07.07.2021

Pre-Mortem: Priio-Gründerin Nina Müller bringt das Scheitern in Unternehmen ans Licht

Nina Müller hat das Scheitern nicht zur Gesinnung erhoben, wie es im Silicon Valley üblich ist. Sie hat eine andere Zugangsweise gefunden, die zwar den Fokus darauf legt, dabei aber konstruktive Denkweisen fördert.
/artikel/pre-mortem-priio-gruenderin-nina-mueller-bringt-das-scheitern-in-unternehmen-ans-licht
Priio, Scheitern, Silicon Valley, Mindset
(c) Priio - Nina Müller greift Scheitern auf, bevor es auftritt.

Scheitern. Ein Wort, das in einem Land wie Österreich mit einem Autoritätsgefühl, das auf Titel und Erfolge fußt, nicht gern gehört wird. Aber scheinbar zur Startup-Szene dazugehört, wie oftmals die Milch zum schwarzen Kaffee. Dennoch stellen sich Wenige die Frage, was kann mein Unternehmen oder mein Projekt zum Scheitern bringen. Man richtet lieber den Blick nach vorne, Siege im Sinn ohne Misserfolg zu kalkulieren. Nina Müller von Priio dreht den Spieß um, legt den Fokus auf die Verhinderung von Scheitern und nennt es Pre-Mortem-Prozess.

Bevor das Projekt stirbt…

„Wir haben oft ein sehr klares Bild im Kopf, wie Erfolg aussieht. Es kann bedeuten, bestimmte Umsatzziele zu erreichen oder erfolgreich einen großen Kunden zu gewinnen. Das Nachdenken über Erfolg offenbart manchmal auch einen trüben Moment unter Teams – die Definition von Erfolg kann sich von Person zu Person unterscheiden. Wir können noch so besessen davon sein, dass wir eine ziemlich krasse Realität ignorieren: Die einzige Möglichkeit, erfolgreich zu sein, besteht darin, Misserfolge zu besiegen“, beschreiben Müller und ihr Team ihre eigene Sichtweise.

Das Wiener Startup Priio wurde als Teil der Workshop-Praxis des US-Mutter-Unternehmens Butchershop mit internationalen Unternehmen wie Haufe, Nike, Databricks und Real Chemistry entwickelt und ist eine vom Pre-Mortem-Prozess inspirierte Selbstbedienungs-Anwendung, die eine bestimmte Methodik und Denkweise fördern möchte.

Priio
(c) Butchershop Creative LLC – Nina Müller, neuerdings Mentorin bei female factor, nutzt die Pre-Mortem-Methode, um mögliches Scheitern zu verhindern.

Die ersten Berührungen mit dem Thema Scheitern hatte Müller bei Butchershop, als sie als Leiterin des Projekt-Managements die Methode tief adaptierte – damals noch analog, wie sie erzählt. In Workshops und Initiativen. „Wir haben jahrelang mit CEOs, CGOs und Startups zusammengearbeitet und die Möglichkeiten Scheitern zu vermeiden im Fokus gehabt. Später haben wir unseren Prozess für Kunden veröffentlicht. Das hat uns viel Vertrauen und Transparenz entgegengebracht. Und geholfen, uns auf die richtigen Prioritäten zu konzentrieren“, sagt sie.

Priio macht Sorgen der Mitarbeiter sichtbar

Die Pre-Mortem-Methode ist nicht neu, sondern über drei Jahrzehnte alt und stammt aus der Feder einstiger Ingenieure, die bei ihren Projekten nicht scheitern durften, weil es eine Unmenge an Geld verschlungen hätte. Im Detail geht es darum, eine neue, wenn auch unpopuläre Sichtweise einzunehmen. Mit dem Credo sich und anderen deutlich zu machen, was einen zum Scheitern bringen kann. Ein Blick auf potentielle Szenarien, die Misserfolg fördern.

