21.02.2024

involve.me: Wiener Startup ermöglicht mit KI-Tool 12.000 Kundenanalysen in unter 2 Minuten

Kundenumfragen, Quizzes oder Business Reports: Mit Hilfe des KI-Startups involve.me können personalisierte Produkte für die Kommunikation – sowohl nach innen als auch nach außen – binnen weniger Minuten erstellt werden. Gründer Vlad Gozman hat uns mehr darüber erzählt.
/artikel/involve-me-kundenanalyse-tool
Man sieht den Gründer des Unternehmens involve.me Vlad Gzoman
Vlad Gozman, Founder von involve.me

Zu welcher Branche gehört dein Unternehmen und was möchtest du verbessern? Das sind zwei zentrale Fragen, die man auf der involve.me -Website beantworten muss, bevor man ein personalisiertes Business-Tool für unterschiedliche Anwendungen erstellen kann. Dazu zählen beispielsweise ein Fragebogen für die Kundenzufriedenheit, ein Quiz für Social Media, um das Engagement zu verbessern oder Formulare in der Corporate Identity des Unternehmens.

Nach Erstellung des gewünschtes Tools lässt sich dieses in nur wenigen Minuten in die eigene Website einbauen oder an die eigene Community verschicken. Das verspricht zumindest das Wiener Startup involve.me rund um Gründer Vlad Gozman. Der Online-Formularhersteller, der es Unternehmen ermöglicht, interaktive Benutzerströme mit Widgets, Landing Pages und Pop-Ups für die gesamte Customer Journey per Drag & Drop zu erstellen, präsentierte am Montag die verbesserten Funktionen. Erstellen, Personalisieren und Analysieren, heißt das Credo.

„Wir haben mit einem völlig anderen Produkt begonnen und versucht, ein CMS für VR zu entwickeln. Dabei wurde uns klar, dass wir ein besseres interaktives Onboarding für unsere Early-Access-Nutzer brauchten. Eines, das auf unsere Markenidentität zugeschnitten ist und das großartige Personalisierungs- und Datenerfassungsfunktionen bietet“, erzählt Gozman zum Entwicklungsprozess des Startups.

Coding und Kundendatenerhebung ohne Programmierkenntnisse

Angelehnt an die ursprüngliche Idee des Startups – damals noch unter dem Namen brandquiz – will das Unternehmen auch jetzt noch „spielerisch Daten erfassen und somit gleichzeitig User-Engagement schaffen“, erklärt Gozman. Durch die Bündelung von Quiz-, Umfrage-, Formular- und Rechnerelementen können Unternehmen die Lead-Generierung, Produktempfehlungen, das Onboarding, die Erfassung von Feedback und andere wichtige Bereiche verbessern, während sie gleichzeitig wertvolle First-Party-Daten sammeln und Kontaktprofile anreichern.

„Seit neuestem ist es möglich die adjustierten KI- Funktionen zu nutzen, um personalisierte Antworten und Feedback für jeden einzelnen Nutzer innerhalb ihrer interaktiven Abläufe zu generieren“, erklärt Gozman.  Für das Baukasten-System von involveme braucht es keinerlei Vorkenntnisse im Customer-Management oder der Datenerhebung.

Kund:innen von privat bis Großunternehmen – alle können involve.me auf ihre Art nutzen

Schon im Gründungsjahr 2019 verzeichnete das Startup bereits bekannte Kunden, wie Bloomberg, Nestlé, Salesforce und Universal Pictures, wie brutkasten berichtete. Mittlerweile sind nicht nur die Kunden groß, sondern auch die Recurring-Umsätze, die derzeit im 7-stelligen Bereich liegen, wie der Founder berichtet. Und auch sonst hat sich viel getan, den involve.me hat umstrukturiert und ausgebaut: „Wir hatten kein Sales-Team, sondern haben bislang nur mit Online-Marketing gearbeitet. Dementsprechend haben wir dann auch neue Rollen aufgemacht. Wir sind jetzt anders strukturiert und in vielerlei Hinsicht effizienter“, sagt CEO und Founder Vlad Gozman im Gespräch mit brutkasten. Die Personalisierungsmöglichkeit der Produkte soll nun auch noch mehr Kund:innen ansprechen.

Das Hauptaugenmerk des Wiener Startups liege zwar auf B2B, nutzen können das Tool aber alle – von Privatkunden bis hin zu großen Unternehmen. Mit 25 Euro monatlich ist man beim Basic Model dabei, ab 55 Euro im Monat können bereits kleinere Unternehmen das Modell mit drei User:innen nutzen.

Getestet werden kann jederzeit kostenlos und ohne Registrierung. Wichtig dabei sei, dass mit wenig Kenntnissen große Ergebnisse erzielt werden können, erzählt der Gründer im Gespräch mit brutkasten. „Unser KI-Report kann über 12.000 Kundenfeedback-Antworten in weniger als zwei Minuten analysieren und mühsame Datenkennzeichnung und Zahlenverarbeitung automatisieren“, so Gozman.

