07.06.2022

Redem: Linzer Startup automatisiert Qualitätskontrolle von Marktforschungsdaten

Mit einer SaaS-Plattform bietet das Linzer Startup Redem Marktforscher:innen die Möglichkeit, ihre Befragungen automatisiert und standardisiert zu reinigen. In Zukunft sollen auch Echtzeit-Qualitätschecks angeboten werden.
/artikel/redem-linzer-startup-automatisiert-qualitaetskontrolle-von-marktforschungsdaten
Das Redem Team
Das Redem-Team. (c) Redem

Wenn es um Qualitätskontrollen von Marktforschungsdaten geht, werden Befragungen noch immer manuell und individuell analysiert, zumindest das behauptet das Linzer Startup Redem. Im digitalen Zeitalter sei das unvorstellbar und müsse sich ändern. Genau aus diesem Grund entwickelten die Co-Founder Florian Kögl und David Mitterlehner die Saas-Plattform Redem. Mit automatisierten und standardisierten Checks soll die Datenqualität erhöht und ein Effizienzgewinn für Marktforscher:innen generiert werden. Und das, mit einer Fehlerquote von unter 0,5 Prozent.  

Redem erhöht Validität und Qualität von Marktforschungsdaten

Das Tool funktioniert so: Marktforscher:innen können ihre Befragungs-Daten im Excel-Format auf der Redem Website hochladen. Dank unterschiedlicher Qualitätschecks werden diese Roh-Daten automatisiert bereinigt. Das Verfahren ist auf eine künstliche Intelligenz basiert, die sowohl Freitexte als auch skalierte Fragen mit einer Gesamt-Score versieht. Erfüllen bestimmte Daten die standardisierten Qualitätschecks nicht, werden diese bereinigt. “Am Ende hat man nur saubere Daten. So wird sowohl die Qualität als auch die Validität der Marktforschungs-Daten erhöht. Die Standardisierung ist wichtig, weil das Selektionsverfahren nicht subjektiv stattfinden sollte. Wir wollen ein Standard für die Branche setzen, um Auswertungen einfacher umzusetzen und zu definieren”, so der Redem-CEO, Florian Kögl. 

Als gelernter Elektrotechniker war der Mitgründer lange im Versicherungs- und Finanzbereich aktiv, bevor er sich mit einer Finanzplattform selbstständig machte. Als er während seiner Selbstständigkeit nach einem geeigneten Daten-Reinigungstool suchte, bemerkte er schnell, dass im deutschsprachigen Raum noch keine Komplett-Lösung existierte. So gründete Kögl mit seinem Co-Founder Mitterlehner – der zuvor Software-Engineering studierte – im März 2020 sein zweites Startup Redem. Erst Anfang 2022 als DIY-Plattform gelauncht, hat das Linzer Jungunternehmen schon seine ersten Kund:innen für sich gewonnen  

Integration der Blockchain-Technologie für Nachvollziehbarkeit

Das Geschäftsmodell von Redem setzt sich zusammen aus unterschiedlichen Nutzungslizenzen. Basierend auf die Anzahl der durchgeführten Studien, Befragungen und Qualitätschecks werden die Kosten für das Daten-Reinigungs-Service berechnet. Das sich noch in der Seed-Phase befindende Startup hat sich das Ziel gesetzt, seine Services auch im gesamten DACH-Raum anzubieten. Für die geplante Expansion möchten die Co-Founder zusätzlich zur bereits erhaltenen FFG-Förderung sowie zum Kapital von zwei Business Angels eine weitere Finanzierungsrunde angehen. 

Bereits in den nächsten sechs bis zwölf Monaten soll zusätzlich ein Echtzeit-Bereinigungs-Tool entwickelt werden, das Qualitätschecks in Befragungs-Tools integriert. “Wir haben auch vor, den gesamten Datenerhebungs- und Reinigungsprozess nachvollziehbar zu machen, potentiell mit der Integration der Blockchain-Technologie”, erklärt Kögl. 

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

Redem: Linzer Startup automatisiert Qualitätskontrolle von Marktforschungsdaten

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

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

Redem: Linzer Startup automatisiert Qualitätskontrolle von Marktforschungsdaten

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

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

Redem: Linzer Startup automatisiert Qualitätskontrolle von Marktforschungsdaten

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 …

Redem: Linzer Startup automatisiert Qualitätskontrolle von Marktforschungsdaten

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 …

Redem: Linzer Startup automatisiert Qualitätskontrolle von Marktforschungsdaten

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 …

Redem: Linzer Startup automatisiert Qualitätskontrolle von Marktforschungsdaten

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 …

Redem: Linzer Startup automatisiert Qualitätskontrolle von Marktforschungsdaten

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

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

Redem: Linzer Startup automatisiert Qualitätskontrolle von Marktforschungsdaten

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

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

Redem: Linzer Startup automatisiert Qualitätskontrolle von Marktforschungsdaten