Müller zeichnet drei Schritte dieser Methodik, die in der Praxis damit beginnt, dass das Team des Unternehmens zusammentritt und auf digitale Post-Its des Startups beschreibt, bei welchen Eventualitäten das eigene Projekt scheitern könne. Jeder Teilnehmer hat dabei zwei bis drei Minuten Zeit exakt eine Antwort einzutragen. „Das variiert von ’nicht genug Geld‘, ‚keine Ressourcen‘ bis hin zu ‚der Chef versteht meine Aufgabe nicht'“, sagt Müller zum Vorgang.

In der anschließenden Besprechung erklärt jede Person aus dem Team warum sie in ihrer Abteilung Gründe zum Scheitern sieht – ein Vorgang, den die Gründerin als offen und transparent beschreibt: „Niemand sollte schüchtern sein. Es ist ein kollaborativer Prozess an dessen Ende die Antworten kategorisiert werden.“

Focus Areas

So lassen sich die sorgsamsten „Focus Areas“ ausmachen, die dann in einem finalen Schritt in einem „Sorgen-Ranking“ erfasst werden. Das Team muss sich bei jeder Notiz die Frage stellen und nummerisch beantworten, wie wahrscheinlich es ist, dass die Probleme eintreten und wie es dem Projekt schaden kann. Dabei wird jeweils eine Zahl den Einzelnotizen zugewiesen, wobei eins bedeutet, dass das Scheitern unwahrscheinlich ist und zehn für sehr wahrscheinlich steht. Hierbei wird jedoch nicht der Mittelwert herangezogen, sondern die Zahl-Zuteilung soll auf einer gemeinschaftlichen Einigung zwischen den Mitarbeitern fußen.

„Beide Nummern werden dann multipliziert. Hier muss man nicht alle vom Team genannten Sorgen für den Lösungsweg mit einbeziehen, sondern nur die Top fünf mit den höchsten Werten“, sagt Müller. „Ein Wert zwischen 70 und 100 ruft nach Handlungsbedarf“, so die Co-Founderin.

Nachdem man alles besprochen, die einzelnen Sorgen kategorisiert und mit Wahrscheinlichkeitsnummern versehen; daraus ein Top fünf Ranking der Scheitergründe erstellt hat, so sollen bei den Bereichen mit hohen Werten „Assignments“ an Personen verteilt werden, um ein tatsächliches Scheitern zu verhindern. Der ganze Prozess klingt langwierig, soll in der Praxis aber nicht so sein. Müller bezeichnet Priio als „schnelles Workshop Style-Tool“, das nicht den ganzen Tag beansprucht und dabei hilft, Sorgen in einem Unternehmen transparent und rasch auszumachen. „Uns ist klar, dass Leute auch arbeiten müssen“, sagt sie.

„Es gab Drama und viele Tränen“

Sie selbst ist zwar nie richtig groß gescheitert, hatte aber auch bei ihrer Arbeit bei einem Silicon Valley HR-Tech-Giganten (zwei Milliarden US-Dollar-Bewertung) mit schweren Zeiten zu kämpfen. „Als wir diese Prozesse noch nicht genutzt haben, gab es schwierige Momente. Und extreme Panik. Wir mussten für einen Kunden eine neue Marke launchen und entwickeln. Die Kommunikation war schlecht, es gab Drama und viele Tränen“, erinnert sie sich. „Wir haben nicht bedacht, wo Fehlschritte sein könnten und haben immer darauf schnell reagiert, was der Kunde wollte. Wir haben uns zwar am Ende gerettet, wussten aber, dass es nicht noch einmal so geht. Kollegen sind bis zwei in der Nacht gesessen, und wollten danach die Firma verlassen. Deswegen haben wir unser Tool entwickelt.“

Don’t Fail fast and often

Bemerkenswert ist, dass die junge Frau, die einiges an Silicon Valley-Erfahrung aufbieten kann, das allseits gern zitierte Scheiter-Mindset, das aus USA langsam herüberschwappt, sehr kritisch sieht. „Fail fast, fail often“ möge in den USA funktionieren, wo die VC-Szene risikobereiter ist und auch gern mal die Visionen von Startups aus Überzeugung teilt, in Europa aber gehe man viel bedachter mit Kapital um. Scheitern sei nicht zwangsweise notwendig, wenn man eine neue Perspektive einnehme und sich bedächtig damit befasse.

