20.05.2025
GASTBEITRAG

Jenseits des Hypes: Fünf praxisnahe Lektionen für den Aufbau eines B2B-KI-Tools

Gastbeitrag. Startmatch.ai-Gründer Robert Kopka teilt seine Learnings und gibt Tipps für Startups, um sich in der KI-Landschaft zurechtzufinden.
/artikel/jenseits-des-hypes-5-praxisnahe-lektionen-fuer-den-aufbau-eines-b2b-ki-tools
KI, Robert Kopka, Wie baue ich ein KI-Tool
(c) Startmatch/Stock-.Adobe - Robert Kopka.

KI ist aktuell überall – aber zwischen dem Hype und der Entwicklung eines B2B-Tools, das zahlende Kunden begeistert, liegen Welten. Mit StartMatch.ai haben wir ein KI-Tool entwickelt, das individuelle Empfehlungen für Förderungen erstellt und Förderanträge schreibt. Es hat schon unzähligen Startups, Scaleups und Förderberatern dabei geholfen, mehr Zeit für andere Themen zu haben. Diese fünf Erkenntnisse möchte ich Startups mitgeben, damit sie typische Fehler vermeiden und ihre KI-Lösung erfolgreich launchen können.

Erkenntnis #1: KI-Kompetenz bleibt überraschend niedrig

Obwohl ChatGPT seit über zwei Jahren öffentlich verfügbar ist, haben wir festgestellt, dass die KI-Kompetenz unter potenziellen B2B-Kunden stark variiert. Viele unserer Kunden haben nur begrenzte Erfahrung mit KI-Tools und äußern häufig Datenschutzbedenken oder Sorgen vor sogenannten Halluzinationen. Diese Unsicherheit bringt einige Herausforderungen mit sich. Startups sollten die KI-Kompetenz ihrer Zielgruppe realistisch einschätzen und ihre Kommunikation entsprechend anpassen. Der Vorteil dabei: Eine unerfahrene Zielgruppe lässt sich schon mit vergleichsweise einfachen KI-Features begeistern.

Erkenntnis #2: LLM ist nicht gleich LLM

Eine unserer frühesten und bedeutendsten Erkenntnisse war, dass nicht alle KI-Modelle gleich sind. Die Leistung von LLMs (Large Language Models) variiert dramatisch, und die Auswahl des richtigen Modells für Ihren spezifischen Anwendungsfall kann ein entscheidender Faktor sein. Als wir mit der Entwicklung von StartMatch.ai begannen, experimentierten wir zunächst mit mehreren populären Modellen. Die Unterschiede in der Ausgabequalität und Konsistenz waren auffällig. Einige Modelle glänzten beim kreativen Schreiben, hatten aber Schwierigkeiten mit strukturierten Dokumenten wie Förderanträgen. Andere zeigten beeindruckende faktische Erinnerungsfähigkeiten, ihnen mangelte es jedoch an den Schreibfähigkeiten, die für überzeugende Anträge unerlässlich sind. Für Startups, die KI-Tools entwickeln, ist es entscheidend, mehrere Modelle gründlich anhand ihrer spezifischen Anforderungen zu testen, anstatt einfach die gehypteste Option zu wählen.

Erkenntnis #3: B2B-Kunden priorisieren Datenschutz und Datensicherheit

Wenn man ein B2B KI-Produkt (für den deutschsprachigen Markt) entwickelt, muss man sich auf intensive Diskussionen über Datenschutz, DSGVO-Konformität und Privatsphäre vorbereiten. Wir erhielten mehr Fragen zu diesen Bereichen als zu Funktionen oder Fähigkeiten. Wir stellten fest, dass potenzielle Kunden genauso an den Schreibfähigkeiten unserer KI interessiert sind wie daran, wie wir mit ihren sensiblen Geschäftsinformationen umgehen. Fragen zur Datenspeicherung, zu Verarbeitungsorten und Sicherheitsmaßnahmen dominieren oft unsere Verkaufsgespräche. Für Startups ist es weitaus effizienter, von Grund auf gute Schutzmaßnahmen aufzubauen, als sie später nachzurüsten. Unsere starke Empfehlung ist es, diese Aspekte von Anfang an zu berücksichtigen.

Erkenntnis #4: LLMs haben Schwierigkeiten mit Konsistenz und Zählen

Während LLMs in vielen Bereichen bemerkenswerte Fähigkeiten zeigen, haben sie spezifische Einschränkungen, die erhebliche technische Entwicklungen erforderten, um sie zu überwinden. Förderanträge haben typischerweise strenge Zeichen- oder Wortanzahlbegrenzungen. Wir stellten fest, dass LLMs überraschend schlecht darin sind, zu zählen und konsequent innerhalb dieser Grenzen zu bleiben. Was wie eine einfache Anforderung erschien – „schreibe eine technische Projektbeschreibung mit maximal 2.000 Zeichen“ – führte oft zu Vorschlägen, die deutlich über oder unter dem Limit lagen. Ebenso erwies sich das konsistente Extrahieren von Daten aus Dokumenten als herausfordernd. Und für uns macht es einen großen Unterschied, ob das maximal unterstützte Projektvolumen €20.000 oder €200.000 beträgt. Die Bewältigung dieser Einschränkungen erforderte die Entwicklung spezialisierter Prompt-Techniken, die Implementierung von Validierungssystemen und die Schaffung robuster Überprüfungsmechanismen. Für KI-Startups kann das frühzeitige Erkennen und technische Umgehen dieser Einschränkungen Probleme später verhindern.

