertragsbedingungen auf verbindlichen Informationen beruhen.

Für mittelständische Unternehmen stellt sich deshalb eine zentrale Frage: Wie lässt sich genau festlegen, welche Informationen KI-Agenten nutzen und welche Aufgaben sie eigenständig übernehmen dürfen?

Unternehmen müssen bestimmen, worauf die KI zugreifen darf

Moderne Sprachmodelle können Informationen verarbeiten, Zusammenhänge erkennen und Antworten formulieren. Im Kundenservice reicht diese Fähigkeit allein jedoch nicht aus. Entscheidend ist, dass die KI ausschließlich auf Informationen und Funktionen zugreift, die für das jeweilige Anliegen freigegeben sind.

Bei Fragen zu Lieferbedingungen sollte sie beispielsweise nur die aktuellen Unternehmensrichtlinien berücksichtigen. Bei einer allgemeinen Produktberatung kann es dagegen sinnvoll sein, verschiedene Wissensquellen miteinander zu verknüpfen. Für eine Bestellstatusabfrage wiederum benötigt der Agent Zugriff auf aktuelle Daten aus einem angebundenen System.

Was in der Praxis häufig unterschätzt wird: KI muss im Unternehmen nicht als frei agierendes System eingesetzt werden. Durch gezielte Konfiguration lassen sich Informationsquellen, Antwortvorgaben und Handlungsmöglichkeiten so eingrenzen, dass KI-Agenten innerhalb klar definierter Regeln arbeiten. Damit können Unternehmen KI auch dort einsetzen, wo Verlässlichkeit und Kontrolle besonders wichtig sind.

Dabei lässt sich nicht nur festlegen, welche internen Dokumente, Datenbanken oder externen Quellen verwendet werden dürfen. Auch der Zugriff auf eine Websuche oder die Ausführung bestimmter Aktionen kann eingeschränkt werden.

Restriktiv, generativ oder agentisch: Der Anwendungsfall entscheidet

Je nach Aufgabe können unterschiedliche KI-Ansätze zum Einsatz kommen. Diese schließen sich nicht gegenseitig aus, sondern lassen sich innerhalb einer Kundenservice-Lösung miteinander kombinieren.

Restriktive KI: Antworten innerhalb klarer Vorgaben

Bei verbindlichen Auskünften sind enge Grenzen notwendig. Ein restriktiv konfigurierter KI-Agent greift ausschließlich auf freigegebene Informationen zurück und darf definierte Antwortvorgaben nicht verlassen.

Fehlen die erforderlichen Informationen, sollte das System keine Aussagen ergänzen oder Vermutungen anstellen. Stattdessen kann es die Anfrage an einen Mitarbeitenden weiterleiten.

Dieser Ansatz eignet sich beispielsweise für Garantiebedingungen, Vertragsinformationen oder sensible Serviceprozesse.

Generative KI: Individuelle Antworten auf kontrollierter Wissensbasis

Andere Anliegen erfordern eine flexiblere Kommunikation. Möchte ein Kunde mehrere Produkte vergleichen oder technische Zusammenhänge verstehen, kann generative KI Informationen aus hinterlegten Wissensquellen zusammenführen und verständlich aufbereiten.

Dabei muss die KI nicht auf ihr allgemeines Trainingswissen zurückgreifen. Sie kann so konfiguriert werden, dass ihre Antworten ausschließlich auf ausgewählten Unternehmensinformationen basieren. Die Formulierung bleibt flexibel, während die zugelassenen Informationsquellen klar definiert sind.

Agentische KI: Aufgaben innerhalb festgelegter Berechtigungen ausführen

Agentische KI geht über die reine Beantwortung von Fragen hinaus. Sie kann verfügbare Werkzeuge auswählen, Schnittstellen nutzen und mehrstufige Aufgaben bearbeiten.

Beispielsweise kann ein KI-Agent eine Bestellnummer entgegennehmen, den zugehörigen Status über eine Schnittstelle abfragen und die Information anschließend verständlich ausgeben.

Welche Aktionen er ausführen darf, legt das Unternehmen fest. Ein Agent kann somit berechtigt sein, Bestelldaten abzurufen, ohne gleichzeitig Änderungen oder Stornierungen vornehmen zu dürfen.

Die Steuerung erfolgt auf Ebene einzelner Anliegen

Für mittelständische Unternehmen ist es häufig sinnvoll, nicht sämtliche Kundenanfragen nach denselben Regeln bearbeiten zu lassen.

