03.02.2022

Finabro: 5 Millionen Euro Investment für Wiener Startup

Das auf betriebliche Altersvorsorge spezialisierte Unternehmen schließt eine "Late-Seed"-Runde unter dem Lead von Lansdowne Partners ab.
/artikel/finabro-5-millionen-euro-investment
Kryptowährungen sind kein Investment - betriebliche Altersvorsorge - Finabro-Gründer Sören Obling
(c) Finabro: Finabro-Gründer Søren Obling.

Als der brutkasten 2017 erstmals über das Wiener Startup Finabro berichtete, las sich die Beschreibung des inzwischen gänzlich auf betriebliche Altersvorsorge spezialisierten Unternehmens noch ganz anders. „Um ehrlich zu sein habe ich mich bei der Gründung nicht getraut, nur auf betriebliche Altersvorsorge zu setzen. Daher haben wir auf eine Mischung mit einem Consumer Product in der Pensionsvorsorge gesetzt. Wir haben aber schnell gesehen, das wir im B2C-Bereich nicht gut genug waren – da gab es Konkurrenz, die viel besser war“, sagt Gründer Søren Obling heute.

Finabro: Spezialisierung auf Teilbereich der „Nische“ betriebliche Altersvorsorge

Beim Start habe man mehrere Geschäftsmodelle parallel betrieben. „Das war mit dem kleinen Team damals eigentlich nicht machbar“, sagt der Gründer. Man habe dann auf das erfolgreichste Modell reduziert. Obling räumt ein: „Der Bereich betriebliche Altersvorosrge klingt für Österreicher sehr nischig. Sie macht aber global den Großteil der Altersvorsorge-Branche aus“. In seinem Heimatland Dänemark gebe es eines der weltweit besten Systeme dafür, das man zwar nicht kopieren könne, von dem man aber viel lernen könne, meint der Gründer.

Ganz konkret hat sich Finabro auf einen Teilbereich der „Nische“ spezialisiert: Arbeitnehmer:innen in Unternehmen, die sich bereits für ein betriebliches Altersvorsorge-Modell entschieden haben, auf voll digitalem Weg vom Angebot zu überzeugen. „Das außergewöhnliche in dem Bereich ist, dass man zunächst die Unternehmen gewinnen muss und dann auch noch die Arbeitnehmer“, erklärt Obling. Dabei seien Anbieter und Makler:innen stets entweder auf die B2B- oder die B2C-Seite spezialisiert. „Wir haben zunächst auch beides gemacht und dabei schnell festgestellt: Unternehmen zu gewinnen ist harte Arbeit mit langen Sales-Zyklen von 18 bis 36 Monaten. Mit unseren digitalen Marketing-Kampagnen im Arbeitnehmerbereich hatten wir aber schon im ersten Jahr im Vergleich zu normalen Maklern, die komplett analog arbeiten, drei mal so viele Conversions“, erzählt Obling.

„Viel profitabler, mit der Industrie zusammenzuarbeiten“

„Wir haben erkannt: Das was wir arbeitnehmerseitig können, möchte jeder Makler haben“. Nach einem anfänglichen Konkurrenz-Ansatz habe man so ein partnerschaftliches Angebot für Makler:innen und Versicherer geschaffen. Es ist ein Weg, den die meisten InsureTechs in den vergangenen Jahren gegangen sind. „Alle erfolgreichen InsurTechs ergänzen den physischen Vertrieb“, sagt Obling und verweist auf Wefox. „Warum gegen eine Industrie arbeiten, wenn es viel profitabler ist mit der Industrie zusammenzuarbeiten?“

Frisches Kapital soll in Deutschland-Expansion fließen

Nachdem Finabro bereits vergangenes Jahr den Schritt nach Deutschland machte, steht nun ein deutlicher Ausbau im Nachbarland an. „Wir sind eines der ersten Pensionsstartups Europas, die es geschafft haben, in ein anderes Pensionssystem zu expandieren“, sagt Obling. Für den weiteren Ausbau nahm das Startup nun fünf Millionen Euro Kapital in einer „Late Seed“-Finanzierungsrunde auf. Den Lead übernahm dabei Lansdowne Partners. Zu den neuen Investoren zählen der auf InsureTech spezialisierte VC Venpace, der deutsche Versicherungsmanager Nikolaus von Bomhard und der Silicon Valley-Manager Maciej Kranz. Zu den bestehenden Investoren gehört unter anderem Uniqa Ventures.

Neben der Eröffnung eines Büros in Berlin und dem Aufbau eines Teams vor Ort, sollen mit dem Kapital Vertriebsmitarbeiter in ganz Deutschland aufgenommen und auch das Team in Wien wesentlich erweitert werden. „Je nach Geschäftsentwicklung sind heuer zwischen 50 und 100 Prozent Wachstum auf Mitarbeiter-Seite geplant“, sagt Obling. Und naturgemäß erwartet der Gründer eine gute Entwicklung: „Die Märkte in Deuschland und Österreich sind noch nicht so groß, haben aber ein enormes Potenzial“. In Österreich kooperiere man inzwischen mit Versicherungen, die gemeinsam mehr als 70 Prozent des Versicherungsmarktes in der betrieblichen Altersvorsorge abdecken.

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

Finabro: 5 Millionen Euro Investment für Wiener Startup

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

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

Finabro: 5 Millionen Euro Investment für Wiener Startup

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

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

Finabro: 5 Millionen Euro Investment für Wiener Startup

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 …

Finabro: 5 Millionen Euro Investment für Wiener Startup

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 …

Finabro: 5 Millionen Euro Investment für Wiener Startup

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 …

Finabro: 5 Millionen Euro Investment für Wiener Startup

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 …

Finabro: 5 Millionen Euro Investment für Wiener Startup

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

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

Finabro: 5 Millionen Euro Investment für Wiener Startup

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

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

Finabro: 5 Millionen Euro Investment für Wiener Startup