Erkenntnis #5: LLMs sind relativ erschwinglich

Eine der angenehmsten Überraschungen auf unserem Weg war die Zugänglichkeit leistungsstarker KI-Modelle. Jeder größere LLM-Anbieter bietet großzügige kostenlose Credits für Startups an, und selbst die regulären Preise bleiben angesichts der Fähigkeiten, die diese Modelle liefern, vernünftig. Der intensive Wettbewerb zwischen OpenAI, Anthropic, Google und den Open-Source-Modellen hat ein günstiges Umfeld für Startups geschaffen, die auf diesen Grundlagen aufbauen. Diese Wettbewerbslandschaft hat nicht nur die Preise im Zaum gehalten, sondern auch Modellverbesserungen und Spezialisierungen beschleunigt. Für Startups bedeutet das, dass der Aufbau ausgeklügelter KI-Produkte finanziell tragfähiger ist als je zuvor und man bei Produkten anfangs auch mit Kanonen auf Spatzen schießen kann, um rasch gute Ergebnisse zu erzielen.

Deine ungelesenen Artikel:
17.11.2026

Stackreps macht aus Lernunterlagen einen KI-gestützten Lernplan

Das Wiener Startup Stackreps kombiniert künstliche Intelligenz mit wissenschaftlich fundierten Lernmethoden. Aus hochgeladenen Unterlagen entstehen individuelle Lernpläne, Karteikarten und Prüfungssimulationen. Kürzlich sicherte sich das Gründerteam eine Microsoft-Förderung im Wert von 200.000 Euro.
/artikel/stackreps-macht-aus-lernunterlagen-einen-ki-gestuetzten-lernplan
17.11.2026

Stackreps macht aus Lernunterlagen einen KI-gestützten Lernplan

Das Wiener Startup Stackreps kombiniert künstliche Intelligenz mit wissenschaftlich fundierten Lernmethoden. Aus hochgeladenen Unterlagen entstehen individuelle Lernpläne, Karteikarten und Prüfungssimulationen. Kürzlich sicherte sich das Gründerteam eine Microsoft-Förderung im Wert von 200.000 Euro.
/artikel/stackreps-macht-aus-lernunterlagen-einen-ki-gestuetzten-lernplan
Mitgründer von Stackreps: David Fingerlos und Sebastian Güngöze | (c) Stackreps

„Die meisten Menschen lernen ineffizient, weil sie keine wirkliche Strategie haben und Sachen hundertmal durchlesen“, sagt David Fingerlos, Mitgründer des Wiener Startups Stackreps. Stundenlang Skripten wälzen, zwischen Mitschriften und Lernunterlagen den Überblick verlieren und kurz vor der Prüfung möglichst viel Stoff wiederholen: Für viele Studierende gehört das zum Lernalltag. Dabei gibt es längst wissenschaftliche Erkenntnisse darüber, wie sich Wissen besser im Gedächtnis verankern lässt.

Genau hier setzt Stackreps mit einer KI-gestützten Lernplattform an. Bereits während seines Informatikstudiums beschäftigte Fingerlos sich intensiv mit verschiedenen Lerntechniken und versuchte, sich den Stoff möglichst strukturiert anzueignen.

Als vor rund drei Jahren der KI-Boom begann, entstand gemeinsam mit seinen Mitgründern Sebastian Güngöze und Eric Lipp die Idee, künstliche Intelligenz mit bewährten Lernmethoden zu kombinieren. 2024 gründete das Trio Stackreps. Während Fingerlos Informatik mit Schwerpunkt Data Science studierte, kommen seine beiden Mitgründer ursprünglich aus dem juristischen Bereich. Programmierkenntnisse sowie Wissen über Machine Learning und KI-Modellentwicklung eigneten sie sich selbst an.

KI erstellt Lernpläne und Prüfungssimulationen

Nutzer:innen laden ihre Lernunterlagen als PDF, Präsentation oder E-Book hoch. Die Plattform erstellt daraus Zusammenfassungen, Multiple-Choice-Tests und digitale Karteikarten. Auch ein KI-generierter Lernpodcast gehört zum Angebot. Dabei wird der Stoff als Gespräch zwischen zwei Stimmen aufbereitet und durch Wiederholungsfragen ergänzt.

Im Mittelpunkt stehen unter anderem die Lernmethoden Spaced Repetition und Active Recall. Während bei ersterer Lerninhalte in bestimmten Zeitabständen wiederholt werden, geht es bei zweiterer darum, Wissen aktiv aus dem Gedächtnis abzurufen.