So lässt sich beispielsweise festlegen, dass ein Agent bei Fragen zu Unternehmensrichtlinien ausschließlich interne Dokumente verwendet. Bei allgemeinen Fachfragen kann eine ergänzende Websuche erlaubt sein. Geht es hingegen um kundenspezifische Informationen, erfolgt der Zugriff über eine autorisierte Schnittstelle.

Auch die Grenzen der Automatisierung können individuell definiert werden. Während ein Agent den Bearbeitungsstand einer Reklamation selbstständig mitteilen darf, kann eine Erstattungsentscheidung weiterhin einem Mitarbeitenden vorbehalten bleiben.

Entsprechende Möglichkeiten zur Verknüpfung von Wissensquellen, KI-Funktionen und bestehenden Systemen bieten Plattformen wie DialogBits für den KI-gestützten Kundenservice.

Praxisbeispiel: KI-Agent beim HERDT-Verlag

Wie sich die Bearbeitung unterschiedlicher Kundenanliegen mit kontrollierten Systemzugriffen verbinden lässt, zeigt der HERDT-Verlag für Bildungsmedien.

Dort unterstützt der KI-Agent „Berti“ Kunden im Online-Shop. Über angebundene Werkzeuge kann er unter anderem Bestellinformationen abrufen und verschiedene Anliegen innerhalb eines Gesprächs bearbeiten.

Die verfügbaren Funktionen und ihre Einsatzmöglichkeiten werden dabei konfiguriert. Anhand der jeweiligen Kundenanfrage wählt der Agent ein geeignetes Werkzeug aus, ohne uneingeschränkten Zugriff auf sämtliche Systeme zu erhalten.

In den ersten zwei Wochen nach der Umstellung beantwortete Berti bereits 76 Kundenanfragen eigenständig. Die Success Story des HERDT-Verlags zeigt, wie dieser Ansatz in der Praxis umgesetzt wurde.

Fazit: Kontrolle ist die Grundlage sinnvoller Automatisierung

Der Einsatz von KI-Agenten im Kundenservice bedeutet nicht, künstlicher Intelligenz möglichst viele Freiheiten einzuräumen. Vielmehr müssen Unternehmen bestimmen können, welche Informationen genutzt, welche Antworten formuliert und welche Aktionen ausgeführt werden dürfen.

Gerade für mittelständische Betriebe liegt darin ein wesentlicher Vorteil: Unterschiedliche Serviceprozesse lassen sich automatisieren, ohne für jede Anfrage denselben Handlungsspielraum zuzulassen. Entscheidend ist nicht, wie viel ein KI-Agent grundsätzlich kann, sondern was er im jeweiligen Kontext tatsächlich darf.

Toll dass du so interessiert bist!
Hinterlasse uns bitte ein Feedback über den Button am linken Bildschirmrand.
Und klicke hier um die ganze Welt von der brutkasten zu entdecken.

brutkasten Newsletter

Aktuelle Nachrichten zu Startups, den neuesten Innovationen und politischen Entscheidungen zur Digitalisierung direkt in dein Postfach. Wähle aus unserer breiten Palette an Newslettern den passenden für dich.

Montag, Mittwoch und Freitag

AI Summaries

factorymaker: Junges Wiener DeepTech-Startup erhält sechsstellige aws-Förderung

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

factorymaker: Junges Wiener DeepTech-Startup erhält sechsstellige aws-Förderung

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

factorymaker: Junges Wiener DeepTech-Startup erhält sechsstellige aws-Förderung

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Innovationsmanager:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

factorymaker: Junges Wiener DeepTech-Startup erhält sechsstellige aws-Förderung

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Investor:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

factorymaker: Junges Wiener DeepTech-Startup erhält sechsstellige aws-Förderung

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Politiker:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

factorymaker: Junges Wiener DeepTech-Startup erhält sechsstellige aws-Förderung

AI Kontextualisierung

Was könnte das Bigger Picture von den Inhalten dieses Artikels sein?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

factorymaker: Junges Wiener DeepTech-Startup erhält sechsstellige aws-Förderung

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

factorymaker: Junges Wiener DeepTech-Startup erhält sechsstellige aws-Förderung

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

factorymaker: Junges Wiener DeepTech-Startup erhält sechsstellige aws-Förderung