31.07.2023

Silana: Wiener Startup macht Luxuskleidung durch Nahtcodierung fälschungssicher

Mit ihrem Nähroboter möchten die Silana-Gründer nicht nur die Textilindustrie nachhaltig automatisieren, sondern auch die Fälschung von Luxuskleidung und Handtaschen verhindern.
/artikel/silana-macht-kleidung-faelschungssicher
Silana, Textilundustrie, Fussl Modestraße,

Bereits im vergangenen Jahr berichtete brutkasten über die Vision der Silana-Gründer Michael Hofmannrichter (CEO), Michael Mayr (COO) und Anton Peter Wohlgemuth (CTO), die Textilproduktion durch Automatisierung nachhaltig nach Europa verlagern zu wollen.

Nun verkündet das Trio die Fertigstellung ihres Prototyps zur Vollautomatisierung von Nähprozessen, der durch den Einsatz eigens entwickelter Nähte sogar Fälschungen von Markenkleidung verhindern kann. Mittlerweile hat das Startup sechs Patente für seine Technologien angemeldet. 

Silana macht Kleidung durch Nahtcodierung fälschungssicher 

Die Idee zu Silana hatte das Trio bereits im Sommer 2020. Seitdem arbeitet das Team an der Entwicklung des Prototyps. Während der Entwicklung ihres Nähroboters kam den Gründern eine weitere Idee: die Nahtcodierung für fälschungssichere Kleidung. Bisherige Methoden zur Fälschungsprävention wie Etiketten und QR-Codes sind laut den Silana-Gründern sehr leicht zu fälschen, führen aber zu großem Vertrauen bei Konsument:innen und Prüfer:innen. 

“Während der Produktion unserer Nähroboter mussten wir industrielle Hochleistungsnähmaschinen für unsere Bedürfnisse umbauen. Dafür haben wir eine eigene Schnittstelle zur Steuerung der Nähmaschinen entwickelt, womit wir unter anderem die Geschwindigkeit der Maschinen millimetergenau steuern können. Mit dieser Technologie können wir nun jeden einzelnen Stich in der Naht zielgerichtet und präzise platzieren, und dies bei Maschinen mit einer Geschwindigkeit von bis zu 8.000 Stichen in der Minute”, sagt das Trio. 

Die Präzisionsnähtechnik von Silana sei in der Lage, jedes genähte Produkt in ein Unikat zu verwandeln. Selbst bei großen Stückzahlen, wie sie in der Textilindustrie üblich sind, sei die Nahtcodierung in der Lage, jedes Kleidungsstück mit einer individuellen Seriennummer zu versehen. “In einer Naht von nur zehn Zentimetern Länge könne bis zu 73 Trillionen verschiedene Varianten abgebildet werden. Diese Naht ist vollkommen fälschungssicher und kann zukünftig von einer Handykamera ausgelesen werden”, so die Gründer. Mit ihrer fälschungssicheren Nahtsetzungstechnologie möchten sie zudem replizierbare QR-Codes in der Textilindustrie ersetzen. 

Silana-Technologie in bestehende Prozesse integrierbar

“Es wird eine Technologie verwendet, die Modeproduzenten bereits kennen, laufend im Einsatz haben und die daher einfach bei allen Produzenten eingesetzt werden kann”, so das Trio. Die Präzisionsnähtechnologie sei in herkömmliche Nähmaschinen und bestehende Produktionsschritte integrierbar. Dadurch müsse das Personal in den meisten Bekleidungsfabriken keine neuen Maschinen bedienen. 

Zudem sei kein zusätzlicher Produktionsschritt notwendig, da die Naht auch funktional zur Verbindung einzelner Stoffe eingesetzt werde. Die Technologie der Nahtcodierung kann somit sofort in Nähprozessen eingesetzt werden. 

Nahtcodierung als Schnittstelle zu web3 oder NFTs 

Durch die mit der Fälschungsschutztechnologie einhergehende Digitalisierung möchten die Gründer eine Verbindung der digitalen und der physischen Welt schaffen. Die physische Naht bietet dabei eine Schnittstelle zum digitalen Web3. “Die einzigartige Codierung in der Naht macht jedes Kleidungsstück zu einem Unikat. Dabei besteht die Möglichkeit, diese Einzigartigkeit für NFTs und Web3 zu nutzen, wodurch sie die digitale und die physische Welt verbindet”, so die Founder. 

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

Silana: Wiener Startup macht Luxuskleidung durch Nahtcodierung fälschungssicher

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

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

Silana: Wiener Startup macht Luxuskleidung durch Nahtcodierung fälschungssicher

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

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

Silana: Wiener Startup macht Luxuskleidung durch Nahtcodierung fälschungssicher

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 …

Silana: Wiener Startup macht Luxuskleidung durch Nahtcodierung fälschungssicher

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 …

Silana: Wiener Startup macht Luxuskleidung durch Nahtcodierung fälschungssicher

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 …

Silana: Wiener Startup macht Luxuskleidung durch Nahtcodierung fälschungssicher

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 …

Silana: Wiener Startup macht Luxuskleidung durch Nahtcodierung fälschungssicher

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

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

Silana: Wiener Startup macht Luxuskleidung durch Nahtcodierung fälschungssicher

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

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

Silana: Wiener Startup macht Luxuskleidung durch Nahtcodierung fälschungssicher