Erstellen, Personalisieren und Analysieren – wie funktionierts?

Die Technologie ist laut dem Gründer dahinter gleich in mehrfacher Hinsicht einzigartig: Es bietet einen Drag & Drop-Builder für Landingpages und eine tiefgreifende Designanpassung, so dass sich die Projekte in das Design ihrer Website einfügen, ohne als Drittanbieter-Tool aufzufallen

„Unsere integrierten Funktionen zur Lead-Qualifizierung, Validierung und allgemeinen Datenqualität, gepaart mit einem wachsenden Ökosystem, erleichtern die Marketing- und Vertriebsautomatisierung von Unternehmen enorm“, betont der Gründer. Gozman bezieht sich dabei auf die drei essentiellen Schritte: Creation, Personalization und Analysis. Also das Erstellen der Formulare bzw. gewünschten Quizzes oder Datenerhebungs-Elemente, die Personalisierung durch die neuen KI-Funktionen – hier werden Logo, Schriftarten und beispielsweise Farben der Website übernommen, und die Analyse, die wichtige Kundendaten sammelt und einen Report erstellt.

„Mit dem KI-Report können Unternehmen Tausende von qualitativen Formularantworten untersuchen und umfassende Berichte mit Zusammenfassungen, wichtigsten Erkenntnissen und Empfehlungen per Knopfdruck erstellen“, sagt der Gründer. Und er merkt an: „Die Erstellung von mehrstufigen Formularen war bisher ein komplizierter Prozess, der eine tiefgreifende Codierung und zahlreiche heikle Schritte erfordert hat. Mit involve.me wird dieses Verfahren jetzt bestmöglich gestrafft und man spart sehr viel Zeit.“

Natürlich hat es sich die brutkasten-Redaktion nicht nehmen lassen ein Quiz zu erstellen. Spoiler altert: Hier gibt’s auch den Link zu unserem brutkasten-Magazin in digitaler Form!

Deine ungelesenen Artikel:
21.10.2026

Grazer Deep-Tech-Spin-off DiLT Analytics schließt siebenstellige Finanzierungsrunde ab

Das Grazer TU-Spinoff holt den Deep-Tech-Fonds Noctua Science Ventures als Investor an Bord und erhält zusätzlich eine Förderung aus dem Programm aws Seedfinancing – Deep Tech. Das Kapital soll in den Teamaufbau und in den Rollout der Diagnosesoftware FaciliMind fließen.
/artikel/grazer-deep-tech-spin-off-dilt-analytics-schliesst-siebenstellige-finanzierungsrunde-ab
21.10.2026

Grazer Deep-Tech-Spin-off DiLT Analytics schließt siebenstellige Finanzierungsrunde ab

Das Grazer TU-Spinoff holt den Deep-Tech-Fonds Noctua Science Ventures als Investor an Bord und erhält zusätzlich eine Förderung aus dem Programm aws Seedfinancing – Deep Tech. Das Kapital soll in den Teamaufbau und in den Rollout der Diagnosesoftware FaciliMind fließen.
/artikel/grazer-deep-tech-spin-off-dilt-analytics-schliesst-siebenstellige-finanzierungsrunde-ab
DiLT Analytics
© DiLT Analytics

DiLT Analytics hat eine siebenstellige Finanzierungsrunde abgeschlossen. Sie setzt sich aus einem Equity-Investment von Noctua Science Ventures und einer Förderung der Austria Wirtschaftsservice (aws) im Rahmen des Programms Seedfinancing – Deep Tech zusammen. Mit dem Geld möchte das 2021 gegründete Spinoff der TU Graz sein Team ausbauen und FaciliMind, seine Software zur automatisierten Fehlerdiagnose in Heizungs-, Lüftungs- und Klimaanlagen, zu weiteren Betreibern großer Gebäudeportfolios bringen

DiLT Analytics: „Substanziell wachsen“

Noctua Science Ventures ist ein Wiener Deep-Tech-Fonds und ein Joint Venture von Speedinvest und den Technischen Universitäten Österreichs. Der Fonds investiert gezielt in Ausgründungen, deren Produkt auf langjähriger Forschung beruht.

„Die aws-Förderung ergänzt das Investment und ist auf genau diese Phase zugeschnitten: den Schritt von einer erprobten Technologie zu einem Produkt, das sich über viele Standorte hinweg ausrollen lässt“, heißt es per Aussendung. Um im Sinne des Programms aws Seedfinancing – Deep Tech als Deep Tech zu gelten, muss das Vorhaben auf einer „anspruchsvollen technologischen und wissenschaftlichen Herausforderung“ basieren und einen klaren Technologiesprung gegenüber bestehenden Lösungen oder rein inkrementellen Weiterentwicklungen ermöglichen.