„Bei Priio fragen wir nach den Gründen des Scheiterns. Sich gegenseitig herauszufordern, um herauszufinden, was einen Plan oder eine Initiative zum Entgleisen bringen kann“, so Müller. „Wir bieten Führungskräften einen effektiven Fahrplan dafür, wohin sie ihre Ressourcen richten sollten. Wenn wir über das Scheitern nachdenken, werden wir dazu aufgefordert, unser Blickfeld zu erweitern und andere Prioritäten zu setzen.“

Deine ungelesenen Artikel:
15.09.2026

Ablatic AI: Linzer LLM Talos spielt ohne VC-Kapital in einer Liga mit internationalen KI-Playern

Das nun gelaunchte Large Language Model (LLM) Talos des Linzer Startups Ablatic AI kann sich in mehreren Benchmarks mit den internationalen KI-Giganten messen. Co-Founder und CEO Florian Zimmermann erklärte uns, wie das ohne VC-Kapital möglich ist und wie man nun den Markt erobern will.
/artikel/ablatic-ai-linzer-llm-talos-spielt-ohne-vc-kapital-in-einer-liga-mit-internationalen-ki-playern
15.09.2026

Ablatic AI: Linzer LLM Talos spielt ohne VC-Kapital in einer Liga mit internationalen KI-Playern

Das nun gelaunchte Large Language Model (LLM) Talos des Linzer Startups Ablatic AI kann sich in mehreren Benchmarks mit den internationalen KI-Giganten messen. Co-Founder und CEO Florian Zimmermann erklärte uns, wie das ohne VC-Kapital möglich ist und wie man nun den Markt erobern will.
/artikel/ablatic-ai-linzer-llm-talos-spielt-ohne-vc-kapital-in-einer-liga-mit-internationalen-ki-playern
Die Ablatic-AI-Gründer vl. Florian Zimmermann (CEO) und Julian Mauerkirchner (CTO) | (c) Ablatic AI
Die Ablatic-AI-Gründer vl. Florian Zimmermann (CEO) und Julian Mauerkirchner (CTO) | (c) Ablatic AI

Wieder einmal ist es Linz. Die Stahlstadt mausert sich immer mehr zu Österreichs KI-Hauptstadt und auch eines der bislang sicher ambitioniertesten Startups in dem Bereich kommt von dort: Ablatic AI. Mit Talos wagt es sich über die Herausforderung schlechthin in der KI-Welt: ein eigenes Large Language Model (LLM) – brutkasten berichtete bereits.

Bei einer Benchmark vor Sol von OpenAI

Nun erfolgte der offizielle Launch und Ablatic gab erste Benchmark-Vergleiche aus (siehe Tabelle unten). An Claude Opus 5 kommt man demnach noch in keiner Kategorie ganz heran, in mehreren aber ziemlich nahe. DeepSeek V4 kann man dagegen gleich bei drei Werten schlagen, Qwen3.8 von Alibaba bei zwei und OpenAIs Flagship-Modell GPT-5.6 Sol immerhin bei einem, konkret der exakten Befolgung schriftlicher Anweisungen (IFBench). Unterm Strich spielt das Linzer LLM also in den vorgelegten Benchmarks in der internationalen Top-Liga mit.

„Es kann ja nicht sein, dass es in Europa nur Mistral gibt“

Aber warum überhaupt noch ein weiteres LLM? „Julian [Anm. Mauerkirchner] und ich kennen uns schon seit der Schule. Später haben wir als Unternehmer damit gestartet, Legacy-ERP-Systeme zu erneuern. Dabei sind wir auf ein Problem gestoßen: Wir konnten dafür aus Daten-Gründen keine US-KI-Systeme nutzen“, erzählt CEO Florian Zimmermann, der Ablatic AI gemeinsam mit Julian Mauerkirchner (CTO) gegründet hat, im Gespräch mit brutkasten. Man habe nur Mistral aus Frankreich oder Open-Source-Modelle verwenden können. „Mistral war für den Zweck aber nicht passend und unser Business Case bald tot“.