Dafür geben Nutzer:innen auch ihren Prüfungstermin an. Anhand dieses Datums erstellt Stackreps einen Lernplan und passt die Wiederholungsintervalle entsprechend an. „Wir probieren, die Intervalle, wann man was lernt und wann man was wiederholt, so anzupassen, dass man das maximale Wissen zum Prüfungstermin hat“, erklärt Fingerlos.

Studierende bilden derzeit die Hauptzielgruppe. Grundsätzlich richtet sich Stackreps aber an alle Menschen, die etwas lernen wollen und dafür entsprechende Unterlagen haben.

Eigene Technologie und bestehende Sprachmodelle

Technologisch setzt Stackreps auf verschiedene bestehende Large Language Models, darunter Modelle von OpenAI und Mistral. Diese werden laut Fingerlos ausschließlich an europäischen Standorten betrieben. Zusätzlich hat das Team eine eigene technische Verarbeitungsebene entwickelt, die Informationen für die Sprachmodelle strukturiert aufbereitet. Mehrere Prüfschritte sollen Fehler in den generierten Lernmaterialien reduzieren.

Den entscheidenden Unterschied zu allgemeinen KI-Tools wie ChatGPT sieht Fingerlos allerdings nicht allein in der Erstellung der Lernunterlagen. „Unser Gedanke ist, dass es über diesen Aspekt hinausgeht, dass man einfach verschiedenste Materialien generiert, sondern dass man auch diesen durchgedachten Lernplan bekommt.“

Mehr als 700 registrierte Nutzer:innen

Aktuell zählt Stackreps etwas mehr als 700 registrierte Nutzer:innen. Bei der Registrierung erhalten Nutzer:innen 50 Credits gratis, wobei ein Credit einer Seite hochgeladenen Lernmaterials entspricht. Danach können sie entweder weitere Credits nachkaufen oder ein Abonnement abschließen, mit dem sie nahezu unbegrenzt Lernmaterialien erstellen können. Das Abo lässt sich auch vorübergehend kündigen, etwa während der Sommerferien. Bei einer erneuten Anmeldung bleiben die zuvor erstellten Lernmaterialien erhalten und können wieder genutzt werden. „Wir haben es bewusst so gemacht, dass wir nicht jeden in eine Subscription zwingen“, erklärt Fingerlos.

Microsoft-Unterstützung im Wert von 200.000 Euro

Finanziert wurde die Entwicklung zunächst unter anderem durch eine Pre-Seed-Förderung über die Austria Wirtschaftsservice (aws). Kürzlich kam eine weitere Unterstützung hinzu: Stackreps arbeitet nun mit TechNvst zusammen und wird über das Microsoft Investor Network unterstützt.

Laut Fingerlos erhält das Startup dadurch über die kommenden zwei Jahre Cloud- und KI-Infrastrukturleistungen im Wert von 200.000 Euro. Damit kann Stackreps seine Plattform über Microsoft Azure betreiben, ohne die entsprechenden Kosten selbst tragen zu müssen.

Profitabel ist das Startup derzeit noch nicht. Dank der Microsoft-Unterstützung könne man die Preise vorerst niedrig halten und sich auf das Wachstum konzentrieren.

Künftig will das Team verstärkt in Marketing und Vertrieb investieren. Unterstützung erhält es dabei von zwei Kollegen aus einer Marketingagentur. „Marketing ist für uns noch eine Herausforderung und gewissermaßen ein blinder Fleck.“, räumt Fingerlos ein. Die nächste Aufgabe wird deshalb sein, die Plattform bei einer größeren Zahl an Lernenden bekannt zu machen. Geplant sind außerdem Kooperationen mit Universitäten und Bildungseinrichtungen sowie eine internationale Expansion.

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

Jenseits des Hypes: Fünf praxisnahe Lektionen für den Aufbau eines B2B-KI-Tools

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

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

Jenseits des Hypes: Fünf praxisnahe Lektionen für den Aufbau eines B2B-KI-Tools

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

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

Jenseits des Hypes: Fünf praxisnahe Lektionen für den Aufbau eines B2B-KI-Tools

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 …

Jenseits des Hypes: Fünf praxisnahe Lektionen für den Aufbau eines B2B-KI-Tools

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 …

Jenseits des Hypes: Fünf praxisnahe Lektionen für den Aufbau eines B2B-KI-Tools

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 …

Jenseits des Hypes: Fünf praxisnahe Lektionen für den Aufbau eines B2B-KI-Tools

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 …

Jenseits des Hypes: Fünf praxisnahe Lektionen für den Aufbau eines B2B-KI-Tools

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

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

Jenseits des Hypes: Fünf praxisnahe Lektionen für den Aufbau eines B2B-KI-Tools

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

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

Jenseits des Hypes: Fünf praxisnahe Lektionen für den Aufbau eines B2B-KI-Tools