„Mit Noctua Science Ventures haben wir einen Partner gefunden, der beides kennt: die technischen Herausforderungen eines Deep-Tech-Produkts und den Weg in die Kommerzialisierung. Für ein junges Spinoff ist das der Best Case. Dass parallel auch die aws-Förderung zugesagt wurde, bestätigt uns, dass FaciliMind und unser Team auf dem richtigen Weg sind. Jetzt geht es darum, substanziell zu wachsen“, sagt Theresa Kohl, CEO von DiLT Analytics.

Philipp Stangl, Managing Director von Noctua Science Ventures, ergänzt: „Von unseren vielen Gesprächspartnern erhielten wir ein sehr einheitliches Bild zu DiLT: ein glaubwürdiger, technisch differenzierter Ansatz, umgesetzt von einem Team, mit dem Immobilienprofis gerne zusammenarbeiten. Genau diese Kombination aus Forschungsvorsprung und starker Kundenorientierung ist es, wonach wir in der Pre-Seed-Phase suchen.“

2021 gegründet

DiLT Analytics wurde Ende 2021 von Franz Wotawa und Gerald Schweiger als Spinoff des Instituts für Softwaretechnologie der TU Graz gegründet und ging aus der Forschungsgruppe „Intelligent Systems“ hervor. Erstes größeres Projekt war „Inframonitor“, eine herstellerunabhängige IoT-Datenplattform für den Campus Inffeldgasse der TU Graz.

Seither ist DiLT an mehr als 20 Forschungsprojekten mit über 15 Partnern beteiligt, einige davon FFG-gefördert und gemeinsam mit österreichischen und europäischen Universitäten. Die Ergebnisse fließen über den Forschungszweig DiLT Research direkt in die Produktentwicklung. Geführt wird das Unternehmen heute von Theresa Kohl (CEO), Christopher Gray (Business Development & Strategy), Thomas Hirsch (CTO), Reinhard Pertschy (CPO) und Thomas Schwengler (Head of Software).

Die entwickelte Software FaciliMind analysiert Betriebsdaten von Heizungs-, Lüftungs- und Klimaanlagen, erkennt dabei versteckte Fehler und Optimierungspotenziale und liefert Technikteams eine nach Dringlichkeit sortierte Maßnahmenliste, so der Claim. Die Software von DiLT Analytics arbeitet herstellerunabhängig und lässt sich über ein einzelnes Gerät an die bestehende Gebäudeleittechnik anbinden. Dank eines knowledgegraphbasierten Softwarestacks soll sie das digitale Abbild komplexer Anlagen weitgehend automatisiert innerhalb weniger Tage statt monatelanger Handarbeit erstellen können. Zielgruppe sind Betreiber großer Gebäudeportfolios, etwa in der öffentlichen Hand, an Flughäfen sowie in Industrie und Gesundheitswesen.

DiLT Analytics erhielt Preise

Zu den Kunden zählen u.a. die Technischen Universitäten Graz und Wien, Bundesimmobiliengesellschaft (BIG), IG Immobilien Management GmbH und Industriekunden. 2025 wurde DiLT Analytics mit dem DREA Award und dem ÖGUT Umweltpreis ausgezeichnet. Und ist seit September 2026 nach ISO 27001 zertifiziert.

„Wissen über Anlagenbetrieb soll im Unternehmen bleiben“

Neben der Verstärkung des Teams und dem geplanten Rollout möchte DiLT Analytics künftig ein Übersetzungswerkzeug für den BACtwin-Standard als Open Source veröffentlichen und die Diagnose künftig auf weitere Technologien wie Wärmepumpen, Photovoltaik und Batteriespeicher ausweiten

„Ein Gebäudeportfolio überdauert seine Dienstleister und oft auch seine erfahrensten Mitarbeitenden“, sagt Kohl. „Unser Ziel ist, dass das Wissen über den Anlagenbetrieb im Unternehmen bleibt und dass Entscheidungen auf verifizierter Datengrundlage statt auf Bauchgefühl und Erinnerung beruhen.“

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

involve.me: Wiener Startup ermöglicht mit KI-Tool 12.000 Kundenanalysen in unter 2 Minuten

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

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

involve.me: Wiener Startup ermöglicht mit KI-Tool 12.000 Kundenanalysen in unter 2 Minuten

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

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

involve.me: Wiener Startup ermöglicht mit KI-Tool 12.000 Kundenanalysen in unter 2 Minuten

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 …

involve.me: Wiener Startup ermöglicht mit KI-Tool 12.000 Kundenanalysen in unter 2 Minuten

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 …

involve.me: Wiener Startup ermöglicht mit KI-Tool 12.000 Kundenanalysen in unter 2 Minuten

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 …

involve.me: Wiener Startup ermöglicht mit KI-Tool 12.000 Kundenanalysen in unter 2 Minuten

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 …

involve.me: Wiener Startup ermöglicht mit KI-Tool 12.000 Kundenanalysen in unter 2 Minuten

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

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

involve.me: Wiener Startup ermöglicht mit KI-Tool 12.000 Kundenanalysen in unter 2 Minuten

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

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

involve.me: Wiener Startup ermöglicht mit KI-Tool 12.000 Kundenanalysen in unter 2 Minuten