Mit dem Entschluss, eine neue Idee zu verfolgen, sei daher auch eine neue Motivation einher gegangen: „Es kann ja nicht sein, dass es in Europa nur Mistral gibt“, so Zimmermann. Man habe sich danach mit der Johannes Kepler Universität Linz (JKU) kurzgeschlossen und sei darüber auch zur AI Factory Austria AI:AT gekommen, wo man wiederum im Rahmen des EuroHPC-Programms europäische Hochleistungsrechenressourcen nutzt, um das Modell zu trainieren. „Ohne diese EU-Ressourcen würde es kostentechnisch überhaupt nicht gehen“, sagt Zimmermann.

Öffentliche Forschungsergebnisse statt eigenes Riesen-Research-Team

Doch auch mit diesen Ressourcen – wie lässt sich ein konkurrenzfähiges LLM mit einem kleinen Team und bislang gänzlich ohne VC-Kapital umsetzen? Schließlich beschäftigen die globalen KI-Player, mit denen sich Ablatic misst, riesige Teams. Mistral etwa ist mit seiner kürzlich kommuniziert Drei-Milliarden-Euro-Finanzierungsrunde im Vergleich zu Anthropic und OpenAI nach wie vor ein kleiner Fisch (brutkasten analysierte).

„Wir können kein 200-köpfiges Research-Team finanzieren und gleich von 0 auf 100 gehen, also greifen wir auf Bestehendes zurück“, erklärt der Gründer. Konkret verwende man einerseits Open-Source-Layer und code sie auf die eigenen Bedürfnisse um. Andererseits nutze man die neuesten Forschungsergebnisse von Universitäten wie dem MIT oder Stanford, die laufend über die Plattform arXiv veröffentlicht werden. „Wir orientieren uns an der Frontier-Forschung. Wir analysieren die Paper, legen die Erkenntnisse auf unsere Architektur um und testen es durch. Vieles davon funktioniert nicht, aber alles was funktioniert, bringt uns weiter“, so Zimmermann.

Mehr als 100 B2B-Testkunden – viele konvertieren gleich zum Launch

Die Beta-Version wurde nun bereits seit einiger Zeit mit mehr als 100 Unternehmen getestet – Ablatic konzentriert sich nämlich vorerst klar auf den B2B-Markt. Man habe für diese Tests schnell auch größere Unternehmen und Konzerne gewonnen. „Ich bin dafür wochenlang gesessen, habe Leute angeschrieben und einen Call nach dem anderen gemacht“, räumt Zimmermann ein. Dass man ein eigenes LLM und nicht nur eine Oberfläche baue, sei dabei zum entscheidenden Bonus geworden. „Und dass wir von der JKU kommen und im EuroHPC-Programm sind, hat unsere Glaubwürdigkeit enorm gesteigert“, sagt der Gründer.

Jetzt zum Launch würden viele der Testkunden bereits zu regulären Nutzern konvertieren, viele weitere noch die Testphase abschließen, mit dem Vorhaben, das dann auch zu tun, verrät Zimmermann. „Wir werden nicht 100 Prozent, aber einen Großteil konvertieren können“, ist er sicher. Punkten will Ablatic dabei nicht nur mit der europäischen Herkunft – Stichwort: Digitale Souveränität – sondern auch mit dem Pricing. „Wir haben eine relativ effiziente Architektur. Wir können kostengünstig hosten und das an die Kunden weitergeben“, so der CEO. Dass der offizielle Launch genau jetzt erfolgt, hat vor allem mit dem Gründungsprozess zu tun, der länger dauerte, als erhofft. „Ich gründe nie wieder im Sommer ein Unternehmen“, sagt der Gründer lachend.

Investment geplant: „Das Ziel ist definitiv, keine kleine Bude zu bleiben“

Und wie geht es weiter? „Wir wollen zuerst im DACH-Raum Fuß fassen und ohne große weitere Standorte skalieren. Dann wollen wir es auf Europa hochziehen“, erläutert Zimmermann. Auf Dauer werde dabei auch die Aufnahme von VC-Kapital relevant, vor allem wenn es darum gehe, die nächste Modell-Version herauszubringen. „Dann ist es wichtig, dass man schnell skaliert und iteriert. Wir sind stolz darauf, dass wir ein Modell ohne VC-Kapital trainiert haben. Wir haben gezeigt, dass auch so Großes möglich ist. Aber langfristig ist es völlig logisch, dass wir Kapital aufnehmen müssen“, sagt der Gründer.

Und es seien bereits mehrere Investoren aktiv auf das Team zugekommen, mit einigen befinde man sich schon in Gesprächen. „Das Ziel ist definitiv, keine kleine Bude zu bleiben, sondern eine größere Firma zu werden. Wir wollen jedenfalls nicht in Vergessenheit geraten“, so Zimmermann. Und der Zeitpunkt sei angesichts der Souveränitätsdebatte gut.


Benchmark-Vergleichstabelle

Anmerkungen zur Tabelle:

  • Fette Zahlen: Höchster Wert in der jeweiligen Zeile unter den Vergleichsmodellen.
  • „text-only“: Das Modell verarbeitet keine Bilder/visuellen Dokumente, weshalb OmniDocBench nicht anwendbar ist.
  • „–“: Kein veröffentlichter Wert vorhanden.

Kurzerklärungen der Benchmarks

  • Agents‘ Last Exam (UC Berkeley): Prüft langwierige, echte Arbeitsaufgaben an einem Computer (Terminal und Bildschirm zusammen), bewertet anhand des fertigen Gesamtergebnisses.
  • AutomationBench (Zapier): Testet 600 Business-Workflows über 47 simulierte Unternehmens-Softwaretools hinweg, die vollständig durchgehend ausgeführt werden müssen.
  • Toolathlon: Bewertet das Erledigen von Aufgaben in echter Büro-Software (z. B. E-Mail, Kalender, Tabellenkalkulationen und GitHub) über deren direkte Schnittstellen.
  • BrowseComp (OpenAI): Stellt schwierige Fragen, deren Antworten über das gesamte Internet verstreut liegen und durch selbstständiges Surfen recherchiert werden müssen.
  • DeepSWE v1.1 (Datacurve): Misst das eigenständige Beheben echter Softwareprobleme (Bugs) in bestehenden Quellcode-Sammlungen. Hinweis: Talos-1 wurde hierfür nicht optimiert und liegt 22 Punkte hinter der Spitze zurück.
  • OmniDocBench: Bewertet das fehlerfreie Lesen und Verstehen echter Dokumente inklusive visueller Layouts, Tabellen und mathematischer Formeln.
  • IFBench: Prüft die exakte Einhaltung von schriftlich vorgegebenen Anweisungen und Formatierungsregeln.
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

Pre-Mortem: Priio-Gründerin Nina Müller bringt das Scheitern in Unternehmen ans Licht

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

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

Pre-Mortem: Priio-Gründerin Nina Müller bringt das Scheitern in Unternehmen ans Licht

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

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

Pre-Mortem: Priio-Gründerin Nina Müller bringt das Scheitern in Unternehmen ans Licht

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 …

Pre-Mortem: Priio-Gründerin Nina Müller bringt das Scheitern in Unternehmen ans Licht

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 …

Pre-Mortem: Priio-Gründerin Nina Müller bringt das Scheitern in Unternehmen ans Licht

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 …

Pre-Mortem: Priio-Gründerin Nina Müller bringt das Scheitern in Unternehmen ans Licht

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 …

Pre-Mortem: Priio-Gründerin Nina Müller bringt das Scheitern in Unternehmen ans Licht

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

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

Pre-Mortem: Priio-Gründerin Nina Müller bringt das Scheitern in Unternehmen ans Licht

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

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

Pre-Mortem: Priio-Gründerin Nina Müller bringt das Scheitern in Unternehmen ans Licht